基于鲁棒自适应控制的工业机器人恒力焊缝磨抛

基于鲁棒自适应控制的工业机器人恒力焊缝磨抛目录TOC\o"1-3"\h\u1绪论 11.1工业机器人在焊缝磨抛中的研究背景及意义 11.2鲁棒自适应控制理论及其在工业机器人控制中的应用 11.3基于鲁棒自适应控制的恒力焊缝磨抛技术的国内外现状 31.4本章小结 42鲁棒自适应恒力控制理论 42.1鲁棒自适应控制的基本概念与原理 42.2鲁棒自适应控制的力跟踪策略 52.2.1不考虑摩擦的鲁棒自适应控制的力跟踪策略 52.2.2考虑摩擦的鲁棒自适应控制的力跟踪策略 62.3本章小结 73基于鲁棒自适应控制的仿真分析与实验研究 83.1基于Matlab/Simulink的仿真分析 83.1.1不考虑摩擦的鲁棒自适应控制的力跟踪策略的仿真分析 83.1.2考虑摩擦的鲁棒自适应控制的力跟踪策略的仿真分析 9考虑摩擦的机器人鲁棒自适应控制模型示意图 103.2基于KUKA机器人的焊缝恒力磨抛加工实验验证 113.2.1六关节KUKA机器人恒力控制磨抛加工系统 113.2.2六关节KUKA机器人恒力磨抛实验结果与分析 133.3本章小结 144结论与展望 14致谢 17

摘要：随着智能科技在国内的飞速发展，推动了国内工业智能化的变革。如今，在各种磨抛产业中，已逐步取代了制造业人员，使用机器人来进行抛光作业，既能改善工件的抛光品质，又能极大地提升抛光的效率。然而，对于焊接后的焊缝进行抛光抛光加工，由于其曲面结构的复杂，在除去剩余的材料的过程中，还必须保持一定的抛光触点力，避免损伤被加工物，对抛光和抛光的精度有很高的需求，所以现在还主要采用手工抛光。本项目拟开展焊接接头损伤自动修锐方法研究，研发一种鲁棒自适应自动修锐方法，实现焊接接头损伤自动修锐。关键词：鲁棒自适应控制；工业机器人；焊缝磨抛1绪论1.1工业机器人在焊缝磨抛中的研究背景及意义目前，以人工智能为代表的智能制造行业发展迅猛，正在朝着中国制造2025迈进，其中，高端制造业是这场变革的主要支撑力量。而以机器人为代表的高科技产业，更是被纳入到了这个国家的战略之中。近年来，由于工业生产的智能化水平不断提升，使得传统制造行业的许多领域都在不断变化。工业机器人的成功使用，将使许多体力劳动者摆脱了艰苦的体力劳动。使整个制造流程变得更加自动化、智能化。“机器替换”技术在许多领域都得到了成功的运用。大大增加了生产率。与焊接、堆垛、装卸等不同的使用方式相比，目前在磨抛业中使用的机器人仍处于初级阶段。究其根源，是由于研磨和抛磨过程更为复杂，多个工艺因素相互耦合，造成了抛光过程的不稳定性，且同一工件表面形状各异，与高均匀性的制造自动化要求形成了冲突。现有的机械臂难以实现高灵活性，严重限制了抛光过程的自动化水平。目前能够进行抛光的主要有两种，一种是CNC加工，另一种是加工机械，前者具有更高的精度，但成本高，而且柔性不强。而在加工过程中，机械臂的使用更加灵活，能够进行更多种类的研磨工作[1-2]。在实际生产过程中，由于多种原因，造成了一些焊缝的缺陷，其中一些是要进行抛光的。由于焊接裂纹的出现具有一定的随机性和形式的多样化，因此，当前焊接裂纹的检测仍以手工为主。对于具有高刚性的流水加工难以完成焊接缺陷的抛光，当前的机器人抛光技术仍以手工示教为主，其加工品质仅依赖于调试者的经验，并未对其进行提炼与归纳，难以实现对工艺参数的重复利用。

针对此问题，本文主要研究了焊缝磨抛技术，并就其焊缝残余高度、抛光速率等多个因素的综合研究，得出了优化设计方案。通过对抛光过程参数进行仿真与实验，可以有效地提升抛光过程的运行效率，并保证产品质量。1.2鲁棒自适应控制理论及其在工业机器人控制中的应用在当今制造业快速发展的背景下，工业机器人已经逐渐取代了传统的机械加工方式，尤其是在诸如焊接、抛光等高精密加工领域。但由于焊缝材料硬度不均匀、焊缝形状不规则等特点，对其具有较强的适应性与鲁棒性提出了更高的需求。针对这种需要，提出了一种用于恒力焊接的鲁棒自适应加工与加工方法。鲁棒自适应控制器是一种将鲁棒性和适应性相结合的高级控制器，能够有效地应对各种复杂、不确定的环境。其关键思路是将鲁棒控制器的稳定性保证与自适应控制器的柔性调整相融合，使其在多种工况下均能保持稳定工作。

但是，单靠鲁棒控制是不能完全达到要求的。有时，为了满足复杂多变的环境，还必须具有一定的适应性。这时就需要自适应控制了。在此基础上，提出了一种基于网络拓扑结构的新型自适应控制器。通过对其进行持续的学习与调整，可以保证在多种不确定性情况下仍具有最佳的性能。鲁棒自适应控制正是把两者有机地融合在一起，构成一个更为综合、更为有效的系统。该方法不但可以确保在不同工况下的稳定运行，而且可以随着外界的改变而不断地调整，从而达到最佳的控制效果。将鲁棒自适应控制理论应用于工业机械臂的运动轨迹跟踪，具有重要的理论意义和应用前景。随着现代工业自动化水平的不断提高，工业机器人得到了越来越多的使用，但其在复杂变化的环境中仍能稳定高效地工作，是一个迫切需要解决的难题。鲁棒自适应控制器的出现，为该问题的研究带来了新的思路。

首先，由于加工对象的不规则外形、材料的不同以及外界环境的多变，使得其在作业时会遇到大量的不确定性。由于上述原因，使得机械臂的运动轨迹发生偏移，从而降低了机械臂的工作性能和工作效率。为了解决该问题，提出了一种鲁棒自适应控制器。该方法可以在不受外界干扰的情况下，通过对系统运行过程中的运行状态及外界条件的改变，来实现对运动过程中存在的不确定性的自动调节[2-4]。

在对焊接件的磨抛工艺中，恒力的调节是非常关键的。但因焊缝形状、尺寸及材料等方面的不同，使得机器人手臂对焊缝的作用力必须持续调节，才能保证工件的高品质与高效率。鲁棒自适应控制可实现焊接过程中机器人手臂的运动，并通过准确的运算与判定，实现机器人的路径与转速的动态调节，实现机器人持续受力。这种方法不但可以改善焊接面的磨抛精度与均匀性，而且可以防止过磨或不够磨，从而保证了焊接接头的整体美观性。其次，鲁棒自适应算法对扰动也有很好的抑制作用。在工业机器人作业中，外界的扰动难以避免。比如，机器人手臂在风作用下会出现很小的震动，或是因为装备的老化，使得其控制的准确性降低。但是，鲁棒自适应控制可以很好地消除或补偿这种扰动，从而保证了整个系统的稳定与可靠。

另外，基于鲁棒的自适应控制技术可以有效地改善工业机器人操作的有效性与准确性。在此基础上，通过对系统的参数进行在线优化，提高了系统对外界环境的适应性，降低了系统的调试周期，降低了系统的能量消耗。在此基础上，通过对其进行最优的控制，进一步提高其操作精度，进而改善加工品质与一致性。另外，鲁棒自适应控制器对于提高工业机器人系统运行的安全与可靠度具有重要意义。当遇到突发扰动或系统失效时，鲁棒的自适应控制器可以快速响应并及时地调节控制方案，从而防止机械臂的失控和安全事件的产生。1.3基于鲁棒自适应控制的恒力焊缝磨抛技术的国内外现状工业机器人臂磨抛焊接是一项集机械臂与焊接磨抛加工为一体的新方法。该方法采用工业机器人精准高效的运动特征，配合专用的焊缝研抛刀，实现焊缝的自动加工，从而提高焊缝质量和改善焊缝外观。

在工业机器人发展之初，对其进行磨除和抛光工作仍以手工为主。尽管手工作业方式灵活多变，但其工作效率较低，而且由于作业人员的技术、经验等因素的制约，造成了焊接质量的不稳定。近年来，国内外学者对其进行了大量的研究，并提出了将其用于焊接抛光加工中的方法，并对其进行了程序与控制[5-6]。在已有的研究基础上，通过对焊接工艺的研究，提出了一种基于智能材料的焊接自动研磨抛光新方法。在此基础上，引入了多种先进的工艺与检测方法，实现了对焊接工艺的智能化、精细化。近年来，在人工智能、机器学习等领域的快速发展下，焊接加工机器人正在逐步向智能化、自动化方向迈进。在此基础上，利用深度学习、机器视觉等方法，对焊接过程中焊接点的定位与形态进行自主辨识，并针对具体工况进行修正与修正，从而达到更为精确、有效的熔接磨抛。在对其进行加工时，应重点关注并克服一些重要的工艺问题。首先讨论了机器人的运动轨迹和运动的控制问题。针对不同类型、不同类型的工件，设计合理的研抛磨轨迹，保证机器人能够准确高效地完成抛光作业，具有十分重要的意义。为此，本项目提出了一种新的焊接工艺方法，即通过建立焊接接头的3D模型，并在此基础上设计出一种新的焊接工艺路线。其次，进行了磨抛投过程中的工艺参数的优选。磨抛加工包括磨抛速度、磨抛力、磨抛角等多个技术因素，其合理选取直接关系到磨抛加工的质量与加工效率。为此，必须采用试验与模拟相结合的方法，优选出最优的研磨配方。另外，在对焊接质量进行测量的过程中，传感器和测量系统也是一个重要的环节。该方法可以对焊接工艺进行在线监控，并对磨削加工工艺进行优化，使其具有良好的应用前景。但在实际应用中，如何实现高精度、高稳定度的感知与探测，并对海量的实时信息进行处理与分析，是目前亟待解决的关键问题。第四，如何提高机器人的适应性是一个非常重要的问题。考虑到焊缝形状、尺寸及材质等方面的不同，要求该机器人具有较强的适应性，并能依据具体环境对其进行自主调节。这就要求我们进一步研究并完善其控制策略及智能判定机理。1.4本章小结本章就基于鲁棒自适应控制的工业机器人恒力焊缝磨抛的研究背景及意义进行了详细阐述，其应用潜力巨大有极高的研究开发价值。其次还分析了国内外基于鲁棒自适应控制的恒力焊缝磨抛技术的研究现状，就近年来相关技术进展进行了了解与分析。最后就基于鲁棒自适应的恒力焊缝磨抛中的关键技术问题进行了概述，就各个技术因素的优化及工艺方法的设计，精度稳度的提高进行了论述和比较。2鲁棒自适应恒力控制理论2.1鲁棒自适应控制的基本概念与原理鲁棒自适应控制是一种将鲁棒控制与自适应控制相结合的鲁棒控制方法，其核心思想是：在外界扰动或模型误差等因素作用下，通过构造一种结构与参数给定的控制器，使其在多种不确定因素（如外界扰动、模型误差等）下仍然具有较好的稳定性与控制效果。

鲁棒控制的特征在于其稳定性以及对不确定因素的处理能力，鲁棒控制侧重于在各种不确定因素作用下的稳定性，以及鲁棒控制对不确定因素的适应能力，无需对系统的全部信息进行充分的了解，因此鲁棒控制更适合于复杂多变的系统[9-10]。

另外，鲁棒控制侧重于提高系统的性能与稳定性，通过对控制器的优化，可有效降低超调量、提高响应速度等，进而提高鲁棒控制的综合性能。

本项目的研究成果将为鲁棒控制理论的发展提供新的思路，也为进一步提高系统的稳定性提供新思路。

2.2鲁棒自适应控制的力跟踪策略2.2.1不考虑摩擦的鲁棒自适应控制的力跟踪策略目前我国针对磨抛机器人建立的鲁棒控制策略，其能很好地控制机器人的磨抛力跟踪误差收敛，但系统响应速度慢，环境外在干扰等因素对其系统的影响较大，跟踪效果一般。在鲁棒自适应控制策略的基础上，基于Lyapunov理论对机器人系统进行设计，提出来新的不考虑摩擦的鲁棒自适应控制策略[14-15]。通过在线估计机器人的相关参数，将其动力学模型线性化，消除机器人系统自身的未知参数及外在环境干扰等因素的影响，保证其系统能够实现最终有界和全局渐进稳定。不考虑摩擦的鲁棒自适应控制控制器设计：六关节磨抛机器人动力学模型为：M因为难以得到六关节机器人系统相关参数的准确值，所以将其分为两个部分：第一个部分为精确已知部分，M₀q,C₀qq和G₀q;第二个部分为不确定部分，△Mq，△CqqMG假设第二部分都为零，那么可以得到：M为了建立机器人不考虑摩擦的鲁棒自适应控制模型，需要利用到以下机器人系统的基本性质：机器人系统基本性质1：Mq是对称正定矩阵，且Mq和M⁻¹q)作为q的函数是一致有界的，则存在正数λ₁和λ₂0<λ₁I≤Mq机器人系统基本性质2：离心力和哥氏力的非线性耦合矩阵C(qq)和斜对称矩阵，即有：机器人系统基本性质3：离心力和哥氏力的非线性耦合矩阵C(qq)关于是q线性的，则有：在跟踪误差e的基础上定义新的辅助信号：qr=qd−Λe，σ=e+对上式求导并代入前面公式可得：Mσ=M令N=−Mτ将自适应律代入鲁棒自适应控制算法，形成不考虑摩擦的鲁棒自适应控制器[16-17]：τ=−2.2.2考虑摩擦的鲁棒自适应控制的力跟踪策略机器人系统具有高耦合、高非线性等特点，使用机器人控制策略的主要目的是将跟踪机器人系统参数的误差快速收敛到零。然而，机器人系统本身的一些不确定参数，以及外部环境干扰等因素，将极大地影响机器人的加工工作执行，尤其是对于追求高速、高精度复合型要求的新型机器人。六关节机器人没有考虑鲁棒自适应控制系统的摩擦力，很难实现相关参数和值的快速完全收敛。摩擦系数是影响机器人系统的最常见因素之一。六关节机器人受摩擦系数的影响很大，这也与机器人每个关节的速度和加速度有关。其摩擦特性还具有与机器人的每个关节的位置相关的特性。通过替换上述公式方程组中考虑的摩擦因素，导出了考虑摩擦的鲁棒自适应控制策略。考虑摩擦因素影响时，六关节磨抛机器人动力学模型为：其中：f=A₁sinq+ϕ₁设计如下控制器：定义机器人的跟踪偏差、偏差速度、偏差加速度：e=q−qd，Kᵥ和Kₚ联立公式方程组可得：e通过选择合适的增益矩阵Kᵥ和Kₚ设计总的控制器为：τ=τ₀+τᵣ其中，τ₀定义为计算转矩控制器，τr=−−考虑摩擦的鲁棒自适应控制策略稳定性证明：设计Lyapunov函数:将Mσ=−Cσ−MV通过机器人基本性质1-3，且代入τ=τ₀+τᵣ,因此可以推导出：V设定ε=−Kε−1ε,将V2.3本章小结本章就基于机器人运动学模型，首先阐述了恒力控制的基本原理及概念及鲁棒控制的基本原理与特点，然后基于动力学模型及运动学函数和公式搭建了鲁棒控制的模型。其次，针对机器人鲁棒控制系统中的未知参数设计了自适应规律，得到了不考虑摩擦的鲁棒自适应控制器,并将考虑的摩擦因素代入至之前的公式方程组中，推导得到了考虑的鲁棒自适应控制器，然后搭建基于Matlab/Simulink的仿真模型。3基于鲁棒自适应控制的仿真分析与实验研究3.1基于Matlab/Simulink的仿真分析3.1.1不考虑摩擦的鲁棒自适应控制的力跟踪策略的仿真分析根据不考虑摩擦的鲁棒自适应控制模型的理论分析，在Matlab/Simulink中搭建如图所示的不考虑摩擦的鲁棒自适应控制仿真系统图3.1不考虑摩擦的机器人鲁棒自适应控制模型示意图根据实际具体情况，参考相关资料，建立了图3.1所示的模型，选择设定六关节机器人模型仿真参数等，其中未知参数真实值为β=[20.550.4]⁷,相应初始参数估计为机器人不考虑摩擦的鲁棒自适应控制系统的有关参数取为：A=diag(555555),γ=20,ε=0.02对搭建的机器人不考虑摩擦的鲁棒自适应控制模型进行周期为10s的模拟仿真，六关节机器人末端磨抛设备误差设定为1.02mm。当设定期望机器人末端磨抛力为20N，环境刚度为10.0N/mm时，力跟踪误差仿真效果如图所示。当系统环境位置发生变动时，六关节机器人的末端磨抛力跟踪误差在1s后围绕0做正弦运动，磨抛力跟踪效果较好。图3.2不考虑摩擦的机器人鲁棒自适应控制仿真结果图从图中可以看出，本节提出的不考虑摩擦的鲁棒自适应控制算法有效，提高了六节机器人控制系统的控制效果，机器人末端磨抛力跟踪误差能较快收敛，具有良好的棒性，存在的不足之处是是未考虑机器人各个关节摩擦的影响，仍然受外在干扰因素响，只能收敛至预期值附近，难以准确跟踪期望力。经过多次同参数定周期的不考虑摩擦的机器人鲁棒自适应控制模型仿真的分析选择合适的参数的情况下，不考虑摩擦的鲁棒自适应控制能够较好地对期望力实时做出动态响应，但其稳态精度较自适应控制策略没有明显提升，如图3.2所示，其存在的不足之处一小节的研究中能够得到很大改善。3.1.2考虑摩擦的鲁棒自适应控制的力跟踪策略的仿真分析根据不考虑摩擦的鲁棒自适应控制模型的理论分析，在Matlab/Simulink中搭建如图所示的不考虑摩擦的鲁棒自适应控制仿真系统。图3.3考虑摩擦的机器人鲁棒自适应控制模型示意图根据实际具体情况，参考相关资料，建立了图3.3所示的模型，选择设定六关节机器人模型仿真参数等，其中未知参数真实值为β=［20.580.3］T，相应初始参数估计为β=［0.40.80.3］Kᵥ(404040404040)，Kₚ(606060606060)，Λ对搭建的机器人考虑摩擦的鲁棒自适应控制模型进行周期为10s的模拟仿真，六关节机器人末端磨抛设备的运动误差设定为1.02mm。当设定期望机器人末端磨抛力为20N，环境刚度为10.0N/mm时，机器人未端磨抛力跟踪误差仿真效果如图所示。机器人未端磨抛力跟踪误差能够在0.5s后迅速收敛逼近至0N，在2s后能保持稳定状态，但难以完全与预期磨抛力吻合。图3.4考虑摩擦的机器人鲁棒自适应控制仿真结果图从图3.4中可以看出，本节提出的考虑摩擦的鲁棒自适应控制策略在前一小节的基础上有所改进，明显减轻了摩擦因素对机器人系统的干扰，机器人跟踪误差能快收敛至预期值，参数数值振动得到有效改善。经过多次同参数定周期的考虑摩擦的机器人鲁棒自适应控制系统仿真的分析，在适当的参数选择情况下考虑摩擦的鲁棒自适应控制能够较好地对期望力实时跟踪做出动态响应，且其稳态精度较高，相对传统控制策略有明显优越性3.2基于KUKA机器人的焊缝恒力磨抛加工实验验证3.2.1六关节KUKA机器人恒力控制磨抛加工系统六关节磨抛机器人恒力打磨工作平台控制系统由库卡六关节机器人、力信号采集系统、恒力磨抛控制系统、计算机和磨抛实验工作台等组成，其总体结构如图所示：图3.5系统介绍如图3.5所示，库卡六关节机器人：机器人为恒力磨抛平台的主要执行机构，机器人系统接受力信号采集系统和恒力磨抛控制系统的数据，并执行相关指令与程序，基于考虑摩擦的鲁棒自适应控制策略，调整机器人自身的运行轨迹和姿态，实现对钢板焊缝的恒力磨抛。力信号采集系统：本系统用于实时采集机器人末端磨抛设备与工件之间的力信号数据。通过力传感器实时测量储存末端磨抛力，并将相关原始力信号数据传递给计算机。恒力磨抛控制系统：对计算机传递过来的相关参数信息进行转化，对机器人的修正位姿进行处理，最后将处理好的修正位姿传递给磨抛机器人，控制磨抛机器人位姿变化。计算机：接收力信号采集系统传递的原始力信号数据，通过力信号修正程序进行处理，然后将力信号数据以及相关参数输入至机器人考虑摩擦的鲁棒自适应控制程序，经过计算得到机器人修正位置数据，最后将相关信息传递给恒力磨抛控制系统。磨抛实验工作台：将待磨抛的钢板焊缝固定，防止机器人磨抛过程中钢板焊缝脱离原定位置而造成不良后果。六关节恒力磨抛机器人控制系统的核心模块为计算机，其主要对机器人考虑摩擦的鲁棒自适应控制程序进行数据信息处理。通过安装在磨抛机器人末端的力传感器将末端实际磨抛力信号数据传递给计算机，计算机通过考虑摩擦的鲁棒自适应控制程序将力信号数据转换为机器人修正位置，再将机器人修正位置信息传递给机器人控制柜，从而控制机器人进行恒力磨抛工作。3.2.2六关节KUKA机器人恒力磨抛实验结果与分析未抛光的S型结构件焊缝形貌如图3.6所示，可以看出，焊缝的宽度在横向方向上存在差异，但是选用的砂轮宽度大于焊缝最大的宽度，在加工过程中不会产生较大影响。但是沿Z方向上，焊缝的高度是不均匀的，各位置的高低由焊接时的状态所决定，而不同的焊缝高度对磨抛时砂轮的受力产生影响，不均匀的磨抛力会使得抛光后的焊缝表面质量不符合加工要求。因此，基于本文的鲁棒自适应恒力控制算法，对该焊缝进行磨抛加工。图3.6结构件焊缝初始形貌基于本文的鲁棒自适应恒力控制算法磨抛结构件焊缝的形貌如图3.7所示。可以看出，通过本文的力控算法磨抛后的焊缝整体比较均匀，表面质量较好，平均力波动值在20%左右，平均表面粗糙度在0.82μm左右，平均残余高度在0.132mm左右，符合加工需求。图3.7结构件焊缝抛光后形貌3.3本章小结本章基于六关节磨抛机器人的动力学模型。首先，建立了磨抛机器人的鲁棒控制模型，并建立了鲁棒控制仿真系统。其次，针对机器人鲁棒控制系统中未知参数的上限，设计了自适应律。获得不考虑摩擦力的鲁棒自适应控制器，进而考虑摩擦力因素对机器人磨抛的影响，设计了一种考虑摩擦力的自适应鲁棒控制策略，并建立了基于MATLAB/Simulink的仿真模型，对单个控制策略进行仿真性能分析。由于各种控制方法的仿真对比，考虑摩擦力的鲁棒自适应控制策略在响应速度和控制精度方面具有显著优势，并具有优异的力跟踪性能。库卡六关节机器人执行恒力磨抛任务，通过力信号采集系统实时获取磨抛力数据，并传输至计算机。计算机利用鲁棒自适应控制程序处理数据，计算出修正位置，再传递给控制柜以调整机器人姿态。磨抛实验工作台固定钢板焊缝。整个系统核心在于计算机，实现机器人的精确控制，确保恒力磨抛的稳定性和效率KUKA机器人恒力磨抛加工系统采用KUKA高精度机器人作为执行机构，通过恒力控制技术实现对工件的精确磨抛。系统可自动适应不同形状和尺寸的工件，提高加工效率和质量。未抛光的S型结构件焊缝存在宽度与高度不均匀问题，直接影响磨抛效果。然而，采用鲁棒自适应恒力控制算法进行磨抛加工后，焊缝表面质量显著提升，平均力波动、表面粗糙度和残余高度均达到加工要求，验证了算法的有效性。4结论与展望第一章就基于鲁棒自适应控制的工业机器人恒力焊缝磨抛的研究背景及意义进行了详细阐述，其应用潜力巨大有极高的研究开发价值。其次还分析了国内外基于鲁棒自适应控制的恒力焊缝磨抛技术的研究现状，就近年来相关技术进展进行了了解与分析。最后就基于鲁棒自适应的恒力焊缝磨抛中的关键技术问题进行了概述，就各个技术因素的优化及工艺方法的设计，精度稳度的提高进行了论述和比较。第二章就基于机器人运动学模型，首先阐述了恒力控制的基本原理及概念及鲁棒控制的基本原理与特点，然后基于动力学模型及运动学函数和公式搭建了鲁棒控制的模型。其次，针对机器人鲁棒控制系统中的未知参数设计了自适应规律，得到了不考虑摩擦的鲁棒自适应控制器,并将考虑的摩擦因素代入至之前的公式方程组中，推导得到了考虑的鲁棒自适应控制器，然后搭建基于Matlab/Simulink的仿真模型。第三章基于六关节磨抛机器人的动力学模型。首先，建立了磨抛机器人的鲁棒控制模型，并建立了鲁棒控制仿真系统。其次，针对机器人鲁棒控制系统中未知参数的上限，设计了自适应律。获得不考虑摩擦力的鲁棒自适应控制器，进而考虑摩擦力因素对机器人磨抛的影响，设计了一种考虑摩擦力的自适应鲁棒控制策略，并建立了基于MATLAB/Simulink的仿真模型，对单个控制策略进行仿真性能分析。由于各种控制方法的仿真对比，考虑摩擦力的鲁棒自适应控制策略在响应速度和控制精度方面具有显著优势，并具有优异的力跟踪性能。库卡六关节机器人执行恒力磨抛任务，通过力信号采集系统实时获取磨抛力数据，并传输至计算机。计算机利用鲁棒自适应控制程序处理数据，计算出修正位置，再传递给控制柜以调整机器人姿态。磨抛实验工作台固定钢板焊缝。整个系统核心在于计算机，实现机器人的精确控制，确保恒力磨抛的稳定性和效率。KUKA机器人恒力磨抛加工系统采用KUKA高精度机器人作为执行机构，通过恒力控制技术实现对工件的精确磨抛。系统可自动适应不同形状和尺寸的工件，提高加工效率和质量。未抛光的S型结构件焊缝存在宽度与高度不均匀问题，直接影响磨抛效果。然而，采用鲁棒自适应恒力控制算法进行磨抛加工后，焊缝表面质量显著提升，平均力波动、表面粗糙度和残余高度均达到加工要求，验证了算法的有效性。基于鲁棒自适应控制的工业机器人恒力焊缝磨抛技术，展现出在复杂环境下的优越性能和稳定性。通过引入先进的控制算法，实现了对焊接过程中力的精确调控，显著提高了焊缝质量。未来研究可进一步拓展该技术的应用领域，优化控制策略以适应更多样化的工作场景，同时探索与其他智能制造技术的融合，推动工业机器人向更高层次的自动化、智能化发展。

参考文献[1]徐传芳,杨帆,张宁,李延帅.不依赖模型参数的高速列车鲁棒自适应速度跟踪控制[J].大连交通大学学报,2023,44(06):95-100.[2]YubinKim,ThuyViTran,KyeongHwaKim.RobustEMPC-BasedFrequency-AdaptiveGridVoltageSensorlessControlforanLCL-FilteredGrid-ConnectedInverter[J].Electronics,2024,13(5):53-76.[3]苟鑫攀,杨浩,宋海鹰,蒋海翔.一种基于奇异摄动理论的鲁棒自适应非仿射非线性控制方法[4].系统科学与数学,2023,43(11):2820-2835.[5]王慧,于慧,郭燕冰.二次调节加载系统的自适应鲁棒控制[J].辽宁工程技术大学学报(自然科学版),2023,42(05):593-600.[6]YuChen,JianwanDing,YuChen,DongYan.NonlinearRobustAdaptiveControlofUniversalManipulatorsBasedonDesiredTrajectory[J].AppliedSciences,2024,14(5):46-62.[7]VuPhiTran,MohamedAMabrok,SreenathaGAnavatti,MatthewAGarratt,IanRPetersen.RobustAdaptiveFuzzyControlforSecond-OrderEuler-LagrangeSystemsWithUncertaintiesandDisturbancesviaNonlinearNegative-ImaginarySystemsTheory.[J].IEEEtransactionsoncybernetics,2024,PP.[8]韩锐,隆晨海,马国梁,杨淼,李金亮,郭健.基于特征建模的连续体机械臂自适应鲁棒控制技术研究[J].计算技术与自动化,2023,42(03):1-4.[9]吕良和.液压驱动关节的自适应鲁棒速度控制研究[J].国防交通工程与技术,2023,21(03):8-12.[10]谷永强.磁控形状记忆合金执行器建模与鲁棒自适应控制研究[D].吉林大学,2023.[11]王文新,刘上,张国庆,张显库.考虑舵机故障的船舶鲁棒自适应航向保持控制[J].中国舰船研究,2023,18(01):116-123.[12]FangfangDong,BaotaoYuan,XiaominZhao,ZhiDing,ShanChen.Adaptiverobustconstraint-followingcontrolformorphingquadrotorUAVwithuncertainty:Asegmentedmodelingapproach[J].JournaloftheFranklinInstitute,2024,361(5):106-167.[13]MHKorayem,MSafarbali,NYousefiLademakhi.Adaptiverobustcontrolwithslippingparametersestimationbasedonintelligentlearningforwheeledmobilerobot.[J].ISAtransactions,2024.[14]曹忠忠,涂封疆.参数时变系统的模型参考鲁棒自适应控制[A]第37届中国自动化学会青年学术年会(YAC2022)论文集[C].中国自动化学会,中国自动化学会,2022:6.[15]孙笑云,吴树范,沈强.基于LMI的输出跟踪自适应鲁棒无拖曳控制[J].航空学报,2023,44(S1):48-58.[16]方昱斌,朱晓锦,杨龙飞,许志超,田梦楚,张小兵.多频未知时变