在精密的機器人制造工藝中，超精加工操作，如倒角和圓角的特點是相對低的接觸力和低材料去除。對于這種工藝，傳統的自動化方法，如預先編程的位置或力控制，沒有調整，不適合獲得高精度的表面精加工。因此，拋光工作仍主要由熟練的操作人員手工完成。

在該研究中，研究者提出了一個自適應框架，能夠拋光廣泛的材料，包括硬金屬如鈦使用協作機器人。研究者提出了一種基于阻抗控制的迭代學習控制器，在每次迭代中同時調整位置和力來調節拋光過程。所提出的控制器可以跟蹤所需的輪廓，而無需任何拋光不同材料所需的力的先驗知識。

此外，研究者提出了一種新的基于Lissajous曲線的復雜圓角刀具軌跡生成數學模型。在完成任務如倒角和切片使用一個協作工業機器人來驗證新的框架進行了試驗。表面粗糙度和輪廓測量表明，研究者的自適應控制器可以獲得良好的拋光輸出在各種材料，如鈦，鋁，木材。本文以“An adaptive framework for robotic polishing based on impedance control”為題于2020年11月20日發布于《The International Journal of Advanced Manufacturing Technology》雜志上。

超級打磨拋光機器人，超級精細！

研究背景與實驗

機器人的研究在噴漆、碼垛和焊接等工業應用方面取得了顯著進展。由于末端執行器與環境的交互作用可以忽略，這些任務可以使用簡單的基于位置或基于力的控制策略來執行。盡管機器人技術有許多進步，但涉及與人類擅長的環境進行物理交互的任務對機器人自主執行具有內在的挑戰。

人類操作者為補償不穩定性而表現出的微妙的位置和力適應不能僅通過預先編程的位置或力控制策略來捕捉。因此，行業中占總制造時間50%的拋光任務仍然主要依賴于熟練操作人員。盡管有增長，機器人整理占目前的機器人應用不到1%。

這是由于幾個因素，例如機器人金屬加工在表面光潔度、精度上仍不如手工操作，以及機器人本身的編程困難。當涉及到中小企業(SME)時，這些問題更加惡化，因為他們處理的高混合低批量零件。用于拋光的機器人在執行過程中需要高度的依從性來控制最終的輸出。因此，需要一種自適應交互控制來實現期望的輪廓幾何和表面粗糙度，這可以通過特殊的順應工具(如宏-微系統)或基于控制算法的順應性來實現。

在使用特殊順從工具的交互控制中，末端執行器通?？梢匝a償不同軸上的力誤差。柔性工具可以是被動的，也可以是主動工具，以保持所需的接觸力。被動柔性工具通常依靠工具本身的順應性來維持法向接觸力，而主動柔性工具則依靠閉環力控制系統來修正力的誤差。

此外，刀具的過度順應性將降低拋光期間的剛度，并使輪廓跟蹤的準確性降低。為了使用控制算法實現交互任務，通常會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，位置通常沿表面調節，而力通常在法向控制。機械手的力控制策略和混合位置和力控制已廣泛應用于包括去毛刺、拋光和磨削在內的精加工過程。

倒角是一種精整操作，其鋒利的邊緣通常以45°的角度傾斜到兩個相鄰的直角面。為了獲得倒角的工具路徑，在研究者的框架內，人類操作人員以低阻抗(高順應性)模式(即剛度值低至1N/m，而最大可達值高達5000 N/m)動態地教導機器人。利用操作者從運動學教學中得到的倒角和機器人姿態的起點和結束點，用用戶指定的倒角深度線性插值生成參考軌跡，如圖所示。

圖為不同的工具在旋轉中的姿態(a)在邊緣，(b)X‘y’面，和(c)Y‘Z’臉

超級打磨拋光機器人，超級精細，拋光如新！

有關機器人到達任何特定點的實際位置、力和方向的反饋信息被記錄下來并存儲在分析中。在每次迭代結束時，將控制器得到的實際軌跡與方程中的參考軌跡進行比較。這種增量式軌跡調整是為了確保在不損壞工件的情況下，按照期望的輪廓和增量力調整完成精整操作。此外，由于通過迭代反饋進行錯誤校正，循環也減少了以后的返工量。

研究者使用相同的臂端工具在鋁加工優惠券中進行倒角試驗，并觀察到與鈦試驗相同的控制行為。經過輸入命令和研究裝置的工作發現，13次通過后，位置誤差不再明顯減小，達到絕對誤差圖所示的飽和點。與鈦的試驗相比，鋁含量相對較低。因此，在每次迭代中觀察到的平均力往往比圖中描述的鈦試驗期間觀察到的平均力要低。由于鋁的硬度比鈦低得多，機器人的實際軌跡在初始迭代時能夠相對較快地接近期望的參考軌跡，從而使機器人在后一次通過時的力較低。 設計性能大大增強！