| Summary: | Industriroboter er godt kjent for sin høye repeterbarhet, noe som reflekteres i deres hovedbruksområde i industrien, deriblant ”pick and place”-operasjoner og punktsveising. Med det økende behovet for automatisering i industrien, representerer roboter en unik mulighet for nettopp dette uten å redusere fleksibiliteten. Som det imidlertid påpekes i denne masteroppgaven, ligger hovedutfordringen for industriroboter i å forbedre dårlig posisjoneringsnøyaktighet. For å løse denne utfordringen kan man endre på robotens mekaniske utforming, men et mer gjennomførbart alternativ er å forbedre eller endre programvaren i robotens styreenhet. Det siste alternativet er bedre kjent som robotkalibrering, og er metoden som benyttes i denne oppgaven. For at posisjoneringsnøyaktigheten til en industrirobot skal forbedres, bør formålet med kalibreringen være å redusere hovedårsaken til dårlig posisjoneringsnøyaktighet. Dette handler i de fleste tilfeller om robotleddenes vinkelforskyvningsfeil, også kalt offset-feil. I de praktiske implementeringene i denne masteroppgaven, utføres offset-kalibrering ved hjelp av en flensmontert laser avstandssensor og en plan flate som kalibreringsobjekt. Masteroppgaven tar utgangspunkt i en matematisk modell basert på robotens kinematiske modell, en enkoder-leddmodell, en lasersensormodell og en plan modell. Den matematiske modellen benyttes for å sette opp en beregningsmodell for laseravstandsmålingen som en funksjon av leddvinkler og de øvrige modellparameterne. Der de interessante modellparameterne er leddforskyvninger (offsets), som skal korrigere for leddenes vinkelforskyvningsfeil. For å utvikle en optimal modell som best beskriver det virkelige oppsettet, er det utført flere datainnsamlinger bestående av ulike avstandsmålinger mellom laser og plan med tilhørende vinkelkonfigurasjoner for roboten. Avslutningsvis er det brukt en minstekvadratersmetode optimeringsalgoritme for å identifisere hvilke modellparametere som gir minst avvik mellom beregningsmodellen og faktiske målinger fra datasettet. Fra dette får man leddforskyvningskorreksjonen man er ute etter.Implementeringen er realisert ved å utvikle to LabVIEW-applikasjoner; én for å utføre datainnsamlingen og én for utførelse av optimalisering. Datainnsamlingsapplikasjonen bruker ”fjernkontroll” for styring og kommunikasjon av roboten, der den lager et tilfeldig utvalg av robotpositurer med tilhørende lasermåling mot et plan. For hver positur lagres robotleddenes posisjon i enkoderverdier og laserens avstandsmåling til et datasett. I optimaliseringsapplikasjonen brukes datasettet fra innsamlingen til å optimalisere beregningsmodellen, noe som resulterer i nye modellparametere og dermed også leddforskyvingskorreksjon. Masteroppgaven presenterer beregningsmodellens prinsipp og hvordan den er tilegnet bruk på det faktiske oppsettet i forskningsanlegget til PPM AS, samt inneholder tester for å verifisere beregningsmodellen og kalibreringsprinsippet. Testene viser at beregningsmodellen er overførbar til andre robotmodeller, og at den gir en bedre tilpasning til innsamlede data ved bruk av oppdaterte modellparametere funnet i kalibreringen. Testene viser også hvordan parameterkorreksjon i kalibreringen svinger mellom de forskjellige datasettene, noe som belyser behovet for en statistisk analyse av kalibreringsresultatene. På grunn av tidsbegrensninger for gjennomføring av oppgaven, ble den statistiske analysen og endelig valideringsforsøk av den kalibrerte roboten ikke oppnådd. Oppgaven har imidlertid en egen seksjon som beskriver hvordan videre arbeid bør foregå.
|
|---|
