混合不确定性下工业机器人运动精度可靠性分析与优化设计

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:anilit
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着自动化技术的发展,工业机器人以其高效、低成本、重复性好等优点,在汽车制造、电子电气和航空航天等现代工业生产中得到了广泛的应用。在这些应用中,运动精度作为关键的性能指标,是工业机器人完成操作任务的重要保证。然而,由于工业机器人结构中制造误差、关节间隙、弹性变形等不确定性因素的影响,末端执行器实际的运动远未达到高精度、高可靠的性能要求。因此,精确地分析和评估工业机器人的运动精度可靠性,是确保其在工作过程中准确、可靠运行的重要保障,对工业机器人的精度设计也具有实际的指导意义。考虑到工业机器人生产和运行过程中,除了因自然变异性而存在的随机不确定性外,往往还包括一些因特征不完全认识的认知不确定性,这时仅靠单一的数学模型难以实现有效的运动精度不确定性分析。为此,本文针对混合不确定性下工业机器人运动精度可靠性分析与优化设计展开研究。主要内容和成果如下:(1)研究了随机不确定性下工业机器人定位精度可靠性分析方法。对于多自由度工业机器人,根据其运动学模型建立的定位精度极限状态函数通常是高度非线性的,这时采用传统的一阶可靠度法来处理可能面临收敛速度慢、甚至不收敛问题。为此,本文基于有限步长法和Armijo线搜索技术提出了一种高效、稳定的定位精度失效概率计算方法。该方法一方面通过引入具有有限步长的灵敏系数增强了收敛性能,另一方面通过构建基于Armijo线搜索技术的优化方法和自适应步长策略提高了计算效率。(2)提出了基于微分运动学和鞍点近似法的定位精度可靠性分析方法。考虑到一阶可靠度法在处理高度非线性定位精度可靠性模型上仍存在准确性不高问题,本文首先基于微分运动学和误差传播理论建立位置误差函数,重新构建了定位精度的运动学可靠性模型,以此避免复杂非线性函数引起的可靠性分析不稳定性。然后,根据位置误差模型推导了位置误差分布参数的解析表达式,并结合特征分解技术建立了位置误差的累积量生成函数。从而运用鞍点近似法计算了定位精度的可靠性分析结果。(3)研究了混合随机和区间不确定性的定位精度可靠性分析方法。在实际应用中,易面临因信息有限而只能确定运动学参数范围的情况。这时随机和区间不确定性的同时存在,使得基于概率论的定位精度随机不确定性分析方法难以应用。对此,本文提出了一种混合随机和区间变量的定位精度可靠性分析框架。首先,通过在每个设计点搜索过程中同时进行区间分析和概率分析,建立了混合可靠性模型的单循环计算策略。随后针对区间分析提出了一种基于混合共轭梯度方向和有效集的投影梯度法,并在概率分析中引入混合共轭梯度方向和自适应有限步长提高了计算效率。最后在所得设计点的基础上,开发了基于响应面的鞍点近似法以提高定位精度混合可靠性分析的准确性。(4)建立了基于轨迹精度可靠性的工业机器人优化设计方法。现有的精度优化设计方法大多研究的是以工作点或其单坐标分量为概率约束的公差分配,而很少关注工业机器人运行轨迹的可靠性水平。在本文中,构建了以轨迹精度可靠性为约束,同时考虑制造成本和质量损失的精度优化设计模型。为了高效、准确地求解优化模型,针对内层的轨迹精度可靠性分析,在混合随机和区间不确定性等效模型上提出了基于稀疏网格积分和鞍点近似的失效概率计算方法。进而在外层结合遗传算法实现了运动学参数公差分配方案的优化设计。
其他文献
在分布式传感器网络中,每个节点通过与临近节点交换多目标后验分布并联合所有临近节点的信息进行融合。但分布式传感器网络中的节点因功能、配置时钟、探测范围等特性的差异,导致节点间往往无法在相同视域内的同一时间点探测到相同的目标信息,造成基于广义协方差交叉(GCI)和加权算术平均(WAA)准则的分布式融合算法失效。能否保证待融合信息所表征的目标信息一致,是保证时间异步和非同视域条件下的分布式融合算法有效的
资源分配问题是网络系统中一类重要的优化问题,而且已在传感器网络、智能电网和交通系统等领域得到广泛的研究。由于分布式算法能够有效克服由设备故障、外部扰动和通信延时引入系统中的不确定性,而且不需要一个中心结点去获得优化问题的完整信息,还能够有效地保护个体的隐私,这些优点使得分布式资源分配算法引起了学术界和工业界的广泛关注。本文利用图论、非光滑优化理论和拉萨尔不变原理等理论工具分别研究包含通信时间延时的
语音合成(speech synthesis,又名text-to-speech,TTS)是人机交互的重要方法之一,旨在合成清晰且自然的音频。语音合成的应用场景非常广泛,比如手机和个人电脑的语音助手、同声传译的语音输出环节、车载导航播报、新闻朗读等等。通过语音合成,可以解放用户的眼睛,使人能在“眼观”的同时还可以“耳听”,增加信息接收的带宽。最近,随着神经网络的快速发展,端到端的语音合成模型逐渐进入人
在这个信息网络高速发展的时代,神经网络作为现代人工智能技术领域不可或缺的部分已经被广泛地研究,并成功应用于各种科学和工程领域,包括信息领域、医疗领域、控制领域、交通领域等。值得注意的是,神经网络的这些实际应用在很大程度上依赖于它的动态性能。然而,由于神经元之间信号传输速度的局限性和一些外部干扰因素,时滞在神经网络的实现及应用中是普遍存在的,极有可能会导致意想不到的动态行为,如振荡、低性能、甚至不稳
基于电磁波与金属-介质复合微结构相互作用的等离子体共振传感器是一种传感性能优越、体积小、易集成的传感器件,它常表现出对环境湿度或溶液折射率、生物分子类别和浓度、入射电磁波倾斜角度的灵敏响应,在化学、生物、海洋产业领域都有潜在的应用市场。然而,等离子体共振传感器距离实际应用还存在很多问题,例如:等离子体共振传感器的制备成本高、简单结构的传感器的传感性能较低。针对以上问题,本论文首先研究低成本高输出的
随着科技的日益快速发展,传感器作为信息获取的源头,其作用和地位愈加重要。石英晶体微天平(Quartz crystal microbalance,QCM)作为一类十分重要的质量传感器,目前,在很多领域获得了广泛应用。本文以QCM传感器质量灵敏度的关键技术为研究对象,通过深入研究QCM的传感机理,并结合有限元仿真技术,揭示了决定QCM传感器质量灵敏度的关键因素,提出了通过优化电极结构设计来提高QCM传
随着世界各国经济和科学技术的飞跃发展,移动机器人的应用领域越来越广泛,其应用场景也从室内环境拓展到了各种复杂环境,如野外、水下、空中甚至外太空等。目前,对于复杂环境的机器人系统仍存在许多尚待研究的课题。本文针对环境全局信息已知、地面崎岖不平的复杂环境条件下的轮式机器人的路径规划和轨迹跟踪控制技术进行研究。本文建立了崎岖地面的环境模型,针对曲面路径规划算法的时间复杂度改进问题,提出了多尺度技术。针对
机器学习是大数据处理的常用工具之一。然而,依靠单个计算节点的计算能力处理大规模的数据集,不能在可接受的时间范围内将模型训练到满意的精度。通常采用多个计算节点来实现数据并行训练。每个计算节点迭代式地处理部分数据集,每次迭代都要通过网络与其他计算节点同步模型的信息,保证训练的正确性。由于模型规模通常在数百兆至数千兆字节之间,每个计算节点每次迭代都要交互等同于模型大小的数据量,例如模型的参数或者梯度,使
近几年来,忆阻器作为一种新兴的电子元件在非易失存储和神经仿生方面都有重要的应用。忆阻器是具有电容结构,能够被多次写入和非破坏性读取的二端器件,它是下一代存储器的有力竞争者。除了作为存储器件,忆阻器作为一种具有可调整状态的二端器件,与生物突触具有高度的相似性,基于忆阻器的大规模神经网络有望实现类脑计算系统,在生物神经仿生领域也具有很高的研究价值。神经网络已经具有几十年的研究历史,近年来由于深度神经网
高灵敏、快速和低成本的生物标志物检测在重大疾病的早期诊断中具有重要意义。但现有的光学传感器尚不能达到疾病早期诊断的要求,主要存在三个方面的瓶颈问题。(1)光和物质相互作用弱,难以实现高灵敏传感;(2)传感器制备重复性差,难以实现高灵敏的一次性使用;(3)步骤繁琐,难以实现快速检测。因此,如何同时实现一次性、高灵敏和快速的生化传感成为光学传感领域亟待解决的关键问题。针对上述瓶颈问题,本论文利用光微流