基于深度神经网络的机器人加工系统模态特性预测

串联式工业机器人具有工作空间大且灵活性强的特点，被广泛应用于飞机蒙皮、航空透明件等大型结构件的加工。然而，工业机器人存在刚度弱、动态特性空间分布差异大的问题，导致其铣削稳定性极限低，不同加工区域的铣削性能变化明显，可供选择的工艺参数窗口狭窄的问题。研究机器人铣削系统加工过程中的动态特性，建立位姿相关模态预测模型对提升机器人加工性能有重要意义。本文以ABB机器人加工系统为研究对象，提出了一种基于深度神经网络的模态预测方法。首先，采用多普勒测振仪对机器人加工系统进行了模态试验，对多阶模态的空间变化加以分析。随后，根据机器人实际工作空间，设计测试试验组从而获取位姿相关的频响函数集，并利用有理多项式法准确辨识相关模态参数。在此基础上，采用超参数优化法建立深度神经网络预测模型，最终实现工业机器人工作空间内位姿相关的多阶模态参数准确预测。试验结果表明，该方法预测精度可达80%以上。