编辑推荐：
为解决机器人摩擦影响控制精度问题，研究人员开展 6 轴混合机器人摩擦补偿研究，结果提升了跟踪精度。
在机器人的世界里，精准的运动控制就像人类精准的肢体动作一样重要。然而，摩擦这个 “小麻烦” 却常常干扰着机器人的正常发挥。在几乎所有的机械系统中，摩擦都是一个复杂的非线性现象。它就像隐藏在机器内部的 “捣乱分子”，会引发诸如低速和换向时的极限环振荡、滑移运动等问题。对于结构复杂的机器人来说，分析由摩擦导致的轨迹误差更是难上加难，这直接降低了电机驱动系统的控制精度和稳定性。
以用于加工大型薄壁结构件的 TriMule 机器人为例，它拥有广阔的工作空间，但从中心到边缘配置时，惯性的显著变化给摩擦补偿带来了巨大挑战。不同的配置会使各驱动关节的惯性发生变化，进而导致摩擦干扰的差异。而现有的研究很少关注如何在考虑这些问题的基础上，实现整个工作空间的摩擦补偿。为了攻克这一难题，天津理工大学机械工程学院天津市先进机电系统设计与智能控制重点实验室以及天津理工大学机电工程国家级实验教学示范中心的研究人员 Qi Liu、Sitong Shen、Yue Ma 和 Bin Li 展开了深入研究，相关成果发表在《iScience》上。
研究人员在本次研究中运用了多种技术方法。首先是理论建模，他们基于传统的 Stribeck 模型，引入关节驱动力的惯性项作为推力，构建了考虑惯性变化的摩擦补偿模型。同时，采用径向基函数（RBF）插值技术，对摩擦模型中的惯性变化进行拟合，有效降低了计算成本。在实验验证环节，利用 TriMule 机器人的 3-DOF 平行机构，在低惯性和高惯性配置下进行关节空间的往复运动实验，以及在笛卡尔空间规划不同配置的圆形轨迹实验，通过对比不同补偿方法下的跟踪误差，验证了所提算法的有效性。
下面来看具体的研究结果：
- 机器人系统描述与摩擦分析：TriMule 机器人由一个 3-DOF 1T2R（T 代表平移，R 代表旋转）平行机构和一个 3-DOF 手腕组成。研究人员分析了在圆形轨迹象限交叉位置的跟踪误差，揭示了平行机构与串行手腕之间摩擦效应的贡献比例。结果发现，平行机构产生的摩擦在0°和180°附近突出，手腕产生的摩擦在所有象限都较明显。同时，惯性变化对摩擦干扰的大小有显著影响，在高惯性配置下，平行机构中关节 1、2、3 由摩擦引起的跟踪误差相比低惯性配置分别增加了 21.03%、19.50% 和 19.08%。
- 摩擦补偿方法：
- Stribeck 模型：回顾经典的 Stribeck 模型F(q˙)=Fcsgn(q˙)+(Fs?Fc)exp(?(q˙/q˙s)2)sgn(q˙)+σq˙，它包含库仑摩擦项、静摩擦项和粘性摩擦项。其中静摩擦项的非线性特性受惯性变化影响，会降低机器人的跟踪精度。
- 基于动力学的方法：考虑到惯性变化对摩擦的影响，将关节驱动力的惯性项引入传统 Stribeck 模型，得到基于动力学的摩擦模型Fsj=(μs?μc)Miq¨iexp(?(q˙i/q˙s)2)sgn(q˙i)，该模型能更准确地反映驱动力与静摩擦力的关系，但计算复杂。
- 基于 RBF 的方法：提出利用 RBF 插值拟合摩擦模型中惯性变化的方法，通过空间插值计算工作空间中任意配置的惯性值M~i=WiTφ=(Φ?1Mi?)Tφ，避免了复杂的动力学在线运算，降低了计算复杂度。
- 实验结果：
- 关节空间实验：在平行机构各驱动关节的低惯性和高惯性配置附近进行往复运动实验。结果表明，与未补偿（NC）相比，传统方法（TA）、基于 RBF 的方法（RA）和基于动力学的方法（DA）都能显著降低跟踪误差。在高惯性配置下，RA 和 DA 相比 TA，三个关节的跟踪精度最多可分别提高 23.24%、25.73%。
- 笛卡尔空间实验：在工作空间规划两个不同配置的圆形轨迹实验。结果显示，与 NC 相比，TA、RA 和 DA 补偿后，轨迹跟踪误差峰值显著降低。RA 和 DA 相比 TA，机器人沿圆形轨迹运动时，驱动关节 1 - 6 的最大跟踪误差分别降低了 15.1% 以上和 16.48% 以上。
研究人员通过本次研究得出以下重要结论：一是揭示了平行机构和手腕之间摩擦效应的贡献比例，分析了整个工作空间的惯性变化，发现惯性变化对摩擦的影响不可忽视；二是提出了考虑惯性变化的摩擦补偿方法，通过引入惯性项改进 Stribeck 模型，并利用 RBF 插值拟合惯性变化，在保证精度的同时降低了计算成本；三是实验验证了所提算法能显著提高跟踪精度，对不同配置具有良好的外推能力。基于 RBF 的方法在计算效率和成本方面表现出色，具有较高的性价比。不过，研究也存在一些局限性，未来研究人员计划在模型中考虑重力项导致的不同方向的摩擦特性，并安装新的编码器实现机器人的全闭环控制，进一步提高终端精度。
总的来说，这项研究为机器人摩擦补偿提供了新的思路和方法，对于提高机器人的运动精度和控制性能具有重要意义，有望推动机器人在更多领域的应用和发展。
