Интерполятор, обеспечивающий высокую точность поддержания скорости рабочего органа промышленного робота. Часть II

Интерполятор является одним из ключевых элементов систем контурного управления промышленными роботами, существенно влияющих на их точностные характеристики. В таких технологических задачах, как сварка, лазерная резка, нанесение покрытий и наплавка, помимо пространственной точности движения рабочего органа робота важную роль играет точность поддержания им скорости в процессе движения по сложным траекториям. В данной работе предлагается новое алгоритмическое обеспечение для решения задачи интерполяции при реализации контурного управления многоосевого промышленного робота, основанное на применении B-сплайнов. Предложенные алгоритмы легко адаптируются для роботов с любой кинематикой, формируя на выходе как общую траекторию движения рабочего органа робота, так и уставки по току, скорости и положению для контуров управления каждого из его приводов. В рамках исследования на основе разработанных алгоритмических решений была создана программная реализация offline-интерполятора, предназначенная для исполнения на базе контроллеров и приводов, произведенных B&R Industrial Automation GmbH. В ходе натурных экспериментальных исследований, проведенных на манипуляционном роботе с кинематической схемой SCARA, было продемонстрировано, что разработанные алгоритмические решения превосходят штатный интерполятор промышленных систем управления роботами от компании B&R, улучшая результаты примерно в два раза с точки зрения пространственной точности и в четыре раза с точки зрения среднеквадратического отклонения скорости. Максимальное отклонение скорости инструмента от заданных значений при использовании разработанных алгоритмов за все время проведения экспериментов не превышало 2,4 мм/c, что сравнимо с результатами наиболее современных планарных решений на базе NURBS-кривых. При этом решения, предложенные в данной работе, в отличие от планарных аналогов подходят для многомерной интерполяции. Вторая часть работы посвящена модельным и натурным экспериментальным исследованиям алгоритмов, описанных в Части I данной статьи, а также обобщению результатов работы

1. Tamizi M. G., Yaghoubi M., Najjaran H. A review of recent trend in motion planning of industrial robots // International Journal of Intelligent Robotics and Applications. 2023. Vol. 7, N. 2. P. 253—274.

2. Голубов В. В., Манько С. В. Особенности и перспективы применения метода поисковых случайных деревьев для планирования перемещений автономных роботов // Russian Technological Journal. 2023. Т. 11, № 6. С. 16—27.

3. Wang B. et al. Intelligent welding system technologies: Stateof-the-art review and perspectives // Journal of Manufacturing Systems. 2020. Vol. 56. P. 373—391.

4. Dolgui A., Pashkevich A. Manipulator motion planning for high-speed robotic laser cutting // International Journal of Production Research. 2009. Vol. 47, N. 20. P. 5691—5715.

5. Gleeson D. et al. Generating optimized trajectories for robotic spray painting // IEEE Transactions on Automation Science and Engineering. 2022. Vol. 19, N. 3. P. 1380—1391.

6. Yuan L. et al. Application of multidirectional robotic wire arc additive manufacturing process for the fabrication of complex metallic parts // IEEE Transactions on Industrial Informatics. 2019. Vol. 16, N. 1. P. 454—464.

7. Li X. et al. A novel cartesian trajectory planning method by using triple NURBS curves for industrial robots // Robotics and Computer-Integrated Manufacturing. 2023. Vol. 83. P. 102576.

8. Wu P. et al. Optimal Time—Jerk Trajectory Planning for Delta Parallel Robot Based on Improved Butterfly Optimization Algorithm // Applied Sciences. 2022. Vol. 12, N. 16. P. 8145.

9. Duan J. et al. Path planning based on NURBS for hyperredundant manipulator used in narrow space // Applied Sciences. 2022. Vol. 12, N. 3. P. 1314.

10. Liu X. et al. A High-Precision Planar NURBS Interpolation System Based on Segmentation Method for Industrial Robot // Applied Sciences. 2023. Vol. 13, N. 24. P. 13210.

11. Shi B., Zeng H. Time-optimal trajectory planning for industrial robot based on improved Hybrid-PSO // 2021 40th Chinese Control Conference (CCC). IEEE, 2021. P. 3888—3893.

12. Ларичев Д. В., Романов М. П., Романов А. М. Многоосевой интерполятор на основе B-сплайнов, обеспечивающий высокую точность поддержания скорости на сложных траекториях. Часть I //Мехатроника, автоматизация, управление. 2024. Т. 25, № 12. С. 633—645.

13. Dierckx P. An algorithm for smoothing, differentiation and integration of experimental data using spline functions // Journal of Computational and Applied Mathematics. 1975. Vol. 1, N. 3. P. 165—184.

14. De Boor C. On calculating with B-splines // Journal of Approximation theory. 1972. Vol. 6, N. 1. P. 50—62.

15. Романов А. М., Кистанова В. А. Система управления манипуляционного робота PUMA-560 на базе современной промышленной электроники // Современные технологии в задачах управления, автоматики и обработки информации: Сб. тр. XXIII Междунар. науч.-техн. семинара, 14—20 сентября 2014 г., Алушта. М: ИКД "Зерцало-М", 2014. C. 59.

16. Романов А. М., Петровская А. К., Слащев Б. В. Исследование возможностей адаптации современных сервоприводов переменного тока для управления двигателями постоянного тока // Мехатроника, автоматизация, управление. 2014. № 12. С. 34—40.

17. Nishino R., Loomis S. H. C. CuPy: A numpy-compatible library for NVIDIA GPU calculations // 31st conference on neural information processing systems. 2017. Vol. 151, N. 7.

18. Rysak P. Comparative analysis of code execution time by C and Python based on selected algorithms // Journal of Computer Sciences Institute. 2023. Vol. 26. P. 93—99.

19. Behnel S. et al. Cython: The best of both worlds // Computing in Science & Engineering. 2010. Vol. 13, N. 2. P. 31—39