Simple Science

Ciencia de vanguardia explicada de forma sencilla

# Informática# Robótica

Optimizando trayectorias de robots en la manufactura

Un nuevo método mejora los movimientos de los robots y la calidad del producto en la fabricación.

Yongxue Chen, Tianyu Zhang, Yuming Huang, Tao Liu, Charlie C. L. Wang

― 9 minilectura


Optimizar Trayectorias deOptimizar Trayectorias deFabricación de Robotslos procesos de fabricación robótica.Mejorando la eficiencia y calidad en
Tabla de contenidos

Usar robots en la fabricación puede ofrecer un gran espacio de trabajo y alta flexibilidad. Esto ayuda a crear productos más grandes y complejos. Una de las áreas clave donde los robots brillan es en la fabricación aditiva. Este método permite la impresión 3D de formas intrincadas, proporcionando grandes beneficios como no necesitar estructuras de soporte, construcciones más fuertes y un mejor acabado superficial.

La planificación de trayectorias es esencial en la fabricación asistida por robots porque afecta la calidad de los productos finales. Cada paso en cómo se mueven los robots necesita ser cuidadosamente considerado. Para cada posición donde se aplicará una herramienta, es importante ajustar la posición de la herramienta, la velocidad y cómo se mueve el robot. Este documento habla sobre una nueva forma de planificar estos movimientos de manera efectiva.

La Necesidad de Optimización

En un escenario donde los robots asisten en la fabricación, determinar cómo moverse basándose en una serie de puntos es un desafío común. Estos puntos marcan donde la herramienta tocará el material. En cada punto, debemos planear tres cosas: la dirección de la herramienta, su velocidad y cómo el robot puede ajustar sus movimientos. Si miramos los métodos existentes, generalmente manejan estos factores por separado, lo que a menudo lleva a resultados menos óptimos.

El enfoque de este documento es proponer un método que permita considerar todos estos factores a la vez mientras respeta las restricciones de fabricación. Teniendo en cuenta que un trayecto de herramienta puede tener un gran número de puntos - a veces más de 8,000 - la planificación necesita ser eficiente, incluso con recursos informáticos limitados. Por lo tanto, se introduce un nuevo método para abordar este problema.

Trabajo Relacionado

Existen muchos métodos para abordar orientaciones de herramientas, redundancia cinemática y movimiento suave en la fabricación asistida por robots. Tradicionalmente, las orientaciones de herramientas para impresión 3D se han elegido en función de las formas de las capas para asegurar una buena adhesión. En contraste, en la fabricación sustractiva como el fresado, muchos métodos buscan mejorar la eficiencia del movimiento de la herramienta sin causar errores.

Después de establecer la orientación de la herramienta, los robots a menudo necesitan ajustar cómo se mueven. En un escenario donde un trayecto de movimiento de 5 grados es ejecutado por un robot de 6 grados, a menudo hay un grado de libertad redundante. Algunas estrategias trabajan un paso a la vez para ajustar esta redundancia, mientras que otras intentan optimizar todos los movimientos a la vez.

Varios métodos recientes buscan formas de optimizar tanto la orientación de la herramienta como los movimientos del robot al mismo tiempo. Entre estos, algunas técnicas destacan por su eficiencia en resolver problemas de movimiento complejos.

Sin embargo, muchos de estos métodos tienen limitaciones. Generalmente se enfocan en uno o dos aspectos de la planificación de trayectorias, lo que puede hacer que sea difícil lograr resultados verdaderamente óptimos. Además, cuando un trayecto de herramienta tiene un alto número de puntos, muchos métodos luchan con el tiempo de cálculo y el uso de memoria.

Hay una clara necesidad de un método concurrente que optimice el movimiento en sistemas que involucran múltiples robots.

El Método Propuesto

Este documento presenta un método que se centra en brazos robóticos duales trabajando juntos. Se desarrolla un modelo específico para estos brazos. Los criterios para un movimiento suave se definen en función de qué tan rápido pueden moverse las articulaciones. Luego se establecen restricciones para las orientaciones y cómo se mueve la herramienta.

Con todo esto en mente, desarrollamos un método para planificar conjuntamente la orientación de la herramienta, gestionar los movimientos redundantes de los robots y optimizar el tiempo de todo el proceso. El objetivo es suavizar los movimientos del robot para un trayecto que contiene muchos puntos.

Contribuciones Clave

Las principales contribuciones de este trabajo incluyen:

  • Un nuevo enfoque que considera la orientación de la herramienta, los movimientos redundantes y el tiempo de fabricación juntos para lograr mejores resultados.
  • Una forma eficiente de calcular movimientos para trayectos con muchos puntos, utilizando un método que permite el procesamiento paralelo para ahorrar tiempo.
  • Un enfoque general que puede funcionar tanto con sistemas robóticos simples como duales, incorporando las restricciones necesarias de fabricación.

Definición del Problema

Modelo Cinemático para un Sistema de Doble Robot

El documento estructura un modelo cinemático para un sistema de dos robots donde un robot sostiene la cabeza de impresión y el otro sostiene la pieza de trabajo. Cada punto de paso a lo largo del trayecto de la herramienta es crucial, ya que necesita ser rastreado con precisión por la herramienta.

Por ejemplo, en una configuración de robot dual, el primer robot (Robot A) es responsable de la impresión mientras que el segundo robot (Robot B) posiciona la pieza de trabajo. Cada robot opera dentro de su propio sistema de coordenadas. La gestión de los puntos de paso y la relación entre los dos robots forman la base del sistema propuesto.

Consideraciones del Tiempo de Fabricación

El tiempo de fabricación es crucial y se refiere a cuánto tiempo tarda la herramienta en moverse de un punto a otro. Este tiempo también puede ser optimizado, afectando la velocidad de la herramienta y qué tan suavemente opera durante todo el proceso.

Medición de la Suavidad Cinemática

La suavidad cinemática es una forma de evaluar qué tan suavemente pueden moverse los robots. Se mide en base a la velocidad, aceleración y tasa de cambio de velocidad (jerk) de cada articulación en el sistema robótico. Los movimientos suaves son importantes porque llevan a una mejor calidad de fabricación.

Requisitos de Fabricación

Restricciones de Orientación

Al dirigir la herramienta, deben cumplirse varias restricciones, como asegurarse de que la herramienta esté alineada con la superficie en la que trabaja. Si la herramienta no mantiene el ángulo correcto, la calidad de la aplicación del material sufre. Por lo tanto, se establecen límites cuidadosos en la orientación de la herramienta con respecto a la gravedad y la superficie de la pieza de trabajo.

Control del Movimiento de la Herramienta

El movimiento de la herramienta debe ser controlado para asegurar una fabricación efectiva. Por ejemplo, hacer giros bruscos demasiado rápido puede llevar a problemas con cómo se adhieren los materiales. Por lo tanto, se establecen límites en la velocidad y la aceleración de la herramienta para mantener la calidad durante la operación.

Restricciones Debidas a la Velocidad de Extrusión

Por último, dado que la forma en que se aplican los materiales tiene límites, los robots no deben exceder ciertas velocidades al moverse a través de puntos. Esto asegura que el material se deposite correctamente, contribuyendo a la calidad del producto final.

Desafío de Optimización

El marco de optimización establecido en este documento incorpora todos estos aspectos. Al definir el problema de optimización, necesita asegurarse de que se consideren las orientaciones de la herramienta, los movimientos robóticos y el tiempo. Esto conduce a una solución integral que aborda los diversos desafíos cinemáticos presentes en el sistema de doble robot.

Enfoque de Cálculo Numérico

El problema de optimización es bastante complejo y necesita un método para resolverlo de manera eficiente. El marco propuesto utiliza un enfoque de inicialización que ayuda a converger a una solución más rápido. Implica estimar posiciones iniciales y ajustarlas para evitar problemas durante la planificación de trayectorias.

La estrategia computacional incluye dividir el problema en partes más pequeñas, lo que permite un procesamiento más manejable. Este método aprovecha la computación paralela, lo que acelera significativamente el proceso de solución.

Detección de Colisiones

Asegurarse de que los robots no colisionen mientras operan es vital. Para abordar esto, el documento discute el uso de un sistema de detección de colisiones basado en proxy. Al entrenar modelos que pueden predecir colisiones potenciales en función de los movimientos del robot, el método propuesto busca mejorar la precisión de la planificación de trayectorias.

Implementación y Resultados

Experimentos Físicos

La efectividad del método propuesto se verifica a través de experimentos con robots duales. Estos robots ejecutan trayectos planificados, y se recopilan varias métricas para determinar el éxito de la optimización.

Los resultados de estos experimentos muestran que hay una mejora notable en la calidad de las superficies fabricadas. Los robots exhiben movimientos mucho más suaves, lo que lleva a un mejor rendimiento general.

Comparación con Otros Métodos

El documento contrasta el nuevo método propuesto con enfoques tradicionales. En varios casos de prueba, queda claro que el marco de optimización concurrente supera significativamente a los métodos existentes, particularmente en términos de eficiencia computacional y calidad de los productos finales.

Conclusión

Este documento presenta un marco integral para optimizar trayectorias en la fabricación asistida por robots. Al abordar simultáneamente el movimiento del robot, la orientación de la herramienta y el tiempo, el método presentado ofrece una mejora significativa tanto en eficiencia como en calidad para los procesos de fabricación. Al realizar simulaciones y experimentos físicos, se valida la efectividad de este enfoque, demostrando su potencial para aplicaciones en el mundo real.

De cara al futuro, mejoras en la detección de colisiones y métodos para un aprendizaje más eficiente de funciones proxy podrían refinar aún más este enfoque, allanando el camino para resultados aún mejores en la fabricación robótica.

Más de autores

Artículos similares