آمار

تعداد نشریات36
تعداد شماره‌ها1,192
تعداد مقالات8,579
تعداد مشاهده مقاله6,989,911
تعداد دریافت فایل اصل مقاله4,033,398
حریان, سیاوش, بهرامی, سعید. (1399). تخمین جرم بار ربات دلتا با استفاده از گشتاور موتورها. پدافند الکترونیکی و سایبری, 16(2), 27-38.
سیاوش حریان; سعید بهرامی. "تخمین جرم بار ربات دلتا با استفاده از گشتاور موتورها". پدافند الکترونیکی و سایبری, 16, 2, 1399, 27-38.
حریان, سیاوش, بهرامی, سعید. (1399). 'تخمین جرم بار ربات دلتا با استفاده از گشتاور موتورها', پدافند الکترونیکی و سایبری, 16(2), pp. 27-38.
حریان, سیاوش, بهرامی, سعید. تخمین جرم بار ربات دلتا با استفاده از گشتاور موتورها. پدافند الکترونیکی و سایبری, 1399; 16(2): 27-38.

تخمین جرم بار ربات دلتا با استفاده از گشتاور موتورها

مکانیک هوافضا
مقاله 3، دوره 16، شماره 2 - شماره پیاپی 60، تیر 1399، صفحه 27-38    اصل مقاله (507.65 K)
نوع مقاله: گرایش دینامیک، ارتعاشات و کنترل
نویسندگان
سیاوش حریان؛ سعید بهرامی*
دانشکده مکاترونیک دانشگاه آزاد اسلامی کرج
تاریخ دریافت: 21 اردیبهشت 1398،  تاریخ بازنگری: 08 تیر 1398،  تاریخ پذیرش: 25 خرداد 1399 
چکیده
کنترل وزن محصولات قبل از بسته بندی آن، یکی از اصلی ترین مراحل کنترل کیفیت در بسیاری از فرآیندهای تولید می باشد. اگرچه این مسئله می تواند با روش های معمول نیز ترازو صورت گیرد، اما روش های معمول می تواند سرعت خط تولید را در خطوط مجهز به تجهیزات سریع نظیر ربات دلتا کاهش دهد. به همین دلیل در مقاله حاضر یک روش برای شناسایی برخط جرم بار حمل شده توسط ربات دلتا در حین بسته بندی ارئه شده است. برای این منظور معادلات دینامیکی ربات نوشته شده و پس از صحه گذاری آن با نرم افزار آدامز به فرم رگرسیون خطی بازنویسی شده اند. سپس به کمک روش حداقل مربعات بازگشتی پارامترهای مورد نظر شناسایی شده اند. از آنجا که فرض ثابت بودن ضرایب اصطکاک حین کارکرد ربات می تواند از دقت الگوریتم بکاهد این پارامتر نیز به همراه جرم در هر مرحله تخمین زده می شود. شبیه سازی های انجام شده در نرم افزار متلب نشان دهنده دقت مناسب روش پیشنهادی حتی در حضور نویز اندازه گیری می باشد. همچنین، شبیه سازی ها نشان می دهد که سرعت همگرایی روش بسیار بالا بوده و با تعداد داده های کم می تواند در زمان کوتاهی جرم بار را تخمین بزند.
کلیدواژه‌ها
ربات دلتا؛ شناسایی جرم بار؛ شناسایی ضرایب اصطکاک؛ حداقل مربعات بازگشتی
عنوان مقاله [English]
Estimation of the Payload mass in DELTA robot by using the motor torque
نویسندگان [English]
Siavash Horrian؛ Saeed Bahrami
Department of Mechatronics Karaj Islamic Azad University
چکیده [English]
Controlling product weight before packing is one of the main quality control features of many manufacturing processes. Although this issue can be done by the usual methods such as measuring scale, it can reduce the speed of the product line which is equipped with fast machines such as the delta robot. This paper presents an online method for the identification of the payload mass in the delta robot during the packing process. For this purpose, the governing dynamic equations of the robot has been written and after validating them by the ADAMS software, they are rewritten in linear regression form for the identification process. Then, the recursive least square method is used for the online parameters identification. Moreover, since the assumption of constant friction coefficients during the robot operation can reduce the estimation accuracy, these parameters are also estimated in each step with the payload mass. The proposed method is implemented in MATLAB environment and the simulation results illustrates the sufficient accuracy of the suggested method even in the presence of the measurement noise. Furthermore, the simulations indicate that the method have high convergence rate and the payload mass can be estimated with a small number of data and in a short time.
کلیدواژه‌ها [English]
Delta robot, Friction identification, Payload identification, Recursive Least Square
مراجع
  1. Bonev, I. “Delta Parallel Robot—the Story of Success”, Newsletter, 2001.##
  2. Carp-Ciocardia, D. “Dynamic Analysis of Clavel's Delta Parallel Robot, in Robotics and Automation” IEEE International Conference, ICRA'03, Vol. 3, pp. 4116-4121 2003.##
  3. Bai, P., Mei, J., Huang, T. and Chetwynd, D. “Kinematic Calibration of Delta Robot Using Distance Measurements” Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, Vol. 230, No. 3, pp. 414-424, 2016.##
  4. Pedersen, M. “Robot Skills for Manufacturing: From Concept to Industrial Deployment” Robotics and Computer-Integrated Manufacturing, Vol. 37, pp. 282-291, 2016.##
  5. Swevers, J., Verdonck, W. and De Schutter, J, “Dynamic Model Identification for Industrial Robots”, IEEE Control Systems, Vol. 27, No. 5, pp. 58-71, 2007.##
  6. Na, J., Mahyuddin, M., Herrmann, G., Ren, X. and Barber, P. “Robust Adaptive Finite Time Parameter Estimation and Control for Robotic Systems” International Journal of Robust and Nonlinear Control, Vol. 25, No. 16, pp. 3045-3071, 2015.##
  7. Gaz, C. and De Luca, A. “Payload Estimation Based on Identified Coefficients of Robot Dynamics—with an Application to Collision Detection” IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp.3033-3040, 2017.##
  8. Khalil, W., Gautier, M. and Lemoine, P. “Identification of the Payload Inertial Parameters of Industrial Manipulators” IEEE International Conference on Robotics and Automation, pp.4943-4948, 2007.##
  9. Oaki, J. and Adachi, S. “Decoupling Identification for Serial Two-Link Robot Arm with Elastic Joints” IFAC Proceedings, Vol. 42, No. 10, pp. 1417-1422, 2009.##
  10. Neubauer, M., Gattringer, H. and Bremer, H. “A Persistent Method for Parameter Identification of a Seven-Axes Manipulator” Robotica, Vol. 33, No. 5, pp. 1099-1112, 2015.##
  11. Mata, V., Benimeli, F., Farhat N. and Valera A. “Dynamic Parameter Identification in Industrial Robots Considering Physical Feasibility” Advanced Robotics, Vol. 19, No. 1, pp. 101-119, 2005.##
  12. Neuman, C. P. and Khosla, P. K. “Identification of Robot Dynamics: an Application of Recursive Estimation” Springer Adaptive and Learning Systems, pp. 175-194, 1986.##
  13. Gautier, M. and Khalil, W. "On the Identification of the Inertial Parameters of Robots" Proceedings of the 27th IEEE Conference on Decision and Control, pp. 2264-2269, 1988.##
  14. Mazare, M., Taghizadeh, M. and Najafi, M. R. “Design, Manufacturing, Kinematic Analysis of a Kind of a 3-DOF Translational Parallel Manipulator” Modares Mechanical Engineering, Vol. 16, No. 7, pp. 327-334, 2016.##
  15. Staicu, S. “Recursive Modelling in Dynamics of Delta Parallel Robot” Robotica, Vol. 27, No. 2, pp. 199-207, 2009.##
  16. Wang, J. and Liu, X. “Analysis of a Novel Cylindrical 3-Dof Parallel Robot” Robotics and Autonomous Systems, Vol. 42, No. 1, pp. 31-46, 2003.##
  17. Olsson, A. “Modeling And Control of a Delta-3 Robot” MSc Theses, Lund University, 2009.##
  18. Codourey A. “Dynamic Modelling and Mass Matrix Evaluation of the DELTA Parallel Robot for Axes Decoupling Control” Proceedings of the International Conference on Intelligent Robots and Systems (IROS 96), 1996.##
  19. Gross, D., Hauger, W., Schröder, J., Wall, W. and Bonet J. “Engineering Mechanics” Springer, 2014.##
  20. Codourey, A. “Dynamic Modeling of Parallel Robots for Computed-Torque Control Implementation”, International Journal of Robotics Research, Vol. 17, No. 12, pp. 1325-1336, 1998.##

Karrari, M. “System Identification” Amirkabir University, ISBN:978-964-463-399-7, 2009.##

آمار
تعداد مشاهده مقاله: 460
تعداد دریافت فایل اصل مقاله: 226