改進(jìn)型神經(jīng)網(wǎng)絡(luò)在木件打磨機(jī)器人中的應(yīng)用

張連濱， 葛浙東， 鞠明遠(yuǎn)， 劉存根， 周玉成

(山東建筑大學(xué)信息與電氣工程學(xué)院，山東 濟(jì)南 250101)

研究與設(shè)計(jì)

改進(jìn)型神經(jīng)網(wǎng)絡(luò)在木件打磨機(jī)器人中的應(yīng)用

張連濱， 葛浙東， 鞠明遠(yuǎn)， 劉存根， 周玉成

(山東建筑大學(xué)信息與電氣工程學(xué)院，山東 濟(jì)南 250101)

針對(duì)木件機(jī)械打磨加工效率低、產(chǎn)品質(zhì)量差等問(wèn)題，提出一種打磨軌跡跟蹤算法，該算法是對(duì)模糊算法和神經(jīng)網(wǎng)絡(luò)算法的結(jié)合及改進(jìn)。闡述了打磨機(jī)器人的系統(tǒng)結(jié)構(gòu)，并針對(duì)兩關(guān)節(jié)機(jī)器人建立動(dòng)力學(xué)模型，基于打磨軌跡跟蹤算法設(shè)計(jì)了模糊神經(jīng)網(wǎng)絡(luò)控制器。利用Simulink軟件對(duì)打磨軌跡跟蹤算法進(jìn)行仿真試驗(yàn)，結(jié)果表明：改進(jìn)型神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法相比，0時(shí)刻開(kāi)始，跟蹤誤差均在±0.01 mm范圍內(nèi)，系統(tǒng)很好地完成了啟動(dòng)控制，并且打磨機(jī)器人在1 s時(shí)即可以實(shí)現(xiàn)極小誤差的曲線打磨軌跡跟蹤。該算法可有效控制打磨機(jī)器人的運(yùn)動(dòng)軌跡，工作時(shí)機(jī)器人運(yùn)行穩(wěn)定可靠，加工效率高。

木件打磨機(jī)器人；軌跡跟蹤；模糊算法；Simulink仿真

機(jī)器人代替人力勞動(dòng)是衡量一個(gè)國(guó)家工業(yè)化水平的重要標(biāo)志之一，機(jī)器人自動(dòng)化、智能化程度越來(lái)越高是科技進(jìn)步的表現(xiàn)，其中打磨機(jī)器人就是利用機(jī)器人的人工智能完成木件打磨工作[1]，以確保木件上膠后的表面光滑。目前國(guó)內(nèi)的工廠大多是由工人手持拋光機(jī)對(duì)木件進(jìn)行半自動(dòng)化拋光，這種方式作業(yè)速度慢、效率低，而且工人操作存在技術(shù)上的差異，容易出現(xiàn)尺寸誤差，影響整體效果。另外，加工過(guò)程中產(chǎn)生的大量木屑會(huì)對(duì)操作人員的身體造成傷害，因此實(shí)現(xiàn)機(jī)器人高精度打磨拋光作業(yè)已引起人們的高度重視[2-6]。

國(guó)內(nèi)外對(duì)打磨機(jī)器人的研究很多，J H Alm[7]開(kāi)發(fā)了一種基于五軸打磨機(jī)器人和氣動(dòng)打磨頭的智能打磨系統(tǒng)來(lái)改善模具表面的質(zhì)量；Luis等[8]提出了一種基于高水平任務(wù)圖像描述的機(jī)器人拋光任務(wù)自動(dòng)規(guī)劃方法；黃玉釧[9]通過(guò)建立六自由度打磨機(jī)器人運(yùn)動(dòng)學(xué)模型獲得了機(jī)器人運(yùn)動(dòng)學(xué)的正反解，在運(yùn)動(dòng)學(xué)的基礎(chǔ)上設(shè)計(jì)了機(jī)器人張量積曲面的路徑規(guī)劃方案。機(jī)器人打磨木件時(shí)，因木件并非結(jié)構(gòu)化，密度和硬度均存在差異，而且在打磨作業(yè)過(guò)程中還存在各種動(dòng)力學(xué)非線性和不確定性的干擾，故需要采用智能控制策略來(lái)提高打磨機(jī)器人的軌跡跟蹤性能。

本研究設(shè)計(jì)了一種將模糊算法和神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的打磨機(jī)器人控制方案。這種改進(jìn)型神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相比，可以補(bǔ)償機(jī)械臂打磨環(huán)境的不確定性，使網(wǎng)絡(luò)的學(xué)習(xí)與系統(tǒng)的實(shí)際軌跡跟蹤過(guò)程相適應(yīng)，為打磨機(jī)器人完成木件的高精度打磨提供了更可靠的方法，具有較好的實(shí)時(shí)性和很大的優(yōu)越性。

1 打磨機(jī)器人系統(tǒng)與工作流程

打磨機(jī)器人系統(tǒng)組成如圖1所示，其主要由機(jī)器人主車、機(jī)器人副車、機(jī)器人控制柜、人機(jī)交互界面、打磨工具、廢屑處理裝置、力-力矩傳感器及位置控制器等組成。其中，機(jī)器人主車包括機(jī)械手臂的支撐裝置和進(jìn)給裝置，用來(lái)保證打磨工具的進(jìn)給和整個(gè)機(jī)械臂的支撐；機(jī)器人副車用來(lái)運(yùn)輸和固定打磨工件；力-力矩傳感器安裝在機(jī)器人末端，用來(lái)測(cè)量所受力和力矩的大??；打磨工具安裝在力矩傳感器的測(cè)量面，用來(lái)實(shí)時(shí)反饋力矩信息；人機(jī)交互界面用來(lái)規(guī)劃打磨工具在待加工木件上的打磨路徑，其輸出和機(jī)器人控制柜相連。

打磨機(jī)器人的木件打磨過(guò)程為：首先機(jī)器人副車將待打磨木件運(yùn)送到指定位置固定，人機(jī)交互界面對(duì)待打磨工件的路徑進(jìn)行規(guī)劃，并將規(guī)劃完的機(jī)器人末端位置信息傳遞給位置控制器，位置控制器驅(qū)動(dòng)機(jī)器人到達(dá)指定位置開(kāi)始打磨。同時(shí)，力-力矩傳感器測(cè)量打磨工具和打磨木件之間力的大小，并將測(cè)量的信息傳遞給力控制器，力控制器根據(jù)測(cè)量的信息對(duì)機(jī)器人進(jìn)行調(diào)節(jié)以保持打磨工具和加工件之間的力相對(duì)恒定。最后，廢屑處理裝置將打磨完的廢屑進(jìn)行處理，以保證整個(gè)打磨效果。

2 打磨機(jī)器人動(dòng)力學(xué)建模

打磨機(jī)器人的機(jī)械手可以看作是一個(gè)開(kāi)鏈?zhǔn)絼傂远噙B桿機(jī)構(gòu)。機(jī)器人末端操作器與木件等打磨面接觸時(shí)，其動(dòng)力學(xué)方程[10-11]如下：

(1)

3 神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)

圖2 神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)θd1、θd2.兩關(guān)節(jié)的期望位置；θ1、θ2.兩關(guān)節(jié)的實(shí)際位置；e1、e2.兩關(guān)節(jié)的位置誤差；ec1、ec2.兩關(guān)節(jié)的位置誤差變化率；t1、t2.作用于兩關(guān)節(jié)的轉(zhuǎn)矩

打磨機(jī)器人通過(guò)神經(jīng)網(wǎng)絡(luò)控制器實(shí)時(shí)跟蹤打磨軌跡，在訓(xùn)練初期，采用模糊算法優(yōu)化系統(tǒng)啟動(dòng)跟蹤控制，隨著打磨過(guò)程的進(jìn)行，控制器綜合考慮系統(tǒng)的參考輸入θd1、θd2和跟蹤誤差e1、e2，使模糊算法的輸出及其變化ec1、ec2趨于零，逐步取消模糊算法的作用，使機(jī)器人打磨路徑逼近理想打磨軌跡。

3.1 神經(jīng)網(wǎng)絡(luò)模型建立

神經(jīng)網(wǎng)絡(luò)是一種采用高斯型基函數(shù)來(lái)實(shí)現(xiàn)輸出層同隱含層之間映射的神經(jīng)網(wǎng)絡(luò)。根據(jù)打磨機(jī)器人系統(tǒng)的特點(diǎn)，以機(jī)器人打磨位置偏差和偏差變化率為控制器輸入層函數(shù)，以作用于機(jī)器人的轉(zhuǎn)矩作為輸出層目標(biāo)，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型。

(1)輸入層：其節(jié)點(diǎn)的輸出為：

f1(i)=xi

(2)

(2)隸屬函數(shù)層：該層的每個(gè)節(jié)點(diǎn)具有隸屬函數(shù)的功能，對(duì)第j個(gè)節(jié)點(diǎn)：

(3)

式中：cij和bj分別為第i個(gè)輸入變量的第j個(gè)集合高斯函數(shù)的均值和標(biāo)準(zhǔn)差。

(3)規(guī)則層：該層通過(guò)與模糊化層的連接來(lái)完成模糊規(guī)則的匹配，各個(gè)節(jié)點(diǎn)之間實(shí)現(xiàn)模糊運(yùn)算，每個(gè)節(jié)點(diǎn)j的輸出為該節(jié)點(diǎn)所有輸入信號(hào)的乘積，即：

(4)

(4)輸出層：該層每個(gè)節(jié)點(diǎn)的輸出為該節(jié)點(diǎn)所有輸入信號(hào)的加權(quán)和，即：

(5)

式中：l為輸出層節(jié)點(diǎn)的個(gè)數(shù)；w為輸出節(jié)點(diǎn)與第三層各節(jié)點(diǎn)的連接權(quán)矩陣。

3.2 模糊算法優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值

利用模糊算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，以便在解空間時(shí)能夠確定較好的搜索空間，防止神經(jīng)網(wǎng)絡(luò)的搜索陷入局部極值。具體優(yōu)化算法如下：

(1)模糊化：設(shè)打磨機(jī)械臂接近工作面的方向?yàn)檎较?，遠(yuǎn)離工作面的方向?yàn)樨?fù)方向。位置誤差e1、e2，位置誤差變化量ec1、ec2和控制量U的模糊集如下：

(2)建立模糊控制規(guī)則：結(jié)合打磨機(jī)器人在拋光木件等物件時(shí)的控制經(jīng)驗(yàn)，對(duì)模糊控制的規(guī)則定義如下：①誤差e1、e2較小，而且誤差不變時(shí)，即誤差變化率ec1、ec2為0，此時(shí)機(jī)械臂砂輪正沿著理想軌跡運(yùn)行；②當(dāng)誤差變化率ec1、ec2變化較大時(shí)，說(shuō)明機(jī)械臂末端正在偏離期望軌跡，這時(shí)則需要調(diào)整機(jī)械臂砂輪打磨的進(jìn)給速率。模糊規(guī)則見(jiàn)表1。

表1 模糊規(guī)則表

Uec1、ec2ZEPMPBNBZENMNBNMZENMNBe1、e2ZEZEPMPBPMZEPMPBPBZENMNB

(3)反模糊化：對(duì)應(yīng)輸入模糊論域中的相應(yīng)元素，查模糊控制查詢表，求得模糊輸出量，再乘以輸出量化因子即可得到實(shí)際輸出量。將模糊化輸出量的各個(gè)元素與其相對(duì)應(yīng)的論域相乘取平均值。在本文中采用面積重心法將模糊控制量轉(zhuǎn)化為清晰的量，根據(jù)定義的規(guī)則，調(diào)節(jié)速度比率，從而維持一個(gè)相對(duì)穩(wěn)定的加工過(guò)程。

3.3 模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練

取ym(k)=f4，ym(k)和y(k)分別表示網(wǎng)絡(luò)輸出和理想輸出。網(wǎng)絡(luò)輸入為u(k)和y(k)，網(wǎng)絡(luò)輸出為ym(k)，則網(wǎng)絡(luò)逼近誤差e(k)為：

e(k)=y(k)-ym(k)

(6)

(1)采用梯度下降法來(lái)修正可調(diào)參數(shù)，定義目標(biāo)函數(shù)為：

(7)

(2)修正輸入隸屬函數(shù)參數(shù)：

其中，

(8)

(3)隸屬函數(shù)參數(shù)學(xué)習(xí)算法為：cij(k)=cij(k-1)+Δcij(k)+α(cij(k-1)-cij(k-2))bj(k)=bj(k-1)+Δbj(k)+α(bj(k-1)-bj(k-2))

(9)

(4)通過(guò)以下方式來(lái)調(diào)整輸出層的權(quán)值：

(10)

則輸出層的權(quán)值學(xué)習(xí)算法為：

w(k)=w(k-1)+Δw(k)+α(w(k-1)-w(k-2))

(11)

式中：η為學(xué)習(xí)速率；α為動(dòng)量因子。

模糊神經(jīng)網(wǎng)絡(luò)控制器綜合考慮了系統(tǒng)的參考輸入和跟蹤誤差，通過(guò)上述的算法，不斷逼近理想打磨軌跡，使模糊算法的輸出及其變化趨于0，從而逐步取消模糊算法的作用，實(shí)現(xiàn)對(duì)系統(tǒng)的高精度跟蹤控制。

4 Simulink仿真結(jié)果與分析

圖3 基于神經(jīng)網(wǎng)絡(luò)與改進(jìn)型神經(jīng)網(wǎng)絡(luò)打磨軌跡跟蹤曲線對(duì)比

圖3(a)為基于神經(jīng)網(wǎng)絡(luò)算法的打磨軌跡跟蹤誤差曲線，從中可以看出機(jī)器人打磨初期誤差較大；圖3(b)為采用改進(jìn)型神經(jīng)網(wǎng)絡(luò)算法的打磨軌跡跟蹤誤差曲線，從0時(shí)刻開(kāi)始，跟蹤誤差均在±0.1 mm范圍內(nèi)，系統(tǒng)能很好地完成啟動(dòng)控制，在1 s內(nèi)即可很好地完成打磨軌跡跟蹤，明顯比采用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法打磨效果好。

5 結(jié)論

(1)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法在機(jī)器人打磨路徑規(guī)劃中具有較強(qiáng)的實(shí)用性，可以解決木件機(jī)械打磨、加工過(guò)程中產(chǎn)品加工質(zhì)量差等問(wèn)題。

(2)提出了模糊算法和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法相結(jié)合的控制方案，并構(gòu)建了機(jī)器人打磨系統(tǒng)，其適用于打磨機(jī)器人路徑規(guī)劃，而且比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法更具優(yōu)越性，對(duì)纖維板、刨花板、顆粒板的原材料加工和生產(chǎn)具有廣泛的應(yīng)用價(jià)值。

[1] 賀廉云.樓道清潔機(jī)器人的設(shè)計(jì)[J].農(nóng)業(yè)裝備與車輛工程，2012，50(8)：71-73.

[2] 張秀珩，柳洪義，羅忠.基于旋量理論的打磨機(jī)器人位置精度分析[J].機(jī)床與液壓，2016，44(19)：29-33.

[3] 汪源，朱偉，沈惠平.一種復(fù)雜曲面打磨機(jī)器人自適應(yīng)貼合柔性機(jī)構(gòu)研究[J].機(jī)械科學(xué)與技術(shù)，2015，34(8)：1171-1176.

[4] 蔡小娜，張國(guó)梁，何燕麗，等.基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的竹粉模壓花盆跌落沖擊響應(yīng)預(yù)測(cè)[J].木材加工機(jī)械，2016，27(2)：17-20.

[5] 楊衛(wèi)杰，孟兆新，秦國(guó)新.聯(lián)合采伐機(jī)六足行走裝置單足力學(xué)解算與分析[J].森林工程，2015，31(1)：66-69.

[6] 崔曦元，楊茉.自主行走管道清洗機(jī)器人設(shè)計(jì)[J].林業(yè)機(jī)械與木工設(shè)備，2016，44(8)：19-21.

[7] J H Ahm.Intelligently Automated Polishing for High Quality Surface Formation of Seulptured Die [J].Journal of Materials Processing Technology，2002(130 /131)：339-344.

[8] Luis Basanez，Jan Rosell.Robotic Polishing Systems[J].IEEE Robotics & Automation Magazine，2005(9)：35-43.

[9] 黃玉釧.六自由度打磨機(jī)器人張量積曲面軌跡規(guī)劃仿真[J].計(jì)算機(jī)仿真，2015，32(7)：348-351.

[10] 張立勛，卜遲武.風(fēng)機(jī)葉片打磨機(jī)器人的動(dòng)力學(xué)控制[J].機(jī)械設(shè)計(jì)，2011，28(6)：29-32.

[11] Tian F，Li Z，Lv C，et al.Polishing pressure investigations of robot automatic polishing on curved surfaces[J].International Journal of Advanced Manufacturing Technology，2016，87(1-4)：1-8.

(責(zé)任編輯 張雅芳)

Application of Improved Neural Network in Woodpiece Polishing Robot

ZHANG Lian-bin， GE Zhe-dong， JU Ming-yuan， LIU Cun-gen， ZHOU Yu-cheng

(School of Information and Electrical Engineering，Shandong Jianzhu University，Jinan Shandong 250101，China)

In view of the problems of low polishing efficiency and poor product quality of wood machinery，the paper puts forward a polishing trajectory tracking algorithm，which is a combination and also improvement of a fuzzy algorithm and a neural network algorithm.Firstly，the robot manipulator’s polishing system composition is stated，a kinetic model is established based on two-joint robots and based on the polishing trajectory tracking algorithm，a fuzzy neural network controller is designed.Simulink software is used to conduct simulation testing on the polishing trajectory tracking algorithm，with the result showing that compared with the traditional neural network algorithm，the improved neural network starts at 0：00，with tracking error within 0.01mm，the system able to complete startup control wonderfully.The polishing robot can realize curve polishing trajectory tracking in 1s.This algorithm can be used to effectively control the trajectory of polishing robots，contributing to the stable and reliable robot operation during work and high processing efficiency.

woodpiece polishing robot；trajectory tracking；fuzzy algorithm；Simulink simulation

2017-01-13

山東省泰山學(xué)者優(yōu)勢(shì)特色學(xué)科人才團(tuán)隊(duì)支持計(jì)劃項(xiàng)目(2015162)；博士基金項(xiàng)目“基于X射線的木結(jié)構(gòu)建筑用材無(wú)損檢測(cè)系統(tǒng)研究”(XNBS1622)

張連濱(1991-)，男，山東肥城人，在讀碩士研究生，主要研究方向?yàn)橹悄芸刂婆c機(jī)器人系統(tǒng)，E-mail：869017798@qq.com。

TS642

A

2095-2953(2017)04-0019-04