輕型柔性抓紗機(jī)械臂的結(jié)構(gòu)設(shè)計(jì)與誤差補(bǔ)償

李靖宇 沈丹峰 王玉 李耀杰

摘要： ??自動(dòng)換紗是紡織企業(yè)智慧車間的重要環(huán)節(jié)，為了提高織布車間緯紗筒子更換效率，機(jī)械臂采用輕型碳纖維材料，本文對(duì)抓紗機(jī)械臂進(jìn)行3D建模，設(shè)計(jì)了一個(gè)五自由度抓紗機(jī)械臂和三指式末端執(zhí)行器。提出了一種輕型柔性抓紗機(jī)械臂的誤差模型，其中連桿的柔性誤差對(duì)抓取的精度有較大的影響，通過有限元分析軟件得出連桿的靜力學(xué)仿真，并對(duì)比柔性機(jī)械臂模型得出的結(jié)果，確保各環(huán)節(jié)分析數(shù)據(jù)的準(zhǔn)確性。針對(duì)機(jī)構(gòu)所產(chǎn)生的柔性誤差， 利用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本和誤差前饋補(bǔ)償策略，減小機(jī)械臂運(yùn)動(dòng)過程中的靜態(tài)誤差。仿真結(jié)果表明，補(bǔ)償后誤差分布大幅度減小，提高了更換筒子紗的準(zhǔn)確性和魯棒性。

關(guān)鍵詞： ?紡織機(jī)械;自動(dòng)換紗;抓紗機(jī)械臂;柔性誤差;BP神經(jīng)網(wǎng)絡(luò);誤差前饋補(bǔ)償策略

中圖分類號(hào)： TS103.1;TP391

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)： 1001 7003（2022）03 0052 07

引用頁碼： 031108

DOI： 10.3969/j.issn.1001-7003.2022.03.008 （篇序）

近年來，材料科學(xué)、計(jì)算機(jī)等相關(guān)技術(shù)不斷進(jìn)步，使得機(jī)械臂應(yīng)用領(lǐng)域日益廣泛，功能需求也日漸細(xì)化。同時(shí)，針對(duì)紡織業(yè)中筒子紗的搬運(yùn)和更換，輕型機(jī)械臂也有較好的應(yīng)用效果。筒子紗存在于紡織生產(chǎn)中的多道工序中，比如絡(luò)筒、整經(jīng)、織布等，而不同的生產(chǎn)工序要求機(jī)械臂能夠快速攜帶筒子紗的移動(dòng)，故輕型機(jī)械臂利用其質(zhì)量低、轉(zhuǎn)動(dòng)慣量小、移動(dòng)靈活且功耗低等特點(diǎn)，在復(fù)雜多變的工況下具備較高的作業(yè)效率。因此，以無梭織機(jī)車間緯紗筒子的自動(dòng)搬運(yùn)更換為研究背景，緯紗架上的紗筒采用機(jī)械手更換是目前的工廠自動(dòng)化研究方向。

本文采用誤差前饋補(bǔ)償?shù)姆椒ㄍ瓿闪藢?duì)輕型抓紗機(jī)械臂誤差模型的修正。對(duì)于機(jī)械臂的誤差分析與修正，譚月勝等? [1] 以IRB140型剛?cè)狁詈系拇?lián)機(jī)械臂為研究對(duì)象，結(jié)合ANSYS和ADAMS軟件對(duì)機(jī)械臂末端位置運(yùn)動(dòng)做誤差仿真，提出基于BP網(wǎng)絡(luò)的偽坐標(biāo)點(diǎn)法對(duì)位置誤差進(jìn)行補(bǔ)償，但關(guān)節(jié)驅(qū)動(dòng)電機(jī)、機(jī)械臂啟動(dòng)時(shí)末端震動(dòng)等因素對(duì)末端綜合運(yùn)動(dòng)誤差造成了較大影響。吳昊等? [2] 為了提高柔性機(jī)械臂的末端軌跡的精度，提出了一種線性且連續(xù)化模型預(yù)測(cè)的控制方法，但該機(jī)構(gòu)產(chǎn)生的關(guān)節(jié)柔性會(huì)使機(jī)械臂的動(dòng)作非常緩慢，同時(shí)也可能產(chǎn)生明顯的振蕩。陳宵燕等? [3] 針對(duì)串聯(lián)多模式機(jī)器人及誤差修正進(jìn)行了相關(guān)研究，設(shè)計(jì)了幾何和柔性誤差模型，提出了一種線性遞減權(quán)重的粒子群算法。邢強(qiáng)等? [4] 根據(jù)工業(yè)機(jī)器人零部件的加工、裝配及安裝誤差，研究了機(jī)器人零部件的位置誤差對(duì)末端位置精度的影響，對(duì)機(jī)器人制造公差的設(shè)置與優(yōu)化提供了參考依據(jù)，但大臂和腰部的關(guān)節(jié)軸線異面垂直存在擾動(dòng)時(shí)，需要重新定義坐標(biāo)系。張旭祥等? [5] 為了獲得平面冗余并聯(lián)機(jī)器人運(yùn)動(dòng)副間隙誤差變化關(guān)系，引入彈簧阻尼法理論基礎(chǔ)建立含關(guān)節(jié)間隙的并聯(lián)機(jī)構(gòu)虛擬樣機(jī)，完成含有不同運(yùn)動(dòng)副間隙誤差的并聯(lián)機(jī)器人的運(yùn)動(dòng)仿真，但隨著關(guān)節(jié)間隙越大，末端點(diǎn)偏離標(biāo)準(zhǔn)軌跡的幾率越高，機(jī)構(gòu)運(yùn)行精度隨之降低。沈丹峰等? [6] 參考固高GPM2012機(jī)器人，選取順時(shí)針構(gòu)型，建立了該機(jī)構(gòu)的輸出點(diǎn)位置方程組和誤差方程，運(yùn)用泰勒展開式獲得了誤差項(xiàng)。高田田等? [7] 提出了基于極坐標(biāo)建模和優(yōu)化粒子群算法的足球機(jī)器人路徑規(guī)劃方法，根據(jù)路徑點(diǎn)和障礙物點(diǎn)距離的關(guān)系判斷是否進(jìn)行路徑規(guī)劃。TAN? [8] 利用壓縮感知法對(duì)串聯(lián)機(jī)械臂的幾何誤差給予了補(bǔ)償。VOLECH等? [9] 在機(jī)器人的減速器和柔性連桿仿真時(shí)獲得了機(jī)器人末端的變形量，以輸入整形法對(duì)機(jī)器人末端進(jìn)行了補(bǔ)償。LIU等? [10] 利用七次多項(xiàng)式聯(lián)合粒子群算法對(duì)機(jī)械臂關(guān)節(jié)進(jìn)行軌跡規(guī)劃，減小了機(jī)械臂末端的綜合誤差，而通過運(yùn)動(dòng)學(xué)標(biāo)定方法減小柔性誤差時(shí)，其效果不佳。齊俊德等? [11] 為了提高機(jī)器人的絕對(duì)定位精度，對(duì)柔度誤差進(jìn)行解耦，并考慮了機(jī)器人基于坐標(biāo)系與測(cè)量坐標(biāo)系的轉(zhuǎn)換誤差，平均絕對(duì)定位精度由補(bǔ)償前的1.173 mm降至補(bǔ)償后的0.158 mm。付鵬強(qiáng)等? [12] 針對(duì)航空制造業(yè)中工業(yè)機(jī)器人存在的實(shí)際位姿與理論位姿偏差問題，解析了對(duì)飛機(jī)零部件連接性能產(chǎn)生的影響，根據(jù)闡述的運(yùn)動(dòng)學(xué)建模、位姿測(cè)量、運(yùn)動(dòng)學(xué)參數(shù)誤差辨識(shí)及誤差補(bǔ)償?shù)汝P(guān)鍵步驟，歸納總結(jié)各步驟中存在的問題和可能的解決方案。董大釗等? [13] 為了解決工件與柔性夾具相對(duì)位置具有不確定性的問題，提出了基于視覺引導(dǎo)的機(jī)器人裝配位姿在線校正算法，將工件位姿校正量分解為原始位姿差、旋轉(zhuǎn)引入位姿差及殘余位姿差三部分，實(shí)驗(yàn)過程中裝配成功率達(dá)到99.67 % 。張樹梅等? [14] 以6-PTRT并聯(lián)機(jī)器人為研究對(duì)象，利用單支鏈閉環(huán)矢量法，基于帶收縮因子的自適應(yīng)權(quán)重粒子群算法尋找各個(gè)驅(qū)動(dòng)桿誤差參數(shù)，修正末端位姿、提高運(yùn)動(dòng)學(xué)精度。

本文的主要研究對(duì)象是輕型柔性抓紗機(jī)械臂的誤差模型，由于在紡織車間內(nèi)環(huán)境復(fù)雜且移動(dòng)空間局促，常見的六自由度的機(jī)械臂雖然靈活度高，但是關(guān)節(jié)多帶來結(jié)構(gòu)復(fù)雜、體型偏大的缺點(diǎn)，因此設(shè)計(jì)了五自由度的輕型機(jī)械臂和三指式末端執(zhí)行器，兩者結(jié)合成一個(gè)自主移動(dòng)式紗筒車。先通過有限元法得出連桿的變形位移量，并計(jì)算出相比筒子紗質(zhì)心的偏移量，即誤差的大小，同時(shí)將位移量與柔性連桿的誤差模型做對(duì)比，確保數(shù)據(jù)的可靠性與真實(shí)性。再利用誤差前饋補(bǔ)償策略，降低抓取筒子紗過程中的誤差分布。

1 輕型柔性抓紗機(jī)械臂設(shè)計(jì)方案

本文所研究的輕型柔性機(jī)械臂是為抓取筒子紗而設(shè)計(jì)，關(guān)鍵的參數(shù)指標(biāo)如表1所示。

紗筒車整體結(jié)構(gòu)如圖1所示，其中本體包含五自由度輕型機(jī)械臂、箱體、筒子紗、工業(yè)相機(jī)、車輪、末端執(zhí)行器等。箱 體內(nèi)部9個(gè)固定點(diǎn)放置筒子紗，采用雙層碼放，可放置18個(gè)

筒子紗。采用自動(dòng)AGV移動(dòng)紗筒車到達(dá)指定的位置，通過機(jī)械臂實(shí)現(xiàn)筒子紗的自動(dòng)更換。五自由度機(jī)械臂的等效矢量機(jī)構(gòu)如圖2所示，包括三個(gè)移動(dòng)副和兩個(gè)轉(zhuǎn)動(dòng)副，伸縮桿的長(zhǎng)度分別為： L? 1=18～26 cm， L? 2=24～36 cm， L? 3=11～18 cm。

根據(jù)抓紗與換紗范圍的要求，機(jī)械臂完全展開后的長(zhǎng)度可達(dá)1 m，同時(shí)具有較強(qiáng)的柔彈性，便于操作與控制。

末端執(zhí)行器的結(jié)構(gòu)如圖3所示，機(jī)械手為三指式平移型夾持機(jī)構(gòu)，該機(jī)構(gòu)夾持誤差小且符合夾持范圍。手指的結(jié)構(gòu)如圖4所示，每根手指有三個(gè)指節(jié)，分為上、中和下指節(jié)，關(guān)節(jié)連接處由扭簧實(shí)現(xiàn)機(jī)械手的張開與閉合，手指內(nèi)表面粘有橡膠層，可以起到減輕對(duì)紗線的損壞，并且裝有壓力傳感器，可 以實(shí)時(shí)監(jiān)測(cè)筒子紗受到的擠壓力，確保加持力大小在合理的范圍內(nèi)。材料選用輕型鋁合金薄片，其他零件材料適當(dāng)選用工程塑料，利用其質(zhì)量輕、剛度大等優(yōu)點(diǎn)，可以有效地降低機(jī)械臂的整體質(zhì)量，同時(shí)滿足抓紗的要求。

2 柔性誤差模型與有限元分析

常見的機(jī)器人誤差研究中，大部分考慮的是幾何參數(shù)誤差，或者一些關(guān)節(jié)間隙、慣性、溫度等，而連桿的柔性誤差對(duì)末端的精度影響也尤為重要。輕型機(jī)械臂存在的柔性誤差較為復(fù)雜，誤差主要來源于外加負(fù)載 造成的柔性變形引起的末端偏移。因此，需要建立連桿的誤差模型，推導(dǎo)出連桿的柔度矩陣，再對(duì)機(jī)構(gòu)的連桿柔性進(jìn)行有限元分析，同時(shí)驗(yàn)證數(shù)據(jù)的準(zhǔn)確性。

2.1 連桿誤差模型

圖5是連桿的受力變形分析，其中 l 為連桿的長(zhǎng)度， θ 為連桿末端轉(zhuǎn)角， w 為末端撓度，連桿共受三種力的作用：均勻分布的載荷 Q 、施加的外力 F 和形變產(chǎn)生的彎矩 δ 。根據(jù)梁的變形理論，當(dāng)施加多種載荷作用到梁時(shí)，其變形量可以逐個(gè)疊加得到，即分別求出單個(gè)載荷導(dǎo)致的形變?cè)傧嗉印?/p>

在外力 F 的作用下，末端轉(zhuǎn)角 θ 和 w 撓度分別為：

θ= -Fl 2 2EI ???（1）

w= -Fl 3 3EI ???（2）

式中： E 為彈性模量， I 為梁的截面慣性矩。

由此可以得到連桿在不同外力下的轉(zhuǎn)角與撓度。

當(dāng)連桿的變形產(chǎn)生位置誤差，機(jī)械臂的姿態(tài)也發(fā)生了變化。本文以紗筒車的箱體建立直角坐標(biāo)系，內(nèi)部有9個(gè)固定筒子紗位置，并以筒子紗的質(zhì)心為抓取坐標(biāo)值。筒子紗的更換包括兩種情況：第一種是抓取筒子紗時(shí)，由于車內(nèi)紗筒在小車移動(dòng)過程有可能發(fā)生位置偏移，因此采用機(jī)器視覺方法進(jìn)行紗筒中心定位? [15] ，提高抓取的精度。第二種是放置筒子紗時(shí)，負(fù)載的重量致使機(jī)械臂發(fā)生了形變，導(dǎo)致放置筒子紗到固定點(diǎn)時(shí)產(chǎn)生偏差，因此通過調(diào)節(jié)其他關(guān)節(jié)的角度進(jìn)行補(bǔ)償。理想狀態(tài)下，具體筒子紗的抓取與放置情況如圖6所示。

從圖6可以看出，（a）～（f）為機(jī)械臂抓取中間列筒子紗的位姿情況，理想狀態(tài)下筒子紗的質(zhì)心坐標(biāo)分別為（0，205，30）（0，205，60）（0，135，30）（0，135，60）（0，65，30）（0，65，60）; （g）～（l）為 機(jī)械臂抓取左側(cè)列筒子紗的位姿情況，同理筒子紗的質(zhì)心坐標(biāo)分別為（-130，205，30）（-130，205，60）（-130，135，30）（-130，135，60）（-130，65，30）（-130，65，60）;右側(cè)列的筒子紗坐標(biāo)與左側(cè)列對(duì)稱，即坐標(biāo)分別為（130，205，30）、（130，205，60）（130，135，30）（130，135，60）（130，65，30）（130，65，60）。根據(jù)式（1）（2） 可求出機(jī)械臂在上述不同位姿下的末端撓度和轉(zhuǎn)角，然后轉(zhuǎn)化為坐標(biāo)值，即為抓紗引起形變的誤差大小。

2.2 有限元分析與數(shù)據(jù)驗(yàn)證

從圖1可以看出，在抓起筒子紗的過程中，輕型機(jī)械臂的連桿 L? 2為主要的變形桿件，大臂、腰部和末端執(zhí)行器等剛度較高，不易產(chǎn)生變形。因此將機(jī)械臂的運(yùn)動(dòng)位姿作為靜態(tài)處理，即靜力學(xué)分析。連桿 L? 2材料選用碳纖維，涉及主要的結(jié)構(gòu)參數(shù)如表2所示。

由于通過建立模型計(jì)算得到的誤差很難確保數(shù)據(jù)的準(zhǔn)確性，所以將誤差模型中連桿 L? 2導(dǎo)入ANSYS分析軟件，生成連桿變形的位移量，并將兩組數(shù)據(jù)進(jìn)行對(duì)比。紗筒車內(nèi)共有18個(gè)筒子紗的質(zhì)心點(diǎn)，與之相對(duì)應(yīng)機(jī)械臂存在18種不同的柔性誤差。在相同的條件下，要求機(jī)械臂重復(fù)達(dá)到目標(biāo)位姿的程度要盡可能相同，重復(fù)定位的精度也就尤為重要。因此在實(shí)驗(yàn)過程中，將筒子紗的質(zhì)心點(diǎn)隨意組合打亂，并加入不相干的坐標(biāo)，以提高結(jié)果數(shù)據(jù)的嚴(yán)謹(jǐn)性和魯棒性。

把連桿 L? 2作為研究對(duì)象，通過ANSYS分析軟件，設(shè)置不同位姿下連桿的長(zhǎng)度、材料屬性和負(fù)載重量，選取30個(gè)樣本考察點(diǎn)，其中要求每個(gè)質(zhì)心點(diǎn)重復(fù)兩次以上， 得到多組連桿 L? 2的變形量，如圖7所示。由圖7可見，輕型機(jī)械臂處于最遠(yuǎn)端位姿下的連桿 L? 2變形情況，位移量為1.195 4 mm，即圖6（g）的位姿。

根據(jù)所得數(shù)據(jù)可知，機(jī)械臂柔性是導(dǎo)致連桿變形的關(guān)鍵因素。同時(shí)需要指出的是，在靜力學(xué)仿真過程中并未將關(guān)節(jié)的柔性計(jì)算在內(nèi)，機(jī)械臂運(yùn)動(dòng)到不同的坐標(biāo)下誤差僅是由連桿柔性造成的。之所以未考慮關(guān)節(jié)柔性，包括以下原因：一是關(guān)節(jié)剛度等參數(shù)要通過實(shí)驗(yàn)所獲得，二是關(guān)節(jié)柔性的建模用于仿真得出數(shù)據(jù)的準(zhǔn)確性很難得到保證。相比之下連桿的形變對(duì)末端姿態(tài)的影響更為重要，因此仿真過程以柔性誤差為主要影響因素，其他誤差暫且忽略不計(jì)。

為了考察柔性誤差模型的準(zhǔn)確度，本文分別分析了柔性誤差模型與有限元分析所得到的誤差并進(jìn)行了對(duì)比，如圖8所示。

由圖8可知，通過大量的樣本實(shí)驗(yàn)，柔性誤差模型與有限元分析兩者的結(jié)果誤差值相似，建立的誤差模型可以作為判斷柔性機(jī)械臂誤差的依據(jù)，同時(shí)驗(yàn)證了數(shù)據(jù)的準(zhǔn)確性。

3 柔性機(jī)械臂的可補(bǔ)償性分析

3.1 BP神經(jīng)網(wǎng)絡(luò)算法

基于得出的誤差變化是具有非線性的數(shù)據(jù)集，而神經(jīng)網(wǎng)絡(luò)算法對(duì)于非線性或無規(guī)律數(shù)據(jù)具有很好的擬合作用。因此可通過BP神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練且預(yù)測(cè)柔性誤差，輸入數(shù)據(jù)為在箱體范圍內(nèi)腰部關(guān)節(jié)的轉(zhuǎn)動(dòng)角度，輸出數(shù)據(jù)為連桿 L? 2的變形量即誤差值，并計(jì)算誤差值求出連桿 L? 2的末端轉(zhuǎn)角 θ 。把上述柔性誤差模型得出的30組誤差數(shù)據(jù)作為實(shí)驗(yàn)樣本，利用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行訓(xùn)練，可以擬合出網(wǎng)絡(luò)訓(xùn)練輸出誤差和誤差模型所得誤差值的對(duì)比曲線，如圖9所示。

由圖9可以看出，BP算法對(duì)于柔性誤差數(shù)據(jù)具有很好的擬合效果，其擬合率達(dá)98.65 % 。網(wǎng)絡(luò)訓(xùn)練輸出的誤差與模型誤差兩者雖有較小的差距，但對(duì)后續(xù)的補(bǔ)償研究不會(huì)產(chǎn)生影響，并保存訓(xùn)練好的網(wǎng)絡(luò)，之后可用于預(yù)測(cè)誤差補(bǔ)償?shù)臄?shù)據(jù)庫。

3.2 誤差前饋補(bǔ)償

由于前文分析中柔性誤差的存在，所以機(jī)械手末端不能按照給定的質(zhì)心坐標(biāo)準(zhǔn)確地運(yùn)動(dòng)，并且影響機(jī)械手末端執(zhí)行器的定位精度及使得運(yùn)動(dòng)軌跡產(chǎn)生誤差。因此，為了使機(jī)械手更加接近理想的軌跡進(jìn)行運(yùn)動(dòng)，對(duì)機(jī)械手進(jìn)行誤差補(bǔ)償就變成了一個(gè)很重要的問題，在前文機(jī)械臂柔性誤差分析的基礎(chǔ)上，提出柔性機(jī)械臂誤差補(bǔ)償?shù)姆椒?、原理及步驟，并對(duì)機(jī)械手末端的位姿誤差進(jìn)行補(bǔ)償實(shí)驗(yàn)，流程如圖10所示。

從圖8的數(shù)據(jù)結(jié)果還可以看出，柔性機(jī)械臂在除了在抓取近端筒子紗時(shí)誤差較小，處于中間和遠(yuǎn)端時(shí)產(chǎn)生的誤差是不可忽視的。只要柔性機(jī)械臂運(yùn)動(dòng)到上述坐標(biāo)點(diǎn)的位置，就可以提前對(duì)連桿 L? 2進(jìn)行角度補(bǔ)償，因此通過計(jì)算機(jī)軟件來調(diào)整參數(shù)補(bǔ)償誤差。該方法是在求出連桿 L? 2補(bǔ)償角度后進(jìn)一步轉(zhuǎn)換為肩部關(guān)節(jié)轉(zhuǎn)動(dòng)角度，其優(yōu)點(diǎn)是比較容易修改且不另外增加成本。通過對(duì)柔性誤差模型的補(bǔ)償性分析，確保機(jī)械臂在更換不同筒子紗時(shí)，能夠準(zhǔn)確、快速地實(shí)時(shí)補(bǔ)償，即誤差前饋補(bǔ)償策略。根據(jù)前文的誤差模型分析，計(jì)算出各個(gè)位姿的補(bǔ)償角，如表3所示。

同理，右側(cè)列的筒子紗補(bǔ)償角度與左側(cè)列相同，通過表3的數(shù)據(jù)提前在機(jī)械臂運(yùn)動(dòng)到指定位置給出補(bǔ)償角度，提高抓取與放置筒子紗的精度。采用上述補(bǔ)償角度，同樣測(cè)試30個(gè)樣本點(diǎn)，其余的樣本點(diǎn)補(bǔ)償角度不再展示，補(bǔ)償前后的誤差分布如圖11所示。

從圖11可以看出，利用誤差前饋補(bǔ)償策略，使得多數(shù)誤差得到了有效的修正。由此證明，本文的方法較大地提高了柔性機(jī)械臂的絕對(duì)定位精度，能夠?qū)崿F(xiàn)在多數(shù)情況下對(duì)筒子紗的準(zhǔn)確更換。

4 結(jié) 論

為了實(shí)現(xiàn)對(duì)筒子紗的精確抓取，本文基于柔性誤差模型做出了針對(duì)抓紗機(jī)械臂誤差可行性分析的流程方案。

1） 設(shè)計(jì)了一種新式的紗筒車，結(jié)構(gòu)主要包括輕型機(jī)械臂、箱體和末端執(zhí)行器等，具有良好的靈活性和移動(dòng)性，便于控制與操作。

2） 建立受力連桿的誤差模型，根據(jù)梁的變形理論求出機(jī)

械臂在不同位姿下的末端撓度和轉(zhuǎn)角，并且通過有限元分析與之相比較，提高數(shù)據(jù)的真實(shí)性和準(zhǔn)確性。

3） 利用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行訓(xùn)練，擬合出柔性誤差數(shù)據(jù)的對(duì)比曲線，用于誤差補(bǔ)償?shù)念A(yù)測(cè)。通過上述方法整理出不同目標(biāo)坐標(biāo)下連桿 L? 2的補(bǔ)償角度，利用計(jì)算機(jī)軟件轉(zhuǎn)化為肩部關(guān)節(jié)的轉(zhuǎn)動(dòng)角度，再得出補(bǔ)償前后的誤差分布圖。根據(jù)實(shí)驗(yàn)結(jié)果可知，誤差的分布大幅度減少，較大地提高了筒子紗更換的精度。

參考文獻(xiàn)：

[1]? 譚月勝， 詹登輝， 張彭郝， 等. 剛?cè)狁詈洗?lián)機(jī)械臂末端位置誤差分析與補(bǔ)償[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2020， 52（2）： 418-424.

TAN Yuesheng， ZHAN Denghui， ZHANG Penghao， et al. Analysis and compensation of end position error of rigid-flexible coupling serial manipulator[J]. Journal of Agricultural Machinery， 2020， 52（2）： 418-424.

[2] 吳昊， 譚元， 郭小龍， 等. 一種基于模型預(yù)測(cè)控制的柔性關(guān)節(jié)空間機(jī)械臂的軌跡跟蹤控制[J]. 空間控制技術(shù)與應(yīng)用， 2019， 45（2）： 35-41.

WU Hao， TAN Yuan， GUO Xiaolong， et al. A model predictive controlbased trajectory tracking controller design for space flexible joint manipulators[J]. Space Control Technology and Application， 2019， 45（2）： 35-41.

[3]? 陳宵燕， 張秋菊， 孫沂琳， 等. 串聯(lián)機(jī)器人多模式標(biāo)定與剛?cè)狁詈险`差補(bǔ)償方法研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2019， 50（3）： 396-403.

CHEN Xiaoyan， ZHANG Qiuju， SUN Yilin， et al. Multi-mode calibraton and rigid-flexible coupling error compensation method of serial robot[J]. Journal of Agricultural Machinery， 2019， 50（3）： 396-403.

[4] 邢強(qiáng)， 許超. 位置誤差對(duì)關(guān)節(jié)式工業(yè)機(jī)器人末端精度的影響研究[J]. 機(jī)械設(shè)計(jì)與制造工程， 2016 （3）： 41-45.

XING Qiang， XU Chao. The effect of the joint position error on the end-accuracy of an articulated industrial robots[J]. Mechanical Design and Manufacturing Engineering， 2016 （3）： 41-45.

[5] 張旭祥， 劉夏軒德， 張國(guó)英， 等. 含關(guān)節(jié)間隙的并聯(lián)機(jī)器人運(yùn)動(dòng)誤差分析[J]. 西安工程大學(xué)學(xué)報(bào)， 2020， 34（1）： 92-96.

ZHANG Xuxiang， LIU Xiaxuande， ZHANG Guoying， et al. Motion error analysis of parallel robot ?with joint clearance[J]. Journal of Xi’an ?Polytechnic University， 2020， 34（1）： 92-96.

[6] 沈丹峰， 葉國(guó)銘， 王貫超， 等. 二自由度平面冗余并聯(lián)機(jī)構(gòu)桿件長(zhǎng)度的誤差分析[J]. 機(jī)械設(shè)計(jì)， 2017， 34（5）： 65-70.

SHEN Danfeng， YE Guoming， WANG Guanchao， et al. Error analysis of bar length of two-degree-of-freedom planar redundant parallel mechanism[J]. Mechanical Design， 2017， 34（5）： 65-70.

[7] 高田田， 張莉， 李炳德， 等. 基于改進(jìn)粒子群算法的足球機(jī)器人路徑規(guī)劃[J]. 西安工程大學(xué)學(xué)報(bào)， 2016， 30 （5）： 609-615.

GAO Tiantian， ZHANG Li， LI Bingde， et al. Study on path planning of soccer robot based on improved particle swarm algorithm[J]. Journal of Xi’an Polytechnic University， 2016， 30 （5）： 609-615.

[8]TAN ?N. Calibration for accuracy improvement of serial manipulators based on compressed sensing[J]. Electronics Letters， 2015， 51（11）： 820-822.

[9]VOLECH J， LADISLAV M， ZBYNEK S， et al. Model of flexible robot with deformat ion detection[J]. Procedia Engineering， 2014， 96： 510-516.

[10] LIU ?Z F， XU J J， CHENG Q， et al. Trajectory planning with minimum synthesis error for industrial robots using screw theory[J]. International Journal of Precision Engineering and Manufacturing， 2018， 19（2）： 183-193.

[11]? 齊俊德， 張定華， 李山， 等. 工業(yè)機(jī)器人絕對(duì)定位誤差的建模與補(bǔ)償[J]. 華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2016， 44（11）： 113-118.

QI Junde， ZHANG Dinghua， LI Shan， et al. Modeling and compensation of absolute positioning error of industrial robot[J]. Journal of South China University of Technology （Natural Science Edition）， 2016， 44（11）： 113-118.

[12] 付鵬強(qiáng)， 姜曉燦， 苗宇航， 等. 工業(yè)機(jī)器人絕對(duì)定位誤差補(bǔ)償技術(shù)研究進(jìn)展[J]. 科學(xué)導(dǎo)報(bào)， 2021， 39（13）： 96-104.

FU Pengqiang， JIANG Xiaocan， MIAO Yuhang， et al. Summary of absolute positioning error compensation technology for industrial robot[J]. Science Herald， 2021， 39（13）： 96-104.

[13]? 董大釗， 徐冠華， 高繼良， 等. 基于機(jī)器視覺的機(jī)器人裝配位姿在線校正算法[J]. 浙江大學(xué)學(xué)報(bào)（工學(xué)版）， 2021， 55（1）： 146-151.

DONG Dazhao， XU Guanhua， GAO Jiliang， et al. Online-correction algorithm for posture by robot assembly based on machine vision[J]. Journal of Zhejiang University （Engineering Edition）， 2021， 55（1）： 146-151.

[14]? 張樹梅， 高興君， 鄧子龍， 等. 基于粒子優(yōu)化算法的并聯(lián)機(jī)器人誤差建模分析[J]. 遼寧石油化工大學(xué)學(xué)報(bào)， 2021， 41（5）： 80-84.

ZHANG Shumei， GAO Xingjun， DENG Zilong， et al. Error modeling and analysis of parallel robot based on particle optimization algorithm[J]. Journal of Liaoning Shihua University， 2021， 41（5）： 80-84.

[15] 李靖宇， 沈丹峰， 王玉， 等. 基于參數(shù)可調(diào)均值遷移濾波實(shí)現(xiàn)筒子紗的識(shí)別檢測(cè)[J]. 輕工機(jī)械， 2021， 39（3）： 64-68.

LI Jingyu， SHEN Danfeng， WANG Yu， et al. Recognition and detection of cheese based on edge preserving filtering algorihm[J]. Light Industry Machinery， 2021， 39（3）： 64-68.

Structure design and error compensation of light flexible yarn grasping mechanical arm

LI Jingyu， SHEN Danfeng， WANG Yu， LI Yaojie

（Collegeof Mechanical and Electrical Engineering， Xi’an Polytechnic University， Xi’an 710600， China）

?Abstract：

With the advancement of science and technology and the development of automation technology， the textile industry has begun to replace human labor with textile machinery， thus getting rid of the limitations of traditional handicrafts. Among them， cheese yarn is used in many processes in textile production， such as winding， warping and weaving. As a terminal product of textile technology， cheese yarn has obtained wide application. The transportation， loading and unloading of frames， and packaging of cheese yarn require a lot of manpower and high labor intensity while exhibits low efficiency. Due to the continuous increase in labor costs， the labor-intensive textile industry has been greatly impacted， and labor shortages have become increasingly severe. Therefore， improving the industrial technology and production equipment in the textile field is an effective measure to enhance the competitiveness of enterprises and reduce their own costs. The transformation of the textile industry from large-scale labor-intensive industry to major technology-supported high-tech industry has become an inevitable trend.

Automatic yarn replacement is an important link in the smart workshop of textile enterprises. In order to improve the efficiency of weft cheese yarn replacement in the weaving workshop， the mechanical arm is made of light carbon fiber materials. In this article， through 3D modeling of the yarn grasping mechanical arm， a five-degree-of-freedom yarn grasping mechanical arm and three-finger end effector are designed. An error model of a lightweight flexible grasping mechanical arm is proposed， in which the flexibility error of the connecting rod has a significant impact on the accuracy of yarn grasping. The statics simulation of the connecting rod is obtained through the finite element analysis software and is compared with the results obtained by the model of the flexible mechanical arm so as to ensure the accuracy of the analysis data in each link. To address the flexibility error generated by the mechanism， the BP neural network training samples and error feedforward compensation strategy are used to reduce the static error during the movement of the mechanical arm. The simulation results show that the error distribution is greatly reduced after compensation， thereby improving the accuracy and robustness of cheese yarn replacement.

This method provides a new thought for yarn replacement operations in the textile industry. Substituting labor with intelligent yarn grasping mechanical arm is a new trend in the traditional manufacturing industry and it is also expected to become an important indicator of the automation degree in the manufacturing industry. The flexibility error existing in the connecting rod of most mechanical arms has a great influence on the actual grasping accuracy. According to the comparison of theoretical analysis and experimental verification results， the error feedforward compensation strategy proposed in this paper can provide reference suggestions for the development of manipulators.

Key words：

textile machinery; automatic yarn replacement; yarn grasping mechanical arm; flexibility error; BP neural network; error feedforward compensation strategy

3459501186598