赵丕洋 洪荣晶,2 方成刚,2

1(南京工业大学机械与动力工程学院 江苏 南京 210009) 2(南京工大数控科技有限公司 江苏 南京 210009)

0 引 言

机器人在打磨、喷涂和装配上具有很大优势，已成为制造业的发展趋势。在六自由度机器人末端安装六维力传感器，可与外界的接触力进行交互，以适应在飞机发动机、汽轮机叶片和模具等外形轮廓复杂零部件的高精度要求[1]。

Hogan提出的阻抗控制需要很少离线任务规划，对扰动和不确定性有很好的鲁棒性[2]，但其采用基于理想化的物理系统模型方法，无法准确实现机械臂的位置控制和力控制。Seul在Hogan的阻抗控制算法的基础上提出了一种自适应阻抗控制算法，不需要确定的机器人模型就能实现力反馈信息的处理，因此在环境刚度多变的情况下，也能够把机器人与环境之间的接触力稳定在给定的期望值[3]。粒子群算法(Particle swarm optimization，PSO)是最早由Kennedy和Eberhart在1995年提出的一种群体智能的优化算法，该算法来源于对鸟群捕食行为的研究，模拟鸟集群飞行觅食的行为。PSO是从这种生物种群行为特征中得到启发并用于求解优化问题，具有简单易行、收敛速度快、设置参数少等优点[4]。在分析力控基本原理后，本文提出一种采用PSO对机器人力控过程中接触空间的自适应阻抗控制算法的惯性、阻尼和刚度矩阵参数进行寻优的方法，以提高系统的控制性能。

1 阻抗控制模型

Hogan提出了机器人同时具有阻抗和导纳的性质，因此能实现基于传感器力反馈的机器人末端位置控制。……