相关实验视频
Updated: Sep 9, 2025
10:09
Operation of the Collaborative Composite Manufacturing CCM System
Published on: October 1, 2019
6.7K
适应力-位置-速度协作过程规划和机器人抛光的粗度预测
Ma Haohao1,2, Azizan As'arry2, Niu Jing1
1School of Mechatronics and Automotive Engineering, Tianshui Normal University, Tianshui, China.
PloS one
|September 3, 2025
概括
这项研究引入了自适应机器人抛光框架,以提高稳定性和精度. 这种新方法显著降低了表面粗度,提高了机器人材料清除过程的效率.
科学领域:
- 机器人技术
- 制造工程
- 材料科学
背景情况:
- 机器人抛光过程往往缺乏稳定性和精度,特别是复杂的几何形状.
- 优化压力,速度和工具类型等过程参数对于有效的材料清除至关重要.
- 现有的控制策略在机器人抛光过程中难以保持一致的接触力和精度.
研究的目的:
- 为机器人抛光开发适应力-位置-速度协作过程规划框架.
- 提高机器人抛光操作的稳定性和准确性.
- 提高机器人抛光应用的表面粗性和整体效率.
主要方法:
- 根据普雷斯顿的理论开发了材料去除模型,包括抛光压力,工具速度,料速度和砂纸类型.
- 使用改进的虫优化算法,反向传播神经网络,有限元分析和响应表面方法来选择参数.
- 实施了曲率自适应插值方法,用于在曲面工件上生成轨迹,并采用了PD代和RBF神经网络的自适应阻抗控制策略来控制力.
主要成果:
- 在粗度预测模型中达到0.0001μm的根平均平方误差 (RMSE) 精度.
- 在拟议的力量控制方法中证明了增强的稳定性.
- 与基线方法相比,平均表面粗度降低了20.79%.
结论:
- 拟议的自适应框架显著提高了机器人抛光的稳定性和精度.
- 集成先进的算法和控制策略导致了更高的表面表面和效率.
- 这项研究证实了开发的高精度,高效率机器人抛光应用框架的有效性.
