基于小样本数据驱动模型的橡胶材料机器人磨抛去除廓形预测方法

摘要

在机器人磨抛加工中，材料去除廓形的准确预测对提高加工形位精度、实现闭环控制具有重要意义。然而，飞机加筋壁板牺牲层等大型复杂构件采用的橡胶类材料具有高弹性与耐磨性，其磨抛后的材料去除廓形预测极具挑战。因此，提出一种基于整体趋势扩散技术与极端梯度提升算法（MTD-XGBoost）的橡胶材料机器人磨抛去除廓形预测方法。首先，分析橡胶材料磨抛去除机理，并确定影响其材料去除的独立因素。然后，提出基于三角隶属度函数的虚拟样本生成方法解决了样本稀缺、模型精度差等问题。进一步对样本数据进行了聚类去噪，并采用极端梯度提升算法建立材料去除廓形与打磨头进给速度、旋转速度、工具倾角、法向接触力以及磨粒粒度之间的非线性映射关系。最后进行了对比试验，结果表明所提虚拟样本生成方法有效解决小样本数据下的预测难题，最大预测误差降低30.3%。相比于支持向量机、贝叶斯回归等方法，所提预测方法在小样本下具有明显优势，并最终实现了平均相对误差小于10%的橡胶材料去除廓形预测。