石益奇,苏圣超

(上海工程技术大学 城市轨道交通学院,上海 201620)

0 引 言

近年来,机器人去毛刺技术已逐渐取代人力成本高、生产率低的手工打磨工序。在机器人去毛刺的过程中,切削力与毛刺尺寸有关,当毛刺相对较小且分布均匀时,法向力维持恒定[1,2]。因此,控制法向磨抛力保持恒定是去毛刺的有效方法。但是,如果毛刺形状复杂多变或毛刺尺寸的突变,恒定法向力的控制策略将导致切削深度不均匀。此外,当去毛刺所需的力大于切削所需的力时,工具磨损或大毛刺引起的干扰便难以区分,从而导致末端执行器的发生偏转。在机器人精加工过程中,一般采用自适应力控制器来解决这些问题[3,4]。Jung S等人使用最小化力误差的自适应技术来补偿未知工件的不确定性[3]。Pagilla P R等人研究了法向力和切向力相关的磨削系数并通过额外的视觉传感器来获得毛刺尺寸、位置和切割深度[4～6]。Lee Y D等人提出了一种基于广义毛刺模型的快速去毛刺通道规划器,利用激光视觉传感器识别毛刺形状和倒角深度信息,但视觉传感器在环境中的芯片和灰尘的加工操作中受到限制[5]。Wiens G J等人提出了一种具有逻辑模块控制器,在毛刺的基础上修改推力,并且控制器在检测毛刺和实现期望的倒角深度方面表现良好[7,8]。最近,模糊逻辑或神经网络已被应用于控制处理高度变化的毛刺[9～11]。然而,系统地设计模糊控制器很困难,并且神经网络控制器需要学习和适应时间,受限于加工的实时控制。……