Antecedentes de la aplicación:
Bajo el trasfondo de "Industria 4.0" y "Hecho en China 2025", para adaptarse a las características cambiantes de la industria moderna y cumplir con los requisitos de complejidad creciente, los robots no solo deben poder completar tareas repetitivas Trabaje de manera estable durante mucho tiempo, pero también sea inteligente, en red, abierto y compatible con humanos y computadoras.
Como un aspecto importante del desarrollo continuo y la innovación de los robots industriales, la tecnología de enseñanza se está desarrollando en la dirección de facilitar la programación de enseñanza rápida y mejorar las capacidades de colaboración hombre-máquina. La caja de enseñanza tradicional, que tiene las aplicaciones más prácticas, requiere que el operador tenga un cierto nivel de conocimiento y experiencia en tecnología de robots, y la eficiencia de enseñanza es relativamente baja. En comparación con el método de enseñanza de la caja de enseñanza, el método de enseñanza de arrastre no requiere que el operador domine ningún conocimiento y experiencia del robot, y la operación es simple y rápida, lo que mejora en gran medida la amabilidad y la eficiencia de la enseñanza.
Conceptos relacionados:
1. Arrastra la enseñanza
Se refiere al movimiento del brazo operativo en la dirección de la fuerza humana bajo la tracción del operador (extremo de tracción o tracción de un determinado brazo operativo). Esta función puede planificar fácilmente trayectorias (para tareas con baja precisión de trayectoria de proceso), lo que permite a los operadores registrar y reproducir trayectorias sin necesidad de programación manual, lo que reduce el umbral para los operadores y mejora la eficiencia.
2. Enseñanza de arrastre basada en sensores
La enseñanza de arrastre tradicional se basa en sensores de torsión multidimensionales externos (incluidos el tipo de base, el tipo de articulación y el tipo de extremo) del robot, que utilizan la información de torsión obtenida por los sensores para calcular la dirección y la velocidad de movimiento deseadas. Aunque este método puede mejorar la precisión del control, también genera mayores costos e inconvenientes en la instalación y el mantenimiento. El coste de los sensores de alta precisión es incluso superior al de la propia máquina.
3. Enseñanza de arrastre basada en control de par para equilibrio de fuerza cero
Para robots industriales rígidos, sin aumentar los costos de fabricación y mantenimiento, con la ayuda del modelo dinámico del robot, el controlador puede calcular el par requerido para que el robot sea arrastrado en tiempo real y luego proporcionar este par al motor, lo que permite el robot para ayudar eficazmente al operador en el arrastre, cumpliendo con los requisitos de una buena interacción hombre-máquina.
Métodos de control:
Existen varios métodos para controlar el movimiento de una serie de brazos robóticos, entre los cuales hay tres representativos: control de doble bucle anidado de articulación independiente, doble bucle anidado de articulación independiente más control de compensación de gravedad/fricción, control de par calculado y control de aprendizaje de arrastre. . A continuación se muestra una breve comparación:
1. Control de lazo doble anidado de junta independiente: se refiere al uso de dos controles de lazo cerrado separados para cada junta, siendo el lazo de control externo el lazo de control de ángulo de la junta y el lazo de control interno el lazo de control de velocidad angular de la junta. Este método es el método de control de robot más antiguo, solo comienza desde una perspectiva de control de motor simple, sin considerar los cambios en la carga del motor con el movimiento, por lo que este método tiene poca precisión de seguimiento.
2. Doble lazo anidado de junta independiente con control de compensación de gravedad/fricción: Sobre la base del control de doble lazo anidado de junta independiente, la compensación anticipada de la gravedad y la fricción se aplica directamente al extremo de salida del par. Este algoritmo tiene en cuenta los factores principales de par, gravedad y fricción, ya que estos dos pares representan una gran proporción de todos los pares del robot en condiciones normales de trabajo. A velocidades más altas, también se pueden agregar el par de aceleración, la fuerza centrífuga y el par de fuerza de Coriolis (por lo general, esto no se hace porque el ruido de aceleración angular obtenido por la diferencia del sensor es demasiado grande). Este método de control se usa más comúnmente en robots industriales, que es el método adoptado en este caso.
3. Control de par calculado: este modo de control se basa en la premisa de que el modelo dinámico es muy preciso. Después de agregar el par de gravedad, la fuerza de Coriolis, el par de fuerza centrífuga y el par de fricción al feedforward, el sistema se puede simplificar a un sistema de segundo orden. Luego, el sistema de segundo orden se puede colocar en un estado de amortiguación crítico ajustando el coeficiente de ángulo y la retroalimentación de velocidad angular, y el sistema de control del robot tiene un buen rendimiento de control. La dificultad de este método de control radica en poder establecer el modelo con suficiente precisión, que es una de las direcciones típicas de investigación.
4. Enseñanza de arrastre: la enseñanza consiste en compensar el par pesado y el par de fricción de acuerdo con la posición y la velocidad actuales, y luego el brazo operativo se mueve a lo largo de la dirección de la fuerza ejercida por la persona.