Multivariable Frequency-Domain Identification of Industrial Robots

Abstract: Industrirobotar är idag en väsentlig del i tillverkningsindustrin där de bland annat används för att minska kostnader, öka produktivitet och kvalitet och ersätta människor i farliga eller slitsamma uppgifter. Höga krav på noggrannhet och snabbhet hos robotens rörelser innebär också höga krav på de matematiska modeller som ligger till grund för robotens styrsystem. Modellerna används där för att beskriva det komplicerade sambandet mellan robotarmens rörelser och de motorer som orsakar rörelsen. Tillförlitliga modeller är också nödvändiga för exempelvis mekanisk design, simulering av prestanda, diagnos och övervakning.En trend idag är att bygga lättviktsrobotar, vilket innebär att robotens vikt minskas men att den fortfarande kan hantera en lika tung last. Orsaken till detta är främst att minska kostnaden, men också säkerhetsaspekter spelar in. En lättare robotarm ger dock en vekare struktur där elastiska effekter inte längre kan försummas i modellen om man kräver hög prestanda. De elastiska effekterna beskrivs i den matematiska modellen med hjälp av fjädrar och dämpare.Denna avhandling handlar om hur dessa matematiska modeller kan tas fram genom systemidentifiering, vilket är ett viktigt verktyg där mätningar från robotens rörelser används för att bestämma okända parametrar i modellen. Det som mäts är position och moment hos robotens alla motorer. Identifiering av industrirobotar är ett utmanande problem bland annat eftersom robotens beteende varierar beroende på armens position. Den metod som föreslås i avhandlingen innebär att man först identifierar lokala modeller i ett antal positioner. Var och en av dessa beskriver robotens beteende kring en viss arbetspunkt. Sedan anpassas parametrarna i en global modell, som är giltig för alla positioner, så att den så väl som möjligt beskriver det lokala beteendet i de olika positionerna.I avhandlingen analyseras olika metoder för att ta fram lokala modeller. För att få bra resultat krävs att experimenten är omsorgsfullt utformade. För att minska osäkerheten i den globala modellens identifierade parametrar ingår också valet av optimala positioner för experimenten. Olika metoder för att identifiera parametrarna jämförs i avhandlingen och experimentella resultat visar användbarheten av den föreslagna metoden. Den identifierade robotmodellen ger en bra global beskrivning av robotens beteende.Resultatet av forskningen har även gjorts tillgängligt i ett datorverktyg för att noggrant kunna ta fram lokala modeller och identifiera parametrar i dynamiska robotmodeller.