（机械电子工程专业论文）机器人装配操作的离散路径规划与柔顺运动综合的研究.pdf

上海交通大学博士学位论文 摘要 机器人装配操作是机器人学和现代生产的核心技术之一。本文在全面总结已有 研究成果的基础上，对机器人装配操作的离散路径规划和柔顺运动综合进行了系 统、深入的研究。主要内容包括： 1 分析并总结了机器人装配操作的三个基本特征。厂在运动约束方面，机器人装 配操作具有单面约束的特征，可以用多面凸锥理论分析装配操作的可行运动域和可 行装配力域。在建模误差方面，机器人装配操作受到各种不确定性因素的影响，具 有不确定性特征，这要求装配操作必须具有一定的柔顺性。在系统总体特征方面， 机器人装配操作具有离散动态事件系统( d e d s ) 的特征，整个装配操作过程可建模成 一个混合动态系统模型。其中，离散层负责综合装配操作的运动轨迹和运动速度： 连续层负责实现离散层指定的运动指令。厂7 2 研究了机器人装配操作的离散路径规划。肌器人装配操作是一个d e d s 过程， 整个过程被建模成一系列离散的装配操作状态及状态之间的转移。本文建立的p ，r 网模型能对机器人装配操作进行有效的描述和定量的分析。通过预定义装配路径和 采用元接触表达接触状态，p t 网模型的规模得到大大简化。在此基础上，分析了 机器人装配操作的评价指标，并引入离散系统优化控制的动态规划方法，给出了优 化机器人装配操作路径的动态规划方法。， 3 研究了机器人柔顺装配操作的线性化运动综合方法。通过分析机器人装配操 作的约束运动学特征，本文在单面约束的基础上导出了装配操作中实现各状态变迁 应满足的约束条件。然后，在分析机器人装配操作的柔顺映射本质的基础上，采用 动态线性化的柔顺映射模型逼近装配操作中柔顺的非线性特征。结合状态变迁的约 束条件和柔顺映射的动态线性化模型，本文进步导出了柔顺运动应满足的约束条 件。这些约束条件最终可简化成一些不等式约束，应用多面凸锥的理论，找到了名 义运动和柔顺矩阵的解域。，r ) 4 研究了机器人柔顺装配操作的非线性综合方法。 根据状态变迁经历路径最短 的原则，本文给出了名义运动旋量，并结合装配过程的运动约束条件建立了状态变 迁的数学模型。该模型在数学上被证明是一个强相容的可微凸规划问题。利用非线 性规划的理论，给出了该凸规划模型的最优性条件。在分析最优性条件的解后，指 出了优化解的物理意义，并讨论了l a g r a n g e 乘子具有的柔顺映射特征。由于这种运 动综合方法建立在一个强相容的可微凸规划之上，因此得到的柔顺运动具有全局最 优的性质。) ， 搁萤 5 研究了机器人装配操作在关节空间里的运动综合。由于传统的齐次坐标方法 在分析机器人逆运动学和计算j a c o b i 矩阵方面的局限性，本文采用了指数积的分析 方法。这种方法从整体上将刚体变换理解成螺旋运动，并用指数坐标描述刚体变换 对应的螺旋运动。在此基础上，刚体的运动用速度旋量进行描述，机器人运动学正 解的映射关系表现为指数积的形式。利用指数积可以有效地计算j a c o b i 矩阵的运动 螺旋形式。在用指数积分析机器人逆运动学映射关系的基础上，本文分别讨论了非 冗余度和冗余度机器人的速度旋量映射形式，并根据奇异性和可操作性指标，给出 了在关节空间综合机器人装配操作运动的原则。+ ， 6 综合应用前面本文的研究结果，完成了机器人斜向压嵌装配操作的实验。该 实验系统是自动装配线上一个相对独立的机器人装配单元，包含s v 3 机器人和被动 柔顺手爪这两个主要的实验设备，非常接近实际生产。在进行机器人斜向压嵌装配 操作的离散路径规划实验时，深入地分析了斜向压嵌装配这种空间操作任务的特 点，然后根据不同的评价指标规划了不同的装配路径，并根据实验选择了合适的离 散装配路径。在进行机器人斜向压嵌装配操作的柔顺运动综合实验时，利用被动柔 顺装置来实现柔顺映射关系，然后综合了机器人的操作速度和关节速度，并根据实 验验证了这些理论结果的有效性。这些实验有力地说明了本文研究结果的正确性， 并表明了这些结论对实际操作的指导意义。n 关键词：机器人，装配操作，路径规划，柔顺运动，运动综合 一i i 上海交通大学博士学位论文 a b s t r a c t r o b o t i ca s s e m b l ym a n i p u l a t i o n ( r a m ) i so n eo ft h ek e yt e c h n i q u e si nt h ef i e l do f r o b o t i c sa n da u t o m a t i o n i nt h ed i s s e r t a t i o n ，b a s e do nac o m p r e h e n s i v eo v e r v i e wo ft h e p a s ta c h i e v e m e n t so nr a m ，d i s c r e t ep a t hp l a n n i n ga n dc o m p l i a n tm o t i o ns y n t h e s i so f r a mi ss y s t e m a t i c a l l ya n d d e e p l yi n v e s t i g a t e d n l ep a p e r sm a i nc o n t e n t s a r ea sf o l l o w ： 1 a n a l y z e da n ds u m m a r i z e dr a m st h r e ef u n d a m e n t a la s p e c t s f i r s t l y , i t sk i n e t i c c o n s t r a i n ti su n i l a t e r a lc o n s t r a i n t s s ot h et h e o r yo fp o l y h e d r a lc o n v e xc o n e ( p c c ) c a nb e u s e dt oa n a l y z et h es e to f p o s s i b l em o t i o n sa n dt h es e t o f p o s s i b l ea p p l i c a b l ef o r c e s s e c o n d l y , d u e t ot h ee f f e c t so fv a r i o u su n c e r t a i n t i e si nt h er a m ，c o m p l i a n c ei sn e e d e dt o e n s u r et h es u c c e s so ft h em a n i p u l a t i o n t h i r d l y , s i n c et h ep r o c e s so fr a mh a st h et y p i c a l p r o p e r t i e so f ad i s c r e t ee v e n td y n a m i cs y s t e m ( d e d s ) ，r a mc a nb em o d e l e da sa h y b r i d d y n a m i cs y s t e m i nt h em o d e l d i s c r e t ei e v e li sr e s p o n s i b l ef o rs y n t h e s i z i n gt h em o t i o n t r a j e c t o r y a n dm o t i o n v e l o c i t y , w h i l e c o n t i n u a l1 e v e lf o r e x e c u t i n g t h o s em o t i o n c o m m a n d sf r o md i s c r e t el e v e l 2 s t u d i e do nt h ed i s c r e t ep a t h p l a n n i n go f r a m s i n c er a mi sad e d s p r o c e s s t h e w h o l ep r o c e s si sm o d e l e da sas e r i e so fc o n t a c ts t a t e sa n dc o r r e s p o n d i n gt r a n s i t i o n s b e t w e e nt h o s ec o n t a c ts t a t e s i nt h i sd i s s e r t a t i o n ap tn e ti se f f e c t i v e l yu s e dt od e s c r i b e a n da n a l y z et h ep r o c e s so fr a m b yp r e d e f i h i n ga s s e m b l yt r a j e c t o r ya n de m p l o y i n g f u n d a m e n t a lc o n t a c tt y p et o e x p r e s sc o n t a c ts t a r e s t h ep tn e ti se x t r e m e l ys i m p l i f i e d a t i e r e s t i m a t i n g t 1 e e v a l u a t i n g c r i t e r i ao fr a ma n d i n t r o d u c i n g t h e d y n a m i c p r o g r a m m i n g i nd i s c r e t ec o n t r o ls y s t e m ，a na p p r o a c hi sp r o p o s e dt od e t e r m i n et h eo p t i m a l t r a i e c t o r yo f r a m 3 s t u d i e do nt h ej i n e a ra p p r o a c ht os y n t h e s i sr a m sc o m p l i a n tm o t i o n t h r o u 吐 a n a l y z i n gt h ec h a r a c t e r i s t i c so fr a m sc o n s t r a i n e dm o t i o n t h ec o n s t r a i n tc o n d i t i o n sf o r v a r i o u sc o n t a c tt r a n s i t i o n sa r ed e r i v e d t h e n t h ee s s e n c eo fc o m p l i a n c em a p p i n gi s a n a l y z e da n dad y n a m i cl i n e a rc o m p l i a n c ei su s e dt oa p p r o x i m a t ei t sn o n l i n e a ra s p e c t c o m b i n i n gt h ec o n s t r a i n tc o n d i t i o n sa n dt h ed y n a m i cl i n e a rc o m p l i a n c e ，t h ec o n s t r a i n t c o n d i t i o n sf o rt h er a m s c o m p l i a n tm o t i o na r ed e r i v e d t h o s ec o n s t r a i n tc o n d i t i o n sc a n b ee x p r e s s e da sa g r o u po fi n e q u a l i t i e sa n ds o l v e db yt h et h e o r yo fp c c t h e n ，t h e n o m i n a lm o t i o na n d c o m p l i a n tm a t r i xa r ep r o p e r l ys y n t h e s i z e d 4 s t u d i e do nt h en o n l i n e a r a p p r o a c ht os y n t h e s i z er a m sc o m p l i a n tm o t i o n a c c o r d i n g t ot h eo b j e c t i v et oa c h i e v et h es h o r t e s t t r a j e c t o r yi ne v e r yc o n t a c tt r a n s i t i o n ，t h e n o m i n a ls c r e wi sp r o v i d e da n dam o d e lo f c o m p l i a n tm o t i o ni so b t a i n e d i nm a t h e m a t i c a l s e n s e t h i sm o d e li sp r o v e dt ob eap r o b l e mo fs t r o n gc o m p a t i b l ed i f i e r e n t i a b l ec o n v e x i i i 摘要 p r o g r a m m i n g s o ，t h eo p t i m a ls o l u t i o nc a nb eo b t a i n e db yu s i n gk u h n t u c k e rt h e o r e m t h e p h y s i c a lm e a n i n go f t h el a g r a n g em u l t i f i e ri sd i s c u s s e d ，w h i c hh a st h ec h a r a c t e r i s t i c s o fn o n l i n e a rc o m p l i a n c em a p p i n g f r o mk u h n t u c k e rt h e o r e m ，t h es o l u t i o ni s g l o b a l l y o p t i m a l 5 s t u d i e do nt h er a m sm o t i o ns y n t h e s i si nj o i n t s p a c e d u e t ot h el i m i to f t r a d i t i o n a ld ha p p r o a c hi nd e a l i n gw i t ht h ei n v e r s ek i n e m a t i c sa n dc o m p u t i n gj a c o b i m a t r i x ，e x p o n e n t i mf o r m u l ai su s e di nt h em o t i o ns y n t h e s i s as c r e ww h o l l yd e s c r i b e st h e r i g i db o d yt r a n s f o r m ，a n dt h ef o r w a r dk i n e m a t i c so fs e r i a l t y p em a n i p u l a t o ri se x p r e s s e d b ye x p o n e n t i a lf o r m u l a o nt h eb a s i so fe x p o n e n t i a lf o r m u l a ，t h ek i n e t i cm a p p i n gb e t w e e n j o i n ts p a c ea n dw o r k s p a c ei sr e s p e c t i v e l yd i s c u s s e df o rn o n - r e d u n d a n ta n dr e d u n d a n t m a n i p u l a t o r s a tl a s t ，t h ec r i t e r i ao fs i n g u l a r i t ya n dm a n i p u a b l i t ya r ec h o s et os y n t h e s i z e t h er a m sm o t i o ni nj o i n ts p a c e 6 c o m p l e t e dt h ee x p e r i m e n to f s l a n t w i s ep r e s s a n d e m b e dr a m ( s p r a m ) ，a s p a c e m a n i p u l a t i o nt a s k n ee x p e r i m e n t a ls y s t e mi sa na s s e m b l yc e l li nar o b o t i ca s s e m b l yl i n e m a i n l yc o n s i s t i n go f m o t o m a n m a n i p u l a t o r a n da p a s s i v ec o m p l i a n tw r i s t t oc a r r yo u tt h e e x p e r i m e n to fp a t hp l a n n i n go fs p r a m ，t h ec h a r a c t e r i s t i c so fs p r a m i sd e e p l y a n a l y z e d t h e n ，d i f f e r e n tt r a j e c t o r i e sw e r ep l a n n e d t h r o u g hv a r i o u sc r i t e r i a ，a n dt h ep r o p e rt r a j e c t o r y w a ss e l e c t e dt h r o u g he x p e r i m e n t s d u r i n gt h ee x p e r i m e n to f c o m p l i a n tm o t i o ns y n t h e s i s f o rs p r a m ，t h ep a s s i v ec o m p l i a n tw r i s ti su s e dt or e a l i z et h ec o m p l i a n tm a p p i n g 1 1 1 e t h e o r e t i c a lr e s u l t sw e r ep r o v e d b y t h ee x p e r i m e n t s k e yw o r d s ：r o b o t i ca s s e m b l y , m a n i p u l a t i o n ，p a t hp l a n n i n g ，c o m p l i a n tm o t i o n ，m o t i o n s y n t h e s i s 上海变通大学博士学位论文 1 1 课题来源 第一章绪论 本学位论文在国家8 6 3 机器人装配系统网点实验室完成，得到该实验室1 9 9 8 2 0 0 0 三年的网点基金的资助。 项目名称：机器人装配系统网点实验室( 集成平台) 项目编号：8 6 3 5 1 2 9 8 2 0 0 4 1 2 立题背景 在科技发展史上，需求是创新的源泉。学术研究的驱动力，不仅源于人类渴求 新知识和挑战自身认知极限的天性；更来自于为追求更先进的生产和生活方式而产 生的对新思想和发明创造的强烈需求。对机器人装配操作的研究也不例外，它除了 满足人们制造高级类人智慧机器的热情外，更是为适应现代生产方式而进行的必要 的技术储备。 1 机器人装配操作是机器人学研究的重要问题之一 机器人是人类梦寐以求的智慧机器。人们理想中的机器人具有象人类自身一样 的操作功能、行走功能、感知功能、思维功能、甚至协作和进化的功能。虽然这种 理想中的目标与目前的研究水平相距甚远，但人们确实取得了巨大的成就，使机器 人的功能越来越强，应用范围越来越广。从美 虱a r g o n n e & o a kr i d g e 实验室用于处 理放射性物质的主从操作手，到美国n a s a 在1 9 9 7 年用于火星探测的p a t h f i n d e r ，机 器人在短短半个世纪里经历了一个从简单机械臂到复杂移动智能平台的飞跃。目 前，机器人不仅用于传统的生产线、在危险环境和极限环境中发挥着重要作用，而 且已逐渐渗入到人们的日常生活和休闲娱乐中，提高了人们的生活质量 1 2 】。 在机器人的发展历程中，操作功能作为机器人最基本的功能，一直得到了广泛 而深入的研究 3 6 。早期机器人的操作能力非常有限，只能完成一些简单的上下料、 喷漆和焊接等操作。在这类操作任务中，环境对机器人操作的约束作用较小，在完 成操作任务时通常不考虑操作环境的约束作用。但对于机器人装配操作，机器人夹 持的装配工件与环境之间频繁接触，装配环境的约束作用已不可忽略。为顺利完成 这类约束操作任务，需要有效地控制机器人与环境之间的相互作用以顺应接触约 束，这大大增加了完成操作任务的难度【7 。因此，机器人装配操作是一种更高层次 上的操作形式，是评价机器人灵活性和适应性的一个重要指标。 虽然机器人装配操作具有很大的难度，但它是制造业和各种特种应用中普遍存 在的一种操作形式。正因如此，机器人装配操作是机器人学中一个基本的同时也是 重要的研究课题。 第一章绪论 2 机器人装配操作是现代生产方式的核心技术之一 随着科技的进步和市场需求的变化，多品种小批量生产逐渐取代了旧有的大规 模生产模式。为适应这种新的生产模式，现代生产方式呈现出自动化、柔性化、集 成化和智能化的特征。机器人以其较强的智能性和可重复编程的能力可适应于多种 不同的生产任务，因而成为现代生产中不可缺少的一个关键组成部分。尤其对现代 生产中的装配环节，机器人装配更表现出其不可替代的优势 8 。 在现代制造业中，作为形成产品的最后工序，装配环节直接影响着产品的最终 质量。然而，产品装配却是现代生产中最薄弱的环节之一。据一些资料统计：装配 工作量约占整个生产过程工作量的4 5 左右，装配费用约占产品总成本的5 4 左右 9 1 1 1 。这说明装配环节已成为制约现代生产进一步发展的瓶颈。机器人装配技术 的不成熟是形成这种局面的一个重要原因。 为提高机器人装配技术，目前的研究从三个方面展开：1 ) 通过面向装配的产品 设计，使产品结构更适于机器人装配；2 ) 通过对机器人装配操作的研究，使装配系 统能成功地实现每个装配操作任务；3 ) 通过研制装配机器人及其周边装置，组建适 用于实际生产的实用柔性自动化装配系统。在这些研究中，机器人装配操作是机器 人装配技术的一个核心技术，同时也是机器人装配技术的难点之- i t 2 1 4 1 。 由于机器人装配操作在机器人学和现代生产中的重要地位，这一直是国家8 6 3 机器人装配系统网点实验室的一个重要主题。正是在这种背景下，本文对机器人装 配操作进行了系统、深入的研究，力图更深入地理解机器人装配操作的内在机理和 规律，为机器人装配操作提供更有效的运动规划方法，并为研制实际的机器人装配 系统提供理论上的指导依据。 1 3 机器人装配操作的研究进展 1 3 1 机器人装配操作的路径规划 机器人装配操作的运动规划可分为全局运动规：划( g r o s sm o t i o np l a n n i n g ) 和精运 动规：e j j ( f i n em o t i o np l a n n i n g ) 两部分。其中，全局运动规划是进入接触约束前的运动 规划，与机器人自由运动时的规划相同。精运动规划是机器人进入接触约束后的运 动规划，是机器人装配操作规划中的主要问题。根据规划方向的不同，形成了反向 规划法和正向规划法两类精运动规划的方法。 一反向规划法 对反向规划法的研究始于l o z a n o p e r e z ，m a s o n 幕l t a y l o r t ”1 的开创性的工作。他 们提出的l m t 方法，经众多研究者的发展和完善，一度成为规划机器人装配操作路 径的主流方法。这种方法的基本思想是前态递推回溯( p r e i m a g eb a c k c h a i n i n 曲，即从 目标状态开始，考虑装配操作中的各种不确定性，逆向递推出一系列的前态( p r e i m a g e ) ，直到初始状态为止。回溯结束后，这一系列前态依次构成了规划好的装配 操作序列。 l o z a n o p e r e z ，m a s o n 和t a y l o r 的工作仅考虑了摩擦和柔顺运动速度的不确定 性。l m t 方法提出后，m a s o n 0 6 1 证明了这种方法的正确性和完备性，并有多人研究 上海交通大学博士学位论文 了前态的构造方法。e r d m a n t ”1 基于反向投影的概念，提出了构造前态的反向投影法。 这种方法将柔顺运动中的不确定性考虑成不确定性锥( u n c e r t a i n t yc o n e ) ，用于计算反 向投影区域。c h r i s t i a n s e n t f g j 则用经验指导反向投影，使前态的构造更接近于实际操 作。在总结前态回溯和反向投影的思想的基础上，b r o s t ”1 分别从能量和轨迹的角度 提出了两种前态的构造方法。 d o n a l d t 2 0 - 2 1 的工作将l m t 方法向前推进了一步。他通过引入广义位形空间 ( g e n e r a l i z e dc o n f i g u r a t i o ns p a c e ) 的概念，使不确定性的范围包括了工件形状和位置 的不确定性。同时，他还提出了误差检测和纠正的策略，使前态回溯的收敛速度更 快，并能检测出不可能前态。p e l l e t i e r 和d a n e s h m e n d t 2 2 1 更详细分析了影响柔顺运动 的各种环境参数，提出不确定性盒( u n c e r t a i n t yb o x ) 的概念，进一步增强了对不确定 性的处理能力。 l m t 方法是一种反向规划的方法。由于反向投影的区域并不唯一，需要对投影 区域进行搜索和优化，因此前态回溯的计算量很大。c a n n y t ：，】研究了l m t 方法的计 算复杂性，指出：随着柔顺运动的维数增加，计算复杂性将呈几何级数递增，当柔 顺运动的维数超过4 维时，运动规划将变得极其困难。这限制了l m t 方法的进一步 发展和应用。 二正向规划法 与l m t 方法的规划方向相反，正向规划法从装配操作的初始状态开始，通过正 向递推出一系列的中间状态，来规划机器人装配操作的整个运动过程。这种方法一 般基于离散动态事件系统( d e d s ) 的思想，将整个位形空间离散成各种不同接触状态 的集合，通过寻找接触状态之间的合适的转移途径，规划出到达目标状态的运动路 径。由于这类方法反映了机器人装配操作的d e d s 特征，已逐渐成为目前研究的主 流方法。 b u c k l e y 2 ”、l a u g i e r t ”i ，d a k i n 和p o p p l e s t o n e t 2 6 1 利用图论研究了接触状态转移的 问题。他们将接触状态的集合建模成接触状态网络，利用图论的原理寻找状态转移 的优化路径。由于p e t r i 网能更简洁地描述接触状态及其转移关系，是对装配操作路 径进行规划的有力工具。m c c a r r a g h e r 和a s a d a 2 7 - 3 0 ) 等人对此进行了深入的研究，他 建立了装配操作过程的p e t r i 网模型，对状态转移的轨迹进行了优化，并研究了对装 配操作中突发事件的处理方法。 为处理不确定性对运动规划的影响，p e s k i n 和s h i m m e l s ( 3 1 - 3 4 1 等人提出了两阶段 规划法，并得至l j v o u g i o u k a s 和g o t t s c h l i c h 2 。3 6 1 等人的进一步发展。这种方法先在理想 状态下规划出名义运动路径，然后对各种不确定性的影响进行动态再规划。动态再 规划被看成是一个柔顺映射的过程，运动误差引起的接触力被映射成修正误差的运 动指令。 用正向规划方法确定机器人装配操作的路径时，两个主要的困难是状态转移图 的复杂性和柔顺映射的非线性。与用普通图论建模相比，用p e t r i 网得到的装配操作 模型的复杂度会大大减小，但仍然相当复杂，难以用于处理一般的空间装配任务。 而且，如何处理柔顺映射的非线性仍是亟需解决的问题。 第一章绪论 1 3 2 机器人装配操作的被动控制方法 机器人装配操作是一种约束类操作。 的柔月| 页性。根据实现柔顺性的不同形式， 主动控制两大类。 一被动控制方法的基本思想 为成功完成操作任务，必须保证装配操作 机器人装配操作的控制可分为被动控制和 被动柔顺控制是利用装配系统本身的机械或电磁等特征实现装配操作的方法。 c h o l ”i 对装配操作的被动控制方法进行了较详细的总结。 实现被动柔顺控制的方法主要有：1 ) 机械柔顺法：2 ) 电磁柔顺法；3 ) 气流 柔顺法。机械柔顺法是应用最广泛的被动柔顺方法，一般利用机械系统本身的弹性 来调整装配件之间的相对位置关系。这类机械系统可被视为弹簧质量系统，其中的 弹性环节是系统柔顺性的来源。电磁柔顺法【3 8 】贝0 利用电磁场中不同的电磁力来调整 装配件的位置，如使装配件朝电磁场强的方向运动从而接近目标装配状态等。但这 种方法只适用于对电磁场敏感的装配件。使用气流柔顺法【3 9 时，要先产生合适的气 流，通过气流力对装配件位置的校正使装配件接近目标状态。由于气流产生的力很 小，这种方法多用于细小件的装配作业。 柔顺装配系统中常见的柔顺环节包括：1 ) 装配机器人；2 ) 柔顺手腕；3 ) 柔 顺工夹具。合理选用其中一个或多个柔顺环节，可以组成价格较低但可靠性很高的 被动柔顺装配系统。 二装配机器人 装配机器人是针对装配操作特点设计的适于装配操作的机器人。一般而言，通 用机器人均可用于装配，但专门设计的装配机器人在精度、柔性和速度方面都有所 改进，因而通常更有效率，也更能满足装配的各项要求。 装配机器人的个显著特点是机器人具有较好的柔顺性。装配作业是一种有约 束的运动，装配机器人的柔顺性不仅是完成装配任务的一个必要条件，而且也常常 是机器人本体安全的需要，因为装配过程中产生的接触力可能损坏机器人等装配设 备。机器人的柔顺性取决于各关节伺服刚度和基座、关节、连杆及传动系统的机械 刚度。a n gj r 删等人对影响机器人机械刚度的各种变量进行了分析，并通过调整结 构参数，达到期望的机器人末端刚度。w a n g 4 1 - 4 2 1 等人则尝试用柔性操作手取得所需 要的柔顺性，并对伺服刚度和机械刚度进行了比较。 常见的两类装配机器人是s c a r a 型机器人和直角坐标机器人。s c a r a ( s e l e c t i v e c o m p l i a n c ea s s e m b l yr o b o ta r m ) 机器人最早由m a k i n 0 1 4 ”1 教授研制成功，是具有选 择柔顺特性的四自由度平面关节型机器人。这种机器人在水平方向具有象人臂一样 的柔顺性，而在垂直插入方向却有很大的刚性，因而既能在水平方向纠正侧向误差， 又能在垂直方向保证很高的精度。这特点使s c a r a 型机器人特别适合于“上下” 安装类型的装配任务。只要产品设计合理，这类“上下”装配任务可占已有装配任 务的8 0 ，因此s c a r a 型机器人在生产中得到了广泛的应用。 直角坐标机器人有x y z - 一- - 个平移轴，在z 轴通常装有夹持器及附加旋转轴。这 种结构特点使机器人在x y z = 个轴向都有很大的刚性，从而能保证很高的运动精 度。而且由于相对小的工作区域和行程，机器人的运动速度很快。这些特点使它适 上海交通大学博士学位论文 合于高速高精度的电子产品的装配，因而在电子行业中得到了越来越广泛的运用。 为更好地满足装配的各项要求，研究者们还从多方面尝试研制新型的装配机器人， 如并联装配机器人1 等。 三柔顺手腕 柔顺手腕是生产中用得最多的柔顺环节。通过在机器人上安装合适的柔顺手 腕，可以很好地满足实际装配中对装配精度和装配速度的要求。 最成功的柔顺手腕是w h i t n e y 4 6 - 4 7 1 等人研制的r c c ( r e m o t ec o m p l i a n c ec e n t e r ) 。 该手腕安装在装配机和装配件之间，广泛用于圆形轴孔类装配作业中。r c c 本质上 是一个6 自由度的弹簧系统。通过调节各弹簧的柔性，可以将柔顺中心设定在不同 的位置。实际装配中，般将柔顺中心设定在装配件的末端。当装配件偏离期望的 装配状态时，r c c 将产生适当的扭矩和位移吸收装配误差，使装配件向校正装配误 差的方向运动。r c c 的材料最初全部采用金属，后来w h i t n e y ”1 等人改进了设计， 采用固有阻尼很大的合成橡胶剪切衬垫以吸收冲击和限制运动轴承的误差。剪切衬 垫以“推拉”构造排列，不仅消除了衬垫的刚度非线性，而且使r c c 有相当的轴 向拉伸强度，大大降低了衬垫被拉裂的可能性。 传统的r c c 可以非常有效地用于圆形轴孔零件之间的装配，但对一般的棱柱 形、非对称零件并不可靠，而且不能满足高速装配的要求。为解决对一般棱柱形和 非对称零件的装配问题，s t u r g e s t 4 “9 i 等人采用正交柔顺的概念，制作了空间 r c c ( s r c c ) 。s r c c 由传统的r c c 和一个螺旋状杆系串联而成。该杆系起校正方位 角误差的作用。当轴孔之间存在接触力的时候，s r c c 的螺旋杆系就会产生适当的 扭矩和位移，将工件导入正确的装配状态。s r c c 产生的正交柔顺特性不仅扩大了 装配对象，而且能很好地避免了装配过程中的卡阻和楔紧。 为满足高速装配的需要，a s a d a t ”1 等人提出了广义质心和虚拟质量的概念。在 分析了与机器人操作手末端耦合的末端执行器的本征质量特征的基础上，制作了动 态r c c ( d r c c ) 。使用d r c c ，能在有倒角的条件下以2 m s 的高速进行轴孔插装作业。 四柔顺工夹具 在实际的装配系统中，较少利用工夹具和工作台的柔顺性来控制运动误差。但 作为装配系统的重要组成部分，也可通过特殊的设计，使工夹具和工作台具有定 的柔顺性，保证装配任务更顺利地完成。多指手可被认为是一种典型的用于装配的 柔顺夹持器 5 1 。虽然目前对多指手的研究极为活跃，但将多指手用于装配作业还 有很多的问题需要解决。a s a d a t ”i 等人对夹具的柔顺性进行了研究，指出可以通过 设计合适的夹具辅助实现装配操作的柔顺性。 1 3 3 机器人装配操作的主动控制方法 被动控制方法虽然快速可靠，但适应性差且只能修正较小的运动误差。为克服 这些不足，主动控制方法得到了广泛的研究。 一主动控制方法的基本思想 机器人装配操作是一种约束类操作，进行主动控制实质上是根据传感器获取的 接触约束的信息，动态地调整机器人的运动，使装配操作既能顺应接触约束，又能 第一章绪论 逐步修正运动误差。 根据对装配信息的获取方法的不同，主动柔顺装配的实现方法主要有：1 ) 基 于力信息的装配：2 ) 基于视觉信息的装配；3 ) 基于多传感器( 如力觉、视觉和触 觉等) 信息融合的装配。基于力信息的装配常用于尺寸较大、力信息易于测定的机 械产品的装配任务，而基于视觉的装配则通常用于尺寸较小、力信息不易测量的电 子产品的装配。对于需要多种装配信息的装配任务，必须采用基于多传感器信息融 合的装配方法。 机器人装配操作的主动控制通常被当作一般力控制的典型例子进行研究，经历 了经典控制和现代控制两个发展阶段 5 3 5 4 。在前一阶段，人们提出并发展了阻抗 控制和混合力位控制两种控制方法。在后一阶段，装配过程中的非线性和不确定性 得到了更深入的研究。在经典控制方法的基础上，运用智能控制的研究成果，发展 了自适应控制、模糊控制、自学习控制等多种控制方法。 二经典控制方法 阻抗控制方法最早由h o g a n t ”1 提出，经s a l i s b u r y t ”l 、h o g a n t ”1 、m a p l e s l 5 ”、 k a z e r o o n i l 5 9 1 和s c h u t t e r 6 0 - 6 1 1 等人的努力逐渐发展成熟，并用于装配等任务的控制。其 特点是：根据机器人操作空间中操作力和关节空间中关节运动之间的关系，通过调 整机器人各关节的运动来控制操作空间中的操作力。当把力反馈信号转换成位置调 整量时，这种力控制称为刚度控制：当把力反馈信号转换成速度调整量时，这种力 控制称为阻尼控制；当把力反馈信号同时转换成位置和速度的调整量时，这种力控 - 制称为阻抗控制。这种控制方法的优点是可以方便地加入力控制信号，缺点是力运 动转换矩阵难以确定。 另一种经典控制方法是力位控制策略。m a s o n t “1 最早提出同时非矛盾地控制力 和位置的概念和关节柔顺的思想。r a i b e r t 和c r a i g t ”i 提出了混合力位控制方案，后 经k h a t i b 6 4 、y o s h i k a w a t 6 5 - 6 6 1 、m i l l s l ”1 和g o d d a r d t “1 等人的工作使这种方法逐渐成熟。 理论上，机器人在接触运动时的力自由空间和位置自由空间是互补正交子空间，因 而可在力自由空间进行力控制，而在剩余的正交方向上进行位置控制。通过j a c o b i 矩阵和选择矩阵可以将操作空间任意方向的力和位置分配到各个关节控制器上。这 种方法需要根据运动约束方程实时计算雅可比矩阵及选择矩阵来决定力控和位控方 向，理论明确而实施较为困难。 三现代控制方法 在经典控制方法的基础上，通过引入智能控制的思想，人们对多种控制策略进 行了尝试。发展了自适应控制、模糊控制、自学习控制等多种控制方法。 n i e m e y e r 和s l o t i n e 等人 6 9 - 7 1 1 研究了柔顺运动的自适应控制问题，对自适应柔顺 控制的性能进行了分析。s i n g h t 7 2 - 7 3 等人将自适应控制方法用于阻尼控制，对自适应 阻尼控制的基本理论和实验进行了研究。j e a n 和f u t 7 4 1 将自适应控制和混合力位控制 相结合，研究了自适应混合力位控制的策略。a r i m o t o 和n a n i w a f 7 5 - 7 5 将自学习方法 运用到机器人的约束运动控制中，研究了机器人末端受限的自学习控制问题。j e o n 和t o m i z u k a t 7 9 1 将自学习方法运用到混合力位控制中，研究了自学习力位混合控制。 g u l l a p a l i 和g r u p e n t s 0 - s t 将自学习方法运用到阻抗控制中，研究了自学习阻抗控制的 上海交通大学博士学位论文 力引导装配。t a o 和l u h t ”l 将神经网络用于力位混合控制的实时训练，对机器人混合 力位控制的鲁棒性进行了研究。v e n k a t a r a m a n t ”1 等人将神经网络用于对环境模型的 识别，研究了对空间机器人的柔顺运动控制。j u n g 和h s i a t “i 将神经网络用于阻抗控 制，研究了机器人阻抗控制的鲁棒性。c h a n t 8 5 1 将神经网络用于机器人装配，对装配 中的不确定性进行了补偿。v u k o b r a t o v i c 和k a t i d 8 6 - 8 8 1 将神经网络用于动态环境的参数 识别，并研究了具有学习功能的混合力位控制和阻抗控制。j a r r a h 和z h e n g s g l 将神经 网络用于柔顺运动的控制中，研究了柔顺运动的智能控制方法。研究者们还从其它 角度对主动柔顺控制进行了研究。女1 c h i a v e r i n i 和s c i a v i c c o i ”i 研究了力位混合控制的 并行算法：t a r o k h 和b a i l e y t ”i 研制了未知环境下力跟踪的模糊自适应控制算法；l i n 和h u a n g t 9 2 研究了工业机器人的递阶模糊力控制方法等。 这些现代控制策略从不同的角度尝试提高控制质量的途径。其共同点是通过融 合智能控制的思想与经典的阻抗控制策略或力位混合控制策略，希望增强控制系统 对不确定性和非线性等因素的处理能力，并希望提高运算速度以适应实时控制的需 要。由于智能控制本身仍处于不断的发展之中，这些现代控制策略虽各有优点，但 至今未形成一种公认的通用方法。 1 3 4 机器人装配操作的典型任务研究 在各种