工业机器人大臂平衡机构优化设计.docVIP

工业机器人大臂平衡机构优化设计 　　摘 要：针对作用于工业机器人大臂的静态偏重力矩过大，设计了相应平衡机构，导出了其工作原理的数学模型，同时，为了获得最佳的平衡效果，本文根据该数学模型的特点，建立了相应的目标函数，利用改进的自适应遗传算（AGA）对其进行了最优值的求解。仿真结果表明，该算法对目标函数的寻优求解有效，且该平衡机构可以明显减小大臂的驱动力矩。 　　关键词：机器人；平衡机构；遗传算法；优化 　　DOI：10.16640/j.cnki.37-1222/t.2016.17.030 　　0 引言 　　为了使机器人保持静态平衡，在各关节处需施加一定的驱动力矩以平衡重力产生的偏重力矩，因此，偏重力矩的大小直接决定着关节驱动器的力矩和功率，其波动的幅度更直接影响着驱动器的稳定性，过大的偏重力矩不仅会增加关节驱动器的负载，而且会降低传动系统的精度和寿命[1]。在工作过程中，机器人各连杆多处于悬臂状态，而工业机器人各连杆的自重一般是负载的10～20倍[2]，连杆自重产生的偏重力矩远大于负载产生的偏重力矩，设计一种平衡机构以平衡连杆自重及负载产生的静态偏重力矩十分有意义。 　　目前，工业机器人的平衡方法主要有配重平衡法、弹簧平衡法、气缸平衡法、机械阻尼平衡法、弹簧-凸轮平衡法[3]、弹簧-气动混合平衡法[4]等，其中弹簧平衡法具有简单易实现、质量小、调节更换方便等优点[5]。因此，本文设计了一种弹簧平衡机构，且在设计平衡系统时，弹簧的刚度、平衡系统的位置等均作为设计变量以获得最小的关节驱动力矩。而该目标函数为多变量不连续的非线性函数，传统优化方法对目标问题的依赖性较强，很难实现最优值的求解，而遗传算法是基于群体搜索的一种智能优化算法，无需任何的辅助信息，可以从目标问题中独立出来进行最优值的求解[6]，因此，采用遗传算法来获得平衡系统的最优参数。本文以重载码垛机器人的弹簧平衡机构为对象，分析了各参数之间的关系，利用遗传算法对各设计参数进行了优化，实现了目标函数的最优化求解。 　　1 平衡系统的特性及优化模型 　　本文所设计的弹簧平衡机构用于平衡作用在机器人大臂的所有静负载所产生的静力偏重力矩。 　　1.1 平衡系统的特性分析 　　图1为平衡系统结构简图，机器人大臂1的自重为，重心为，作用在大臂上的外部静负载为，其中，包括作用在大臂上端的其他连杆的自重、机器人的静态负载，其方向如图1所示，平衡系统的自重为，重心为。令连杆自重和静态负载形成的相对于关节A的偏重力矩为，则有： 　　由于弹簧平衡机构的自重远小于机器人连杆自重和负载的质量，且根据式（1）可知，弹簧平衡机构的自重对偏重力矩的影响较小，为了简化计算，将式（1）简化为： 　　减少关节A处的驱动力矩和功率，设计了弹簧平衡缸2用于产生一个与相反的平衡力矩，如图1。 　　弹簧平衡缸作用于大臂上，相对于关节A产生一个与方向相反的平衡力矩： 　　为弹簧的预压长度。 　　其中、弹簧的刚度系数K、弹簧的预压缩量及D点的位置（XD，YD）均为设计变量， 　　1.2 约束条件 　　根据平衡系统的结构要求，该系统的各个参数应满足如下要求： 　　其中，为的最小允许长度，为平衡系统允许的弹簧最大预压缩量，为平衡系统允许的最大压缩量。 　　1.3 目标函数的建立 　　由式（2）可知，偏重力矩随着机器人的运动以正弦规律不断变化，而根据式（3），平衡力矩是一个多变量的非线性函数。因此，很难保证在机器人的运动范围内时刻都能完全平衡，但是可以通过对上述设计变量的优化，使得在机器人的运动范围内的峰值最小。 　　根据上述要求建立如下目标函数： 　　2 基于遗传算法的最优值求解 　　为了求解目标函数式（4），本文采用自适应遗传算法（AGA）来求解其最优解，且为了提高算法的收敛速度，采用了精英保留策略。 　　2.1 基本参数选定（见表1） 　　2.2 获取初始种群 　　为了提高算法的求解效率，本文根据先验条件，使种群的基因在限定范围内变化，由此获得初始种群。 　　2.3 求解适应度函数 　　适应度函数值直接作为评判个体是否优秀的标准，其决定着种群的进化方向，但是由于进化后期，种群中的个体相似度较高，其适应度函数值差异较小，评判效果较差，容易导致优秀个体流失。针对上述问题并结合本文目标函数的特点，本文设计了如下适应度函数。 　　式（5）中，f（x）为目标函数，、分别为按式（5）计算获得的适应度函数值的最小和最大值，m、n为平衡参数，且0m1，0n1。 　　当适应度函数值满足时，说明种群的个体差异较小， 　　算法即把每个个体的适应度值放大倍，因此，越优秀的个体 　　放大的倍数越多，从而明显增大个体之间的差异，提高算法的分辨效果。 　　2.4 选择后代 　　传统的