在国家自然科学基金、广东省自然科学基金等项目资助下，广东省科学院智能制造研究所机器人技术团队联合华南理工大学、哈尔滨工业大学（深圳），研究提出面向机器人铣削加工的模态感知振动评估与抑制方法。相关成果近日发表于《机器人与计算机集成制造》（Robotics and computer-integrated manufacturing）。

在智能制造快速发展的当下，机器人铣削加工凭借高柔性、大工作空间等优势，在航空航天、汽车制造等复杂零部件加工领域的应用愈发广泛。不过，机器人机械臂低刚度特性使其铣削加工时易出现颤振不稳定现象。颤振不仅严重影响加工精度与表面质量，还会缩短刀具和机器人使用寿命、增加生产成本，成为制约机器人铣削加工技术推广应用的关键难题。

精确预测铣削稳定性是解决颤振问题的核心，而这与刀尖点频率响应函数紧密相关。传统获取频率响应函数的方法依赖大量实验测量，耗费大量时间、人力和物力成本，且难以捕捉复杂刀具路径上动态参数的大幅变化。实际加工中，机器人姿态不断变化，模态参数也随之显著改变，传统方法无法实时、准确获取不同姿态下的模态参数，难以精准预测和有效控制铣削稳定性。因此，开发高效、准确的机器人模态参数预测方法，并据此提出铣削稳定性提升策略，具有重要的理论意义和工程应用价值。

为应对上述挑战，研究团队围绕铣削过程中的模态参数预测与稳定性提升展开研究，提出一种模态感知的机器人振动评估与抑制策略。该方法将数据增强的生成对抗网络与高斯过程回归相结合，预测机器人在整个工作空间内的模态参数，构建机器人姿态与模态参数间的映射模型。

在精准预测模态参数的基础上，引入基于姿态优化的铣削动态稳定性提升方法，通过主动调整机器人位姿抑制颤振。实验验证表明，与传统方法相比，所提模型在模态参数预测上的拟合度提高约10%，在提高铣削加工稳定性、降低不同主轴转速下的能量熵及改善加工表面质量方面成效显著。

相关论文信息：https://doi.org/10.1016/j.rcim.2025.103220