基于力位混合導(dǎo)向的工業(yè)機(jī)器人順槽運動控制策略

摘要：

針對工業(yè)機(jī)器人順槽運動時受到多方向位置與力的混合約束問題，提出一種力位混合導(dǎo)向策略，并基于阻抗模型設(shè)計自抗擾控制器（ADRC）對該策略的力控制回路進(jìn)行優(yōu)化。在此基礎(chǔ)上，基于雙模糊結(jié)構(gòu)對ADRC進(jìn)行改進(jìn)，得到一種開關(guān)式變論域模糊ADRC，以此增強(qiáng)工業(yè)機(jī)器人在進(jìn)行力位混合控制時對未知環(huán)境的適應(yīng)能力。最后，對所提出的算法進(jìn)行性能仿真，并以手機(jī)射頻線的順槽裝配為例進(jìn)行實驗。仿真和實驗結(jié)果表明，相對于常規(guī)的控制方法，所提出的控制策略具備更加良好的力位混合控制性能，能夠更好地應(yīng)用于工業(yè)機(jī)器人的順槽運動控制。

關(guān)鍵詞：工業(yè)機(jī)器人；順槽運動；力位混合控制器；自抗擾控制器；變論域模糊控制

中圖分類號：TP242

DOI：10.3969/j.issn.1004-132X.2023.06.010

Control Strategies for Industrial Robot Motion along Slot Based on Force and Position Hybrid Guidances

ZHANG Junxin CHEN Wei HUANG Sikai WU Haibin

School of Mechanical Engineering and Automation，F(xiàn)uzhou University，F(xiàn)uzhou，350116

Abstract： Aiming at the problems of the robot motion" along slot" was constrained by the combination of multi-directional positions and forces， a force and position hybrid guidance strategy was proposed， and an ADRC was designed based on the impedance model to optimize the force control loop of the strategy. Then， the ADRC was improved based on the double fuzzy structure， and a switching variable universe fuzzy ADRC was obtained， so as to enhance the adaptability of the industrial robots to the unknown environment in the hybrid control of force and position. Finally， the performance of the proposed algorithm was simulated， and the experiments were carried out by taking the parallel slot assembly of mobile phone RF（radio frequency） line as an example. Simulation and experimental results show that compared with the general control method， the proposed control strategy has better force and position hybrid control performance， and may be better applied to the along slot motion of industrial robots.

Key words： industrial robot； motion along slot； force and position hybrid control； automatic disturbance rejection controller（ADRC）； variable universe fuzzy control

收稿日期：2022-04-22

基金項目：

國家重點研發(fā)計劃（2018YFB1308603）

0 引言

近年來，隨著機(jī)器人技術(shù)的發(fā)展，工業(yè)機(jī)器人的應(yīng)用領(lǐng)域越來越廣泛［1］。工業(yè)機(jī)器人的可操縱性強(qiáng)，重復(fù)定位精度高，在搬運等位置控制工作場景中，其應(yīng)用與集成技術(shù)日益成熟，并得到廣泛使用［2-3］。但是，現(xiàn)有工業(yè)機(jī)器人由于缺乏精確的力感知能力而較難直接應(yīng)用于磨削、拋光、去飛邊等力控應(yīng)用場景中［4-5］，特別是在汽車、家電及3C等產(chǎn)品生產(chǎn)過程中，很多零配件表面分布有溝槽，在一些工況下需要對溝槽進(jìn)行清潔、打磨，或者向槽內(nèi)安裝線纜，這些復(fù)雜操作均需要通過精密的力位混合控制方法進(jìn)行順槽導(dǎo)向才能實現(xiàn)。

為了提高力位混合控制的性能，學(xué)者們進(jìn)行了大量研究，其核心思想是將先進(jìn)的智能控制方法與力位混合控制策略相結(jié)合。文獻(xiàn)［6-8］將自適應(yīng)滑模控制器引入力位混合控制框架中，以降低機(jī)器人力位混合控制過程中外部干擾的影響。文獻(xiàn)［9-11］提出基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)力位混合控制方案，以對系統(tǒng)的不確定性進(jìn)行補(bǔ)償。文獻(xiàn)［12］提出一種自適應(yīng)模糊控制方法，以提高機(jī)器人在不確定環(huán)境下的力位混合控制性能。文獻(xiàn)［13-15］將模糊PID算法應(yīng)用于力位混合控制中，使其具備較強(qiáng)的抗干擾能力，從而提高機(jī)器人自動磨拋的柔順性。

然而，上述方法所適用的應(yīng)用場景對力位混合控制精度的要求仍然不夠嚴(yán)格。工業(yè)機(jī)器人在進(jìn)行順槽運動時，溝槽的尺寸一般較小，部分零配件表面的溝槽尺寸達(dá)到毫米級，使用現(xiàn)有方法難以完成需要精密力位跟蹤的沿槽導(dǎo)向任務(wù)。為此，本文結(jié)合阻抗算法，利用開關(guān)式變論域模糊控制對常規(guī)自抗擾控制器（automatic disturbance rejection controller，ADRC）進(jìn)行改進(jìn)，提出一種魯棒的力位控制策略，使其在精度要求較高的多維度場景下能夠具備良好的力與軌跡的綜合跟蹤效果，從而實現(xiàn)工業(yè)機(jī)器人的順槽運動任務(wù)。

1 工業(yè)機(jī)器人順槽運動系統(tǒng)設(shè)計

工業(yè)機(jī)器人順槽運動系統(tǒng)結(jié)構(gòu)設(shè)計如圖1所示。系統(tǒng)以工業(yè)機(jī)器人為工作主體，以六維力傳感器為力感知元件，六維力傳感器的下方配備有末端工具，末端工具可以根據(jù)機(jī)器人順槽運動所需要完成的不同任務(wù)進(jìn)行設(shè)計。工業(yè)機(jī)器人在進(jìn)行順槽運動時，需將末端工具的底端置于待跟蹤槽內(nèi)，在不進(jìn)行軌跡示教的基礎(chǔ)上，通過導(dǎo)向策略進(jìn)行槽的軌跡跟蹤。

選定槽軌跡主趨勢的方向為X方向，以第n個控制周期為例對末端工具進(jìn)行運動分析，如圖2所示。

當(dāng)末端工具與槽的壁面接觸時，將產(chǎn)生垂直壁面的接觸力F。理論上只要利用分力Fx及Fy的大小計算出接觸力F的角度α就可以將機(jī)器人下一周期的運動方向調(diào)整為垂直于F，從而實現(xiàn)軌跡修正，但在一些工況下，末端工具需始終與槽的底面保持接觸，此時會存在與末端工具運動方向vn相反的摩擦力fμ，該摩擦力將對力傳感器采集到的分力信息造成干擾，從而降低導(dǎo)向的準(zhǔn)確性。

為了減小摩擦力的干擾，本文提出的導(dǎo)向方法原理如下：假設(shè)末端工具沿X方向以固定微小步長Sx前進(jìn)時，其Y方向始終不與槽的壁面接觸，則可以認(rèn)為末端工具沿著槽的軌跡中心前進(jìn)，此時Fy=0，那么就可以設(shè)定末端工具Y方向的期望接觸力為0，從而利用力控制模型計算出該周期Y方向所需的修正位移Sy。Sx與Sy的矢量疊加即是下一周期的位置，以此來達(dá)到軌跡約束的效果。

由于槽軌跡的主趨勢為X方向，因此一般情況下摩擦力fμ在X方向的分力fx較大，在Y方向的分力fy較小，甚至可以忽略不計；接觸力F在Y方向的分力Fy較大，在X方向的分力Fx較小，因此，上述單獨利用Y方向力感知進(jìn)行軌跡約束的方法，既保留了Y方向上較大接觸力和較小摩擦力的力信息，又剔除了X方向上較小接觸力和較大摩擦力的力信息，從而減小了摩擦力對接觸力信息感知的影響，提高了導(dǎo)向的精度。

此時，對槽XY平面的軌跡進(jìn)行跟蹤可等同于對末端工具Y方向進(jìn)行恒力跟蹤。在一些工況下，可能還需同時對Z方向的力也進(jìn)行跟蹤，因此對該模型的研究可以簡化為機(jī)器人對X方向進(jìn)行位置控制的同時對Y方向和Z方向進(jìn)行力的控制。

2 基于阻抗算法及ADRC的力位混合控制策略

2.1 力位混合控制策略

根據(jù)上述機(jī)器人運動工況提出力位混合控制策略如圖3所示。該力位混合控制策略包含兩個控制回路：力控制回路和位置控制回路。機(jī)器人利用對角矩陣將系統(tǒng)分為力控制空間和位置控制空間，對角矩陣的每個元素代表機(jī)器人的一個自由度，當(dāng)主對角線上對應(yīng)的元素為1時表示激活該自由度相應(yīng)的控制模式。其中，Cf為力控制模式選擇矩陣，Cd為位置控制模式選擇矩陣。

4 仿真及實驗分析

4.1 仿真及分析

為了檢驗所提出的開關(guān)式變論域模糊ADRC的性能，將其與常規(guī)ADRC進(jìn)行仿真對比。設(shè)定所跟蹤目標(biāo)力fr=5 N，通過在時間t=2 s時添加1 N的負(fù)階躍干擾信號來驗證所提出控制器性能的抗干擾能力，仿真結(jié)果如圖8所示。

由圖8可以看出，變論域模糊ADRC更早地達(dá)到穩(wěn)定狀態(tài)；同時，常規(guī)ADRC的超調(diào)量接近20%，而變論域模糊ADRC的超調(diào)量幾乎為0。在加入負(fù)階躍干擾信號之后，變論域模糊ADRC的系統(tǒng)振蕩在1 N以內(nèi)，而常規(guī)ADRC的振蕩超過了1 N。在撤去干擾信號之后，變論域模糊ADRC僅需0.7 s左右即可恢復(fù)穩(wěn)定狀態(tài)，而常規(guī)ADRC需1.4s左右的時間恢復(fù)穩(wěn)定狀態(tài)。二者相互對比，可以看出所提出的變論域模糊ADRC不僅具備更強(qiáng)的抗超調(diào)能力，還具備較優(yōu)越的適應(yīng)性能和抗干擾性能。

4.2 實驗及分析

本文以手機(jī)射頻線的沿槽裝配為例進(jìn)行實驗分析。根據(jù)上文提出的系統(tǒng)配置方案建立實驗平臺如圖9所示。在該實驗平臺中，機(jī)器人型號為ABB IRB-120，六維力傳感器型號為ATI SI-32-2.5，其力采集精度可達(dá)0.006 25 N。所提出的控制算法由計算機(jī)控制系統(tǒng)進(jìn)行實現(xiàn)，計算機(jī)控制系統(tǒng)根據(jù)收集到的力信息計算出相應(yīng)的位移，然后通過TCP通信將位移信息傳輸給機(jī)器人，由機(jī)器人實現(xiàn)最終運動。

裝配前后的組件位置關(guān)系如圖10所示。待裝配組件分別為射頻線和手機(jī)模型。其中，射頻線長100 mm，整體外徑為0.81 mm。手機(jī)模型具有一個寬度為0.80 mm、深度為2 mm的長條狀射頻線槽。在進(jìn)行該裝配工序前，射頻線一頭的端子已經(jīng)事先安裝在手機(jī)一側(cè)的端子座上，并且靠近該端子近端的部分線體已經(jīng)事先通過文獻(xiàn)［19］所使用的裝配方法壓入射頻線槽中。本道裝配工序需要使用末端工具通過型面接觸將剩余的射頻線體完全塞入射頻線槽中。進(jìn)行裝配時，機(jī)器人除了要對槽的軌跡進(jìn)行跟蹤之外，還需施加一定法向力來保證射頻線與槽底的貼合。

為了驗證基于開關(guān)式變論域模糊ADRC改進(jìn)的力位混合控制策略的性能，本研究將其與常規(guī)ADRC進(jìn)行對比實驗，二者采用相同的ADRC參數(shù)，如表3所示。

為了衡量本文所提策略的優(yōu)越性，采用機(jī)器人末端對參考軌跡的跟蹤誤差來檢驗其位置控制性能，采用機(jī)器人末端對目標(biāo)力的跟蹤誤差來檢驗其力控制性能。

圖11所示為實驗中機(jī)器人末端在XY平面的軌跡跟蹤曲線。從圖中可以看出，使用常規(guī)ADRC和變論域模糊ADRC進(jìn)行軌跡跟蹤，其跟蹤曲線均在參考軌跡附近波動，且所跟蹤軌跡處的曲率越大波動幅度就越大。總體來說，常規(guī)ADRC的偏差范圍約在（-0.7，0.7） mm之內(nèi)，而變論域模糊ADRC的偏差范圍約在（-0.3，0.3） mm之內(nèi)。使用變論域模糊ADRC，系統(tǒng)的軌跡跟蹤誤差大約降低了58%，系統(tǒng)的位置控制性能得到顯著提升。

控制器在Y方向及Z方向的力跟蹤曲線如圖12所示。由圖12a可知，對于Y方向，使用常規(guī)ADRC力的跟蹤誤差約在（-0.8，0.8） N范圍內(nèi)，而使用變論域模糊ADRC力的跟蹤誤差可以縮小到（-0.5，0.5） N范圍之內(nèi)。根據(jù)圖12b，對于Z方向，使用常規(guī)ADRC力的跟蹤誤差變化范圍約為（-0.6，0.6） N，而使用變論域模糊ADRC力的跟蹤誤差變化范圍可以限制在（-0.3，0.3） N。整體來說，相較于常規(guī)ADRC，使用變論域模糊ADRC力的跟蹤誤差降幅大于37.5%，系統(tǒng)的力控制性能得到顯著提升。

圖13表示的是以Y方向力控制為例的控制參數(shù)Δε1及Δε2的變化曲線。當(dāng)所跟蹤槽的軌跡在某些位置附近處出現(xiàn)較明顯變化時，會導(dǎo)致系統(tǒng)檢測到的力偏差較大，此時副模糊控制器的開關(guān)會被激活，從而對主模糊控制器的論域進(jìn)行擴(kuò)大，此時Δε1及Δε2的值會相應(yīng)增大，以提高系統(tǒng)的響應(yīng)速度，從而進(jìn)一步增強(qiáng)控制器對參考軌跡以及目標(biāo)力的跟蹤性能。

為了進(jìn)一步驗證所提出的工業(yè)機(jī)器人順槽導(dǎo)向運動策略的良好性能，本研究針對多種槽型不同的手機(jī)模型進(jìn)行了200次射頻線裝配實驗，最終達(dá)到100%的裝配成功率。實驗結(jié)果表明：所提出的控制算法具備良好的力跟蹤能力和穩(wěn)定性，可以實現(xiàn)精確的工業(yè)機(jī)器人順槽運動導(dǎo)向。

5 結(jié)論

（1）本文提出了一種利用力的識別進(jìn)行順槽導(dǎo)向的方法，該方法使得摩擦力對導(dǎo)向精度的干擾較小，同時，該方法無需進(jìn)行軌跡示教即可進(jìn)行槽的軌跡追蹤，具有普適性。

（2）針對所使用的順槽導(dǎo)向方法，提出一種力位混合控制策略進(jìn)行控制，并使用阻抗控制與ADRC相結(jié)合的算法對力控制回路進(jìn)行優(yōu)化。在此基礎(chǔ)上，利用開關(guān)式變論域模糊控制器對ADRC進(jìn)行改進(jìn)，增強(qiáng)了力位混合控制策略對未知環(huán)境的適應(yīng)能力。

（3）以手機(jī)射頻線毫米級順槽裝配為例進(jìn)行實驗，實驗結(jié)果表明，所提出的控制算法具有較強(qiáng)的穩(wěn)定性和跟蹤性能，其軌跡跟蹤精度在0.3 mm內(nèi)，對接觸力的控制精度達(dá)到0.5 N。

（4）該力位混合控制策略具備較強(qiáng)的魯棒性，在進(jìn)行工業(yè)機(jī)器人順槽運動控制時具備良好的性能。

參考文獻(xiàn)：

［1］ 孫立寧， 許輝， 王振華， 等. 工業(yè)機(jī)器人智能化應(yīng)用關(guān)鍵共性技術(shù)綜述［J］. 振動·測試， 2021， 41（2）：211-219.

SUN Lining， XU Hui， WANG Zhenhua， et al. Overview of Key Common Technologies for Intelligent Application of Industrial Robots［J］. Vibration. Test， 2021， 41（2）：211-219.

［2］ 王田苗， 陶永. 我國工業(yè)機(jī)器人技術(shù)現(xiàn)狀與產(chǎn)業(yè)化發(fā)展戰(zhàn)略［J］. 機(jī)械工程學(xué)報， 2014， 50（9）：1-13.

WANG Tianmiao， TAO Yong. Current Situation and Industrialization Development Strategy of Industrial Robot Technology in China［J］. Journal of Mechanical Engineering， 2014， 50（9）：1-13.

［3］ 王汝貴， 陳輝慶， 戴建生. 新型可控變胞式碼垛機(jī)器人機(jī)構(gòu)動態(tài)穩(wěn)定性研究［J］. 機(jī)械工程學(xué)報， 2017， 53（13）：39-47.

WANG Rugui， CHEN Huiqing， DAI Jiansheng. Study on Dynamic Stability of a New Controllable Variable Cell Palletizing Robot［J］. Journal of Mechanical Engineering， 2017， 53（13）：39-47.

［4］ XU R， LUO J， WANG M. Kinematic and Dynamic Manipulability Analysis for Free-floating Space Robots with Closed Chain Constraints， Robot［J］. Robotics and Autonomous Systems， 2020， 130：103548.

［5］ CVITANIC T， NGUYEN V， MELKOTE S N. Pose Optimization in Robotic Machining Using Static and Dynamic Stiffness Models， Robot［J］. Robotics and Computer-integrated Manufacturing， 2020， 66：101992.

［6］ NAVVABI H， MARKAZIA H D. Hybrid Position/Force Control of Stewart Manipulator Using Extended Adaptive Fuzzy Sliding Mode Controller（E-AFSMC）［J］. ISA Transactions， 2019， 88：280-295.

［7］ GRACIA L， SOLANES J E， MUOZ B， et al. Adaptive Sliding Mode Control for Robotic Surface Treatment Using Force Feedback［J］. Mechatronics， 2018， 52：102-118.

［8］ ZHANG T， YE Y， YAN B， et al. An Adaptive Sliding-mode Iterative Constant-force Control Method for Robotic Belt Grinding Based on a One Dimensional Force Sensor［J］. Sensors， 2019， 19（7）：1635.

［9］ GHAJAR M H， KESHMIRI M， BAHRAMI J. Neural-network-based Robust Hybrid Force/Position Controller for a Constrained Robot Manipulator with Uncertainties［J］. Transactions of the Institute of Measurement and Control， 2018， 40（5）：16251636.

［10］ PENG J， DING S， YANG Z， et al. Neural Network-based Hybrid Position/Force Tracking Control for Robotic Systems without Velocity Measurement［J］. Neural Processing Letters， 2020， 51：1125-1144.

［11］ KUMAR N， RANI M. Neural Network-based Hybrid Force/Position Control of Constrained Reconfigurable Manipulators［J］. Neurocomputing， 2021， 420：1-14.

［12］ WANG Ziling， ZOU Lai， SU Xiaojie， et al. Hybrid Force/Position Control in Workspace of Robotic Manipulator in Uncertain Environments Based on Adaptive Fuzzy Control［J］. Robotics and Autonomous Systems， 2021， 145：103870.

［13］ ZHANG H， LI L， ZHAO J， et al. Design and Implementation of Hybrid Force/Position Control for Robot Automation Grinding Aviation Blade Based on Fuzzy PID［J］. The International Journal of Advanced Manufacturing Technology， 2020， 107：1741-1754.

［14］ ZHANG H， LI L， ZHAO J， et al. The Hybrid Force/Position Anti-disturbance Control Strategy for Robot Abrasive Belt Grinding of Aviation Blade Base on Fuzzy PID Control［J］. The International Journal of Advanced Manufacturing Technology， 2021， 114：3645-3656.

［15］ 張洪瑤， 李論， 趙吉賓， 等. 基于模糊PID的力/位混合控制機(jī)器人自動化葉片磨削加工［J］. 組合機(jī)床與自動化加工技術(shù)， 2021（11）：147-150.

ZHANG Hongyao， LI Lun， ZHAO Jibin， et al. Automatic Blade Grinding of Force/Position Hybrid Control Robot Based on Fuzzy PID［J］Modular Machine Tools and Automatic Machining Technology， 2021（11）：147-150 .

［16］ 韓京清. 自抗擾控制器及其應(yīng)用［J］. 控制與決策， 1998， 13（1）：19-23.

HAN Jingqing. Auto Disturbance Rejection Controller and Its Application［J］Control and Decision Making， 1998， 13（1）：19-23.

［17］ 王宇航， 姚郁， 馬克茂. Fal函數(shù)濾波器的分析及應(yīng)用［J］. 電機(jī)與控制學(xué)報， 2010， 14（11）：88-91.

WANG Yuhang， YAO Yu， MA Kemao. Analysis and Application of Fal Function Filter［J］Journal of Electrical Machinery and Control， 2010， 14（11）：88-91.

［18］ GAO Z Q. Scaling and Bandwidth-parameterization Based Controller Tuning［C］∥ Proceedings of the 2003 American Control Conference. Denver：IEEE， 2003：4989-4996.

［19］ 陳威. 手機(jī)射頻線雙工業(yè)機(jī)器人協(xié)作裝配系統(tǒng)研究［D］. 福州：福州大學(xué)， 2021.

CHEN Wei. Research on Cooperative Assembly System of Dual Industrial Robots for Mobile Phone RF Line［D］Fuzhou：Fuzhou University， 2021.

（編輯 王艷麗）

作者簡介：

張俊鑫，男，1998年生，碩士研究生。研究方向為機(jī)器人控制技術(shù)。E-mail：1025233174@qq.com。

吳海彬（通信作者），男，1973年生，教授、博士研究生導(dǎo)師。研究方向為機(jī)器人控制技術(shù)、人機(jī)共融技術(shù)。E-mail：wuhb@fzu.edu.cn。