Så får lättviktsrobotar bättre precision

Det är inte lätt att vara industrirobot. Kunderna vill ha allt mindre och lättare maskiner som samtidigt ska klara allt mer avancerade arbetsuppgifter. Kraven är motstridiga och nya lösningar måste tas fram. En enkel metod för att avsevärt förbättra robotarnas precision presenteras i en doktorsavhandling vid Linköpings universitet.

Den traditionella tunga och stela roboten förknippas starkt med verkstäder, särskilt bilindustrin. Men idag har robotarna tagit steget in i andra verksamheter som sjukvården och livsmedelsindustrin.

-Vi upplever ett systemskifte där olika typer av robotar dyker upp i nya miljöer och i närmare samarbete med människor. Då vill man ha dem så tunna och slanka som möjligt – men då blir de också svårare att reglera, säger Johanna Wallén, nybliven doktor i reglerteknik vid Linköpings universitet.

En robot programmeras för en viss uppgift genom att dess motorer, normalt sex stycken, ställs in på så vis att verktyget längst ut på robotarmen träffar rätt position på objektet – till exempel en plåtdel där ett cirkelrunt hål ska skäras ut. Men de reglersystem som finns tillgängliga ger inte tillräcklig precision – hålet blir inte 100-procentigt runt.

Det är i praktiken omöjligt att mäta upp verktygets position i det tredimensionella rummet. I stället får robotingenjören arbeta med kvalificerade gissningar.

Johanna Wallén har i simuleringsstudier och experiment utvecklat en metod för självinlärning. Med ett skattningsförfarande och en enkel algoritm för iterativ (upprepad) inlärning kan felet i verktygets position kraftigt reduceras, och detta redan efter mindre än fem iterationer.

Iterativ inlärning (ILC) bygger på att en rörelse utförs om och om igen. Vanliga problem vid robotstyrning är friktion, glapp och vek konstruktion. Robotens verktygsposition kan därför inte följa den önskade referensbanan till punkt och pricka. I Walléns metod beräknas en korrigerad signal utifrån ILC-algoritmen med den skattade positionen. Denna algoritm blir ett komplement till det ursprungliga styrsystemet och robotens motorer tvingas följa den korrigerade signalen.

Johanna Walléns doktorandarbete har utförts i samarbete med ABB och Institutionen för reglerteknik vid Lunds universitet. Huvudfinansiär är det Vinnovastödda forskningscentrumet LINK-SIC.


Avhandlingen Estimation-based iterative learning control som lades fram 11 februari 2011 är publicerad på LiU Electronic Press, se http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-64017.

Kontakt:
Johanna Wallén, 013-281365, 073-6279313, johanna.wallen@liu.se

Linköping Center for Sensor Informatics and Control (LINK-SIC)