广西大学邓建新教授团队：基于工业机器人的复杂曲面磨抛关键技术综述丨JME文章推荐

引用论文

邓建新, 袁邦颐, 黄秋林, 丁度坤, 辛曼玉, 刘光明. 基于工业机器人的复杂曲面磨抛关键技术综述[J]. 机械工程学报, 2024, 60(7): 1-21.

DENG Jianxin, YUAN Bangyi, HUANG Qiulin, DING Dukun, XIN Manyu, LIU Guangming. Review on the Key Technologies of Complex Surfaces Polishing Based on Robots[J]. Journal of Mechanical Engineering, 2024, 60(7): 1-21.

(戳链接，下载全文)

磨抛加工是提升零件表面质量和精度的重要方法之一。基于工业机器人系统的复杂曲面磨抛技术正逐渐成熟，凭借灵活、占地小、精度高、成本低等优势正逐渐取代人工磨抛和数控机床磨抛成为主流。广西大学邓建新教授团队通过分析基于工业机器人的磨抛加工原理，引出影响机器人磨抛加工精度效果的关键问题：磨抛加工轨迹的规划精度和力控制精度，前者关注加工效率和精度之间的平衡，后者则更侧重于加工的精度和一致性；从这两个方面出发，总结机器人磨抛系统加工轨迹规划方法和柔顺力控制策略的研究目的、特点和成果进展。机器人磨抛系统加工轨迹规划以应用与改进传统数控机床磨抛中常用的加工路径规划方法为主，出现了少量根据机器人特性提出的加工路径规划方法；磨抛柔顺力控制技术出现了被动柔顺、主动(阻抗控制、力/位混合控制)及智能控制等策略，对比分析了各方法原理、研究应用情况和优劣；并提出了未来可能的发展方向。为该领域的研究者提供指引 。他们的研究成果以题为《基于工业机器人的复杂曲面磨抛关键技术综述》发表在《机械工程学报》2024年第07期。

1

行业现状

随着工业技术的发展，人们对产品表面精度的要求越来越高，表面精度不仅影响产品的外观，还对产品的性能和可靠性产生重要影响，尤其是在航空、医疗器械和轨道交通等对精度要求极高的领域。磨抛加工是提升零件表面质量和精度的关键方法之一，然而传统的人工打磨抛光效率低下，质量不稳定，成为高端制造业发展的瓶颈。自动化打磨成为趋势，尤其是基于数控机床和机器人的自动磨抛技术逐渐得到广泛应用。

基于工业机器人的磨抛系统相比数控机床具有更广泛的应用范围，其优点包括占地面积小、成本低、适应性强、可移植性高，特别适用于复杂曲面和大型工件的加工。自动化磨抛技术的核心在于路径规划和力的柔顺控制，其中粗磨注重效率，精磨则更加关注表面精度。复杂曲面的磨抛加工面临更高的挑战，尤其是路径规划和力控制，需要更精细的处理以确保最终的表面精度一致性。

图1 大型曲面的磨抛加工

2

论文亮点

基于工业机器人的磨抛加工原理

1.磨抛机器人系统的分类

• 工具型系统：工件固定，机器人通过安装在末端的打磨工具完成磨抛，适用于大型和复杂曲面零件。

• 工件型系统：机器人抓取工件并送到固定的打磨设备，完成不同工艺的打磨加工。

2.磨抛运动模型

• 工具型磨抛的模型展示了磨粒在工件表面的运动轨迹及其力学分析。该运动模型通过方程描述了磨抛轮与工件的相对运动以及接触力的产生。

3.磨抛接触力分析

• 磨抛接触力是摩擦力与压力的合力，分为法向、切向和轴向打磨力。不同方向的打磨力对工件的加工深度和表面质量产生影响。

4.Preston方程

• 描述了单位时间内待加工材料的去除量与接触区域压强的关系。打磨效率和质量与工具和工件之间的相对速度密切相关。

图2 磨抛机器人系统

图3 磨抛运动模型

复杂曲面磨抛路径规划研究现状

1.复杂曲面的表示方法

• 复杂曲面的自由度高：复杂曲面（如汽车轮毂、航空叶片等）难以通过传统显式方程表示，通常采用参数方程（如NURBS方法）来建模，这种方法在现代曲面造型和加工路径规划中应用广泛。

• NURBS在复杂曲面中的广泛应用：非均匀有理B样条（NURBS）成为现代工程中复杂曲面的主流描述方式，尤其是在航空、汽车等高精度领域的曲面描述与加工路径规划中。

• NURBS曲面控制的灵活性：通过双参数的B样条基函数，可以对复杂曲面的形状进行精确控制，使其能够适应工业中的高精度加工要求。

2.工业机器人磨抛加工路径规划

• 工业机器人磨抛路径的离散化：磨抛刀路规划需对加工路径进行离散化处理，通过选择节点形成刀位点，并通过逆运动学计算出各节点的关节坐标，确保路径跟踪精度。

• 多种传统数控加工方法的应用与改进：例如等弦高误差法、等参数线法等传统数控方法被改进并应用于机器人磨抛中，但仍有精度与效率上的挑战，如刀纹的产生和路径的精度。

• 多向性路径规划的创新性：提出了基于多方向性分布的路径规划方法，以消除磨抛过程中的刀纹和纹理不均匀问题，提升工件表面精度。

• 机器人运动特性与磨抛路径规划的结合：为提高路径跟踪精度，机器人末端姿态优化是关键，涉及逆运动学计算与避免奇异位姿的问题。

• 避免干涉的优化策略：磨抛过程中，需通过调整刀具姿态避免机器人本体、工具与工件的碰撞和干涉问题。

图4 工具坐标系与局部刀位点坐标系

图5 刀具路径点示意图

机器人磨抛柔顺力控制方法现状

1.被动柔顺力控制研究

• 解耦力控与位置控制：被动柔顺力控制通过柔顺性机械结构实现力控与位置控制的解耦，简化了控制系统设计，广泛应用于机器人磨抛操作。

• 可调节的被动柔顺结构：目前，研究重点集中在通过气缸或液压缸实现可调节的被动柔顺单元，如自适应气动法兰等装置，可根据不同加工对象自适应调整柔顺性，提升加工的精度与效率。

• 局限性与未来发展方向：被动柔顺装置在提升作业灵活性方面效果显著，但由于力控制的动态范围较小，容易导致位置跟踪精度下降，且柔顺力的响应速度有待提升。未来研究方向包括模块化、线性化与高精度的被动柔顺装置的开发。

2.主动控制策略

• 阻抗控制策略：通过调节机器人末端执行器的位置、速度和接触力之间的动态关系实现力控制。阻抗控制不直接控制交互力，而是通过二阶系统模型进行调节，常用的模型包括自适应阻抗控制和基于智能算法的阻抗控制。

• 自适应控制的应用：当前的研究通过自适应技术来应对环境中的不确定性，增强模型的鲁棒性。自适应阻抗控制方法能够根据力误差进行实时调整，但仍面临收敛速度和控制精度的挑战。

• 智能控制策略：通过神经网络等智能算法进行参数调整和误差补偿，RBF神经网络广泛应用于阻抗控制模型的不确定项逼近，但仍面临大数据需求和逼近精度提升的难题。

3.主-被动柔顺相结合的柔顺控制

• 主动与被动控制结合的优势：主-被动柔顺控制结合了主动控制的精度与被动控制的灵活性，提升了系统的鲁棒性与响应速度，适用于复杂曲面的磨抛加工任务。

• 典型应用与发展：如通过视觉系统实现主动避撞与被动柔顺的结合应用于工业打磨任务，提高了系统对多样化任务的适应能力。未来研究方向侧重于协调主动和被动柔顺之间的关系，提升整体控制的性能和适用性。

图6 机器人磨抛的柔顺力控制方法

图7 被动柔顺单元

3

结论与展望

基于工业机器人系统的复杂曲面磨抛技术逐渐成熟，机器人具有加工范围大、高灵活性等特点，能够通过控制策略实现末端力控制与柔顺。然而，当前的磨抛路径规划与柔顺控制主要是分开研究，鲜有结合。数控机床的路径规划研究较为成熟，因此工业机器人磨抛技术更多是对数控路径的应用与改进。尽管磨抛机器人取代了部分数控机床的功能，结合机器人运动特点的磨抛路径规划仍较为少见，尤其是同时考虑柔顺力的研究。工业机器人柔顺力控策略，虽已有被动、主动、混合等方法，但仍存在技术难点 。

在控制策略中，阻抗控制的研究重点在于机器人与环境交互模型的建立，但现场环境复杂，难以准确获取所有环境信息，影响力控制精度。滑模控制被广泛研究，具有较强的抗干扰能力，但也存在收敛慢、抖振等问题。智能控制虽然具有潜力，但尚处于理论阶段，未能广泛应用。

未来的研究将集中在提高磨抛路径规划的效率和精度，优化柔顺力控制算法的智能性和实用性。提升传感器技术是未来的重要方向，精确的传感器能显著增强对工件的感知能力，并提供更及时的末端反馈信息。结合先进的智能算法（如深度学习和仿生优化算法），开发更具鲁棒性的机器人控制算法将是核心任务。此外，机器人控制器的响应速度直接影响其精度和效率，因此进一步优化计算机技术和逆解算法至关重要。

最后，将人工智能与机器视觉相结合，实现在线检测和缺陷分类，有望提升磨抛工艺的自动化水平，及时发现并修复磨抛不合格的位置，进一步提高零件的表面精度。

4

[1] WEI Y, XU Q. Design of a new passive end-effector based on constant-force mechanism for robotic polishing[J]. Robotics and Computer-Integrated Manufacturing, 2022, 74：102278.

[2] LUO J, SOLOWJOW E, WEN C, et al. Deep reinforcement learning for robotic assembly of mixed deformable and rigid objects[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Madrid：IEEE, 2018：2062-2069.

[3] HE J, SHEN M, GAO F, et al. Active compliance control of a position-controlled industrial robot for simulating space operations[J]. Chinese Journal of Mechanical Engineering, 2022, 35(1)：1-14.

[4] WANG Q, WANG W, DING X, et al. A force control joint for robot-environment contact application[J]. Journal of Mechanisms and Robotics, 2019, 11(3)：034502.

[5] 罗来臻,赵欢,王辉,等.复杂曲面机器人磨抛位姿优化与刀路规划[J].机械工程学报,2022,58(03)：284-294.

作者及团队介绍

邓建新， 博士，教授，中国机械工程学会高级会员，广西工业工程师学会理事。现任广西制造系统与先进制造技术重点实验室副主任、广西大学机械制造系副主任。一直从事制造系统及其信息学、网络化制造、挤压铸造等方面的研究，2017年入选“广西高等学校千名中青年骨干教师培育计划”。2013.5-2014.5美国佐治利亚理工学院访问学者。作为主研人员主持和参与完成国家自然科学基金、国家863项目、国家“十五”科技攻关项目、广西科技攻关项目等20多项项目的研究。已发表SCI/EI等收录论文40余篇，获鉴定成果3项，科技奖励3项，优秀编辑奖励2项，参与出版专著2部，授权/公开的发明专利20余项，美国专利1项，取得软件著作权8项。现兼任国家自然科学基金通讯评审专家、教育部学位中心论文通讯评审专家、广西科技项目评估专家、广西交通运输厅科技专家、广西工业与信息化专家，及《International Journal of Machine Tools and Manufacture》《International Journal of Production Research》《Chinese Journal of Mechanical Engineering》《Energy》《The International Journal of Advanced Manufacturing》等著名期刊审稿人，担任广西机械工程学会会刊《装备制造技术》青年编委和编辑。

5

主创作者团队主要研究方向

依托广西制造系统与先进制造技术重点实验室，成立制造信息学研究团队，长期从事制造系统及其信息学、网络化制造研究，围绕智能化、互联网化、共享服务化、个性化等趋势对制造系统及其信息管理控制的新要求，融入工业与系统工程视角，应用信息学和运筹学方法实现新趋势下制造系统的优化设计、控制及信息管理集成，推动制造系统性能升级、制造过程全数字化。近期专注于基于工业机器人的智能加工、数据驱动的制造工艺设计、共享/服务制造的基础理论、关键技术、工业软件系统与应用研究。

6

团队相关文章推荐

[1] Jianxin Deng*, Xingyu Chen, Wandong Wei, Jiawei Liang. Resource coordination scheduling optimisation of logistics information sharing platform considering decision response and competition.Computers & Industrial Engineering ,2023:176:108892

[2] Jianxin Deng*, Bin Xie, Dongdong You, Ling Wang, Xiusong Wu, Gang Liu , Jiawei Liang .Process Parameters Design of Squeeze Casting through An Improved KNN Algorithm and Existing Data.Journal of Manufacturing Processes,2022,84:1320-1330.

[3] Deng Jianxin*, Chen Xinyu. Simulation of impact of resource competition on shared resource utilisation [J].International Journal of Simulation Modelling, 2022, 21(4):708-719.

[4] Deng Jianxin*,Ye Zhixing,Tang Rui,You Dongdong, Xie Bin. Reliability evaluation method for squeeze casting process parameter data[J]. The International Journal of Advanced Manufacturing Technology,2021,117(3-4):1303–1325.

[5] Deng Jianxin*,Ye Zhixing,Shan Lubao,You Dongdong,Liu Guangming. Imputation Method Based on Collaborative Filtering and Clustering for the Missing Data of the Squeeze Casting Process Parameters[J]. Integrating Materials and Manufacturing Innovation,2022,11:95-108.

作 者：邓建新

责任编辑：杜蔚杰

责任校对：张 强

审 核：张 强

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

版权声明：

本文为《机械工程学报》编辑部原创内容，欢迎转载，请联系授权！

在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!

联系人：暖暖

电话：010-88379909

E-mail：jme@cmes.org

网 址：http://www.cjmenet.com.cn

官方微信号：jmewechat