Efter mycket funderande och laborerande kring viktningen av normerna s˚a erh¨olls egenskaper som ¨onskas, det vill s¨aga bra st¨ orningsundertryckn-ing, okej toppar och bra brusniv˚a med bibeh˚allen stabilitet. N¨ar v¨al r¨att
32 Simuleringsresultat
frekvensintervall var funnet till trimningen med k¨anslighetsfunktionen s˚a beh¨ovdes bara en normalisering av viktningen f¨or att f˚a fina resultat. En-dast normaliserad viktning g¨or algoritmen till den mest generella. Kombina-tionstrimningen, som togs fram som en alternativ metod d˚a problemen med k¨anslighetsfunktionen uppstod, visade sig vara en positiv ¨overraskning. Bra simuleringsresultat p˚a kort trimningstid, med en generell viktning. Samtidigt har kombinationstrimningen n˚agot mer v¨aldefinierade omr˚aden att arbeta efter, eftersom den utg˚ar fr˚an kriterierna fr˚an automatiska trimningen. ¨Aven den automatiserade trimningen m˚aste ses som en framg˚ang med dess fina och v¨aldefinierade simuleringsresultat. Enda plumparna ¨ar egentligen tid-saspekten och att den inte ¨ar generell.
Kapitel 8
Tester p˚ a robot
Efter att simuleringarna gett de resultat som ¨onskas var det dags att se om egenskaperna ¨aven st¨amde p˚a verkliga robotar. Roboten som anv¨andes un-der testet var en IRB 2400, det vill s¨aga en relativt liten industrirobot. Till testerna valdes de b¨asta parameterv¨ardena ut fr˚an de olika trimningsme-toderna. Testerna g˚ar till s˚a att l¨amplig robot och vikt v¨aljs ut (vilket gjorts innan trimningen) och placeras i en testcell. Valet g¨ors redan innan trimnin-gen f¨or att anv¨andas som systemparametrar under trimningen. P˚a vikten placeras i detta testfall en bl¨ackpenna som symboliserar robotens verktyg.
Separat bredvid roboten placeras ett bord med ett block som roboten ritar p˚a. ¨Onskade ritm¨onster ligger inprogrammerade i ett allm¨ant testprogram d¨ar de nytrimmade parametrarna l¨agg in. Typiska ritm¨onster ¨ar linjer, cirk-lar och kurvor som ritas med olika hastigheter f¨or att urskilja robotens egenskaper. N˚agot ordinarie trimningstest gjordes i och f¨or sig inte, men de utvalda bitar som valdes ska r¨acka gott och v¨al f¨or att kunna bed¨oma de trimmade parametrarnas inverkan [9].
8.1 Egenskaper f¨ or de olika trimparametrarna
De manuellt framtagna trimparametrarna testades f¨orst och anv¨andes som referens eftersom dessa parametrar anv¨ands till dagens produkter.
Fr˚an den automatiserade trimningen valdes parameterv¨arden som gav en brusniv˚a p˚a 43dB (se figur 7.1). Den l˚aga brusniv˚an var dock sv˚ar att urskil-ja i detta test varf¨or resultatet blev medelm˚attigt. Ett l¨agre Kv ¨an refer-ensparametrarna gjorde att cirklarna som ritades blev hackigare ¨an ¨onskat.
Samtidigt blev systemet lite oscillativt vid h¨oga hastigheter eftersom top-parna i graf 1 (se figur 7.1) ¨ar n˚agot h¨ogre ¨an referenssignalen.
Fr˚an den kombinerade trimningen valdes tv˚a simuleringsfall ut f¨or att testas p˚a robot eftersom den trimningsmetoden dittills gett det b¨asta resultatet.
Cirklarna som ritades blev b¨attre ¨an referenscirklarna eftersom ett h¨ogre Kv hade trimmats fram. Dessa parametrar gav likt de fr˚an
automatiser-33
34 Tester p˚a robot
ade trimningen ocks˚a ett oscillativt beteende vid h¨oga hastigheter p˚a grund av de h¨ogre resonanstopparna i graf 1 (se figur 7.4). Brusets p˚averkan var sv˚art att uppt¨acka i de verkliga robottesterna eftersom inte fullskaliga tester gjordes.
Alla parameterkombinationer testades ¨aven p˚a stabilitetskriterierna och dessa uppfylldes utan n˚agra problem f¨or samtliga kombinationer. Det var aldrig n˚agon risk att systemet skulle bli instabilt enligt testerna som k¨ordes och exempel p˚a de uppfyllda stabilitetskriterierna kan ses i figur 8.1. I
stabilitet-0 5 10 15 20 25
Figur 8.1. Stabilitetslogg fr˚an ett av testerna p˚a axel 3
slogg kan viss oscillation utl¨asas i ¨andarna, men inte p˚a l˚anga v¨agar s˚a myck-et som beh¨ovs f¨or att skapa en instabilitet. N˚agra robottester genomf¨ordes aldrig p˚a resultaten fr˚an trimningen med k¨anslighetsfunktionen eftersom l¨osningen erh¨olls f¨orst efter att testerna var genomf¨orda.
8.2 Problem
Roboten som testerna gjordes p˚a var placerad p˚a en extern axel vilket medf¨orde vissa dynamiska skillnader j¨amf¨ort med simuleringen. P˚a grund av begr¨ansningar i mjukvaran kunde inte ett av filtren realiseras. Begr¨ansningen b¨or ¨aven l¨aggas till i trimningsalgoritmen f¨or att undvika detta problem.
Felet ˚atg¨ardades dock l¨att genom en minimal f¨or¨andring av polen p˚a n˚agra Hertz, n˚agot som inte p˚averkade simuleringsresultatet.
8.3 Slutsatser 35
8.3 Slutsatser
De t¨ankta egenskaperna fr˚an simuleringen sl˚ar tydligt igenom p˚a de verkliga robottesterna, vilket visar att simuleringsmodellen ¨ar v¨aldigt v¨al fungerande.
De framtagna trimningsalgoritmerna fungerar minst lika bra som den tidi-gare manuella trimningen, med skillnaden att det nya s¨attet inte upptar lika l˚ang tid. Lite synd var det att brusniv˚an inte m¨attes med v˚art test och d¨arf¨or inte gav n˚agra resultat att g˚a p˚a. Att m¨ata brusniv˚an skulle in-neb¨ara komplicerade och mer tidskr¨avande m¨atningar, n˚agot som det inte fanns utrymme f¨or i detta arbetet. Sammanfattningsvis ger optimeringsal-goritmen ett bra resultat under robottesterna som i sin tur visade liknande egenskaper som simuleringstesterna.
Kapitel 9
Resultat
Efter trimning, simulering och robottester ges h¨ar en vy av vad som har fungerat bra, mindre bra och varf¨or det g˚att som det g˚att. H¨ar ges ¨aven en
¨overblick av vad arbetet har f¨or framtidsm¨ojligheter.
9.1 Trimningsalgoritmerna
Den f¨orsta trimningsalgoritmen, den automatiserade trimningen, f˚ar ses som den banbrytande ¨aven fast den i slut¨andan ¨ar den minst anv¨anda. Anled-ningen till att den ¨ar banbrytande ¨ar f¨or att den kr¨aver att tydliga kriterier och ¨onskem˚al p˚a uppf¨orande tas fram. Kriterier som ¨ar v¨ardefulla till de andra algoritmerna. Problemet ¨ar att algoritmen anv¨ander sig av station¨ara gr¨anser till kriterierna varp˚a generaliseringen f¨orsvinner.
Den andra trimningsalgoritmen bygger p˚a olika viktningar av k¨ anslighets-funktionen. Under slutjusteringen uppstod dock problem i form av brus och viktningsproblem varf¨or inga bra l¨osningar togs fram. Problemen visade sig senare vara valet av frekvensintervallet. N¨ar v¨al det var l¨ost erh¨olls mycket bra resultat fr˚an algoritmen och den k¨anns som en framtidsl¨osning.
Den tredje trimningsalgoritmen som arbetades fram var kombinationstrimnin-gen. Algoritmen har tydliga kriterier inom v¨al definierade omr˚aden, men ar-betar samtidigt med optimeringsalgoritmen inom dessa vilket g¨or den gen-eraliserad. Bra resultat inom b˚ade simuleringstesterna och robottesterna g¨or denna trimningsmetod till den b¨asta f¨or dagen tillsammans med trimningen med k¨anslighetsfunktionen.