打磨抛光机器人超级精细

精确的加工操作，如倒角和圆角的特点是相对低的接触力和低材料去除。对于这种工艺，传统的自动化方法，如预先编程的位置或力控制，没有调整，不适合获得高精度的表面精加工。因此，抛光工作仍主要由熟练的操作人员手工完成。
在该研究中，研究者提出了一个自适应框架，能够抛光广泛的材料，包括硬金属如钛使用协作机器人。研究者提出了一种基于阻抗控制的迭代学习控制器，在每次迭代中同时调整位置和力来调节抛光过程。所提出的控制器可以跟踪所需的轮廓，而无需任何抛光不同材料所需的力的先验知识。
此外，研究者提出了一种新的基于Lissajous曲线的复杂圆角刀具轨迹生成数学模型。在完成任务如倒角和切片使用一个协作工业机器人来验证新的框架进行了试验。表面粗糙度和轮廓测量表明，研究者的自适应控制器可以获得良好的抛光输出在各种材料，如钛，铝，木材。

 抛光打磨机器人的研究在喷漆、码垛和焊接等工业应用方面取得了显著进展。由于末端执行器与环境的交互作用可以忽略，这些任务可以使用简单的基于位置或基于力的控制策略来执行。尽管机器人技术有许多进步，但涉及与人类擅长的环境进行物理交互的任务对机器人自主执行具有内在的挑战。
人类操作者为补偿不稳定性而表现出的微妙的位置和力适应不能仅通过预先编程的位置或力控制策略来捕捉。因此，行业中占总制造时间50%的抛光任务仍然主要依赖于熟练操作人员。尽管有增长，机器人整理占目前的机器人应用不到1%。

这是由于几个因素，例如机器人金属加工在表面光洁度、精度上仍不如手工操作，以及机器人本身的编程困难。当涉及到中小企业(SME)时，这些问题更加恶化，因为他们处理的高混合低批量零件。用于抛光的机器人在执行过程中需要高度的依从性来控制最终的输出。因此，需要一种自适应交互控制来实现期望的轮廓几何和表面粗糙度，这可以通过特殊的顺应工具(如宏-微系统)或基于控制算法的顺应性来实现。
在使用特殊顺从工具的交互控制中，末端执行器通常可以补偿不同轴上的力误差。柔性工具可以是被动的，也可以是主动工具，以保持所需的接触力。被动柔性工具通常依靠工具本身的顺应性来维持法向接触力，而主动柔性工具则依靠闭环力控制系统来修正力的误差。
此外，刀具的过度顺应性将降低抛光期间的刚度，并使轮廓跟踪的准确性降低。为了使用控制算法实现交互任务，通常会部署混合位置和力控制器或阻抗控制器。在表面精加工的混合位置和力控制中，位置通常沿表面调节，而力通常在法向控制。机械手的力控制策略和混合位置和力控制已广泛应用于包括去毛刺、抛光和磨削在内的精加工过程。
该研究的主要贡献包括基于固定阻抗的鲁棒ILC跟踪位置和隐式控制力以抛光各种材料，包括钛等硬金属，使用协作机器人和数学模型生成填充刀具路径。