تخمين جرم بار ربات دلتا با استفاده از گشتاور موتورها

Estimation of the Payload Mass in DELTA Robot by Using the Motor Torque

كنترل وزن محصولات قبل از بسته بندي آن، يكي از اصلي ترين مراحل كنترل كيفيت در بسياري از فرآيندهاي توليد مي باشد. اگرچه اين مسيله مي تواند با روش هاي معمول نيز ترازو صورت گيرد، اما روش هاي معمول مي تواند سرعت خط توليد را در خطوط مجهز به تجهيزات سريع نظير ربات دلتا كاهش دهد. به همين دليل در مقاله حاضر يك روش براي شناسايي برخط جرم بار حمل شده توسط ربات دلتا در حين بسته بندي اريه شده است. براي اين منظور معادلات ديناميكي ربات نوشته شده و پس از صحه گذاري آن با نرم افزار آدامز به فرم رگرسيون خطي بازنويسي شده اند. سپس به كمك روش حداقل مربعات بازگشتي پارامترهاي مورد نظر شناسايي شده اند. از آنجا كه فرض ثابت بودن ضرايب اصطكاك حين كاركرد ربات مي تواند از دقت الگوريتم بكاهد اين پارامتر نيز به همراه جرم در هر مرحله تخمين زده مي شود. شبيه سازي هاي انجام شده در نرم افزار متلب نشان دهنده دقت مناسب روش پيشنهادي حتي در حضور نويز اندازه گيري مي باشد. همچنين، شبيه سازي ها نشان مي دهد كه سرعت همگرايي روش بسيار بالا بوده و با تعداد داده هاي كم مي تواند در زمان كوتاهي جرم بار را تخمين بزند.

Controlling product weight before packing is one of the main quality control features of many manufacturing processes. Although this issue can be done by the usual methods such as measuring scale, it can reduce the speed of the product line which is equipped with fast machines such as the delta robot. This paper presents an online method for the identification of the payload mass in the delta robot during the packing process. For this purpose, the governing dynamic equations of the robot has been written and after validating them by the ADAMS software, they are rewritten in linear regression form for the identification process. Then, the recursive least square method is used for the online parameters identification. Moreover, since the assumption of constant friction coefficients during the robot operation can reduce the estimation accuracy, these parameters are also estimated in each step with the payload mass. The proposed method is implemented in MATLAB environment and the simulation results illustrates the sufficient accuracy of the suggested method even in the presence of the measurement noise. Furthermore, the simulations indicate that the method have high convergence rate and the payload mass can be estimated with a small number of data and in a short time.