装配任务是航天器部件生产的重要环节,装配的质量和效率将直接影响航天器生产的质量和效率。由于缺乏实时的数据反馈和精准的运动控制[1],当前航天器部件的装配模式仍以人工为主,该装配模式存在装配质量不可控、装配时间无法确定等问题,制约了航天领域的发展[2]。因此,学者提出利用机器人完成航天器部件的装配任务[3]。
由于航天器部件具有小批量、多品种等特点,无法采用批量产品的自动化装配流程。此前研究针对不同的航天器部件开发了多种位置测量系统,如相机[4]、激光跟踪仪[5]等,并结合位置测量系统的结果控制机器人运动,以完成装配任务。此装配模式与人工装配模式相比,能够极大地提升装配的质量和效率,也取得了较好的应用效果[6]。然而,这种位置控制的装配模式受位置测量误差和机器人运动误差等因素的影响,在最终装配过程中会存在误差[7-8]。一方面,航天器部件的重量和尺度均很大,装配误差会引起航天器部件存在异常接触,且接触力较大;另一方面,航天器部件对表面质量要求非常严苛,且部分航天器部件的表面会有特殊涂层,过大的接触力会破坏航天器部件表面的质量和涂层,导致航天器部件的服役寿命受影响[9]。因此,在航天器部件的装配任务中,仅采用位置控制而不考虑航天器部件的接触力,具有一定的局限性。
目前,柔顺控制方法已经成熟并应用于装配机器人,已经在小尺度、规则部件的装配任务中获得了良好的效果。柔顺控制方法分为被动柔顺控制[10]和主动柔顺控制[11]。被动柔顺控制方法存在位置误差补偿能力有限和缺乏主动感知环境的能力等缺陷[12]。因此,学者多关注采用主动柔顺控制方法完成装配。主动柔顺控制通常使用安装在机器人末端和移动装配体之间的六维力传感器测量2个装配体在装配过程中的接触力,并根据该接触力完成装配任务[13]。当前的主动柔顺控制可分为基于接触模型的控制策略[14]和无模型的控制策略[15]。无模型的控制策略[16]无须识别接触状态,通过预先收集装配过程中的数据控制机器人,完成装配任务[17]。无模型的柔顺控制需要大量的实验数据,不适用于小批量、多品种的航天器部件装配任务。基于接触模型的控制策略[18]依赖于机器人装配系统的接触模型分析[13]。典型的基于模型的控制策略是导纳控制和阻抗控制,导纳控制是根据外力来调控位置,阻抗控制是根据位置来调控外力[19]。然而,当前的柔顺控制方法聚焦于小尺度、小重量、规则部件的装配任务,主要目的在于完成装配任务,并不关注装配过程中接触力的大小,主要原因是上述装配任务的接触力较小、装配件对接触力不敏感[20]。因此,在航天器部件的装配任务中,无法直接应用当前的柔顺控制方法。
在航天器部件装配的过程中,无法通过试装的方式获取准确的接触位置和接触刚度,因此柔顺控制的目标位置和控制参数仅根据位置测量系统的测量结果和经验值来预设。柔顺控制的目标位置和接触刚度直接影响装配完成时的残余接触力,预设的目标位置和接触刚度会导致装配完成时的残余接触力不可控。在实际装配过程中,当2个装配体越过实际接触位置继续运动时,装配体之间会产生接触力。当前的柔顺控制方法把目标位置和接触刚度设为定值,仅将受到的接触力作为输入,计算下一控制周期装配体的运动位置。在装配过程中,可以根据接触力的信息来调控目标位置和接触刚度[21-22],使柔顺控制算法能根据不同的装配任务自适应地调整合适的目标位置和接触刚度,避免因残余接触力过大影响航天器部件的服役寿命。因此,本文提出一种自适应柔顺控制方法,通过在装配过程中机器人的实际接触位置和实时接触力,动态调整导纳控制的控制参数,使装配体之间的残余接触力收敛到预设值附近。这种控制方法不需要在装配前精准地控制参数,可根据装配系统的状态自动调整控制参数、使残余接触力收敛到预设值附近、以快速适应不同的装配任务。
首先,本文根据所提出的方法,推导了自适应柔顺控制的控制反馈率。通过对一维和二维对接模型进行仿真,并在相同初始条件下比较导纳控制和自适应控制,得出自适应柔顺控制比导纳控制具备收敛速度快、残余接触力小、快速适应不同环境刚度等优势。然后,通过Kalman滤波[23]处理原始的接触力信号。为验证方法的可行性,本文将该方法应用到典型的航天器部件——力矩陀螺装配任务中,分别利用自适应柔顺控制、导纳控制和位置控制来完成装配任务,并测量装配过程的接触力。实验结果表明:本文提出的方法不但收敛速度快、残余接触力小,还具备残余接触力能自动收敛到期望值附近的优势。该方法适用于对接触力敏感的装配场景,有望应用于航天器部件的装配任务中。
1 力矩陀螺装配任务力矩陀螺是典型的航天器部件,安装在空间站上以控制空间站的在轨姿态。在力矩陀螺装配任务中,需要通过机器人将力矩陀螺安装到空间站的安装基底上。针对力矩陀螺装配任务,本文提出了一种基于装配特征的测量方法[6],该测量方法能准确测量2个装配体的空间相对位姿。结合该测量方法的测量结果并利用位置控制,虽然能实现力矩陀螺的精密装配,却无法避免装配误差,由装配误差引起的接触力会破坏力矩陀螺和安装基底的接触面。因此,在力矩陀螺与安装基底接触时,需要采用柔顺控制方法来完成装配任务。
为验证本文提出方法的可行性,在实验室环境模拟实际装配过程,本文搭建了力矩陀螺装配实验台,如图 1所示。
力矩陀螺装配实验台由6-DOF机器人、六维力传感器(F/T传感器)、力矩陀螺、测量系统和安装基底等组成,其中测量系统由4个完全相同的测量模组组成。
在实际的装配任务中,力矩陀螺装配流程如图 2所示,具体步骤如下:
步骤1 驱动机器人运动到位姿测量系统的测量范围内,并根据测量结果计算安装基底在全局坐标系下的空间相对位姿。
步骤2 利用位置控制驱动机器人运动,使力矩陀螺的接触面到达安装基底的接触面附近,此时的力矩陀螺和安装基底不接触。
步骤3 将位置测量结果和力传感器测量的力信息作为柔顺控制的输入,计算力矩陀螺接触面在下一控制周期的运动位置,使2个接触面按照指定的方式接触,并完成装配任务。
本研究团队已经通过前期的研究,测量了出力矩陀螺和安装基底的装配特征之间的空间相对位姿,并通过位置控制成功完成了装配任务,且最终的装配精度符合力矩陀螺装配任务的要求。在力矩陀螺装配任务中,最终的装配误差可用六维变量
在装配的过程中,为避免力矩陀螺和安装基底因接触力过大而破坏接触面,需要利用自适应柔顺来完成装配。
2.1 导纳控制导纳控制是一种典型的柔顺控制方法, 如图 3所示。
导纳控制的反馈控制律,表示如下:
$ \boldsymbol M_\mathrm{d}(\ddot{\boldsymbol x}_\mathrm{d}-\ddot{\boldsymbol x}_\mathrm{r}(t))+\boldsymbol D_\mathrm{d}(\dot{\boldsymbol x}_\mathrm{d}-\dot{\boldsymbol x}_\mathrm{r}(t))+\\ \;\;\;\;\;\;\;\;\boldsymbol K_{\mathrm{d}}(\boldsymbol x_{\mathrm{d}}-\boldsymbol x_{\mathrm{r}}(t))=\boldsymbol F_{\mathrm{ext}}(t). $ | (1) |
其中
$ \boldsymbol{M}_\mathrm{d}=\mathrm{diag}(M_x, M_y, M_z, M_\alpha, M_\beta, M_\gamma);\\ \boldsymbol{D}_\mathrm{d}=\operatorname{diag}(D_x, D_y, D_z, D_\alpha, D_\beta, D_\gamma);\\ \boldsymbol{K}_{\mathrm{d}}=\mathrm{diag}(K_{x}, K_{y}, K_{z}, K_{\alpha}, K_{\beta}, K_{\gamma}). $ | (2) |
对于航天器部件的装配任务, 装配体期望的空间位姿
$ \begin{cases}\boldsymbol{x}_\mathrm{r}(t)=\boldsymbol{x}_\mathrm{r}(t-1)+\dot{\boldsymbol{x}}_\mathrm{r}(t)\Delta t\:, \\[2ex]\boldsymbol{\dot{x}}_\mathrm{r}(t)=\dot{\boldsymbol{x}}_\mathrm{r}(t-1)+\ddot{\boldsymbol{x}}_\mathrm{r}(t)\Delta t.\end{cases} $ | (3) |
其中Δt表示控制系统的控制周期。
2.2 自适应柔顺控制的反馈控制率在导纳控制的基础上,本文推导出自适应柔顺控制的反馈控制率。
在导纳控制中, 当机器人操控航天器部件运动并趋于稳定时, 此时
$ \boldsymbol K_{\operatorname{d}}(\boldsymbol x_{\operatorname{d}}-\boldsymbol x_{\operatorname{r}}(t_1))=\boldsymbol F_{\operatorname{ext}}(t_1). $ | (4) |
其中:
在装配过程中,若将xd视为变量,可以根据实时接触力和当前系统的状态进行自动调整,则式(1)可表示如下:
$ \boldsymbol M_{\mathrm{d}}(\ddot{\boldsymbol x}_{\mathrm{d}}(t)-\ddot{\boldsymbol x}_{\mathrm{r}}(t))+\boldsymbol D_{\mathrm{d}}(\dot{\boldsymbol x}_{\mathrm{d}}(t)-\dot{\boldsymbol x}_{\mathrm{r}}(t))+\\ \;\;\;\;\;\;\;\;\boldsymbol K_\mathrm{d}(\boldsymbol x_\mathrm{d}(t)-\boldsymbol x_\mathrm{r}(t))=\boldsymbol F_\mathrm{ext}(t). $ | (5) |
若在装配完成时,最终的残余接触力为Fext(t0),则装配系统的状态方程可表示如下:
$ \;\;\;\;\;-\boldsymbol M_{\operatorname{d}}\ddot{\boldsymbol x}_{\operatorname{r}}(t_0)-\boldsymbol D_{\operatorname{d}}\dot{\boldsymbol x}_{\operatorname{r}}(t_0)+\\ \boldsymbol{K}_{\mathrm{d}}(\boldsymbol{x}_{\mathrm{d}}(t_{0})-\boldsymbol{x}_{\mathrm{r}}(t_{0}))=\boldsymbol{F}_{\mathrm{ext}}(t_{0}). $ | (6) |
其中t0为装配过程中移动装配体所受接触力为期望接触力的时间。
当实测的接触力的某一个分量的绝对值大于Fext(t0)对应分量的绝对值时,可通过减小对应的刚度值以限制残余接触力。以x方向的刚度计算为例,该方向的刚度值表示如下:
$ K_{x}(t)= \begin{cases}K_{x}(t)-\Delta K_{x}, & K_{x}>K_{x, \min; } \\ K_{x, \min }, & K_{x} \leqslant K_{x, \min } .\end{cases} $ | (7) |
其中:
为避免在运动趋于稳定时, 因力的波动而引起较大的位置波动, 需要根据测量力的波动量对
$ K_{x, \min } \geqslant \Delta F_{x} / \Delta x. $ | (8) |
其中: 力测量误差
联立式(5)和(6),表示如下:
$ \begin{gathered} \boldsymbol{x}_{\mathrm{d}}(t)=\boldsymbol{K}_{\mathrm{d}}^{-1}(t)\left(\boldsymbol{F}_{\mathrm{ext}}(t)-\boldsymbol{M}_{\mathrm{d}}\left(\ddot{\boldsymbol{x}}_{\mathrm{d}}(t)-\ddot{\boldsymbol{x}}_{\mathrm{r}}(t)\right)-\right. \\ \left.\boldsymbol{D}_{\mathrm{d}}\left(\dot{\boldsymbol{x}}_{\mathrm{d}}(t)-\dot{\boldsymbol{x}}_{\mathrm{r}}(t)\right)\right)-\boldsymbol{K}_{\mathrm{d}}^{-1}\left(t_{0}\right)\left(\boldsymbol{F}_{\mathrm{ext}}\left(t_{0}\right)+\right. \\ \left.\boldsymbol{M}_{\mathrm{d}} \ddot{\boldsymbol{x}}_{\mathrm{r}}\left(t_{0}\right)+\boldsymbol{D}_{\mathrm{d}} \dot{\boldsymbol{x}}_{\mathrm{r}}\left(t_{0}\right)\right)-\boldsymbol{x}_{\mathrm{r}}\left(t_{0}\right)+\boldsymbol{x}_{\mathrm{r}}(t)+\boldsymbol{x}_{\mathrm{d}}\left(t_{0}\right) . \end{gathered} $ | (9) |
在实际装配过程中,为了简化计算,忽略数值较小的高阶项,式(9)可表示如下:
$ \begin{aligned} \boldsymbol{x}_{\mathrm{d}}(t)= & \boldsymbol{K}_{\mathrm{d}}^{-1}(t) \boldsymbol{F}_{\mathrm{ext}}(t)+\boldsymbol{x}_{\mathrm{r}}(t)+\boldsymbol{x}_{\mathrm{d}}\left(t_{0}\right)- \\ & \boldsymbol{K}_{\mathrm{d}}^{-1}\left(t_{0}\right) \boldsymbol{F}_{\mathrm{ext}}\left(t_{0}\right)-\boldsymbol{x}_{\mathrm{r}}\left(t_{0}\right) . \end{aligned} $ | (10) |
先利用经典的导纳控制去控制力矩陀螺运动。当检测到接触力大于理想接触力时, 一方面利用式(7) 修改
3 仿真实验 3.1 一维对接仿真
本文首先以一维对接为例进行仿真。在该仿真实验中,移动装配体所受接触力的方向为移动装配体运动的反方向,2个装配体的接触面平行,且移动装配体沿接触面法向的方向为
$ F(t)= \begin{cases}0, & x_{\mathrm{r}}>x_{1}; \\ K_{\mathrm{en}}\left(x_{1}-x_{\mathrm{r}}\right), & x_{\mathrm{r}} \leqslant x_{1} .\end{cases} $ | (11) |
其中:
针对上述装配任务,本文采用以下3种不同的柔顺控制器控制机器人完成装配任务。
1) 导纳控制1:利用导纳控制完成装配, 取控制参数的标量数值,
$ M_{\mathrm{d}}\left(\ddot{x}_{\mathrm{d}}-\ddot{x}_{\mathrm{r}}(t)\right)+D_{\mathrm{d}}\left(\dot{x}_{\mathrm{d}}-\dot{x}_{\mathrm{r}}(t)\right)+\\ \;\;\;\;\;\;\;\;K_{\mathrm{d}, 1}\left(x_{\mathrm{d}, 0}-x_{\mathrm{r}}(t)\right)=F(t) . $ | (12) |
2) 导纳控制2:利用导纳控制完成装配, 取
$ \begin{gathered} M_{\mathrm{d}}\left(\ddot{x}_{\mathrm{d}}-\ddot{x}_{\mathrm{r}}(t)\right)+D_{\mathrm{d}}\left(\dot{x}_{\mathrm{d}}-\dot{x}_{\mathrm{r}}(t)\right)+ \\ K_{\mathrm{d}, 2}\left(x_{\mathrm{d}, 0}-x_{\mathrm{r}}(t)\right)=F(t) . \end{gathered} $ | (13) |
3) 自适应柔顺控制:利用自适应柔顺控制来完成装配, 取
$ \begin{gathered} M_{\mathrm{d}}\left(\ddot{x}_{\mathrm{d}}-\ddot{x}_{\mathrm{r}}(t)\right)+D_{\mathrm{d}}\left(\dot{x}_{\mathrm{d}}-\dot{x}_{\mathrm{r}}(t)\right)+ \\ K_{\mathrm{d}}(t)\left(x_{\mathrm{d}}(t)-x_{\mathrm{r}}(t)\right)=F(t) . \end{gathered} $ | (14) |
Kd(t) 和xd(t)的取值表示如下:
$ K_{\mathrm{d}}(t)= \begin{cases}K_{\mathrm{d}, 3}, & |F(t)| \leqslant F\left(t_0\right) ; \\ K_{\mathrm{d}}(t)-\Delta K_{\mathrm{d}}, & |F(t)|>F\left(t_0\right), K_{\mathrm{d}}>K_{\mathrm{d}, \min } ; \\ K_{\mathrm{d}, \min }, & |F(t)|>F\left(t_0\right), K_{\mathrm{d}} \leqslant K_{\mathrm{d}, \min } ;\end{cases} $ | (15) |
$ x_{\mathrm{d}}(t)= \begin{cases}x_{d, 0}, & |F(t)| \leqslant F\left(t_0\right) ; \\ F(t) / K_{\mathrm{d}}(t)+x_{\mathrm{r}}(t)+x_{\mathrm{d}}\left(t_0\right)-F\left(t_0\right) / K_{\mathrm{d}}\left(t_0\right)-x_{\mathrm{r}}\left(t_0\right), & |F(t)|>F\left(t_0\right) .\end{cases} $ | (16) |
其中F(t0)为接触力的期望值。
在实际的装配过程中,不同装配任务的装配件之间的实际接触刚度未知。因此,本文分别开展了3种不同环境刚度下的仿真实验,设定环境刚度的值分别为20、100和200 N/mm。
当环境刚度为20 N/mm时,分别采用上述3种控制器进行仿真,可得到移动装配体的位移和所受接触力曲线,如图 6所示。
由图 6可知,导纳控制的目标位置是-1 mm。根据所受到的接触力对移动装配体的位置进行调控,避免移动装配体直接达到目标位置而使接触力过大。同时,随着导纳控制的控制参数值Kd的减小,残余接触力也逐渐减小,收敛速度降低。相比之下,自适应柔顺控制的残余接触力较小,最终的接触位置能收敛到实际接触位置附近,且收敛速度快。
当环境刚度为100 N/mm时,分别采用上述3种控制器进行仿真,可得到移动装配体的位移和所受接触力曲线,如图 7所示。
由图 7可知,当环境刚度增大时,导纳控制的残余接触力也随之增大,而自适应柔顺控制仍能够快速地收敛到实际接触位置附近,且保持较小的残余接触力。
当环境刚度为200 N/mm时,分别采用上述3种控制器进行仿真,可得到移动装配体的位移和所受接触力曲线,如图 8所示。
由图 8可知,导纳控制的残余接触力随环境刚度的增大而增大,但是自适应柔顺控制的残余接触力较小。
综上可知,本文提出的方法能适应不同的环境刚度,即当装配不同对象时,无须提前预装以确定接触刚度,也无须凭借经验预估控制参数的初值。
取上述3次仿真实验对应的目标位置和刚度,得到不同环境刚度下移动装配体的目标位置和控制方程中的刚度曲线,如图 9所示。
由图 9可知,在自适应柔顺控制开始时,目标位置设置均为
为进一步说明本文提出方法的适应性,本文采用自适应柔顺控制方法进行二维对接仿真实验。在二维对接仿真中,装配体在对接时的接触力模型较为复杂。实际装配过程中的接触力是通过六维力传感器直接测得的。为避免接触力过大,本文主要利用所测得的接触力调控机器人装配系统的位姿。由于接触力的计算不是本文的重点,因此本文采用简化模型计算二维对接过程中的接触力,二维对接仿真模型如图 10所示,2个自由度均采用柔顺控制方法进行控制,控制反馈率与一维对接仿真的控制反馈率相同。
由图 10可知,建立全局坐标系
当2个航天装备的接触面不平行时,计算装备之间的接触力较为复杂。然而,由于本文的研究重点不是计算接触力,因此对接触力计算过程进行了简化。设移动装配体仅通过A或B点与固定装配体的装配面接触。当移动装配体在A点与固定装配体产生接触时,接触力和接触力矩的标量式,表示如下:
$ \left\{\begin{array}{l} F(t)=-K_{\mathrm{en}} d_{A}(t) \cos \theta, \\ T(t)=\frac{L}{2} F(t) . \end{array}\right. $ | (17) |
其中:
当移动装配体在B点与固定装配体产生接触时,接触力和接触力矩的标量式,表示如下:
$ \left\{\begin{array}{l} F(t)=-K_{\mathrm{en}} d_{B}(t) \cos \theta, \\ T(t)=-\frac{L}{2} F(t) . \end{array}\right. $ | (18) |
其中dB(t)为B点与固定装配体的装配面之间的距离。
在仿真中,可通过A点和B点与固定装配体的装配面之间的距离,判断装配过程的接触状态和接触点的位置,本文不再赘述。即可根据本文提出的自适应柔顺控制,完成航天装备装配过程的仿真。同样采用3种不同的柔顺控制器完成上述装配任务,具体的参数如下。
1) 导纳控制1:在
2) 导纳控制2:在
3) 自适应柔顺控制:在
当环境刚度为
由图 11可知,当仿真对象从一维对接拓展到二维对接时,本文所提出的自适应柔顺控制仍能收敛到实际接触位置附近,且保持较小的残余接触力。装配过程中可通过实时监测位移和受力曲线,在曲线发生振荡时,让机器人装配系统立即停止运动,避免控制系统破坏实验台。
4 力矩陀螺装配实验为验证自适应柔顺控制方法的可行性,本文将该方法应用在力矩陀螺装配任务中。首先,控制机器人的运动,使安装基底的装配特征处于测量系统的测量范围内,并测量力矩陀螺和安装基底装配特征的空间相对位姿;其次,根据测量结果,控制机器人的运动,使力矩陀螺与安装基底的接触面靠近;最后,利用自适应柔顺控制方法完成最终的装配任务。由于位姿测量和运动控制过程已经在本团队的前期研究中展示,本章将详细介绍如何利用自适应柔顺控制方法完成最终的装配过程。
六维力传感器安装在机器人末端和力矩陀螺之间,本文利用六维力传感器测量力矩陀螺受到的接触力,并通过柔顺控制将测得的接触力调控力矩陀螺的位姿。在装配过程中,受到机器人振动和环境扰动等因素的影响,六维力传感器在测量的时候会产生噪声,为避免噪声对柔顺控制的控制效果产生影响,需要对六维力传感器测量的原始数据进行滤波。本文首先采用Kalman滤波[24-25]对力传感器测得的力学信息进行处理。
Kalman滤波后的力传感器测量信息,如图 12所示。图 12中的标量
为确定滤波后力学数据的波动,本文取无负载时,滤波后传感器测量数据的极差作为传感器的测量误差。经过计算,滤波后力传感器的测量误差分别为
对六维力传感器的测量结果进行滤波后,即可利用本文提出的自适应柔顺控制完成航天装备的装配任务。通过位姿测量得到力矩陀螺的装配终点位姿
本文使用Beckhoff控制系统采集六维力传感器的测量数据,并利用测得的力偏差调节机器人装配系统的位置偏差。Beckhoff控制系统的控制周期是
为对比经典的导纳控制和位置控制,本文在相同条件下,利用导纳控制和位置控制完成力矩陀螺的装配任务,并记录装配过程中的位置曲线和接触力曲线。位置控制是在力矩陀螺的初始位置和装配终点位姿之间均匀插补1000个点,控制机器人依次运动到这些点所指向的位姿;导纳控制的控制参数,如表 1所示;为了更好地与导纳控制进行对比,本文将自适应柔顺控制与导纳控制共有的控制参数设为相同值,而自适应柔顺控制独有的控制参数,如表 2所示。表 1和2中的z方向用于控制位置,α、β方向用于控制姿态;在实际装配过程中,当力矩陀螺与安装基底之间的接触力到达理想接触力,控制系统会控制该方向的自由度停止运动。在装配过程中,机器人采用点对点的运动模式,即在给定下一控制周期的机器人末端空间位姿时,使该方向对应的位置一直保持与上一控制周期相同,即可控制该方向自由度停止运动。
质量系数 | 阻尼系数 | 刚度系数 | |
z方向 | 5×103kg | 40 N·s/mm | 70 N/mm |
α方向 | 5 N·m·s2/(°) | 10 N·m·s/(°) | 20 N·m/(°) |
β方向 | 5 N·m·s2/(°) | 10 N·m·s/(°) | 20 N·m/(°) |
最小刚度值 | 每个控制周期 减小的刚度值 |
接触力的 期望值 |
|
z方向 | 4 N/mm | 0.1 N/mm | 3 N |
α方向 | 0.1 N·m/(°) | 0.1 N·m/(°) | 0.3 N·m |
β方向 | 0.1 N·m/(°) | 0.1 N·m/(°) | 0.3 N·m |
按照上述3种控制方法,控制机器人依次完成力矩陀螺装配任务。在装配过程中,力矩陀螺在z、α和β 3个方向的位移曲线和受到的接触力曲线如图 13所示。其中,本文在力矩陀螺接触面中心建立了力矩陀螺装配特征坐标系,并将该坐标系作为六维力传感器的参考坐标系。
由图 13可知,在3种控制方法中,本文提出的方法具有更快的收敛速度和更小的残余接触力。在自适应柔顺控制中,z、α和β 3个方向分别在第743、828和683步收敛,虽然控制系统在收敛时控制各自由度停止运动,但是后收敛的自由度仍会影响先收敛的自由度方向所受的接触力发生变化。因此,在达到理想接触力后,z和β方向因受到其他方向运动的影响,其最终的残余接触力会受影响。通过分析α和β方向的位移曲线发现,在α方向,实际接触位置在初始位置和目标位置之间,而在β方向,实际接触位置不在初始位置和目标位置之间。在采用位置控制或导纳控制时,无法根据受力情况精准地调整力矩陀螺的位置,而自适应柔顺控制能够根据接触力自动调整到力矩陀螺和安装基底的接触位置。
为进一步比较3种方法的性能,表 3列出了装配完成后,3种方法在z、α和β 3个方向的残余接触力和力矩数值。
自适应柔顺控制 | 导纳控制 | 位置控制 | |
Fz/N | 2.572 | 16.864 | 26.158 |
Tx/(N·m) | -0.300 | -1.597 | -2.022 |
Ty/(N·m) | 0.186 | -2.911 | -3.863 |
对实验结果进行分析,可知:1) 与位置控制和导纳控制相比,自适应柔顺控制的收敛速度快、残余接触力小;2) 本文提出的自适应柔顺控制方法能控制力矩陀螺自动收敛到实际接触位姿附近;3) 该方法能使2个装配体保持一定的接触力,确保2个航天装备的接触面处于接触状态。
5 结论本文针对航天器部件因装配误差引起的接触力对其服役寿命的影响提出了一种柔顺控制方法。该方法根据装配过程中的接触力信息和装配系统的状态信息,自动调整柔顺控制的目标位置和控制参数,使控制系统能快速地收敛至实际接触位置附近,从而避免因过大的接触力破坏接触面的质量和涂层。为验证所提出方法的有效性,本文通过仿真实验和力矩陀螺装配实验对比了经典的导纳控制和位置控制的控制效果。结果表明:本文提出的方法收敛速度快、残余接触力小、能自动收敛到装配体实际接触位姿附近。相比位置控制,自适应柔顺控制能将力矩陀螺在
[1] |
ZHANG B, ZHANG C L, XIE F G, et al. Design of an end-effector for spacecraft automatic assembly robot[C]//3rd International Conference on Advanced Technologies in Design, Mechanical and Aeronautical Engineering. Shanghai, China: IOP Publishing, 2019: 012010.
|
[2] |
ZHANG L J, HU R Q, YI W M, et al. A study of flexible force control method on robotic assembly for spacecraft[J]. Applied Mechanics and Materials, 2014, 681: 79-85. DOI:10.4028/www.scientific.net/AMM.681.79 |
[3] |
REALYVÁSQUEZ-VARGAS A, ARREDONDO-SOTO K C, GARCÍA-ALCARAZ J L, et al. Introduction and configuration of a collaborative robot in an assembly task as a means to decrease occupational risks and increase efficiency in a manufacturing company[J]. Robotics and Computer-Integrated Manufacturing, 2019, 57: 315-328. DOI:10.1016/j.rcim.2018.12.015 |
[4] |
WANG J, ZHANG X H, CHEN H, et al. Relative pose measurement of satellite and rocket based on photogrammetry[C]//20172nd International Conference on Image, Vision and Computing. Chengdu, China: IEEE, 2017: 1117-1122.
|
[5] |
ZULKIFLI A, ABDULLAH N H, WAI N S, et al. Alignment measurement technique for satellite assembly, integration, and test[J]. International Journal of Advanced and Applied Sciences, 2017, 4(9): 119-124. DOI:10.21833/ijaas.2017.09.016 |
[6] |
CHEN S Q, LI T M, JIANG Y. Pose measurement and assembly of spacecraft components based on assembly features and a consistent coordinate system[J]. The International Journal of Advanced Manufacturing Technology, 2022, 120(3): 2429-2442. |
[7] |
KIM H S. Kinematic calibration of a Cartesian parallel manipulator[J]. International Journal of Control, Automation, and Systems, 2005, 3(3): 453-460. |
[8] |
DU G L, ZHANG P. Online robot calibration based on vision measurement[J]. Robotics and Computer-Integrated Manufacturing, 2013, 29(6): 484-492. DOI:10.1016/j.rcim.2013.05.003 |
[9] |
TAKAHASHI J, FUKUKAWA T, FUKUDA T. Passive alignment principle for robotic assembly between a ring and a shaft with extremely narrow clearance[J]. IEEE/ASME Transactions on Mechatronics, 2016, 21(1): 196-204. |
[10] |
WANG S, CHEN G D, XU H, et al. A robotic peg-in-hole assembly strategy based on variable compliance center[J]. IEEE Access, 2019, 7: 167534-167546. DOI:10.1109/ACCESS.2019.2954459 |
[11] |
ZHANG K G, SHI M H, XU J, et al. Force control for a rigid dual peg-in-hole assembly[J]. Assembly Automation, 2017, 37(2): 200-207. DOI:10.1108/AA-09-2016-120 |
[12] |
LIU S, XING D P, LI Y F, et al. Robust insertion control for precision assembly with passive compliance combining vision and force information[J]. IEEE/ASME Transactions on Mechatronics, 2019, 24(5): 1974-1985. DOI:10.1109/TMECH.2019.2932772 |
[13] |
LEFEBVRE T, XIAO J, BRUYNINCKX H, et al. Active compliant motion: A survey[J]. Advanced Robotics, 2005, 19(5): 479-499. DOI:10.1163/156855305323383767 |
[14] |
WHITNEY D E. Quasi-static assembly of compliantly supported rigid parts[J]. Journal of Dynamic Systems, Measurement, and Control, 1982, 104(1): 65-77. DOI:10.1115/1.3149634 |
[15] |
CHEN F, CANNELLA F, HUANG J, et al. A study on error recovery search strategies of electronic connector mating for robotic fault-tolerant assembly[J]. Journal of Intelligent & Robotic Systems, 2016, 81(2): 257-271. |
[16] |
XU J, HOU Z M, LIU Z, et al. Compare contact model-based control and contact model-free learning: A survey of robotic peg-in-hole assembly strategies[J]. ArXiv, 2019, 1-15. |
[17] |
LUO W Q, ROJAS J, GUAN T Q, et al. Cantilever snap assemblies failure detection using SVMs and the RCBHT[C]//Proceedings of the 2014 IEEE International Conference on Mechatronics and Automation. Tianjin, China: IEEE, 2014: 384-389.
|
[18] |
JAKOVLJEVIC Z, PETROVIC P B, HODOLIC J. Contact states recognition in robotic part mating based on support vector machines[J]. The International Journal of Advanced Manufacturing Technology, 2012, 59(1-4): 377-395. DOI:10.1007/s00170-011-3501-5 |
[19] |
GAI Y H, GUO J M, WU D, et al. Feature-based compliance control for precise peg-in-hole assembly[J]. IEEE Transactions on Industrial Electronics, 2022, 69(9): 9309-9319. DOI:10.1109/TIE.2021.3112990 |
[20] |
ZHANG K G, XU J, CHEN H P, et al. Jamming analysis and force control for flexible dual peg-in-hole assembly[J]. IEEE Transactions on Industrial Electronics, 2019, 66(3): 1930-1939. DOI:10.1109/TIE.2018.2838069 |
[21] |
李思奇, 黄远灿. SEAs导纳控制的μ综合方法[J]. 自动化学报, 2021, 47(7): 1539-1547. LI S Q, HUANG Y C. μ-synthesis for admittance control of SEAs[J]. Acta Automatica Sinica, 2021, 47(7): 1539-1547. DOI:10.16383/j.aas.c180576 (in Chinese) |
[22] |
HUANG Y C, LI S Q, HUANG Q. Robust impedance control for SEAs[J]. Journal of the Franklin Institute, 2020, 357(12): 7921-7943. DOI:10.1016/j.jfranklin.2020.06.015 |
[23] |
MENDEZ J D D F, SCHIØLER H, BAI S P, et al. Force estimation and control of delta robot for assembly[C]//2021 IEEE Conference on Control Technology and Applications (CCTA). San Diego, USA: IEEE, 2021: 640-647.
|
[24] |
李正义, 唐小琦, 熊烁, 等. 卡尔曼状态观测器在机器人力控制中的应用[J]. 华中科技大学学报(自然科学版), 2012, 40(2): 1-4. LI Z Y, TANG X Q, XIONG S, et al. Application of Kalman active observers in robot force control[J]. Journal of Huazhong University of Science & Technology (Natural Science Edition), 2012, 40(2): 1-4. DOI:10.13245/j.hust.2012.02.006 (in Chinese) |
[25] |
朱文超, 许德章. 自适应Kalman滤波修复六维力传感器下E膜模型误差[J]. 计算机应用, 2014, 34(3): 915-920. ZHU W C, XU D Z. Model error restoration for lower E-type membrane of six-axis force sensor based on adaptive Kalman filtering[J]. Journal of Computer Applications, 2014, 34(3): 915-920. (in Chinese) |