基于深度神经网络的机器人加工系统模态特性预测

摘要：

串联式工业机器人具有工作空间大且灵活性强的特点,被广泛应用于飞机蒙皮、航空透明件等大型结构件的加工.然而,工业机器人存在刚度弱、动态特性空间分布差异大的问题,导致其铣削稳定性极限低,不同加工区域的铣削性能变化明显,可供选择的工艺参数窗口狭窄的问题.研究机器人铣削系统加工过程中的动态特性,建立位姿相关模态预测模型对提升机器人加工性能有重要意义.本文以ABB机器人加工系统为研究对象,提出了一种基于深度神经网络的模态预测方法.首先,采用多普勒测振仪对机器人加工系统进行了模态试验,对多阶模态的空间变化加以分析.随后,根据机器人实际工作空间,设计测试试验组从而获取位姿相关的频响函数集,并利用有理多项式法准确辨识相关模态参数.在此基础上,采用超参数优化法建立深度神经网络预测模型,最终实现工业机器人工作空间内位姿相关的多阶模态参数准确预测.试验结果表明,该方法预测精度可达80％以上.

关键词：机器人加工、模态预测、神经网络模型、超参数优化、薄壁件

所属期刊栏目：66

分类号：TP242.2;TH137.331;V212.1

在线出版日期：2023-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：85-92,124