機器人加工系統及其切削顫振問題研究進展

王戰璽， 張曉宇， 李飛飛， 張順琦， 秦現生

(西北工業大學 機電學院，西安 710072)

機器人加工系統及其切削顫振問題研究進展

王戰璽， 張曉宇， 李飛飛， 張順琦， 秦現生

(西北工業大學 機電學院，西安 710072)

采用工業機器人加工系統來實現航空、航天等領域的裝配現場加工，是非常有效的技術途徑。由于機器人加工系統的整體剛度過低，在實際加工過程中較易自激產生顫振現象，造成加工失效甚至斷刀現象，是當前機器人加工系統應用研究需要解決的技術難題。通過對國內外先進機器人加工系統的研究綜述，重點分析機器人加工系統的主要特點及切削顫振問題，以機器人加工系統的剛度模型和動力學模型為理論基礎，以期進一步揭示機器人加工系統切削顫振機理。為提高機器人加工系統的加工精度和動靜態性能而設計出更適合的切削顫振主動抑制技術，并對有待進一步解決的問題以及未來的研究方向進行了討論與展望。

機器人加工系統；切削顫振；剛度模型；動力學模型；主動抑制

工業機器人已成為自動化生產線中必不可少的核心裝備，廣泛應用于執行焊接、搬運、裝配、噴涂和拋光等工作。此外，以六自由度工業機器人為運動主體，末端夾持高速電主軸的機器人加工系統在材料移除領域得到了迅速的發展。此類機器人加工系統可執行銑削、鏜削、鉆削、磨削和切割等工作，相對于傳統的數控機床，機器人加工系統擁有靈活性高、加工區域大和價格低的優勢[1]。美國機器人工業協會(RIA)[2]關于機器人加工的一份白皮書中指出，近十年來機器人加工系統在航空制造業和汽車制造業等機械加工制造業中得到了非常廣泛的應用。

對于航空、航天、造船、高鐵、風電以及汽車等制造領域，在裝配現場需開展大量的鉆、磨、鏜、銑等切削加工[3]。由于所要裝配的零部件，如飛機的機翼、機身和發動機等尺寸大，結構、工裝和工藝復雜，待加工型面可達性差，傳統的多軸加工中心往往無法適應此類大型復雜結構件的制造和裝配需求。為此，旨在替代人工作業的工業切削機器人，因效率高、空間可達性好、精度穩定，以及可便捷移動和快速重構能適應大型復雜的裝配作業，已受到波音、空客及一些研究機構的關注。

工業機器人屬于開鏈式多桿串聯結構，其系統剛度較低。當機器人用于航空、航天等領域的裝配現場，進行鈦合金、鎳基合金或復合材料等切削加工時，因這些難加工材料產生的切削力及擾動大，受到激勵，機器人加工系統極易產生切削顫振，從而導致加工精度下降，甚至造成產品報廢、機器人損壞的嚴重后果。據報道[4]，ABB公司在硬質鋁合金銑削試驗中已經發現，當機器人處于某一姿態，一旦縱向切深達到2 mm，就會發生較大振幅的銑削顫振，并造成工件表面嚴重損壞。若要將工業機器人用于裝配加工，它的切削顫振問題必須予以解決。本文基于此，通過對國內外先進機器人加工系統的研究綜述，重點分析機器人加工系統的主要特點及切削顫振問題，以期進一步明確機器人加工系統切削顫振機理，為提高機器人加工系統的加工精度和動靜態性能而設計出更適合的切削顫振抑制技術，并對有待進一步解決的問題以及未來的研究方向進行了討論與展望。

1 工業機器人加工技術與應用

工業機器人作為面向工業領域的多自由度機械手，被廣泛用于汽車、電子、冶金、食品、航空航天等行業的自動化生產線，替代人工完成上下料、搬運、噴涂、焊接和清洗等作業。據統計[5]，2014年全世界范圍內安裝了近23萬臺工業機器人，其中在中國就57 096臺，同比增長了近59%，約占全球工業機器人市場的1/4，其中應用到機械加工領域的工業機器人約占7%[6]，而且正在逐年增加。機器人加工系統一般由工業機器人通過快換法蘭連接末端執行器的形式構成，末端執行器則根據功能的不同，集成了諸如高速電主軸、壓力腳、傳感測量單元(如法向調平單元、基準找正單元、加工測量單元)及其他附件組成部分(見圖1)。在大型復雜零部件裝配加工中，機器人加工系統擁有比多軸加工中心更好的空間可達性和更小的安裝空間要求，以KUKA KR-300機器人為例，其地面安裝空間區域半徑僅為500 mm，工作空間，如圖2陰影部分所示。故機器人加工系統能夠靈活安裝在裝配現場執行自動化加工任務，并且能夠快速更換末端執行器以執行各種加工任務。近年來，伴隨著工業機器人在精度和離線編程技術方面的不斷提升，工業機器人開始用于大型復雜產品的制造和裝配，進行鉆、鏜、銑、磨等切削加工甚至于鉚接的裝配作業。

在制孔機器人方面，美國GEMCOR、EI(ElectroimPact)、意大利柯瑪(COMAU)、德國寶捷(BROETJE-Automation)等公司從21世紀初就致力于制孔機器人的設計和研發，所開發的制孔機器人系統已在飛機制造企業得到了廣泛引用，如F-16、F-22、F-2和T-50等飛機的垂尾壁板，C-130飛機的梁腹板，波音F/A-18E/F超級大黃蜂后沿襟翼，F-35飛機機翼上壁板，波音B-747、C-17等飛機的機艙地板，A380機翼壁板等均采用了機器人自動制孔技術[7-8]。

圖1 機器人加工系統基本構成示意圖Fig.1 Basic composition of robot machining system

圖2 機器人工作空間示意圖(mm)Fig.2 The working space of robot(mm)

根據飛機自動化裝配的技術需求，國內許多科研機構也先后聯合主要飛機制造單位設計和研發了制孔機器人系統，并對涉及的關鍵技術問題展開了研究。曲巍威等[9]對機器人自動制孔系統中位姿補償技術進行了研究，構建一種基于激光跟蹤儀閉環反饋的機器人輔助飛機裝配制孔系統，可以有效抑制多種殘留誤差，提高了制孔精度。Bi等[10]研制了制孔機器人系統，其采用工業相機建立工件與機器人坐標系之間關系，壓力腳壓緊采用壓力反饋控制，可用于飛機鈦合金和鋁合金部件的自動制孔，同時針對機器人制孔垂直度問題，提出了一種曲面發現測量的新方法，利用定角度的二元角度調節法調節鉆頭的角度使其與鉆孔點的法線重合，并經過制孔機器人平臺的制孔實驗驗證了這種調節方法的高精度和高效性[11]。Zhao等[12]設計了一種飛機制孔六足機器人，采用行走-定位一體化的設計方案和力/位置混合控制策略，通過行走實驗和工作平臺位姿調整實驗，驗證了機器人行走和定位的性能指標。此外國內西北工業大學[13]、南京航空航天大學[14]、北京航空制造工程研究所等國內的研究院所也相繼對制孔機器人系統展開了研究。

機器人銑削系統方面，EI公司[15]也為B-737的內襟翼裝配研發了鉆/銑一體的機器人加工系統；德國弗勞恩霍夫協會生產設備和結構技術研究所[16]研制了機器人銑削系統，開發了機器人的實時位置補償算法，根據當前位置誤差實時調節機器人運動速度，解決了因機器人關節摩擦力的非線性所造成的運動方向改變時誤差增大的問題。Kihlman等[17-18]研制了面向鈦合金和復合材料等難加工材料的機器人螺旋銑系統。謝祥南等[19]研制了機器人螺旋銑系統，針對加工過程中存在因偏心產生的非線性干擾，提出了基于自適應魯棒控制理論的閉環伺服控制方法。單以才等[20]通過對機器人化螺旋銑過程的矢量分析，建立了兩種典型加工方式的運動矢量方程，有效簡化了機器人化螺旋銑系統的運動規劃過程。

其他切削加工領域的工業機器人應用也在逐步增加，Rafieian等[21]針對一套機器人磨削系統，研究了切削深度、切削速度等一系列工藝參數對系統穩定性的影響，提出周期性切削力是引起機器人磨削加工系統的主要原因，并繪制出穩定域的葉瓣圖。Wang等[22]研制了機器人砂帶磨削拋光系統，并基于經典截面輪廓法，利用優化曲線的方法，提出變曲率曲面上磨削軌跡的優化算法，并在機器人帶磨系統中進行了驗證。張紹全[23- 24]研制了用于飛機主起落架交點孔精鏜的機器人鏜孔系統，并基于剛度最優原則，采用遺傳算法對機器人制孔姿態進行了優化，增強了機器人制孔系統的定位精度和穩定切削能力。

工業機器人加工系統因其通用性強、工作效率高、穩定可靠、自動化水平高的特點，正逐步成為航空航天大型零部件裝配加工領域的發展趨勢。但由于其結構屬于開鏈式多桿串聯結構，使得它的系統剛度和抗大載荷擾動性能成為其薄弱環節，而由此引發的切削顫振嚴重影響了加工質量。Pan等在與ABB公司合作研發銑削機器人加工系統中發現，在對材料為硬質鋁合金的鑄造毛坯件進行銑削加工中，在機器人某一加工姿態發生了銑削顫振現象，顫振對工件表面造成了嚴重破壞，如圖3所示。本文作者的研究團隊在研發應用于某型號飛機機翼裝配的機器人自動制孔系統時，在某一機器人位姿下對鋁合金進行制孔加工時，同樣遇到了切削加工中的顫振問題，在工件表面留下明顯振動痕跡，造成了加工失效，如圖4所示。

綜上，機器人加工系統雖然無法完全替代傳統數控機床加工，但在一些大型零部件、復雜型面、裝配現場作業等加工場合具備鮮明的優勢和特點。目前機器人加工系統的靜態精度和動態穩定性是需要迫切解決的應用問題，其靜態精度可以借助外部測量工具或者內部伺服機構進行補償，如南京航空航天大學為提高機器人的定位精度，研究了空間網格化的機器人變參數精度補償技術，利用激光跟蹤儀在KUKA工業機器人上進行運動學標定驗證補償效果；而EI公司則舍棄KUKA專用的機器人控制系統，采用西門子840Dsl數控系統控制機器人，而且給機器人關節增加了二次反饋機制，使得機器人定位精度達到±0.25 mm[25]。機器人加工系統的動態穩定性主要由切削顫振問題引起，由于機器人特殊的開鏈式多桿串聯關節結構特點，以及其加工過程中位姿的時變性，導致其切削顫振機理與機床切削顫振機理有本質上的區別，目前主要依靠工藝試驗，借助人工經驗試湊相對穩定的加工工藝參數，缺乏系統性的理論知識和解決辦法。因此為提高機器人加工系統的加工質量和加工穩定性，必須研究和解決其切削加工過程中的顫振問題。

圖4 制孔機器人加工過程的顫振現象Fig.4 Chatter phenomenon in machining process of robot drilling system

2 機器人加工系統的顫振機理研究

顫振是切削加工系統中發生的刀具和工件之間的相互振動，一直受到機械制造領域的關注。機器人加工系統的顫振是一種復雜的彈性動力學現象，主要由機器人加工系統整體結構從切削過程中周期性切削力中吸收能量而自激產生。機器人加工系統一般采取“工業機器人+末端執行器”的系統組成形式，根據不同的切削功能需求，其末端執行器形狀和結構各異。研究機器人加工系統的顫振機理問題，需要從集成末端執行器的機器人加工系統剛度模型、動力學模型、顫振產生機制等方面入手進行綜合分析，以揭示機器人加工顫振的產生機理。

2.1 機器人剛度模型

剛度是滿足機器人加工精度和性能需求的重要指標，機器人加工系統的機械臂為多連桿串聯的機械結構形式，其結構特點導致了機器人的整體剛度過低，例如傳統數控機床的剛度往往是機器人整體剛度的數百倍，這也是機器人加工顫振產生的主要因素。

機器人制造商一般不提供工業機器人各個關節以及系統的剛度信息，針對機器人靜力學剛度模型和計算方法，國內外許多學者和學術機構做了大量的研究工作。Pashkevich等[26]提出了一種具有被動連接的非線性剛度模型，針對平面三連桿機器人在三種不同姿態下的剛度性能和穩定性進行了研究，并提出了一種增強機器人剛性的方法；Alici等[27]以Motoman SK120機器人為研究對象，建立了機器人的運動學模型及雅克比矩陣，然后對機械臂的運動學性能進行分析，并根據傳統剛度映射模型，設計了一種基于力/力矩傳感器和激光跟蹤儀的機器人關節剛度測量方法，實驗設施如圖5所示。最后對機器人末端笛卡爾剛度矩陣特性進行了分析。Zhang等[28]提出了使用Monte-Carlo方法模擬了D-H參數的不確定性特點，通過API激光跟蹤儀測量和實驗辨識的方法測得了KUKA-KR16機器人的剛度值，最后基于增強剛度模型得到了機器人笛卡爾剛度矩陣，并在笛卡爾空間內進行了末端位置補償。

圖5 機器人剛度辨識實驗Fig.5 Robot stiffness identification test

機器人加工系統在切削加工過程中，整個系統機構一般處于某一固定姿態，系統所受的外載荷為加工 過程產生的周期性切削力。另外在某些切削加工過程中，為了加工穩定性，一般采用壓力腳的方式在加工系統和被加工工件之間施加壓緊力，使機器人加工系統和工件形成閉鏈機構，這種狀態下的剛度分析和辨識研究需要考慮外部切削力載荷和壓緊力共同作用的受力特點。Dumas等[29]以KUKA KR240-2型機器人為例，建立了在末端執行器受力和扭矩作用下的運動學模型，并分析了機器人的可達性和工作空間，忽略補償剛度矩陣的作用，在關節剛性的假定下，建立了機器人靜剛度模型，提出了一種高效、強魯棒性的用于6R機器人關節剛度辨識的方法，可以用來確定任何六自由度串聯機器人的關節剛度值，并通過實驗分析了計算誤差來源及其大小。朱健[30]采用微分變換法求出6自由度工業機器人的雅克比矩陣，通過測量在機器人末端所施加載荷與機器人末端位移辨識出機器人的剛度矩陣和關節剛度值；曲巍崴等從機器人姿態與剛度關系入手，基于傳統剛度映射模型，對機器人剛度性能優化進行了研究，結果表明剛度優化可以提高鏜削機器人的加工精度和性能。

機器人的剛度特性是加工顫振產生的主要因素之一，現有文獻對機器人的剛度辨識主要集中在靜力學剛度模型計算上。而在機器人加工系統進行切削工作中，針對工業機器人變結構和變剛度的特點，主要研究內容應關注在切削力和壓緊力共同作用下的系統剛度模型，研究切削顫振現象與機器人剛度性能之間的關系，以期揭示和闡述機器人加工系統切削顫振的作用機理，并通過對機器人位姿、剛度性能以及加工參數的優化，達到抑制切削顫振的目的。

2.2 機器人加工系統動力學模型

工業機器人本身是多剛體/彈性體、多關節的變結構系統，在不同的機器人位姿下，其動力學特性也不同，而機器人加工系統的動力學模型是研究機器人加工系統顫振問題的理論基礎。目前許多研究機構主要采用Newton-Euler和Lagrange方法來研究機器人多剛體系統的動力學特性，動力學建模常用彈簧和阻尼單元來對機器人關節結構進行抽象和簡化，這種簡化方式的誤差要高于實際由桿件和梁構成機器人模型誤差，相比之下參數辨識的方法更適合應用在工程實際的機器人系統以獲得動力學參數。

機器人加工系統的動力學建模中，包含冗余第七軸(末端執行器)的各個關節的質量、剛度、阻尼等動力學參數辨識是建模過程的技術難點，另外機器人動力學方程具有非線性和強耦合性的特點，其求解計算過程也需要重點研究。當前動力學辨識的計算方法主要包括最小二乘法、頻響函數實驗法、諧波法和模態實驗法等。Lopes[31]利用廣義沖量的定義建立了具有移動平臺的六自由度機械手的動力學模型，分別對機械手平臺在靜止和移動狀態進行了動力學描述；Mohan等[32]根據理論推導和實驗分析，同時考慮關節阻尼和柔性連接結構阻尼特性，建立了改進的具有剛性和柔性連接的機器人系統動力學優化模型。Qin等[33]提出一個串行機器人動力學參數系統連續的識別方法，采用全加速度計慣性測量單元測量摩擦參數化的關節位置和速度參數，通過計算得到連續的過程動態參數識別，并通過實驗驗證了識別方法的精度。靜大海等[34]提出時變系統諧波頻率與振型的在線識別算法，并利用波傳播方法計算出3自由度機器人關節處的力與位移矢量，再由機器人關節面位移連續與力平衡條件求得機器人關節處的動剛，進而求得機器人關節面處的剛度與阻尼，試驗表明此方法具有良好的跟蹤能力與較高的計算精度。

在對外載荷為周期性切削力和工件壓緊力的機器人加工過程的動力學建模中，其動力學參數的辨識要更為復雜。Abele等[35]建立了機器人加工過程中的結構模型，并對系統的剛度和其他動力學參數進行了分析和識別，提出了一種基于極性剛度和雅可比矩陣的笛卡爾剛度計算方法。方強等[36]對包含氣動壓力腳的機器人鏜孔加工系統進行動力學建模，如圖6所示。并對施加壓緊力前后的系統穩定性進行分析，得出壓力腳裝置對機器人鏜孔加工系統穩定性葉瓣圖的影響。最后通過實際鏜孔加工實驗驗證了機器人鏜孔系統在不同壓力腳壓力下的加工穩定性，表明合理的壓力腳壓力可提高穩定切深，拓展加工穩定區域，有效避免加工顫振。

圖6 機器人鏜孔加工系統動力學模型Fig.6 Dynamic model of robot boring system

機器人加工系統的動力學特性存在參數耦合和隨位姿變化的顯著特點，對于不同切削類型的加工系統，其動力學模型還需考慮不同類型的切削動力學模型，目前這方面的研究還相對較少，缺乏相應的機器人切削系統動力學建模理論。根據上述已有參考文獻，機器人加工系統動力學建模的研究主要應解決合理建模和動力學參數辨識等兩個關鍵技術問題，其中系統的剛度和阻尼項則是對機器人加工顫振穩定性影響較大的關鍵因素，在建模和參數辨識的過程中需要重點保證其精度，只有建立合理準確的機器人加工系統動力學模型，才能研究和揭示機器人加工系統的穩定性規律和切削顫振機理。

2.3 機器人加工系統切削顫振機理

傳統機床中的切削顫振研究已經歷了數十年的理論探索和加工試驗，積累了許多顫振穩定性分析方法和控制方法。但機器人加工系統開鏈式多桿串聯結構在大切削力擾動激勵下產生的顫振無法直接用傳統銑床中的顫振機理解釋。

目前國內外對于機器人加工過程中的顫振現象的研究仍處于起步階段，?zer等[37]研究了一個二連桿機械臂模型的鉆削加工顫振現象，研究結果表明可以利用主軸轉速和節點剛度的變化來被動控制顫振現象的產生，同時繪制了不同節點剛度下的顫振穩定性葉瓣圖。Mejri等[38]采用實驗模態分析法進行了機器人銑削系統的穩定性分析，使用兩自由度頻域法繪制了機器人銑削的穩定性葉瓣圖，通過仿真模擬和實驗論證了刀具進給方向和機器人腕部軸線方向的關系直接影響機器人銑削加工的穩定性，另外切削深度、刀具轉速和機器人位姿也都會影響系統的加工穩定性。

機器人切削顫振機理研究方面已發表的文獻比較少見，目前仍在探索研究階段，部分學者認為機器人切削加工系統的變結構、剛度低、多動力學參數耦合的特點導致其顫振機理有別于傳統機床。其中Pan等研究了一個用來加工鑄造毛坯件的銑削機器人系統的切削顫振機理，建立了切削力理論模型和結構模型，結果指出關節式機械加工機器人的顫振可能屬于耦合模態，不同于一般切削機床的再生顫振機理；Pan等[39]建立了切削力模型和機器人顫振機理系統分析的結構模型，模型分析表明銑削機器人的結構剛度比數控銑床低兩個數量級，并指出機器人切削顫振的產生原因是工業機器人固有的低剛度特性引起的，與傳統數控機床的再生顫振不同；而Hazel等[40]運用高速相機發現機器人磨削加工系統中刀具和工件之間存在反復沖擊的現象，經過對磨削機器人的加工顫振問題研究，指出了再生顫振機理可能是磨削機器人加工顫振的產生原因，并通過仿真計算給出了機器人磨削技工的穩定區域。Guo等[41]研究了機器人鏜削過程中加工顫振機理，認為與機床鏜削再生顫振不同的是發生顫振的是整個機器人鏜削系統，而非鏜桿本身，并通過壓力腳增加與被加工工件之間的壓緊力進行穩定性優化，結果表明在發生再生顫振之前，機器人可能已經發生模態耦合顫振。

通過目前的研究來看，機器人加工系統的切削顫振機理尚不明確，不同類型的機器人加工系統其顫振類型也可能存在差別，模態耦合顫振和再生型顫振的理論觀點尚需要在機器人加工系統切削顫振中得到證實。另外機器人加工系統切削顫振的理論模型仍有待完善，需要在建立機器人加工系統的動力學模型的基礎上進行多維振動模態分析，采用時域方法和頻域方法求解顫振穩定域，揭示在不同加工工藝參數和機器人位姿下，系統質量矩陣、剛度矩陣和阻尼矩陣等動力學參數對切削顫振的作用機制，探索切削顫振的產生機理。

3 機器人加工系統切削顫振的主動控制

從機器人切削顫振機理的研究出發對其進行主動抑制，是提高機器人加工系統切削穩定性和精度的重要技術解決思路之一。仿生智能結構在振動主動控制領域具有獨特的優勢，它可以感知外界或內部狀態變化，采取相應的優化控制來改變自身的形狀、剛度和阻尼，從而改變主體結構的機械性能對振動實現主動控制，并且具有工作頻帶高、響應速度快、滯后小、體積小和不受連接方式限制等控制優點。特別是近年來，高性能智能材料的出現推動了智能結構振動控制技術的發展，為機器人加工系統切削顫振的主動抑制提供了有效的技術途徑。

3.1 智能結構振動主動控制

振動主動控制就是根據檢測和預測到的振動信號，通過特定控制策略實時計算所需要的最優控制力，由控制中心發送控制信號給相應的驅動裝置，利用結構內置的驅動器借助外部能量輸入對結構施加控制力，實現減振和消振的目的。

目前在航空航天、數控機床、機器人等領域，智能結構作為振動主動控制器已經被廣泛研究。如Bhungalia等[42]設計了二次線性最優控制方法二次調節器，在二維有限元數學模型的壓電智能結構振動主動控制中進行仿真驗證。Narayanana等[43]比較了常增益速度反饋、李亞譜諾夫反饋、線性二次調節器方法用于控制智能結構的振動效果。Han等[44]基于經典的線性二次型高斯(LQG)控制算法，利用壓電陶瓷致動器和壓電薄膜傳感器，對懸臂板的彎曲和扭轉模態振動控制進行了仿真，結果表明LQG控制具有較好的魯棒性。Prakah-Asante等[45]提出了將包括線性/非線性比例反饋控制、線性二次型高斯控制和自適應前饋控制相結合的多渠道控制方法，并將其用于粘貼有壓電傳感器和致動器的經典梁結構的振動控制。Sebastijanovic等[46]對壓電智能結構在超音速飛行下壁板顫振的主動抑制作用進行了研究；Zhang等[47]對薄壁壓電智能結構的振動主動抑制效果進行了研究；王民等[48]對電流變材料在切削顫振在線控制中的應用進行了研究，提出切削顫振的變剛度控制方法，并設計仿真實驗驗證了該方法的有效性。Silva等[49]利用壓電材料被動提高車削/鏜削過程的顫振臨界值，增加了切削過程的穩定域，并進行了數值模擬和實驗驗證。數據顯示通過比較頻響函數，使用不同的控制參數激活壓電驅動器，可以有效增加系統的阻尼加速能量耗散，使切削顫振得到主動抑制。

智能結構集傳感和驅動于一體，既可以檢測和預測結構的振動信號，亦可利用結構內置的驅動器對結構施加控制力，可以方便地布置在主體結構上任意位置，不受連接方式的限制，工作頻帶比系統結構頻率高，響應速度快、滯后小，甚至可以直接與本體結構合為一體。另外機器人加工系統的整體剛度遠低于數控機床，因此采用智能結構的驅動特點更容易改變機器人加工系統整體機械性能，如剛度特性、阻尼特性等，再結合合適的控制理論可以實現機器人加工系統切削顫振的主動抑制。

3.2 機器人振動控制

機器人加工系統切削顫振的主動抑制還可以參考機器人的振動控制問題研究。當前對機器人的振動控制主要有兩種方法，一是采用創新的機械結構和實現模式，如Davis等[50]通過使用一個滑動質量可控的桿件，實現了柔性機器人的軌跡控制，并增加了整體結構的剛度，具有一定的抗振性能；Tso等[51]在機器人手臂中添加了‘Lyapunov-type’控制器，通過激光檢測系統實現了柔性機器人的振動控制，提高了機器人末端執行器運動軌跡的精度；Shigang[52]則通過規劃機器人的初始位形和關節運動，選擇振動較弱的優化配置，從而達到抑制振動的目的；這種控制方式屬于被動控制方式，它的控制缺乏靈活性，沒有對突發的環境變化的應變能力，不能主動適應外界環境和激勵的變化，且很難做到精確控制。

而另一種主動控制方法則是機器人關節可動構件或關鍵部件中嵌入或者采用智能材料和智能結構，利用智能結構的特點實現機器人的振動主動控制，結構示意圖，如圖7所示。其中壓電陶瓷以其頻響高、質量輕、結構簡單及價格便宜等特點在機器人振動控制中應用較為廣泛。Chalhoub等[53]對一個由層壓復合材料制造的機器人手臂的動態響應進行了研究，結果表明在高精密裝配任務下，復合材料機器手可以減少振動和剪切變形對末端執行器軌跡的影響，提高了位置精度。Tzou等[54]應用壓電陶瓷作為傳感器和驅動器，對柔性機器人的彈性動力響應采取主動控制，取得了較好的抑制振動效果；Dadfarnia等[55]采用壓電驅動器對機器手臂柔性梁的殘余振動進行了控制，并利用基位移、手臂末端偏轉和應變三個測量值評估控制效果，通過數值模擬和實驗測試驗證了該控制器的可行性。婁軍強等[56]針對伺服電動機、諧波齒輪減速器、柔性臂及壓電致動器組成的智能柔性機械臂系統，提出了對伺服電動機采用PD(Proportional Derivative)控制、對壓電致動器采用模糊(Fuzzy)控制的復合控制策略。數值仿真和實驗結果表明所提出的控制策略可行，柔性臂的振動衰減時間由6.5 s縮短為3.5 s，提高了柔性臂末端的定位控制精度。曹青松等[57]針對剛-柔-電耦合的雙連桿壓電柔性機械臂,提出基于模糊自整定PID算法的柔性臂振動主動控制方法。仿真及實驗結果表明:模糊自整定PID控制器具有響應快、魯棒性好、調整方便等優點,并更好地改善了控制系統的動態性能。

圖7 機器人加工系統嵌入智能驅動單元示意圖Fig.7 Diagram of embedded intelligent actuator unit for robot machining system

其他智能材料如形狀記憶合金、電(磁)流變液、電致伸縮材料、磁致伸縮材料、光導纖維等在機器人振動控制中也有應用，如Baz等[58]研究了形狀記憶合金作動器對機器人柔性梁結構的振動主動控制問題，實驗表明形狀記憶合金驅動器可以改變機器人結構的阻尼參數，并對控制性能和控制參數進行了評估和設計。Gandhi等[59]將電流變體應用于柔性機器人的振動控制，采用變分原理進行了電流變體驅動器的動態響應仿真，提高了機器人末端執行器的運動精度。戴金橋等[60]利用磁流變液在磁場作用下固液轉換的快速、連續、可逆性能，提出了一種阻尼力連續可調的振動控制阻尼器，并應用與防化機器人肩關節振動的半主動控制，并進行了振動控制實驗。

智能結構研究領域已有較多關于智能結構抑制機床切削顫振和機器人機械臂運動振動的研究，但在采用智能結構主動抑制機器人切削顫振研究上，還存在理論、建模、實驗技術等各方面的欠缺。

4 結 論

綜上對國內外研究現狀的分析，機器人加工系統在航空、航天、汽車等機械加工制造業有著廣闊的應用前景，為了保證其加工質量和加工穩定性，必須要解決機器人加工中切削顫振的問題。目前對機器人加工顫振的研究仍處于起步階段，對其產生原因、動態特性、預測方法等還沒有更為準確和科學的分析研究，揭示機器人加工系統的顫振機理，需要從機器人開鏈式多桿串聯結構的動力學分析入手，闡明剛度、阻尼、質量等參數特性對顫振現象的作用機制。目前國內外針對機器人靜剛度和動剛度目前已有了較為系統的研究，而針對機器人加工系統變結構和變剛度的特點，研究在切削力和壓緊力等主要外部載荷共同作用下的系統剛度模型尚不多見，另外切削顫振現象與機器人剛度性能之間的關系仍需進一步深入研究。機器人動力學參數可以通過有限元法、最小二乘法、頻響函數實驗法、諧波法和模態實驗法等方法進行辨識和實驗驗證。機器人加工系統的動力學建模方面需考慮機器人加工姿態和外部切削載荷作用，保證系統動力學特性參數的精度。

目前針對機器人加工切削顫振的研究還比較少，在顫振機理的理論模型和主動抑制的實驗驗證方面還存在欠缺；智能結構在其他振動控制領域已有成功應用，并具有獨特優勢，這為機器人加工顫振的主動抑制提供了解決思路，但智能結構與機器人加工系統的實現形式，以及加入智能結構主動控制后機器人系統動力學參數的變化對顫振的影響等問題還需要進一步研究和驗證。隨著航空航天以及智能材料技術的發展，以智能結構作為傳感器和驅動器在機器人加工系統切削顫振主動控制領域必將具有廣闊的應用前景。

[1] OLABI A R, BéARéé O, GIBARU M D. Feedrate planning for machining with industrial six-axis robots[J]. Control Engineering Practice, 2010,18(5):471-482.

[2] DEPREE J C. Gesswein, robotic machining white paper project-halcyon development [EB/OL].https:∥www.robotics.org/robotic-content.cfm?id=43.

[3] ODF R, BURLEY G, NAING S, et al. Error budgeting for assembly-centric design of aerostructures[J]. American Institute of Aeronautics and Astronautics, 2001,9(5):33-43.

[4] PAN Z, ZHANG H, ZHU Z, et al. Chatter analysis of robotic machining process[J]. Journal of Materials Processing Technology, 2006,173(3):301-309.

[5] World Robotics 2015 Industrial Robots [EB/OL]. http:∥www.ifr.org/industrial-robots/statistics.

[6] CHEN Y, DONG F. Robot machining: recent development and future research issues[J]. International Journal of Advanced Manufacturing Technology, 2013, 66(9/10/11/12):1489-1497.

[7] ATKINSON J, HARTMANN J, JONES S, et al. Robotic drilling system for 737 aileron[C]∥ SAE 2007 AeroTech Congress & Exhibition. Los Angeles, CA:SAE Technical Papers,2007.

[8] DEVLIEG, R, FEIKERT E. One-up assembly with robots[J]. Training, 2008, 2013:9-30.

[9] 曲巍崴, 董輝躍, 柯映林. 機器人輔助飛機裝配制孔中位姿精度補償技術[J]. 航空學報, 2011, 32(10):1951-1960. QU Weiwai, DONG Huiyue, KE Yinglin. Pose accuracy compensation technology in robot-aided aircraft assembly drilling process[J]. Acta Aeronautica et Astronautica Sinica, 2011, 32(10):1951-1960.

[10] BI S, LIANG J. Robotic drilling system for titanium structures[J]. The International Journal of Advanced Manufacturing Technology, 2011,54(5/6/7/8):767-774.

[11] 公茂震, 袁培江, 王田苗, 等, 航空制孔機器人末端垂直度智能調節方法[J]. 北京航空航天大學學報, 2012, 38(10): 1400-1404. GONG Maozhen, YUAN Peijiang, WANG Tianmiao, et al. Intelligent verticality-adjustment method of end-effector in aeronautical drilling robot[J]. Journal of Beijing University of Aeronautics and Astronautics, 2012, 38(10):1400-1404.

[12] ZHAO X, PAN Y, GAO F. Force-position hybrid control of a new parallel hexapod robot for drilling holes on fuselage surface[C]∥ ASME 2013 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference. American Society of Mechanical Engineers, 2013:63-73.

[13] 王增翠, 秦現生, 白晶, 等. 飛機壁板自動制孔法向測量算法研究[J]. 機械設計與制造, 2014(6):160-163. WANG Zengcui, QIN Xiansheng, BAI Jing, et al. Research on normal measurement algorithm in auto-drilling of aircraft panel[J]. Machinery Design & Manufacture, 2014(6): 160-163.

[14] 王繼虎, 劉長毅, 田威, 等. 機器人制孔工藝參數優化有限元仿真分析[J]. 南京航空航天大學學報, 2012, 44(B04):69-72. WANG Jihu, LIU Changyi, TIAN Wei, et al. Finite element analysis of robot drilling parameters optimization[J]. Journal of Nanjing University of Aeronautics & Astronautics, 2012, 44(B04):69-72.

[15] DEVLIEG R. High-accuracy robotic drilling/milling of 737 inboard flaps[J]. SAE Int J Aerosp, 2011, 4(2):1373-1379.

[16] SURDILOVIC D, ZHAO H, SCHRECK G, et al. Advanced methods for small batch robotic machining of hard materials[C]∥ Robotics; Proceedings of ROBOTIK 2012; 7th German Conference on. Munich:VDE,2012.

[17] KIHLMAN H, ERIKSSON I, ENNIS M. Robotic orbital drilling of structures for aerospace applications[C]. SAE Technical Paper, 2002.

[18] EGUTI C C A, TRABASSO L G. Design of a robotic orbital driller for assembling aircraft structures[J]. Mechatronics, 2014, 24(5):533-545.

[19] 謝祥南, 螺旋銑制孔設備孔徑自動控制系統設計研究[D]. 杭州：浙江大學，2014.

[20] 單以才, 何寧, 李亮. 機器人化螺旋銑孔運動的矢量建模與仿真[J]. 計算機集成制造系統, 2014,20(3):612-617. SHAN Yicai, HE Ning, LI Liang. Vector modeling and simulation of robotic orbital drilling motion[J]. Computer Integrated Manufacturing Systems, 2014, 20(3):612-617.

[21] RAFIEIAN F, HAZEL B, LIU Z. Regenerative instability of impact-cutting material removal in the grinding process performed by a flexible robot arm [J]. Procedia Cirp, 2014,14:406-411.

[22] WANG W, YUN C.A path planning method for robotic belt surface grinding[J]. Chinese Journal of Aeronautics, 2011, 24(4):520-526.

[23] 張紹全. 工業機器人鏜孔加工系統設計研究[D]. 杭州：浙江大學，2013.

[24] 曲巍崴, 侯鵬輝, 楊根軍, 等. 機器人加工系統剛度性能優化研究[J]. 航空學報, 2013,34(12):2823-2832. QU Weiwai, HOU Penghui, YANG Genjun, et al. Reseach on the stiffness performance for robot machining system[J]. Acta Aeronautica et Astronautica Sinica, 2013, 34(12):2823-2832.

[25] QIHUI S, YANG W, QUAN Y, et al. Application of Siemens 840D on refitting of inner-milling Machine [J]. Manufacturing Technology & Machine Tool, 2005(3):120-122.

[26] PASHKEVICH A, KLIMCHIK A, CHABLAT D. Enhanced stiffness modeling of manipulators with passive joints[J]. Mechanism and Machine Theory, 2011, 46(5):662-679.

[27] ALICI G, SHIRINZADEH B. Enhanced stiffness modeling, identification and characterization for robot manipulators[J]. Robotics IEEE Transactions on, 2005, 21(4):554-564.

[28] ZHANG X, YANG W, CHENG X, et al. Stiffness identification for serial robot manipulator based on uncertainty approach[C]∥ Intelligent Robotics and Applications — International Conference. Aachen, Germany: Icira, 2011.

[29] DUMAS C, CARO S, GARNIER S, et al. Joint stiffness identification of six-revolute industrial serial robots[J]. Robotics and Computer-Integrated Manufacturing, 2011, 27(4):881-888.

[30] 朱健, 鉆鉚機械手鉆孔過程的剛度分析[D]. 南京：南京航空航天大學，2013.

[31] LOPES A M. Complete dynamic modelling of a moving base 6-dof parallel manipulator[J]. Robotica, 2010, 28(5):781-793.

[32] MOHAN A, SINGH S P, SAHA S K. A cohesive modeling technique for theoretical and experimental estimation of damping in serial robots with rigid and flexible links[J]. Multibody System Dynamics, 2010, 23(4):333-360.

[33] QIN Z, BARON L, BIRGLEN L. A new approach to the dynamic parameter identification of robotic manipulators[J]. Robotica, 2010, 28(4):539-547.

[34] 靜大海, 劉曉平. 機器人關節面時變物理參數在線識別的諧波傳播法[J]. 機械工程學報, 2009, 45(3):296-301. JING Dahai, LIU Xiaoping. On-line identification of time-varying physical parameters of robot joint based on harmonic propagation[J]. Journal of Mechnical Engineering, 2009,45(3):296-301.

[35] ABELE E, WEIGOLD M, ROTHENBCHER S. Modeling and identification of an industrial robot for machining applications[J]. CIRP Annals-Manufacturing Technology, 2007, 56(1):387-390.

[36] 方強, 李超, 費少華, 等. 機器人鏜孔加工系統穩定性分析[J]. 航空學報, 2016. 37(2): 727-737. FANG Qiang, LI Chao, FEI Shaohua, et al．Stability analysis of robot boring system[J]. Acta Aeronautica et Astronautica Sinica, 2016, 37(2) :727-737.

[37] ?ZER A, EREN SEMERCIGIL S, PRASANTH KUMAR R, et al. Delaying tool chatter in turning with a two-link robotic arm[J]. Journal of Sound and Vibration, 2013, 332(6):1405-1417.

[38] MEJRI S, GAGNOL V, LE T P, et al. Dynamic characterization of machining robot and stability analysis[J]. International Journal of Machine Tools & Manufacture, 2016, 82(1/2/3/4):351-359.

[39] PAN Z, ZHANG H. Analysis and suppression of chatter in robotic machining process[C]∥ Control, Automation and Systems, ICCAS'07, 2007.

[40] HAZEL B, RAFIEIAN F, LIU Z. Impact-Cutting and regenerative chatter in robotic grinding[C]∥ ASME 2011 International Mechanical Engineering Congress and Exposition. 2011. American Society of Mechanical Engineers.

[41] GUO Y, DONG H, WANG G, et al. Vibration analysis and suppression in robotic boring process[J]. International Journal of Machine Tools & Manufacture, 2015, 101:102-110.

[42] BHUNGALIA A A, VELEY D E. Design of smart structures using bounded piezoelectrics[C]∥ AIAA, NASA, and ISSMO, 6th Symposium on Multidisciplinary Analysis and Optimization. Bellevue, WA, 1996.

[43] NARAYANAN S, BALAMURUGAN V. Finite element modelling of piezolaminated smart structures for active vibration control with distributed sensors and actuators[J]. Journal of Sound and Vibration, 2003, 262:529-562.

[44] HAN J H, REW K H, LEE I. An experimental study of active vibration control of composite structures with a piezo-ceramic actuator and a piezo-film sensor[J]. Smart Materials and Structures, 1997, 6:549.

[45] PRAKAH-ASANTE K O, CRAIG K C. The application of multi-channel design methods for vibration control of an active structure[J]. Smart Materials and Structures, 1994, 3:329-343.

[46] SEBASTIJANOVIC N, MA T W, YANG H T Y. Panel flutter detection and control using eigenvector orientation and piezoelectric layers[J]. AIAA Journal, 2006,45(1):118-127.

[47] ZHANG S, LI H, SCHMIDT R, et al. Disturbance rejection control for vibration suppression of piezoelectric laminated thin-walled structures[J]. Journal of Sound and Vibration, 2014, 333(5):1209-1223.

[48] 王民, 費仁元. 切削系統可變剛度結構及其顫振控制方法的研究[J]. 機械工程學報, 2009(增刊1):219-222. WANG Min, FEI Renyuan. Reseach of variable-stiffness structure and varying stiffness method of chatter control[J]. Journal of Mechnical Engineering, 2009(Sup 1):219-222.

[49] SILVA M M D, VENTER G S, VAROTO P S, et al. Experimental results on chatter reduction in turning through embedded piezoelectric material and passive shunt circuits[J]. Mechatronics, 2015, 29:78-85.

[50] DAVIS J H, HIRSCHORN R M. Tracking control of a flexible robot link[J]. IEEE Transactions on Automatic Control, 1988, 33(3):238-248.

[51] TSO S K, YANG T W, XU W L, et al. Vibration control for a flexible-link robot arm with deflection feedback[J]. International Journal of Non-Linear Mechanics, 2003, 38(1):51-62.

[52] SHIGANG Y. Weak-vibration configurations for flexible robot manipulators with kinematic redundancy[J]. Mechanism and Machine Theory, 2000, 35(2):165-178.

[53] CHALHOUB N G, GORDANINEJAD F, LIN Q, et al. Dynamic modeling of a laminated composite-material flexible robot arm made of short beams[J]. The International Journal of Robotics Research, 1991,10(5):560-569.

[54] TZOU H S, WAN G C. Distributed structural dynamics control of flexible manipulators—I. Structural dynamics and distributed viscoelastic actuator[J]. Computers & Structures, 1990, 35(6):669-677.

[55] DADFARNIA M, JALILI N, XIAN B, et al. Lyapunov-based piezoelectric control of flexible cartesian robot manipulators[C]∥ American Control Conference, 2003. Proceedings of the 2003. IEEE.

[56] 婁軍強, 魏燕定, 楊依領, 等. 智能柔性機械臂的建模和振動主動控制研究[J]. 機器人, 2014(5):552-559. LOU Junqiang, WEI Yanding, YANG Yiling, et al. Modeling and active vibration control of an intelligent flexible manipulator system[J]. Robot, 2014(5):552-559.

[57] 曹青松, 周繼惠, 黎林, 等. 基于模糊自整定PID算法的壓電柔性機械臂振動控制研究[J]. 振動與沖擊, 2010, 29(12):181-186. CAO Qingsong, ZHOU Jihui, LI Lin, et al. Vibration control of piezoelectric flexible manipulator based on fuzzy self-tuning PID algorithm[J], Journal of Vibaration and Shock, 2010, 29(12):181-186.

[58] BAZ A, IMAM K, MCCOY J. Active vibration control of flexible beams using shape memory actuators[J]. Journal of Sound and Vibration, 1990, 140(3): 437-456.

[59] GANDHI M V, THOMPSON B S, CHOI S B, et al. Electro-rheological-fluid-based articulating robotic systems[J]. Journal of Mechanical Design, 1989, 111(3):328-336.

[60] 戴金橋, 王愛民, 宋愛國. 基于磁流變液的柔性機器人振動控制阻尼器[J]. 機器人, 2010, 32(3): 358-362. DAI Jinqiao, WANG Aimin, SONG Aiguo. A magneto-rheological fluid based damper for vibration control of flexible robot[J]. Robot, 2010, 32(3):358-362.

Review on the research developments of robot machining systems and cutting chatter behaviors

WANG Zhanxi, ZHANG Xiaoyu, LI Feifei, ZHANG Shunqi, QIN Xiansheng

(School of Mechanical Engineering, Northwestern Polytechnical University, Xi’an 710072, China)

Applying industrial robot machining systems is a very efficient technical way for the assembly process in aviation and spaceflight fields. Because the rigidity of whole robot machining system is quite low, the chatter phenomenon may be stimulated by the periodic disturbance load in machining process, which may result in the processing failure, or even the machining system fracture. Therefore, the chatter phenomenon is a difficult technical problem which needs to be solved in the robot machining technology. In the paper, a review on the research of domestic and foreign advanced robot machining systems was presented. Focusing on the analysis of the main characteristics of robot machining systems and cutting chatter behaviors, it is expected to reveal the cutting chatter mechanism of robot machining systems based on the robot machining system stiffness model and dynamic model taken as the theoretical basis. In order to improve the machining precision of robot processing systems and the static and dynamic performances, it is expected to develop more suitable active devices for cutting chatter suppression. The further solution of the problems and future research directions were discussed.

robot machining system； cutting chatter； stiffness model； dynamic model； active suppression

國家自然科學基金項目(51505380)；陜西省科技統籌創新工程計劃項目(2016KTZDGY06-01)；中央高校基本科研業務費項目(3102015BJ(II)CG014)

2016-05-25 修改稿收到日期： 2016-09-27

王戰璽 男，博士，講師，1983年生

秦現生 男，博士，教授，博士生導師，1962年生

TP242.2

A

10.13465/j.cnki.jvs.2017.14.024