五金产业工业智能机器人奇异位等技术难题的探索

梁志鹏

中山市技师学院，广东中山，528400

0 引言

工业5.0时代下我国五金产业逐渐从传统的粗放型生产转化为精细化生产模式，其中工业智能机器人为五金产业发展提供有力支撑。由于缺少核心技术突破以及以大学为主体的科研院所脱离企业需要，目前我国尚未形成足够强大的自主知识产权产品和有一定规模的产业，这就造成我国五金产业工业智能机器人发展及生产技术遭遇瓶颈。同时，由于金属零件生产多为多品种、少批量生产，因此，生产线中工业智能机器人必须具备高柔性特性。针对硬件行业工业智能机器人，国内尚属空白，且进口工业智能机器人昂贵、维修费用高，令很多厂商望而却步，对我国硬件行业升级造成阻碍。

1 五金产业工业智能机器人发展现状

1.1 关键技术

1.1.1 信息交互与效果评估技术

为满足五金产业实际应用需求，选用适当传感器使其与现场进行交互较为重要。当前我国五金产业工业智能机器人中较为常见的信息交互与效果评估技术为光学控制，从整体情况来看，对于一些复杂、特定场合，可以实现增强其灵活性；在涉及安全危险方面，可以添加诸如安全线之类的传感器，并且增强系统安全性和稳定性。当使用感应器时，要避免与周围环境发生干涉，并且要保证信息及时、精确。此外，因五金产业工业智能机器人需要具有高精度、高负载、高稳定性、高效率、高适应性，因此国内部分生产制造企业构建了一套符合五金产业的工业智能机器人生产系统，使它们之间联系更加紧密，并能发挥出它们的优势。

1.1.2 工业智能机器人直觉示教以及快速编写程序技术

工业智能机器人实际生产能够极大地提高生产效率，比如，汽车制造商在实际焊接中使用工业智能机器人，实际工作时间大约是20个小时，而实际手工焊接则需要60个小时。目前，国内关于工业智能机器人触觉显示技术主要有两种：一种是人工牵引，这种技术通过仿真人体力量，来控制工业智能机器人在运动时的力量，并将其转化为电子信号。工业智能机器人能够学习和模仿人类动作，并对其运动轨迹进行详尽记录，并在此基础上进行提取。实际上，这种方法的缺陷是，购置传感器费用比较高，并且工作人员安全需求也比较高。另一种为可视化人工引导，即操作者自己要明确自己目的，采用相应追踪体系来进行培训。在很多国家，为适应多个传感器教学，人们都采取手工搬运方式，但是，在实际工业生产中，人工操作方式还很少见[1]。

1.1.3 力和运动混合控制技术

工业智能机器人在工业生产中应用越来越广泛，可以实现诸如磨削、抛光等简单的工作。粉体工业智能机器人一般包括以下几个部分：飞机机身、控制柜、研磨机，以及六个维度传感器。在工业智能机器人磨削加工中，采用磨具能够很好地实现接触控制，并能达到力量与动作双重控制。在磨削时，必须采用微机磨削轨迹，实现与控制库连通性，以及在磨削过程中对机械臂进行磨削。但是，目前所采用的工业智能机器人还不能实现对其进行全面控制，从而极大地制约了应用。工业智能机器人动力控制主要有两种：①动力学模型；②开发和开发实时力控制算法。将工业智能机器人运动混合控制分成两大部分：力与位相结合。通过混合控制，小型机械臂在牵引力和动力控制情况下显示出期望载荷关节控制力[2]。

1.2 发展问题

1.2.1 控制设备技术水平不符合操作要求

工业智能机器人在实际应用中得到极大方便，但是仍然存在着技术上问题。比如，在控制工业智能机器人时，必须要有很高的数据传输速率，而在使用的时候，要有直观显示速度才能对工业智能机器人进行科学控制。其次，高效信息传递和响应具有很大影响，使得工业智能机器人能够快速地执行相应动作，并得到命令。但是，工业智能机器人技术制造与研究一直处于落后状态，这直接制约着工业智能机器人科技应用。

1.2.2 信息传输稳定性与迅速性难以保证

首先，虽然工业智能机器人和物联网技术已经很好地结合，但是它需要更高数据传输和转换效率，否则一旦出现故障，就会影响工业智能机器人的行动。其次，如用手机来控制工业智能机器人，很难通过摄像头来控制，那么通过其他手段来控制工业智能机器人则更为繁琐。目前科技研发力量还不能保证高效地传递信息，所以在物联网时代工业智能机器人应用将会遇到很多问题[3-4]。

1.2.3 相应技术软件掌握与应用状况较差

基于物联网技术应用，工业智能机器人视频监控系统主要是将其内部图像在一定时间内转化为视频模式，通常采用NJPEG格式。如在制作过程中出现问题，那么工业智能机器人推广就会受到很大影响。从现实发展来看，目前我国工业智能机器人在编程和通讯方面还存在很多问题，甚至存在不合理之处，这直接制约工业智能机器人技术发展。

2 工业智能机器人发展技术难题

近50年来，工业智能机器人发展已经形成一套完整技术和理论。但是，目前工业智能机器人还面临几大技术难点制约其发展，具体如下。

2.1 工作空间奇异位

为使工业智能机器人从铰链空间到笛卡尔空间之间映射，提出雅可比矩阵，并利用雅可比矩阵进行线性转换，得到连接速度和笛卡尔速度之间关系，并给出相应转换公式：

式中：θ'—关节角度速度；ν—笛卡尔空间中工业智能机器人终端线速度；J-1（θ）—雅可比矩阵逆变换。

从上述公式可以看出，如缺少雅可比矩阵逆变换，则该方程解就不复存在。因此，将雅可比矩阵行列式所有都视为机械奇异位置。机器人在调试使用过程中通常会遇到三类奇异位：腕部奇异位、肩部奇异位和肘部奇异位。在工作区边界上，所有工业智能机器人都具有奇异位置，且大部分工业智能机器人在工作空间中也会呈现奇异位置，当工业智能机器人完全伸展或收回时，工业智能机器人端部就会在工作区边缘附近；而在工作区内部，奇异位置会发生在远离工作区边缘，这往往是因为两个或更多铰接轴共线所致。在这种情况下，工业智能机器人会失去一种或多种自由度，无论工业智能机器人关节转速有多高，都不能让工业智能机器人移动，这时，工业智能机器人速度和加速度就会急剧增加，对工业智能机器人结构造成很大影响。为鉴别和规避这些怪异方位，许多专家都在积极探索与研究，如我国学者曾提出一种奇异分离和阻尼倒数法，首先对产生奇异的条件进行分析，从而使雅可比奇异参数被分离，并用阻尼倒数取代一般倒数，从而避免奇异效应。Hasan等人提出一种新的基于神经网络奇异位置识别和规避算法，该算法可以将训练数据输入到神经网络中，以达到识别和规避奇点目的[5]。而在五金产业中，部分机器人控制系统因为算法问题，做不到零奇异位，因此可以在以下两点做出规避。一是重新示教：当控制系统给出错误提示时，用户重新示教机器人路径，从而规避奇异位。二是腕部插补：在给出错误提示后，选择腕部插补功能。该方法可以针对经过腕部奇异位的轨迹，提供腕部插补功能，从而保证机器人可以顺利通过腕部奇异位。

2.2 机械部件精度与补偿

工业智能机器人姿态精度受多种因素影响，大体可分为静态和动态两类。静态因素包括：制造和装配过程中工业智能机器人机械结构误差；由于外部环境温度变化，以及长时间磨损，使机械手姿态偏差。动力因子是指由于机械零件自身受到外力作用而产生弹性变形而产生运动误差。为克服上述原因导致姿态偏差，需要在应用之前对工业智能机器人进行标定，并建立相应参考模型，现有标定技术包括基于三坐标测量标定、基于激光跟踪工业智能机器人标定、基于 CCD工业智能机器人标定。为进一步提高工业智能机器人真实操作精度，曾有学者提出一种基于参考模型和实际操作位置误差补偿方法。

2.3 工业智能机器人控制问题

由于企业实际工作环境中，有电、光、磁等多种不确定因素干扰，因此，工业智能机器人控制系统必须具有高实时性、稳定性和抗干扰性。

2.3.1 机构轨迹综合法研究现状

轨迹综合法按照实现路径不同，分为直接综合和间接综合两类。前者采取“预期路径—机构—路径匹配”思想，后者采用“预期路径—轨道匹配—机构”思想。自19世纪以来，机械运动问题已引起学术界广泛关注，而对机械运动研究则多为直接轨迹综合法对精密点运动轨迹进行综合。按解法不同将其划分为图形法和数值法两种，而数字法可以再进一步划分为代数法和优化法。德国学者Burmester在1876-1877年间发表有关机构综合的研究，此后许多学者对其进行充实和发展，形成一套较为完备体制集成方法。

2.3.2 神经网络PID控制研究现状

PID算法简单快捷，至今仍被广泛应用于工业领域。其控制原理如图1所示。

图1 神经网络PID控制示意图

PID控制中有三个参数，也就是PID参数KP、积分参数KI和差分参数KD。另外，PID控制器也有一些问题，如容易发生积分过调等。为进一步改善PID控制性能，许多学者对PID控制器进行深入研究，并将PID控制器有机结合起来，使PID控制器具有优势互补。神经网络是对人类大脑进行仿真的一种方法，利用神经网络来对复杂、难以描述物体进行建模或为控制器优化计算、推理、故障诊断，并将以上几种功能恰当组合和PID控制结合起来。

2.4 路径规划问题

目前工业智能机器人研究主要集中在仿生设计、自主设计、环境空间定位、目标导航等方面。在工业智能机器人结构设备方面，目前主流工业智能机器人公司都是将其机械结构向模块化、可重构化方向发展，比如将电机、减速器和检测系统集成到机械手关节模块。因此，与人交流能力也很重要，假设工业智能机器人可以“自主”地进行移动，较为常见的移动控制方式及人工势场见图2。这样工业智能机器人就可以更好地适应环境，更灵活、更安全。该系统最大的优点就是可以根据障碍物情况来规划自己的移动，根据不同应用场景来选择适合模型，而适当自由度则可以保证工业智能机器人在完成最终执行任务时的安全性。安全指示避障，它包含一些静态和动态障碍，在实际避障过程中，不但要避开工业智能机器人尾部，而且要保证整个手臂避障。工业智能机器人在路径规划中避障问题通常可以分为全局和局部两类。

图2 人工势场

在全局规划中，通常将工业智能机器人和障碍物构造为模型地图，可以确保一条不会发生冲突的最优路线，但其代价较大，且在实际应用中受到一定限制。该方法不需要传感器数据反馈，可以减少使用费用，而且仅适用于有障碍静态环境。而局部路径规划则把障碍视为一种控制问题，它充分利用传感器信息，对障碍物运动轨迹进行动态选取。

3 未来工业智能机器人应用发展方向展望及建议

3.1 提高高校专业人才培养力度

工业智能机器人研制与运用，对国内人才有很大需求。因此，应在相关产业中培育专业人才，保证工业智能机器人技术水准，促进我国智能化工业化。比如，大学可以在工业智能机器人开发、工业智能机器人应用、系统集成、人工智能等方面加入“自动化专业”专业训练。本课程旨在为工业智能机器人结构、控制与规划提供相关知识，进而提升工业智能机器人设计与性能。

3.2 完善国产工业智能机器人功能、性能及系统集成

尽管目前工业智能机器人具有较强执行能力，但是在动力学、功能、性能等方面，与国外工业智能机器人相比仍存在着一定差距。在此基础上提出在工业智能机器人整体性能和智能程度方面，应进一步加大对工业智能机器人关键零部件研发力度，提高其集成度。同时，还可以大力推广工业智能机器人在各个领域应用，为最终用户提供功能稳定、性能优良的工业智能机器人应用。

3.3 提高工业智能机器人人工智能水平

要加大对工业智能机器人研发力度，不断提升其人工智能水平，促进其实现智能化工业化。以手机产业产品品质检验为例：国产工业智能机器人可以生产出产品，但是现在还不能精确地检测手机。工业智能机器人“智能识别”功能可以被集成到设计中。利用频谱技术，对手机表面刮伤进行识别。

4 结语

总之，利用工业智能机器人进行智能化工业化分析，可以更好地理解国内工业智能机器人性能，并解决国内工业智能机器人与国外技术的差距。未来，我国智能制造企业必须强化人力资源开发，强化工业智能机器人功能、性能及系统集成，并将外界信息完全整合，提升工业智能机器人人工智能技术，提升其应用价值，提升我国智能制造产业竞争优势。