MAGAZINE
刊物內容

回列表

應用於鈑金之七個自由度機器手臂系統的最佳化運動規畫與VR模擬之設計

摘要"

傳統的鈑金件加工都是以手動機械,但隨著科技的發展,台灣的機械產業正積極朝高速、高精密、高附加價值領域發展來配合產業升級,以系統化、智慧化做為技術主軸。本研究是針對結合六軸械臂搭配基座線性滑軌之七自由度多餘自由度機械臂(redundant robot)進行運動規畫之研究,以取代傳統人工手動板金折彎模式搭配自動折彎機來進行鈑金件加工。此多餘自由度機械臂之鈑金加工的運動規劃任務,考慮從鈑金件取物點位置到中繼點位置再到鈑金入刀口折彎前之位置,針對不同的價值函數進行最佳化運動規畫,並整合V-REP與Matlab之軟體進行虛擬運動模擬。主要研究的最佳化問題分成兩段,第一段為鈑金架到中立點,第二段為中立點到入刀口。在探討各位置之操作性最佳化問題時,利用基因演算法尋找出機械手臂於各位置之最佳姿態,並以三階多項式路徑規劃法,串聯各位置間之路徑,再配合V-REP軟體建立虛擬工廠環境,以模擬機械手臂執行鈑金折彎加工之運動過程。在進行中繼點與折彎點的運動規劃最佳化時,因任務需求不同將價值函數分為兩類:分別為操作性最佳化與安全性最佳化。在進行中立點到入刀口之運動規劃最佳化時,則將價值函數分為三類:分別為操作性姿態最佳、安全性最佳化與定位誤差最小。經所提出之方法求解運動規劃最佳化問題,將來可應用於實際的機器手臂系統。

關鍵詞:多餘自由度之機械臂、鈑金加工、最佳化問題、基因演算法、V-REP

前言

近年來隨著製造業之生產模式的進步,已發生了第四次革命性變化,隨著物聯網(IOT)、大數據(Big data)、機聯網(M2M)、虛實整合(Cyber-Physical System, CPS)、電腦整合製造(CIM)、自動光學檢測(AOI)、機器人(Robot)、CAD/CAE/CAM、人工智慧(AI)及彈性製造系統(FMS)等技術的成熟,無人化工廠已經不再是科幻,而逐漸變成製造工廠發展的一個目標。在工業4.0的模式下將大量的使用機械手臂取代傳統人力,藉由物聯網的技術使得每一個工廠機器皆可以接收及發送數據資料,因此機器之間可以互相溝通來找出機器手臂的最佳參數。每個機器節點就像人類的神經系統的神經節,整個工廠就像人類的神經網路系統。每台機器透過網路將資訊傳回中央調控系統,中央控制系統透過大數據的分析找到最佳生產模式,再將指令透過網路傳遞到機器手臂的控制器,進而建立最有效率的生產模式。
一般的機械手臂在做路徑規劃時,反向運動學最常被廣泛使用的為廣義逆轉換法(Moore-Penrose pseudo-inverse),此法為D.E. Whitney在1969年所提出,首次出現於機械臂的解析運動率控制法之論文中[4],可廣泛的應用於各種機器手臂之運動規畫。但是當機械手臂在某些特定的姿態時,其Jacobian矩陣將會發生奇異(singular),此時的姿態稱為機械手臂的奇異點(singularities)。為了解決機械手臂在計算運動路徑時所發生的奇異點現象,MiroslawGalicki提出了一個利用Lyapunov穩定性理論取代逆向運動學進而避免掉奇異點的問題發生來進行空間中的軌跡追蹤任務 [5]。此外陳介力等人亦提出一個新的運動規畫法,即是利用順向運動學將機器手臂之卡氏座標與各關節角度的關係構成一個價值函數,並透過最佳化之問題來求解反向運動學問題,如此可避免掉奇異點所造成之困擾[6-7]。
基因演算法最早是由J.H. Holland [8]首先提出,其主要用來解決最佳化搜尋問題,後來再由其學生D.E. Goldberg確定出選擇、交配及突變三種基因遺傳演算法的基本運算,經過多年來的發展使用,基因遺傳演算法目前已被成功的應用在各種領域上了,在2008年,T. Srikanth[9]等人甚至將基因演算法用來計算切削加工程序的機台參數,可見其用途之廣泛,2009年學者Maria da Graa利用基因演算法結合pseudo-inverse方法應用在冗餘機械臂上,來優化關節的控制和避免關節角度漂移的問題[10]。而在2007年2月R. Saravanan提出了利用非支配排序基因演算法(NSGA-II)搭配多目標差分演算法(MODE)以及差分方程法(DE)來進行工業用機械手臂的避障軌跡路徑的規劃[11]。...更多內容,請見《機械新刊》雜誌。

READ MORE BACK TO LIST