[发明专利]一种机器人铣削加工末端变形误差超前感知方法

权利要求书

1.一种机器人铣削加工末端变形误差超前感知方法，其特征在于，该方法包括下列步骤：

S1将机器人的可达空间划分为多个区域，在每个区域内选择一个子区域，在该子区域内规划多条标准零件刀路以及每条刀路对应的铣削深度、进给速度、刀具转速和机器人姿态，以此获得所有区域内各个子区域中所有的标准零件刀路；

S2将工件放置在所述子区域中，按照每个子区域内不同的标准零件刀路进行实际铣削加工，接着根据每条标准零件刀路进行空切，利用实际铣削加工和空切对应的末端轨迹位移偏移量计算机器人末端刀具的变形误差，以此获得每条标准零件刀路对应的末端刀具变形误差；

S3以所有刀路对应的铣削力、进给速度、刀具转速和机器人姿态作为输入，末端刀具变形误差作为输出，建立末端刀具变形误差的预测模型；

S4对于实际加工刀路，构建对应刀具的铣削力模型，将每个离散区间内计算得到的铣削力系数更新至铣削力模型以预测下一刀位点的铣削力；计算下个刀位点的关节角；利用计算获得的下个刀位点的关节角、铣削力以及实际加工刀路预设的刀具转速和进给速度，采用所述预测模型预测下个刀位点在刀具坐标系下的末端刀具变形误差，以此实现变形误差的超前感知；

在步骤S3中，在构建所述预测模型之前，还需将铣削力、进给速度、刀具转速、机器人姿态以及末端刀具变形误差形成的数据集进行降维处理，其中降维采用的方法为主成分分析法；

在步骤S3中，所述预测模型按照下列关系式进行：

其中，d＝X,Y,Z，d是方向，分别是X、Y和Z三个方向，p_d是概率分布函数，e_d指降维数据集中的变形误差，和α_dM为最大似然参数参数估计值，N是变形误差的正态分布，e_d*为刀具坐标系{Tool}下三向变形误差的预测值，y_d*和是三向变形误差概率分布函数对应的正态分布N的均值和方差；e_X*是刀具坐标系{Tool}下X方向的变形误差预测值，e_Y*是刀具坐标系{Tool}下Y方向的变形误差预测值，e_Z*是刀具坐标系{Tool}下Z方向的变形误差预测值，是刀具坐标系{Tool}下X方向变形误差预测模型的权值向量，是刀具坐标系{Tool}下Y方向变形误差预测模型的权值向量，是刀具坐标系{Tool}下Z方向变形误差预测模型的权值向量，x_*是降维后的待预测样本，φ(x_*)是x_*代入核函数计算得到的矩阵。

2.如权利要求1所述的一种机器人铣削加工末端变形误差超前感知方法，其特征在于，在步骤S2中，所述刀具末端的变形误差按照下列关系是计算：

e_l(t)＝e_l1(t)-e_l2(t)

其中，e_l(t)为机器人执行标准零件刀路S_l时末端实际变形误差，e_l1(t)为机器人在执行标准零件刀路S_l时末端轨迹的位移偏移量，e_l2(t)为机器人空刀执行标准零件刀路S_l时末端轨迹的位移偏移量。

3.如权利要求1所述的一种机器人铣削加工末端变形误差超前感知方法，其特征在于，在步骤S4中，所述构建铣削力模型按照下列步骤进行：

S41将所述实际加工刀路进行离散，以此获得多个加工刀位点；

S42对于第i个刀位点，测量第i-1刀位点至第i刀位点区间段内的铣削力数据，将该铣削力代入构建的初步铣削力模型中，以此计算该初步铣削力模型中的未知参数；

S43将步骤S42中求解获得的未知参数代入所述初步铣削力模型中，以此获得最终第i+1刀位点的铣削力模型。