机器人工程不断推动机器在要求高的环境中能够实现的界限 — — 从高速制造线到手术剧场和深海探索。 机器人的结构耐久性直接决定了机器人的运行寿命、维护间隔和整体可靠性。 尽管传统的线性分析方法为行业服务了几十年,但当部件发生大变形、塑胶产生或复杂的接触相互作用时,它们往往会落空。 非线性分析提供了更准确的物理方法,用以预测和提高机器人结构在现实世界负荷下的耐久性。

了解机器人的非线性分析

非线性分析说明应用力量与由此引起的迁移之间的关系并不总是相称的。 在机器人结构中,有三个主要的非线性作用:

  • 地理学非线性 — — 当变形体大到足以显著改变结构的坚韧性时,情况会变好。 例子包括举重时正在弯曲或举起的细小机器人臂。
  • 材料的非线性 – 当材料的应力-韧性关系偏离线性弹性时,如可塑性,蠕动,或关节或抓动器中使用的聚合物和金属的菌株-率敏感性时,会上升.
  • 联系非线性 — — 当表面出现或失去接触,或摩擦力随正常负载而变化时发生。 这在关节、轴承和最终效应器中至关重要。

通过这些非线性,工程师可以模拟机器人在极端或不可预测的条件下的真实行为[,预测线性方法会错过的故障模式.

机器人结构线性分析的局限性

线性有限元素分析(FEA)假设小变形,线性弹性材料,以及不改变的边界条件。 对于许多机器人应用来说,这些假设是无效的:

  • 机器人臂往往在结构极限附近运行,经历巨大的偏转,改变载荷路径.
  • 重复装载会导致局部的屈服,导致剩余压力和疲劳.
  • 联合许可和接触力随运动而改变,造成时间变化的僵硬。

因此,仅仅依靠线性分析可以导致设计过重的机器人浪费能量,或者设计过低的结构[过早失败。 非线性分析通过提供耐久性和性能的现实预测来弥补这一差距。

机器人可流转性非线性分析的主要好处

准确的压力预测

非线性方法可以识别线性模型忽略的压力浓度,特别是在螺栓孔、焊接关节和尖角等压力增强器的区域。 这可以防止意外的裂缝启动和传播。

强化材料建模

工程师可以定义物质行为,如塑性,creep,以及[fatigue date. 例如,机器人的铝臂在超载事件期间可能会产生;非线性分析可以捕捉残余变形及其对后续周期的影响.

优化型轻量级设计

有了现实的负载信封,设计者可以完全通过线性假设来减少安全因素,这会导致更轻,更敏捷的机器人,同时又不损害结构完整性. 质量较低还降低了触发器负载和能量消耗.

极端情景的虚拟测试

非线性模拟使工程师能够在影响,,热膨胀[,和载荷周期[]比物理原型快数百倍,这加速了开发和削减成本.

失败模式识别

早期识别可以让设计在质量生产之前进行修改。 早期的识别可以让设计在质量生产之前进行。

非线性分析的实际实施

对机器人结构应用非线性分析遵循系统的工作流程,每个步骤都需要经过仔细的工程判断,以确保可靠的结果.

步骤1:模式发展

创建机器人组件的详细3D几何。 简化不影响结构反应的特性, 如小的鱼片或线状孔, 以减少计算成本。 指定适当的材料模型( 如钢的双线异形硬化, 橡胶封条的超弹性) 。

步骤2: 计量和元素选择

使用更高阶的元素(quadratic hexahedral 或 四面体)来进行弯曲为主的部分. 在有预期应力梯度或接触区域中, 精确网格. 非线性分析对网格质量敏感; 进行网格趋同研究.

步骤3:界定负载和边界条件

应用基于机器人运动数据的实心力、扭矩和移位。包括重力[、惰性负载[、外部有效载荷[和热场[]。对于动态情景,酌情使用明示或暗示的时间整合。

步骤4: 解决方案选择和设置

选择一个分析类型:静态(用于慢态或稳态负载),隐含动态(用于中速率),或显性动态(用于高速撞击). 调整时步大小以确保趋同. 使用诸如不稳定配置的自动稳定等高级解析器控制.

步骤5:模拟运行

机器人中非线性FEA的典型软件包包括[ANSYS机械[]Abaqus[,COMSOL多物理学[,以及[LS-DYNA]]。这些工具高效地处理大变形、接触和材料非线性。 (关于ANSYS能力,详见ANSY结构[];对于Abaqus,参考SIMULIAbas]]。 )

步骤6:处理和设计后重排

分析压力、压力、迁移和接触压力轮廓。 确定失败标准: 等效( von Mises) 压力超过产量、 主应力超过最终抗拉强度、 或累积塑料压力超过允许的限度。 相应修改几何、 材料或装载条件并重运行 。

案例研究:加强机器人的可畏性

六轴工业机器人制造商观察到其重载臂的手腕关节出现过早疲劳故障. Linear FEA曾预测安全系数为2.5,然而场单位在高速的20万循环后破裂. 工程师们利用Abaqus进行了非线性分析,由于大弯曲,在铝合金(6061-T6)中包含几何非线性,在轴承表面有物质可塑性,并接触非线性.

模拟显示,在快速加速过程中,腕房经历了 局部的产生 , 成为以后周期的压力增强器。 轴承的适应性也因热膨胀而改变,接触压力超过了材料耐力限度。 通过重载路径中加厚部分的房屋重新设计,并转换为疲劳强度较高的钛合金,团队消除了早期故障。 在验证后,重新设计的臂部实现了超过150万个周期,没有裂解 — — a 服务寿命增加30%[,以及计划外维护停产时间减少20%。

挑战和最佳做法

尽管非线性分析有其好处,但工程师必须克服的障碍是:

  • 计算成本:[]高性能模型需要时数或日才能解决. 使用对称,子模型,以及适应性金属来减少运行时间.
  • 物质数据可用性: 准确的非线性物质属性(如应力-悬索曲线,疲劳S-N数据)是不可或缺的. 从标准化测试或文献中获取数据.
  • 结缔困难: 非线性解析器可能由于接触不稳定或严重元素扭曲而无法汇合. 使用接触稳定与网格质量检查.
  • 校验: 总是将模拟结果与物理压力表或疲劳测试数据联系起来。根据测量的响应调整模型假设。

最佳做法包括从更简单的线性模型开始作为基线,递增地增加非线性效应,并使用灵敏度研究[来识别主参数.

机器人非线性分析的未来趋势

该领域正在迅速发展。

与机器学习的整合

接受非线性FEA数据培训的代用模型可以实时预测结构响应,使机器人系统能够数位双胞胎在运行期间监测疲劳损伤.

多物理模拟

结合结构、热和电磁效应的组合分析随着机器人融入传感器、动因器和无线充电线圈而变得至关重要。 例如,非线性热力-机械分析预测了发动机产生的热量如何影响联合清除和物质强度。

添加制造材料

3D打印的钛或聚合物的丝网结构表现出复杂的非线性行为(如异构可塑性,来自孔隙的疲劳). 适应这些材料的非线性分析将优化轻量级,耐用的机器人帧.

关于这些趋势的更深入解读,见最近对《机器人与计算机综合制造杂志》的审查。

结论

非线性分析已经从一个专家研究工具发展成为增强机器人结构耐久性的实用工程方法。 通过准确捕捉大型变形、物质可塑性和接触行为,它使工程师能够设计出既轻量级又具有耐力的机器人,以承受生产、探索和医疗的强度。 随着计算资源更加便宜,模拟软件更加方便用户,非线性分析也准备成为每个机器人设计周期的标准步骤。 如今投资这些能力的组织将引导下一代高性能、长效机器人的建设。