Повышение точности роботизированной формовки металлов за счёт оценки и компенсации эластичных свойств используя методы искусственного интеллекта

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 22-41-02006

НазваниеПовышение точности роботизированной формовки металлов за счёт оценки и компенсации эластичных свойств используя методы искусственного интеллекта

Руководитель Малолетов Александр Васильевич, Доктор физико-математических наук

Организация финансирования, регион Автономная некоммерческая организация высшего образования "Университет Иннополис" , Республика Татарстан (Татарстан)

Конкурс №63 - Конкурс 2021 года «Проведение фундаментальных научных исследований и поисковых научных исследований международными научными коллективами» (DST)

Область знания, основной код классификатора 09 - Инженерные науки; 09-107 - Мехатроника и робототехника

Ключевые слова Робототехника, Искусственный Интеллект, Роботизированная формовка, Метод конечных элементов

Код ГРНТИ28.23.27

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Инкрементное формование листового металла (Incremental sheet forming, ISF) - это метод формовки листового металла без штамповки, при котором лист формуется в конечную заготовку посредством серии небольших постепенных деформаций. Желаемая форма получается путем приложения локализованного давления с помощью жесткого инструмента, который перемещается по металлическому листу. Этот метод дает возможность изготавливать сложные трехмерные формы, которые трудно, а иногда и невозможно изготовить с помощью обычных процессов формовки. Это является особенно экономически эффективным в производстве мелкосерийных партий и форм большого размера, поскольку не требует изготовления дорогостоящих штампов. Технология считается одной из самых перспективных для авиакосмической, автомобильной и медицинской промышленности. Как правило, для инкрементной формовки листового материала используются станки с ЧПУ, что однако вводит существенные ограничения по доступным размерам рабочего пространства и затрудняет производство больших заготовок. Поэтому роботизированное инкрементное формование листового металла в последнее время привлекает большое внимание сообщества для увеличения возможностей управления инструментом при создании сложных форм и расширения рабочего пространства. На качество конечного продукта влияет большое количесвто факторов. Точность конечного продукта определяется двумя ключевыми аспектами: точностью и жёсткостью используемых роботов и упругими свойствами листового металла, которые приводят к частичному возврату формы материала после прохода инструмента. Целью проекта является разработка методов планирования движения промышленных роботов при постановке задачи инкрементной формовки металлов с учётом податливости роботов под нагрузкой и упругих свойств обрабатываемого металла. Для достижения цели планируется использовать традиционные подходы, основанные на математическом моделировании процессов взаимодействия робота и обрабатываемого материала, усилив их преимуществами подходов на основе методов искусственного интеллекта (ИИ). Комбинация этих подходов позволит при сохранении требуемой точности значительно сократить время вычислений для моделирования поведения листового металла в процессе инкрементной формовки и для моделирования жесткости роботов для компенсации их ошибок податливости. Это позволит решать задачи оптимального планирования траектории движения робота для роботизированной формовки типовых компонентов, а также задачи планирования траектории робота в реальном времени. Моделирование процесса инкрементального формования листового металла является сложной задачей, а время решения для полного моделирования операции формования в настоящее время во много раз больше, чем время, необходимое для формования продукта. Следовательно, высокая точность формовки может быть достигнута либо путем повторных корректировок траектории инструмента, основанных на измерении ошибок в формованных деталях, либо путем использования измерения формы в режиме реального времени и управления обратной связью с помощью алгоритмов искусственного интеллекта (ИИ), чтобы изменить траекторию инструмента в режиме реального времени. Методы ИИ фокусируются на использовании данных и алгоритмов для имитации того, как люди учатся, постепенно повышая точность процесса. Система ИИ обучается на множестве примеров, относящихся к задаче, и в этих примерах она находит статистическую структуру, которая в конечном итоге позволяет системе формировать правила для автоматизации задачи. Это позволит устранить основной недостаток роботизированного процесса инкрементного формования листового металла, которым является запредельно большое время вычислений, необходимое для учёта большого количества влияющих факторов, таких как геометрическая неточность из-за эффекта упругого возврата, наличие механической податливости в робототехнических комплексах, кинематическая избыточность роботов по отношению к техпроцессу и т.д. На сегодняшний день комплексный учёт этих факторов для повышения качества конечного продукта можно осуществить только с помощью постоянного наблюдения за ходом техпроцесс и обратной связи, формируемой алгоритмами искусственного интеллекта. Успешная реализация проекта требует привлечения специалистов из материаловедения и формовки металлов (IIT Madras, IIT Ropar, IIT Bhilai, Индия), моделирования и управления роботами (Университет Иннополис, Россия) и искусственного интеллекта (Университет Иннополис, Россия и ИИТ Мадрас , Индия).

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Климчик А.С., Пашкевич А.П. Stiffness Modeling for Gravity Compensators Springer, Cham, Mechanisms and Machine Science Volume 115, Pages 27 - 712022 (год публикации - 2022)
10.1007/978-3-030-95750-6_2

2. Карам Альмагоут, Александр Климчик Planar Shape Control of Deformable Linear Objects IFAC-PapersOnLine, IFAC PapersOnLine 55-10 (2022) 2469–2474 (год публикации - 2022)
10.1016/j.ifacol.2022.10.079

3. Павел Козлов, Александр Климчик Experimental study on robot calibration approaches. IFAC-PapersOnLine, IFAC-PapersOnLine Volume 55, Issue 10, 2022, Pages 2785-2790 (год публикации - 2022)
10.1016/j.ifacol.2022.10.152

4. Альберт Демэйн, Александр Климчик External Force Adaptive Compensator for Serial Manipulators SciTePress, In Proceedings of the 19th International Conference on Informatics in Control, Automation and Robotics - ICINCO, 500-507, 2022 , Lisbon, Portugal (год публикации - 2022)
10.5220/0011319700003271

5. Павел Козлов, Александр Климчик Simulation Study on Robot Calibration Approaches SciTePress, In Proceedings of the 19th International Conference on Informatics in Control, Automation and Robotics - ICINCO, 516-523, 2022 , Lisbon, Portugal (год публикации - 2022)
10.5220/0011321800003271

6. Альберт Демеин, Александр Климчик Gravity compensation for mechanisms with prismatic joints Russian Journal of Nonlinear Dynamics (год публикации - 2022)

Публикации

1. В. К. Шакер, А. Климчик Comparative Analysis of Springback Compensation for Various Profiles in Incremental Forming IEEE 2023 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, pp. 1040-1045 (год публикации - 2023)
10.1109/RusAutoCon58002.2023.10272754

2. В. К. Шакер, А. Климчик Stiffness Modeling of a Double Pantograph Transmission System: Comparison of VJM and MSA Approaches Russian Journal of Nonlinear Dynamics, 18(5), 771–785 (год публикации - 2023)
10.20537/nd221208

3. К. Альмагот, А. Климчик Vision-Based Robotic Comanipulation for Deforming Cables Russian Journal of Nonlinear Dynamics, том 18, номер 5, 843–858 (год публикации - 2023)
10.20537/nd221213

4. Д.И.Попов Калибровка эластостатической модели манипулятора с использованием планирования эксперимента на основе методов искусственного интеллекта Компьютерные исследования и моделирование, т.15, № 6, С. 1535–1553 (год публикации - 2023)
10.20537/2076-7633-2023-15-6-1535-1553

5. Шакер В. К., Климчик А.С. Stiffness-based Offline Toolpath Error Compensation for Robotized Incremental Forming 2023 7th International Conference on Automation, Control and Robots (ICACR), pp. 48-53 (год публикации - 2023)
10.1109/ICACR59381.2023.10314644

6. Шакер В.К., Климчик А.С. Simulation Study for Robot-based Single Point Incremental Forming International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), Sochi, Russian Federation, pp. 730-736 (год публикации - 2023)
10.1109/ICIEAM57311.2023.10138999

7. Шакер В.К., Климчик А.С. Towards Single Point Incremental Forming Accuracy: An Approach for the Springback Effect Compensation 2023 IEEE 19th International Conference on Automation Science and Engineering (CASE), Auckland, New Zealand, pp. 1-6 (год публикации - 2023)
10.1109/CASE56687.2023.10260568

Аннотация результатов, полученных в 2024 году
В течение третьего года выполнения проекта были завершены все запланированные по проекту работы: 1) Исследование возможностей уточнения калибровки модели робота-манипулятора при работе под нагрузкой за счёт использованием искусственного интеллекта для компенсации немоделируемых ошибок. 2) Исследование и разработка подходов к совместной манипуляции двумя роботами, оптимизации их траекторий и законов движения, адаптация разработанных техник в задаче двухсторонней инкрементальной формовки металла. 3) Исследование и разработка подходов к планированию пути роботов-манипуляторов с использованием обратной связи по силе и положению, реализация методов планирования пути в программном обеспечении реального времени. 4) Комплекс экспериментальных исследований: - Апробация для моделирования реальных роботов разработанных на предыдущих этапах проекта моделей жёсткости и программного обеспечения симуляции поведения робота под нагрузкой, формирование набора данных для обучения искусственных нейронных сетей для применения методов машинного обучения; - Экспериментальная проверка разработанных в других модулях методов планирования движения на базе детерминированных моделей с использованием обратной связи по силе и положению и искусственных нейронных сетей, а также методов совместной манипуляции взаимодействующими роботами. 5) Интеграция результатов исследования в прототипе роботизированного комплекса для листовой формовки металла и формирование требований и рекомендаций для опытно-конструкторских работ. В течение третьего года выполнения проекта были получены следующие результаты: - Разработан метод калибровки модели за счёт использования искусственного интеллекта для компенсации немоделируемых ошибок. - Разработан гибридный метод компенсации ошибок модели робота на основе модели жёсткости робота и искусственной нейронной сети для описания немоделируемых ошибок. - Реализована компьютерная симуляция и проведены экспериментальные измерения, показавшие работоспособность методов калибровки моделей роботов. - Получены предварительно обученная искусственная нейронная сеть и экземпляры нейронных сетей, откалиброванных для моделирования конкретных экземпляров роботов. - Разработан метод оптимального планирования траектории при совместной манипуляции и его адаптация для задачи двухсторонней инкрементальной формовки металла. - Разработан и программно реализован алгоритм оптимизации траектории движения двух роботов при совместном выполнении задачи двухсторонней формовки металла при фиксации заготовки одним из роботов. - Разработан метод компенсации ошибок податливости и возврата металла на основе обратной связи в режиме реального времени. - Разработан метод планирования пути с использованием обратной связи по силе и положению, выполнена реализация в реальном времени. - Получены эластостатические модели промышленных роботов-манипуляторов для вариантов параметризации до 26 параметров. - Разработана компьютерная программа для совместного управления двумя роботами-манипуляторами в задаче инкрементальной формовки. - Для проведения экспериментальных исследований смонтирован прототип роботизированной ячейки для формовки листового металла. - Рассчитаны модели жесткости промышленных и коллаборативных шестистепенных роботов-манипуляторов. - Проведены экспериментальные исследования программного обеспечения для симуляции поведения робота под нагрузкой. - Проведены экспериментальные исследования по определению точности моделей. - По результатам экспериментов сформирован набор данных для обучения искусственных нейронных сетей для применения методов машинного обучения, в частности обучающие и контрольные выборки данных, в том числе для методов обучения с подкреплением. - Экспериментально подтверждена работоспособность метода планирования движения на базе детерминированных моделей с использованием обратной связи по силе и положению и искусственных нейронных сетей. - Экспериментально подтверждена работоспособность метода совместной манипуляции взаимодействующими роботами. - Экспериментально подтверждена работоспособность разработанного программного обеспечения, реализующего генерацию траектории для инкрементальной формовки листового металла роботом в реальном времени. - Экспериментально подтверждена работоспособность подхода, на базе методов искусственного интеллекта для разрешения проблемы избыточности. - Экспериментально подтверждена работоспособность метода контроля положения и усилия по силомоментной обратной связи. - Апробирован прототип роботизированного комплекса для листовой формовки металла и сформированы требования и рекомендации для опытно-конструкторских работ.

Публикации

1. Климчик А., Пол, Е., Кришнасвами Х., Пашкевич А. Enhanced computational technique for stiffness matrix identification of robotic manipulator components 024 10th International Conference on Control, Decision and Information Technologies (CoDIT), 2024 10th International Conference on Control, Decision and Information Technologies (CoDIT), Vallette, Malta, 2024, pp. 1897-1902 (год публикации - 2024)
10.1109/CoDIT62066.2024.10708502

2. Шакер В., Климчик А. Robot-based Incremental Forming: Springback Effect Compensation Model for Various Materials 10th International Conference on Control, Decision and Information Technologies (CoDIT), 10th International Conference on Control, Decision and Information Technologies (CoDIT), Vallette, Malta, 2024, pp. 2482-2487 (год публикации - 2024)
10.1109/CoDIT62066.2024.10708300

3. Альмагот К., Климчик А. Manipulation Planning for Cable Shape Control Robotics, Robotics 2024, 13, 18 (год публикации - 2024)
10.3390/robotics13010018

4. Барти С., Пол Е., Утаман А., Кришнасвами Х., Климчик А., Боби Р.А. Systematic analysis of geometric inaccuracy and its contributing factors in roboforming Scientific Reports, Scientific Reports, 14, 20291 (2024) (год публикации - 2024)
10.1038/s41598-024-70746-3

5. Исса Г., Альмагот К., Малолетов А., Климчик А. A Multi-stage Single-Point Incremental Sheet Forming for Enhanced Homogeneous Thickness Distribution 10th International Conference on Control, Decision and Information Technologies (CoDIT), 10th International Conference on Control, Decision and Information Technologies (CoDIT), Vallette, Malta, 2024, pp. 2307-2312 (год публикации - 2024)
10.1109/CoDIT62066.2024.10708410

6. Малолетов А. В., Сатдаров Т. Р. Моделирование двухсторонней роботизированной инкрементальной формовки Известия Волгоградского государственного технического университета, Известия Волгоградского государственного технического университета. – 2024. – № 9(292). – С. 46-51 (год публикации - 2024)
10.35211/1990-5297-2024-9-292-46-51

Возможность практического использования результатов
Роботизированная инкрементальная формовка является перспективным методом обработки листового металла, который позволяет удешевить производство уникальных изделий или мелкосерийное производство за счёт отказа от дорогостоящей оснастки, применяемой в традиционном производстве методом штамповки. Кроме того, роботизация инкрементальной формовки позволяет значительно расширить допустимые формы деталей, позволяя изготавливать выпуклые формы с разнонаправленной относительно листа металла кривизной, что формирует принципиально новые технологические возможности для машиностроительного производства.