|
工業(yè)機器人技術(shù) 工業(yè)機器人通常工作于工廠(chǎng)車(chē)間，能夠執行各種任務(wù)，尤其是對人體有害或其所要求的精度和速度人類(lèi)很難甚至無(wú)法做到的任務(wù)。 正如ISO 8373所定義的，工業(yè)機器人是能夠自動(dòng)控制的可重復編程的多用途機械裝置，它可以在三軸甚至更多軸上進(jìn)行編程，可以是固定的，也可以是移動(dòng)的，用在工業(yè)自動(dòng)化應用領(lǐng)域。 2010年以來(lái)，工業(yè)機器人自動(dòng)化水平不斷提高，技術(shù)持續創(chuàng )新，對工業(yè)機器人的需求也日益增長(cháng)。2015年，全球有1 50萬(wàn)臺工業(yè)機器人在工作。 工業(yè)機器人技術(shù)指的是對構成機器人的電動(dòng)機械臂和關(guān)節的設計、構建、操作和裝配。機器人控制的核心是致動(dòng)關(guān)節，它按照設定的軌跡移動(dòng)機器人。除了控制關(guān)節，機器人技術(shù)還包括建模、識別、設計、軌跡規劃和學(xué)習等。 緣起：汽車(chē)工業(yè) 汽車(chē)工業(yè)是首先大批量應用工業(yè)機器人的行業(yè)。機器人應用在汽車(chē)工業(yè)領(lǐng)域完成點(diǎn)焊、搬運（包括工件的抓起、放下和取出等）、車(chē)體裝配、噴漆和涂覆等任務(wù)。 正如任何新技術(shù)一樣，工業(yè)機器人憑借技術(shù)戰略上的優(yōu)勢，包括制造質(zhì)量的提升、制造時(shí)間的縮短、缺陷的減少等，推動(dòng)了其最初的應用部署。 工業(yè)機器人發(fā)展趨勢 隨著(zhù)機器人技術(shù)的成熟，制造商和最終用戶(hù)已經(jīng)開(kāi)始探索如何超越最初的戰略?xún)?yōu)勢。工業(yè)機器人目前的發(fā)展趨勢包括： ·對高可靠性和生產(chǎn)率的、具有成本效益的機器人的需求。 ·用于高性能應用機器人，例如水射流和激光切割、物料輸送、電弧焊接、膠合、去毛刺和倒角等，其控制策略不同于裝配。 ·協(xié)同機器人協(xié)調工作，兩個(gè)或者多個(gè)機器人一起處理由第三個(gè)機器人持有的工件；例如，電弧焊接。 ·機器視覺(jué)引導的機器人控制，機器視覺(jué)系統根據自己的“所見(jiàn)”來(lái)控制機器人軌跡，例如，抓取和排列操作。 ·能夠滿(mǎn)足功能安全的機器人，這對于自動(dòng)防故障操作和人機協(xié)同非常重要。 這些新出現的發(fā)展趨勢開(kāi)辟了新市場(chǎng)和應用。但是，也給機器人控制帶來(lái)了挑戰。 機器人技術(shù)面臨的實(shí)際挑戰 要認識到工業(yè)機器人目前的發(fā)展趨勢給機器人設計人員帶來(lái)多大的挑戰，應首先研究機器人技術(shù)所面臨的主要控制問(wèn)題。 很顯然，機器人技術(shù)主要是關(guān)于運動(dòng)控制的。這與電機控制不同。電機控制是指通過(guò)算法來(lái)高效地驅動(dòng)每一個(gè)電機軸，達到所要求的速度、位置和扭矩。運動(dòng)控制是指能夠控制運動(dòng)點(diǎn)的軌跡或者點(diǎn)位(例如，路徑；參見(jiàn)圖1)——通常，機器人臂的工具末端有多個(gè)自由度。通過(guò)多個(gè)電機、齒輪、杠桿、彈簧、軸承和關(guān)節來(lái)定位運動(dòng)點(diǎn)，在三維空間中按照所要求的軌跡行進(jìn)。 圖1.曲線(xiàn)P1-P2表示一個(gè)六軸機器人的工具控制路徑。（有趣的直覺(jué)推論：最短的路徑未必是最快的路徑。） 實(shí)際的挑戰源自運動(dòng)控制領(lǐng)域的復雜性，在管理上這被統稱(chēng)為“擾動(dòng)”。擾動(dòng)包括慣性、共振、轉矩波動(dòng)、齒輪滯后和軸承摩擦等（參見(jiàn)圖2）。表1總結了機器人制造商面臨的一些常見(jiàn)的實(shí)際復雜問(wèn)題，以及給機器人設計人員帶來(lái)的挑戰。 表1.實(shí)際的機器人復雜性和挑戰 圖2.實(shí)際擾動(dòng)及其對機器人控制影響的實(shí)例 模型預測控制 模型預測控制(model predictive control， MPC)的出現已成為工業(yè)機器人領(lǐng)域最重要的模式。MPC以實(shí)時(shí)、隨時(shí)的方式連續計算和重新計算機器人控制輸入(在業(yè)界被稱(chēng)為“在線(xiàn)”)，補償實(shí)際擾動(dòng)，從而減輕甚至消除了上述挑戰的影響。 MPC預測建模系統中由獨立變量的變化造成的相關(guān)變量的變化。 有兩類(lèi)獨立變量：由控制器可調的變量，以及不可調的變量。 能夠由控制器調整的獨立變量是控制輸入，例如電機的瞬時(shí)轉軸角度，需要這些輸入用于在三維空間中通過(guò)一系列坐標來(lái)移動(dòng)機器人工具，這些坐標代表了所要求的工具路徑�？刂破鞑荒苷{整的獨立變量是前面所描述的擾動(dòng)。 相關(guān)變量是表示控制目標的坐標，例如，要求的工具路徑。也可以表示必須避開(kāi)的坐標點(diǎn)等約束，以避免與鄰近的結構（例如容器壁等）或者其他機器人相碰撞。 MPC使用當前瞬時(shí)機器人系統測量結果、系統和MPC模型當前瞬時(shí)動(dòng)態(tài)狀態(tài)，以及系統變量目標和限制等，來(lái)計算可控獨立變量下一步的變化。MPC計算出這些變化，使得相關(guān)變量盡可能靠近目標值，以實(shí)現對獨立變量和相關(guān)變量的約束。 在時(shí)間t，MPC對機器人系統當前狀態(tài)進(jìn)行采樣，預測相對短的未來(lái)時(shí)間范圍內 (t, t + T) 的最優(yōu)控制策略，這稱(chēng)為預測時(shí)域(參見(jiàn)圖3)。當MPC計算整個(gè)預測時(shí)域內所有必要的控制輸入時(shí)，它只將控制策略中的第一條命令發(fā)送給致動(dòng)器。當機器人執行第一條命令時(shí)，MPC再次對系統采樣，重復計算過(guò)程，但是采用了時(shí)間t + 1的當前新?tīng)顟B(tài)。它現在確定最新的控制輸入以及最新的預測工具路徑。通過(guò)不斷的重復采樣和計算過(guò)程，同時(shí)將預測時(shí)域等間隔向前移動(dòng)，間隔時(shí)間與采樣時(shí)間相等，MPC連續確定不斷優(yōu)化的一組控制輸入�？刂戚斎胧峭ㄟ^(guò)對系統瞬時(shí)狀態(tài)的連續實(shí)時(shí)采樣進(jìn)行計算得出的，因此，MPC計算控制輸入以維持所要求的工具路徑，同時(shí)處理瞬時(shí)擾動(dòng)。由于是在預測時(shí)域內不斷向前移動(dòng)，因此，MPC也被稱(chēng)為滾動(dòng)時(shí)域控制。 圖3. Martin Behrendt提出的MPC 基礎方案 ——通過(guò)維基百科共享資源得到了CC BY-SA 3.0許可 MPC不同于簡(jiǎn)單的比例積分微分(proportional-integral-derivative， PID)控制。MPC通常用于表示復雜動(dòng)態(tài)系統的行為。機器人很普通的特性對于PID控制器來(lái)說(shuō)卻很復雜，例如高階動(dòng)態(tài)變化。對于具有高階動(dòng)態(tài)變化的控制問(wèn)題，MPC通過(guò)超前預測來(lái)規劃控制，因此，MPC要比PID好很多。 直到最近，由于對計算硬件完成優(yōu)化算法的要求很高，MPC還是限于處理較慢的動(dòng)態(tài)變化。MPC算法包括復雜的數學(xué)運算，例如，解決含有浮點(diǎn)加法、矩陣乘法、除法、替換和Cholesky分解在內的內點(diǎn)二次規劃（quadratic programming， QP）問(wèn)題等。使用各種基于傳感器的監測器來(lái)增強對控制電機轉軸位置的估算，進(jìn)一步調整MPC。一種常用的監測器使用了卡爾曼濾波器或者擴展卡爾曼濾波器(extended Kalman filter， EKF)。 在FPGA中，采用硬件浮點(diǎn)算子加速MPC算法的執行 傳統上采用高性能通用CPU來(lái)處理MPC問(wèn)題。最近的硬件發(fā)展趨勢是采用現場(chǎng)可編程門(mén)陣列(FPGA)來(lái)加速MPC算法，超越了CPU的能力所及。使用單精度浮點(diǎn)算法，Cholesky分解和EKF等數學(xué)運算算法能夠在FPGA中高效地實(shí)現，與基于CPU的系統相比較，不但顯著(zhù)縮短了計算時(shí)間，而且還大幅度降低了功耗。 基于硬件的浮點(diǎn)能力，目前這是FPGA供應商Altera在FPGA器件中所獨有的，進(jìn)一步加速了基于FPGA的浮點(diǎn)算法。Altera 20nm Arria? 10 FPGA和SoC是業(yè)界第一款具有硬核浮點(diǎn)運算功能的器件，性能達到每秒1.5萬(wàn)億次浮點(diǎn)運算(TFLOPS)。Altera 14nm Stratix? 10 FPGA和SoC的浮點(diǎn)性能是業(yè)界最好的，性能達到10 TFLOPS。 浮點(diǎn)DSP模塊列協(xié)同工作時(shí)還支持矢量模式。這些矢量模式支持MPC等高性能計算應用中典型的線(xiàn)性代數函數。 FPGA與基于硬件的浮點(diǎn)運算相結合，與傳統方法相比，MPC速度提高了幾倍，而且還大幅度降低了功耗。 工業(yè)機器人的未來(lái)機遇 從2015年到2018年，預計全世界工廠(chǎng)會(huì )安裝130萬(wàn)臺新工業(yè)機器人。國際機器人聯(lián)合會(huì )預計工業(yè)機器人全球市場(chǎng)會(huì )從2015年的110億美元增長(cháng)到2025年的244億美元。 工業(yè)機器人的未來(lái)創(chuàng )新會(huì )圍繞基于傳感器的控制而展開(kāi)。更多傳感器的實(shí)際信息被傳遞給MPC，滿(mǎn)足了復雜模型的增強可視化需求，從而高效地處理高速操作和低成本材料使用帶來(lái)的擾動(dòng)問(wèn)題�；趥鞲衅鞯目刂七�有助于滿(mǎn)足功能安全要求，提高故障探測和失敗模式分析能力。小型化和新傳感功能，包括觸覺(jué)和受力反饋等，將有助于機器人應用于更多的工業(yè)領(lǐng)域，例如，離散組件的電子裝配線(xiàn)等小尺寸而且尺寸各不相同的材料和產(chǎn)品應用行業(yè)。 要求能夠快速重新配置和重新校準機器人，以支持工業(yè)4.0和IoT推動(dòng)的大規模定制和智能工廠(chǎng)的運行。 工業(yè)4.0的一項基本要求是，通過(guò)搭載能夠互相通信的自主機器人實(shí)現自動(dòng)生產(chǎn)。把機器人與中心服務(wù)器或者數據庫連接，機器人能夠自動(dòng)協(xié)同工作。它們能夠以最少的人力投入智能地完成任務(wù)：例如采用自主移動(dòng)機器人(autonomous mobile robots， AMR)在工廠(chǎng)車(chē)間里搬運材料，這些機器人會(huì )避開(kāi)障礙物，與其他AMR協(xié)同工作，實(shí)時(shí)確定需要在哪里抓取物體，在哪里放下物體�？梢栽谄髽I(yè)層面上獨立保有中心數據庫服務(wù)器，也可以將其外包給安全的云服務(wù)提供商。 智能工廠(chǎng)目前的趨勢是自主機器人今后五年內成為主流應用。FPGA能夠在單個(gè)芯片中集成控制和通信功能，包括為機器人間的精確時(shí)序提供的確定性以太網(wǎng)802.1 TSN，以及工廠(chǎng)到云端通信等，這些對于工業(yè)機器人自主革命至關(guān)重要。傳感器處理也將極大地受益于FPGA 。 工業(yè)機器人的未來(lái)會(huì )非常令人振奮。FPGA等高性能計算硬件也將推動(dòng)控制創(chuàng )新。FPGA基于硬件的浮點(diǎn)運算等特性將有助于實(shí)現計算能力的突破，這對于機器人加速控制算法非常關(guān)鍵。機器人控制領(lǐng)域的FPGA應用會(huì )越來(lái)越多，不僅僅是由于機器人控制算法極高的計算需求，而且還在于FPGA為機器人領(lǐng)域帶來(lái)的低成本、低功耗和工業(yè)4.0功能等優(yōu)勢。 |
