工业机器人时间与能耗优化模型.docxVIP

工业机器人时间与能耗优化模型 1 模型建立与仿真 工业机器人的运动优化是其管理系统的一个基础领域，它决定了机器人的运动模式和性能。机器人在关节空间运动过程中，其作业时间和作业能耗受到运动参数的影响 有鉴于此，用五次多项式来拟合给定相邻两点的运动轨迹，结合机器人运动学和动力学方程，建立机器人的时间能耗模型。以时间和能耗作为工业机器人作业过程绿色度的定量指标，定义了每一段轨迹的目标函数。为了便于计算和有效平衡全局搜索和局部搜索，引入增广拉格朗日乘子方法将模型简化，采用带收缩因子的粒子群算法进行求解。对中纤板生产线作业机器人的仿真验证了所建模型的适用性和算法的有效性。 2 运动参数的影响 机器人各个关节从点到点的轨迹一般遵从距离最短原则进行设定，但是在实际运动过程中，由于受到外部环境的影响以及自身工艺参数的限制，机器人只能沿着给定的路径点运行。当给定两点的轨迹时，机器人各个关节在运行过程中，其力矩、速度、加速度和二次加速度会发生相应的变化，这些运动参数会影响机器人在这个过程的作业时间和作业能耗。在对机器人运动参数优化时，假定关节空间的关节路径点已知，空间中无避障，只考虑运动参数对时间和能耗的影响。 2.1 作业轨迹的限制 机器人在关节空间中的轨迹是由一系列的路径点组成，利用多项式来拟合点到点的轨迹并不是唯一的。为了防止系统冲击振荡，保证作业过程的平稳性，需要对每一段作业轨迹起始点和终止点的加速度进行限制，所以采用五次多项式来定义机器人在关节空间作业过程中相邻两点的关节轨迹。设机器人第i(1燮i燮N）个关节在第m(1燮m燮L）段轨迹作业过程中经过起始路径点的时刻为t 假定关节i在第m段的五次多项式轨迹函数为： 联立式（1）～式（2），求得五次多项式的系数如下： 2.2 机器人动态模型 对于一个具有N个关节的工业机器人机械臂，忽略各关节之间的摩擦力，由拉格朗日-欧拉方程得到关节i所需的广义力矩为： 式中：τ 2.3 机器人的运行轨迹 已知机器人第个关节在第m段轨迹作业过程中经过起始点和终止点的时刻分别为t 由于机器人所有关节的运动都是同步的，所以机器人在某一段轨迹的运行时间H 2.4 优化运动参数 由于机器人在每一段轨迹里面的运动都是相互独立的，所以可以分别对每一段轨迹进行优化，从而得到时间和能耗平衡的最优机器人运动参数。 考虑工业机器人作业过程的环境友好性，可通过量化计算体系的绿色度来判断作业的绿色性 需满足的约束条件： 式中：H 对机器人的运行时间和能耗进行系数加权，可以根据实际情况，调整η 3 优化运动参数的算法 3.1 带收缩因子的粒子 粒子群算法与其他智能算法相比，具有简单实用，对非线性寻化问题具有良好的全局收敛能力 假设粒子具有D维搜索空间，第i(1燮i燮n）个粒子第k(1燮k燮MaxDT）次迭代时的位置x 为了保证PSO算法的收敛性，引入收缩因子χ： 则相应粒子的速度和位置更新公式为： 其中，取c 3.2 数值稳定性和计算效率 ALM方法与惩罚函数方法类似。该方法不需要多次测试来确定初始惩罚因子，惩罚因子也不需要趋于无穷大，但是，在数值稳定性和计算效率方面超过了罚函数法。 利用ALM方法将不等式约束问题转化为无约束问题： 式中：x=(x 在优化过程中，拉格朗日乘子和惩罚因子的迭代更新公式分别如下： 式中：z—第z次更新；ε 当z=1时，终止标准为： 当z=2,3，…z 式中：ε—收敛精度；z 3.3 拉格朗日乘子cpso方法 由于CPSO算法和ALM方法各有其独特的优势，所以可以将两种方法结合，利用两者的优点，得到一种新的求解非线性约束问题的方法。针对能耗时间求解最优运动参数问题属于这一类问题。 该算法的主要思想如下，相应的迭代过程，如图1所示。 (1）利用ALM方法将约束问题转化为无约束问题（式10); (2）随机产生一组数据作为粒子的初始值； (3）判断初始输入值是否满足迭代终止标准（式13），如果满足，则输出当前解作为最优解，否则，保存当前获得的最优解，然后提出一个新的无约束问题（式10），应用随机数据产生一组新的粒子，采用CPSO算法更新粒子的速度和位置，判断是否满足终止标准（式14），然后应用式11和式12分别对拉格朗日乘子和惩罚因子进行更新。 (4）通过反复迭代寻优，目标函数的全局最优解可以最终求解出来，同时可以得到最优的运动参数。 4 种运动小周期机器人的运动原理及优化 以本项目组开发的某中纤板生产企业的生产线为例，以大型多功能6关节机器人MotomanHP165为研究对象来进行仿真验证，用三维软件画出其生产现场三维简图，如图2所示。 该机器人的D-H参数、相应约束条件以及各机械臂的相关参数见文献 第一步：在取料工位取料 当输入装置将待加工的中纤板运送到预定地点时，机械手末端吸盘夹具从初始位置点A下降到传送