Delta机器人因其可实现高速高精度重复操作的优势而广泛的应用于工业生产中,作为并联机器人,Delta机器人有着较为复杂的运动学和动力学模型。Delta机器人相关研究主要呈现在路径规划和路径跟踪等方面。其中,大多数研究是基于机器人负载质量保持不变的假设。但这些技术很难适用于负载质量不确定的情况,而现实应用中负载不确定的现象很常见。显然,凭直觉可知,运动规划是基于一个常数的计算基础,来实现有效负载质量的规划,但实际上对于不同负载质量的操作和规划则会出现很多问题。以上问题包括次优轨迹、执行器饱和,以及机器人关节电机长期工作在各性能的峰值下所带来的执行器物理损坏等。目前,大多数研究者主要针对这些不利影响展开研究,但实际上却没有量化这些误差。本文旨在估计有效负载的不确定性对Delta机器人的性能产生的影响程度,并应对这些影响提出相应的解决方法。对因负载质量变化而引起的误差进行估计是十分必要的,以此来验证该误差使机器人系统处于次优化运动状态的这一假设。作为世界上运行速度最快的机器人之一,以上问题对Delta机器人将是一个严重的损害。通过仿真结果可以证明以上假设的有效性。因此,针对有效载荷质量不确定性引起的不利影响,我们提出了相应的解决方法。我们通过几个仿真情况用来模拟现实中可能存在的现象,并将以上结果与理想情况进行对比。我们通过一种矫正运动规划策略来使负载质量的变化在允许范围之内,具体策略是通过执行器的电流(力矩)反馈来最小化实时误差。最后,我们通过仿真分析来检验结果的有效性,这些仿真结果以表格和图片的形式呈现,并将该算法的性能与假设性判断进行比较。模型建立及分析Delta机器人模型Delta机器人是典型的并联机构,相对于串联机器人而言,它具有较高的刚度和负载比。这些性能使得Delta机器人产生较高的精度和较快的运行速度。然而,作为一个并联机器人,与相同大小的串联机器人相比,Delta机器人具有相对较小的工作空间,其配置空间通常与工作空间完全重合。Delta机器人包括三个单独却封闭的运动支链,这些支链彼此相互对称。相应的三个执行器分别固定在Delta机器人的定平台上,这些执行器的轴端构成等边三角形。每个上臂分别连接相应的执行器,因此,每个臂的固定端都在定平台上且彼此之间间隔120度。同时,臂-执行器接口的轴线是共面的,并且与单个圆相切。运载平台连接所有的支链,并将其封闭起来,这样的组合形式使得运载平台的运动受到约束,进而使其具有X,Y和Z三个平移自由度,运载平台和定平台始终保持平行。每一个支链是由两大部分组成,其中连接到执行器的部分被称为上臂,连接到运载平台的部分被称为前臂。上臂是一个末端与转动关节相连接的简单杆。前臂的结构较为复杂,形状是由两个杆及其末端连接等构成的平行四边形。该连接方式有助于保持运载平台的方向相对于定平台固定。Delta机器人通常具有“倒置”配置,即机器人的基座直接在其工作空间的上面。所有考虑重力的运动学模型、动力学模型以及控制方案都是基于这种标准配置展开研究的。执行器饱和度避免执行器的饱和极限可以简单地定义为执行器的物理性能度量(如速度)的极限,无论我们向机器人传递超过该极限值的何种控制信号,机器人均不能操作。当执行器达到该极限死区时,称为已饱和。伺服电机中两种常见的饱和类型是扭矩和速度。由于伺服电机是Delta机器人关节电机的重要选择,则扭矩和速度饱和成为非常重要的问题。以上问题是机器人技术长期以来所面临的问题,特别是在有效负载的惯性特性是未知的情况下。针对串联机器人,Shin和Mc Kay提出了一种简单的方法,即通过前馈运动规划来解决这个问题。虽然该法中的相关公式特别适合于串联机器人,但是其基本原理可以应用于具有解耦控制的并联机器人。他们提出可以从力矩或速度中选择一个量作为控制变量。未调节的变量在运动规划期间可以作为受控变量的边界。如果要控制速度,则在运动规划期间可以将速度增加到其参考的最大值,该算法可以分步进行。在每一步中,还需要计算机器人获得该速度所需的关节力矩。如果计算力矩在某点达到饱和,则可以减小速度信号。以上均为实时计算,机器人可以在最大可行速度下工作,任何有效负载的惯量均在允许的范围内。该算法的缺点是假定机器人总是携带最大惯性的有效负载,并且在此基础上计算机器人关节力矩。虽然这允许处理该范围内的所有负载,但也使得机器人长期处于最大速度和力矩的工作状态,进而浪费不必要的能量。此外,当负载小于假定负载时,也将导致运动较慢并产生非最佳的运动轨迹。即使在机器人无需承载负载时,该算法依然根据最大负载的所需力矩来限制速度。这是该方法的严重缺点,但原则上它仍然可以用于避免机器人的力矩饱和现象。可变负载的自适应运动规划该算法基于力矩和位置反馈。在实际的工业执行器中通常不提供力矩反馈,但是获得力矩反馈信息并不是一个非常复杂的过程。通常电机消耗的电枢电流与相应的力矩成正比。本文提出的算法是基于Delta机器人的逆动力学模型进行递归计算有效负载的有效质量。尽管有效负载的质量有变化,我们假设反馈的频率足够高,使得运载平台的位移、执行器的角位移及其导数在两个相邻的采样时间之间保持不变。因此,该模型中除有效负载的质量外,其他所有项都是已知的。通过电机电流的当前反馈来计算实际负载转矩,并求解真实的有效负载质量或其等效惯性质量。此外,执行器的角位移也作为反馈信息提供给系统,并用于计算其速度和加速度等信息。现在所有实际量是已知信息,这些由Delta机器人的原始动力学模型重新计算并用于运动规划中。结论Delta机器人以其较高的生产效率广泛应用于制造业应用领域。由于其运动规划的不灵活性而在实际操作中受到某种程度上的限制。因此,它的大多数应用局限于如物体的拾取和放置等有效载荷的操作。为了使Delta机器人能够处理多种有效载荷,有必要使用不同的载荷来评估其性能。本文分析了有效载荷不确定性的处理问题,并努力解决由这种不确定性所带来的问题。目前还没有能够适应Delta机器人有效载荷惯性特性的动力学模型,本文选择了基于虚拟工作的可行性动力学模型进行仿真。该动力学模型基本上忽略了运载平台的惯性和它承载的有效载荷,并将它们的质量作为点载荷。因此,通过结合有效载荷质量来提供有效载荷惯性的完全积分与其本身之间的补偿。我们基于以下两个假设来进行仿真:执行器不具有本身的惯性;其位置在理想PID控制器下被控制,系统其它相关参数不受PID控制器的影响。该仿真系统分别基于不同条件下的有效载荷来进行,并来证明有效载荷质量的不确定性确实给机器人性能带来了不利的影响。通过仿真结果判断实际有效负载的质量是否高于动力学模型得估计值,并且可以看出以上结果对系统影响很大。虽然执行器的实际速度、加速度和力矩等曲线与仿真模型计算的曲线类似,它们的误差绝对值可以高达40%,并且它们的瞬时误差可以非常高。前文已经证明了有效载荷的质量变化对Delta机器人的性能产生不利的影响,我们可以利用来自执行器的位置和力矩等反馈信息,将运动规划添加到该系统中。假设接收的反馈信息是实时的,我们可以基于上一个控制信号的反馈信息来递归计算下一个控制信息,并通过Delta机器人的逆动力学模型来计算下一个控制命令。本文所提出的运动规划可控制实际反馈,并尝试通过控制来适应其有效负载质量的实际需求。本文采用适应性运动规划进行仿真,仿真结果证明该方法可以成功地适应实际系统的速度需求。该方法减小了未补偿系统的力矩误差,虽然没有完全消除该误差,但可以得到计算力矩总是小于所需力矩,且该方法能够避免执行器的力矩饱和现象。本文提出了根据Delta机器人的有效负载来自适应的实时建模。如果深入研究,有效载荷的惯性特性也可能得到补偿,但是可能需要通过控制硬件与实时规划算法的紧密结合来实现。