关于“大型复杂部件加工中移动机械臂基座位置优化”的研究报告
本报告旨在详细阐述并解析由华中科技大学数字制造装备与技术国家重点实验室的范琪、宫泽宇、陶波（通信作者）、高毅、尹周平、丁汉等人完成的一项原创性研究成果。该研究以论文形式《Base position optimization of mobile manipulators for machining large complex components》发表于2021年的国际知名期刊《Robotics and computer–integrated manufacturing》上。此项研究聚焦于机器人辅助制造领域，特别是大型复杂部件（LCCs）的高效、高质量加工应用。
一、 学术背景与研究目标 随着机器人技术的迅猛发展，兼具高机动性与高灵活性的移动机械臂在大型复杂部件（如风电叶片、航空航天与船舶构件）的加工领域展现出广阔的应用前景。传统CNC机床和龙门机床在处理此类尺寸大、形状复杂的部件时面临困难，导致许多加工任务仍依赖人工，存在效率低、成本高、一致性差等问题。移动机械臂通过将整个加工区域分解为多个子区域并依次加工，提供了一种经济可行的解决方案。然而，机器人在任务空间中的性能（包括运动学性能和刚度性能）分布具有高度非线性，这使得为每个子区域确定最合适的工作位置——即机器人的最优基座位置（Base Position, BP）——变得异常困难。现有基座优化方法多集中于提升机器人的可达性、运动性能（如灵活性、速度）或任务效率（如最短路径、最小循环时间），却鲜有考虑刚度性能对加工质量的关键影响。在铣削、磨削等加工任务中，机器人的刚度直接关系到其抵抗切削力的能力和加工精度。因此，本研究旨在填补这一空白，提出一种能够同时兼顾机器人运动学性能和刚度性能的基座位置优化新方法，以充分发挥移动机械臂在加工大型复杂部件时的潜力，有效提升加工质量。
二、 研究流程详述 本研究以ABB IRB 6660-205⁄1.9工业机器人为研究对象，系统性地提出并验证了一套完整的基座位置优化框架。其核心流程可分为性能指标构建、优化问题建模、优化模型求解以及仿真与实验验证四个主要部分。
第一部分：性能评价指标定义 这是优化模型建立的前提。研究团队分别定义了用于评价机器人运动学性能和刚度性能的量化指标。 1. 运动学性能指标 (Kinematic Performance Index): 采用基于Frobenius范数的雅可比矩阵条件数（Condition Number）的倒数，定义为运动静力学条件指标（Kinetostatic Conditioning Index, KCI）。KCI值介于(0, 1]之间，值越大表示机器人距离奇异点越远，运动学性能越好（如速度传递能力、灵巧性更优）。 2. 刚度性能指标 (Stiffness Performance Index): * 局部刚度指标： 为避开接近奇异点时传统刚度模型计算逆矩阵带来的误差，研究采用了基于柔度矩阵（Compliance Matrix）的模型。考虑到加工过程中末端执行器的旋转位移和切削扭矩通常可忽略，研究从柔度矩阵中提取出平移柔度子矩阵 (C_{tt})，并定义了局部刚度性能指标 (ks = 1 / \sqrt[3]{\text{det}(C{tt})})。该指标值越大，表示机器人在特定关节构型下的刚度性能越好。 * 全局刚度指标 (MSPI)： 为评价机器人在整个给定加工任务中的综合刚度表现，研究提出了一种面向任务的全局刚度性能评价指标——平均刚度性能指标（Mean Stiffness Performance Index, MSPI）。其定义为加工路径上所有关键点局部刚度指标 (k_s) 的平均值。该指标是本研究的一个核心创新点，旨在通过优化基座位置来最大化加工路径上的平均刚度，从而有望整体提升加工质量。
第二部分：优化问题建模 研究将移动机械臂加工大型部件子区域的场景抽象为一个数学优化问题（如图1所示）。优化目标是，在给定加工路径、工艺参数、机器人及刀具的情况下，于机器人基座平面（z = z0）上找到一个最优的基座位置 (BP{opt} = [x{opt}, y_{opt}, z_0]^T)，并确定路径上每个离散点对应的机器人关节角 (\theta_i)。 具体的优化模型以最大化MSPI为目标函数，同时施加了确保机器人可安全、高效、精确执行任务的多个约束条件： * 目标函数： (\max MSPI = f(BP, \theta)) * 约束条件： 1. 关节范围约束 ((g_1))： 各关节角需在机械结构限定的上下限之内。 2. 关节速度约束 ((g_2))： 各关节角速度不得超过其上限，以防损坏机械结构。 3. 奇异回避约束 ((g_3))： 要求机器人沿路径所有点的KCI值大于设定的最小值 ((KCI_{min}))，确保远离奇异构型。 4. 碰撞避免约束 ((g_4))： 确保机器人与工件（环境）之间无干涉。为简化复杂模型的碰撞检测，研究采用了模型简化策略：将工件表面用稀疏点云模型表示，将机器人连杆和关节用规则几何体（球体、圆柱体、长方体）包络。通过计算点云中点到各几何体表面的最小距离（并乘以安全系数s）来判断是否发生碰撞。 5. 基座位置搜索范围约束： 根据机器人最大可达距离和加工子区域边界，限定基座位置的搜索边界。
初始的优化模型涉及基座位置 (BP) 和关节角 (\theta) 两组变量，且约束高度非线性，直接求解困难。为此，研究设计了一个集成逆运动学（IK）算法（算法B1）。该算法将关节角 (\theta) 表达为基座位置 (BP) 的函数，并在求解逆运动学的同时，自动检查所有约束（(g_1) 至 (g_4)）是否满足。若不满足任一约束，则将该 (BP) 标记为不可行。这极大地简化了优化模型，最终将其转化为一个标准的、仅有边界约束的非线性优化问题：在可行域内寻找使 (f(BP)) 最大化的 (BP)。
第三部分：优化方法求解 由于可行域（RBp）在笛卡尔空间中可能不规则且不连续，直接使用梯度类优化算法容易陷入局部最优或找不到可行解。因此，研究提出了一个两阶段混合求解策略： 1. 初始值确定（稀疏均匀网格分解法）： 首先，在粗略的搜索范围内，以一定的分辨率（如0.1m或0.2m）生成稀疏的均匀网格。对于每个网格点，调用上述集成IK算法计算其MSPI值并判断可行性，从而生成MSPI等高线图并确定一个粗略的可行域。选择其中MSPI值最高的网格点作为后续精确优化的初始值 (BP{int})，并以其周围区域（网格边长为半径）作为精确搜索范围 (BP{opt})。 2. 最优值求解（序列二次规划法）： 在获得良好的初始值和缩小的搜索范围后，采用成熟的序列二次规划（Sequential Quadratic Programming, SQP）算法（如MATLAB中的fmincon函数）对简化后的优化模型进行精确求解，最终得到最优基座位置 (BP_{opt})。
第四部分：仿真与实验验证 研究通过仿真和物理实验两个层面验证所提方法的有效性。 1. 仿真分析（表面磨削任务）： 以风电叶片表面抛光为背景，对一个尺寸约为1.6m x 0.3m x 1.2m的子区域进行基座位置优化仿真。应用所提方法，成功找到了最优基座位置 (BP{opt} = [-0.0994, -1.7288, 0.7500]^T m)。仿真结果（图7-10）详细展示了在最优基座位置下，机器人沿加工路径的所有关节角、关节角速度、KCI值以及碰撞检测最小距离（(d{min})）均满足预设的约束条件，证明了该方法在满足运动学性能约束的前提下，能够有效找到最大化全局刚度性能（MSPI）的基座位置。 2. 物理实验（铣削实验验证MSPI有效性）： 为验证MSPI指标与加工质量之间的相关性，研究设计了六组对比铣削实验。实验平台采用固定的ABB机器人，通过改变工件相对于机器人基座的位置（即等效改变机器人基座位置）来获得不同的MSPI值，而保持切削参数一致。使用坐标测量机（CMM）测量槽表面的平均加工误差（实际切削深度与理想深度的偏差）。实验结果（表2，表4，图15-16）清晰显示：随着工件位置对应的MSPI值降低，加工误差呈现出单调递增的趋势。这强有力地证明了MSPI值与加工质量存在正相关关系，即MSPI值越高，预期加工质量越好，从而验证了以最大化MSPI为优化目标的合理性。
三、 主要研究结果 1. 提出了有效的全局刚度性能指标MSPI： 实验结果表明，MSPI与机器人铣削加工质量具有明确的正相关性，这为基于刚度性能的机器人布局优化提供了可靠的量化依据。 2. 建立了综合性能约束的基座位置优化模型： 模型首次在基座位置优化中同时集成了关节范围、速度、奇异回避、碰撞避免等多重约束，并创新性地采用模型简化策略处理复杂的碰撞检测问题，使模型更贴近工程实际。 3. 开发了高效的混合优化求解策略： 结合稀疏均匀网格分解法和SQP算法，能够有效处理非线性、非凸的优化问题，快速、准确地定位全局最优或近似最优的基座位置。 4. 通过仿真与实验全面验证了方法的有效性： 仿真证明了该方法能在复杂约束下找到最优解；实验则验证了核心性能指标（MSPI）的工程意义，形成了从理论建模到实验验证的完整闭环。
四、 研究结论与意义 本研究成功提出并验证了一种用于移动机械臂加工大型复杂部件的基座位置优化方法。该方法的核心在于：以最大化新提出的任务导向全局刚度性能指标（MSPI）为目标，在确保机器人运动学性能（通过多重约束保障）的前提下，确定最优的机器人安装位置。仿真与实验结果表明，该方法能够有效提升机器人在执行加工任务时的综合性能，对提高大型复杂部件的机器人加工质量具有重要的理论和应用价值。
五、 研究亮点 1. 创新性地提出了面向任务的全局刚度性能指标MSPI： 突破了以往研究多关注运动学性能的局限，将影响加工质量的关键因素——刚度性能纳入优化目标，并通过实验证实了该指标的有效性。 2. 构建了全面且实用的优化模型： 模型综合考虑了工程应用中必须关注的多种约束，特别是通过几何体包络简化了碰撞检测这一复杂问题，增强了方法的实用性。 3. 设计了稳健高效的求解流程： 采用“粗搜初值+精确定位”的两阶段混合策略，有效避免了非线性优化中的局部最优和初始值敏感问题，保证了求解的鲁棒性和效率。 4. 完成了从理论到实验的完整验证： 不仅通过仿真验证了优化算法的正确性，还通过精心设计的对比实验，提供了MSPI指标与加工质量相关的直接证据，使研究结论更加坚实可信。
六、 其他有价值内容 研究在附录中详细给出了ABB IRB 6660-205⁄1.9机器人的DH参数模型、数据，以及因机器人平行四边形机构导致的示教器读数与运动学模型关节角之间的转换关系。此外，附录B提供了集成逆运动学算法和稀疏网格搜索算法的伪代码，增强了研究的可复现性。作者在结论部分展望了未来的研究方向，包括寻求更高效的优化求解方法，以及将基座位置优化与大型部件整体加工区域划分问题相结合进行同步优化，这为后续研究提供了清晰的思路。