協(xié)作機器人輔助的空間展開機構(gòu)桁架鉸鏈微重力裝配方法

董智軍

摘要：近年來，人工智能和移動機器人領(lǐng)域的快速發(fā)展帶來了越來越多的好處，大到無人駕駛車輛、醫(yī)療服務(wù)型機器人，小到智能手機、智能穿戴設(shè)備等都與人類生活息息相關(guān)。隨著科技進步和生產(chǎn)力的提高，在科研領(lǐng)域中多機器人協(xié)作已成為當(dāng)今多智能體研究領(lǐng)域的熱點。相較于單一智能體系統(tǒng)，多智能體協(xié)作有著區(qū)域覆蓋面廣、環(huán)境適應(yīng)性強、任務(wù)執(zhí)行率高等特點，在該領(lǐng)域中受到廣泛研究人員的青睞。在工業(yè)場景中，協(xié)作機器人正被用于制造業(yè)，例如移動機器人在物流倉庫中有序配送。盡管如此，機器人協(xié)作在民用領(lǐng)域中仍然存在著巨大的挑戰(zhàn)，例如，它們需要與人類進行交互并在未知環(huán)境中部署。在民用應(yīng)用中，搜索與救援是一個關(guān)鍵場景，其中異構(gòu)機器人的協(xié)作有可能通過更快的響應(yīng)時間來拯救生命。在搜救（searchandrescue，SAR）行動中，多機器人協(xié)作也可以顯著提高搜救人員的效率，加快對受害者的搜索。首先，確定搜救范圍并利用無人機做初步探測，實時繪制環(huán)境地圖，同時對搜救行動進行實時監(jiān)測，或建立緊急情況下的通訊網(wǎng)絡(luò)，最后利用無人車進行路徑規(guī)劃、物資運載等。因此，異構(gòu)機器人組合——UAV/UGV的空地協(xié)同系統(tǒng)能夠為搜救和探索行動提供更大的優(yōu)勢。

關(guān)鍵詞：協(xié)作機器人;空間展開機構(gòu);微重力裝配;測量輔助裝配

引言

目前，展開機構(gòu)常用的重力卸載方法有氣浮支撐法、氣球吊掛法、導(dǎo)軌滑車吊掛法等。氣浮支撐法主要適用于展開軌跡復(fù)雜和展開空間較大的機構(gòu)，其優(yōu)點是重力卸載效果好，不引入摩擦力，缺點是占用空間大，管路布局復(fù)雜。氣球吊掛法適用于展開機構(gòu)較小，運動軌跡較短，重力相對較小的情況，優(yōu)點是系統(tǒng)搭建過程簡單方便，缺點是氣球穩(wěn)定性較差，因為受空氣阻力的影響，氣球運動較機構(gòu)滯后，機構(gòu)鎖定后氣球仍在晃動。導(dǎo)軌滑車吊掛法是目前應(yīng)用最廣泛的重力卸載方式，適用范圍較廣，既可用于小型展開機構(gòu)，也可用于中大型展開機構(gòu)，其優(yōu)點是占用空間相對較小、操作簡便、技術(shù)成熟，缺點是引入了導(dǎo)軌滑車的摩擦力，卸載效率較低。

1.一體化關(guān)節(jié)模塊設(shè)計

一體化關(guān)節(jié)驅(qū)動機器人完成各種動作，是協(xié)作機器人的核心部件，一體化關(guān)節(jié)由永磁同步電機、諧波減速機、編碼器、驅(qū)動器及加工的殼體零件等集成，如圖4所示。協(xié)作機器人關(guān)節(jié)伺服系統(tǒng)采用包括位置、速度和電流在內(nèi)的三環(huán)控制結(jié)構(gòu)。能對電壓、電機電流、速度、轉(zhuǎn)子位置等進行檢測，具有過流、過欠壓、過速等故障報警功能，通過CAN總線與機器人控制器通訊，獲取上位機的控制指令，并上報系統(tǒng)的狀態(tài)參數(shù)。

2.桁架鉸鏈空間位姿精確調(diào)整

桁架鉸鏈作為保證空間展開機構(gòu)順利完成展開動作的關(guān)鍵核心組件，要求其在三個坐標軸方向上裝配位置偏差≤0.2mm。傳統(tǒng)的手工裝配方式在綜合考慮重力卸載和裝配精度的情況下需要反復(fù)調(diào)試，該過程費時費力，質(zhì)量一致性難以保證。采用協(xié)作機器人輔助裝配的方式，可以提高裝配過程的自動化和智能化水平，但目前串聯(lián)式協(xié)作機器人的絕對定位精度普遍較低。采用的UR-5機器人，其重復(fù)定位精度為0.03mm，而其絕對定位精度約為2mm，因此無法直接用于空間展開機構(gòu)桁架鉸鏈的裝配。為滿足裝配精度要求，有必要對桁架鉸鏈的位姿偏差進行在線補償。具體為，構(gòu)建協(xié)作機器人的運動學(xué)模型并對其求解，建立機器人空間位姿與6個關(guān)節(jié)變量的映射關(guān)系。通過激光跟蹤儀測量桁架鉸鏈特征點，解算出桁架鉸鏈的實時位姿。通過對比實時位姿與理論位姿，建立誤差模型并標定出機器人6個關(guān)節(jié)變量的誤差值，從而實現(xiàn)誤差的在線補償，最終達到桁架鉸鏈空間位姿精確調(diào)整的目的。

3.空地協(xié)作系統(tǒng)中各智能體的角色和作用

UAV和UGV的特性使二者具有很強的互補性，不同角色與功能的組合使這類空地協(xié)作系統(tǒng)更有前景?首先，在捕捉地面特征時（例如，移動的行人?障礙等），作為執(zhí)行器的UGV通常受到速度?環(huán)境遮擋及交通流等限制，而作為傳感器的UAV則能快速部署，尋找到目標?其次，由于無人機具有高空多自由度作業(yè)的優(yōu)勢，它們的通信能力（例如，北斗/GNSS準確定位?低延時的視頻或數(shù)據(jù)傳輸?shù)龋┍萓GV更難被障礙物阻斷，而UGV受到周圍較高建筑物的影響，容易丟失外部定位信號，也會因自身較低的高度丟失定位信號?因此，位于不同位置的UAV可以作為通信橋梁將UGV與自身間接聯(lián)系起來，確定UGV在真實環(huán)境下的定位?再次，由于自身能量的限制，UAV僅能執(zhí)行短途航行等任務(wù)，而作為載體的UGV則具有較大的載荷能力

4.傳感器設(shè)計的應(yīng)用

為最大程度減小關(guān)節(jié)尺寸，降低關(guān)節(jié)整體質(zhì)量，采用一體化設(shè)計理念，將關(guān)節(jié)輸出軸與傳感器設(shè)計為一體。扭矩傳感器的內(nèi)輪緣與諧波減速器的輸出端柔輪通過諧波壓圈螺栓連接，扭矩傳感器的外輪緣與軸承基座連接，傳感器的末端與絕對值編碼器轉(zhuǎn)子連接，便于對關(guān)節(jié)進行位置控制;同時，采用交叉滾子軸承進行支撐，有效避免軸向力與徑向力對扭矩傳感器的干擾，提高傳感器測量的準確性與可靠性;最后通過輸出轉(zhuǎn)接件將運動傳遞至下一關(guān)節(jié)?；谝惑w化設(shè)計理念，利用輸出軸設(shè)計了一款針對新型協(xié)作機器人關(guān)節(jié)的扭矩傳感器，未增加關(guān)節(jié)尺寸。對傳感器彈性體建立了力學(xué)模型、數(shù)學(xué)優(yōu)化模型、三維仿真模型，利用響應(yīng)面法對傳感器結(jié)構(gòu)參數(shù)進行了優(yōu)化，從而提高傳感器的靈敏度，確保足夠的安全性。結(jié)果驗證，優(yōu)化效果可靠性比較高，傳感器擬合線性度誤差0.75%，滿量程時粘貼區(qū)域平均應(yīng)變?yōu)?159×10-6，安全裕度2.5。同時，本文所采用的分析與優(yōu)化方法也適用于其他尺寸和類型的傳感器。

5.柔性協(xié)作機器人的應(yīng)用

柔性協(xié)作機器人要考慮現(xiàn)實生產(chǎn)作業(yè)環(huán)境，因此必須是一個支持數(shù)據(jù)傳遞與人機配合的環(huán)境，也因此柔性協(xié)作機器人與傳統(tǒng)協(xié)作機器人的設(shè)計初始思路便截然不同，前者的設(shè)計不能僅考慮動力學(xué)、機械設(shè)計，還要加入人機配合設(shè)計、安全性設(shè)計、動力感知，以及一些情感化行為等方面的設(shè)計。在柔性機器人的制作過程中，珞石采用了虛擬樣機仿真平臺，將機械臂放入虛擬樣機，通過控制器可以看到機器人鋼體，在柔性協(xié)作的環(huán)境下，給機器一些模擬的力的感知與視覺感知，觀察機械臂在場景中如何運動。通過虛擬樣機仿真平臺，可以大幅降低試制成本，加速機器人的開發(fā)周期。另外，還有熱仿真分析平臺，為了避免機器人運動過熱造成機器人故障以及性能下降等問題，加強機器人對環(huán)境溫度的適應(yīng)性，熱仿真分析平臺可以仿真優(yōu)化機器人散熱與極限運行工況，通過熱仿真分析，為機器人及控制柜提供溫度解決方案前期驗證。

結(jié)束語

著眼于協(xié)作帶電操作機器人的廣泛應(yīng)用需求，本文將協(xié)作機器人應(yīng)用于高壓帶電操作中，實現(xiàn)了機器人伺服電機、減速器、控制器、操作系統(tǒng)等全部核心部件和關(guān)鍵技術(shù)的自主可控，通過機器人性能測試，現(xiàn)場高壓帶電作業(yè)試驗，驗證了機器人的各項性能完全滿足高壓帶電操作機器人的要求，為高壓帶電操作機器人的推廣和應(yīng)用打下了堅實的基礎(chǔ)。

參考文獻：

[1]楊鋒，胡逸波，劉貢平，韓冰，方強，魏燕定.基于協(xié)作機器人的飛機總裝駕駛方向盤操縱曲線測試[J].科學(xué)技術(shù)與工程，2021，21（15）：6506-6512.

[2]侯志剛，張云海，胡斌，方寶晟，徐從旺，崔華飛.協(xié)作機器人抓握式柔性夾持器設(shè)計[J].現(xiàn)代制造工程，2021（05）：47-52.

[3]王暢，王國輝，施智平，關(guān)永，張倩穎，邵振洲.協(xié)作機器人逆運動學(xué)形式化建模與驗證[J].小型微型計算機系統(tǒng)，2021，42（07）：1353-1359.

[4]譚東旭.基于仿生行為的多水下機器人自主協(xié)作策略[D].沈陽理工大學(xué)，2021.

[5]黃玉林，陳乃建，范振，張來偉.基于人機協(xié)作的機器人柔順示教及再現(xiàn)[J].濟南大學(xué)學(xué)報（自然科學(xué)版），2021，35（02）：108-114.