Integrated Identification of Collaborative Robots for Robot Assisted 3D Printing Processes

Resumo Técnico: Identificação Integrada de Robôs Colaborativos para Processos de Impressão 3D Assistida por Robô

1. Problema e Contexto

A manufatura aditiva (impressão 3D) revolucionou a produção de componentes complexos, especialmente no setor automotivo, permitindo geometrias intrincadas e redução de desperdício. No entanto, os sistemas tradicionais de impressão 3D baseados em eixos cartesianos possuem limitações dimensionais e cinemáticas. A integração de robôs industriais ou colaborativos (6-DoFs) supera essas limitações, permitindo deposição não planar e maior flexibilidade geométrica.

O principal desafio identificado pelos autores é a complexidade dinâmica dos manipuladores robóticos articulados. Diferente dos sistemas cartesianos, os robôs possuem baixa rigidez e dinâmicas fortemente acopladas entre as juntas, o que impacta negativamente a precisão posicional em trajetórias de alta velocidade. Além disso, a aplicação de modelos dinâmicos avançados (como Gêmeos Digitais) para prever e compensar erros esbarra em limitações típicas de robôs colaborativos:

• Restrições de segurança que impedem movimentos bruscos ou rápidos.
• Limitações de sensores e acesso a parâmetros internos do controlador.
• Dificuldade em garantir a consistência física dos parâmetros identificados em modelos complexos.

2. Metodologia

O trabalho propõe uma abordagem baseada em modelo que integra a identificação de parâmetros do robô, atuadores e controladores. O núcleo da metodologia é um procedimento de identificação em cinco etapas, desenhado para garantir a consistência física dos parâmetros e lidar com as limitações de robôs colaborativos:

• Etapa 1: Análise Geométrica e Inercial (Baseada em CAD):
  Utiliza os modelos 3D disponíveis (arquivos CAD) para calcular volumes e derivar densidades médias. Isso fornece os parâmetros geométricos (vetores de distância entre juntas, eixos de rotação) e inerciais iniciais (centro de massa e tensor de inércia) para todas as 39 coordenadas geométricas e 60 parâmetros inerciais de um robô de 6 eixos.

• Etapa 2: Refinamento Inercial (Medidas Estáticas):
  Realiza medições estáticas em poses estratégicas para refinar massas e centros de massa. O método utiliza coeficientes de correção ($\lambda_k$) aplicados aos valores do CAD, minimizando o erro entre os torques estimados e medidos, eliminando a necessidade de procedimentos iterativos complexos.

• Etapa 3: Identificação de Atrito (Trajetórias de Baixa Velocidade):
  Identifica os parâmetros de atrito (Coulomb, viscoso, estático e velocidade de Stribeck) sem necessidade de sensores de força/torque na base. O método emprega trajetórias periódicas simétricas com segmentos de velocidade constante. Ao subtrair as equações dinâmicas de movimentos com velocidades opostas ($+v$ e $-v$), os termos inerciais, gravitacionais e de Coriolis/centrífugos são cancelados, isolando o torque de atrito.

• Etapa 4: Identificação do Controlador (Medidas com Perturbação):
  Devido à impossibilidade de executar movimentos rápidos para análise de frequência (limitação de segurança), os autores aplicam perturbações externas controladas enquanto o robô está parado em um ponto de ajuste ($q_{ref}$). Utilizando a System Identification Toolbox do MATLAB, identificam os parâmetros do controlador PI (ganho proporcional $K_p$ e tempo zero $T_z$) através de uma busca iterativa.

• Etapa 5: Identificação dos Parâmetros Restantes:
  Estima parâmetros difíceis de medir diretamente (relação de transmissão, constantes de motor, rigidez e amortecimento da transmissão) baseando-se em valores típicos da literatura e escalonamento, assumindo relações fixas (ex: $r_i = 1$ para simplificação inicial) e constantes elétricas conservadoras.

3. Contribuições Principais

• Procedimento de Identificação Integrada: Diferente de abordagens que identificam todos os parâmetros simultaneamente ou ignoram a consistência física, este método desacopla o problema complexo em subproblemas sequenciais, garantindo que os parâmetros identificados sejam fisicamente coerentes.
• Modelo Dinâmico Completo: O modelo não se limita à dinâmica do manipulador; inclui explicitamente a dinâmica dos atuadores (motores elétricos) e a dinâmica do controlador (laço de realimentação), essencial para robôs colaborativos.
• Superação de Limitações de Robôs Colaborativos: O método foi desenhado especificamente para operar dentro das restrições de segurança e de movimento de robôs colaborativos (como o ABB GoFa CRB15000), permitindo a identificação de parâmetros de controlador sem movimentos de alta velocidade.
• Validação em Cenário Real: A abordagem foi validada em um processo real de extrusão de termoplástico para impressão 3D.

4. Resultados

O estudo de caso utilizou um robô colaborativo ABB GoFa CRB15000 configurado para extrusão de filamento.

• Validação do Modelo: Houve uma concordância muito forte entre as trajetórias experimentais e as simulações do modelo identificado. As métricas de erro (RMSE e MAE) para as coordenadas do TCP (Centro de Ferramenta) foram baixas, mesmo em condições variadas de velocidade e aceleração.
• Análise de Sensibilidade:
  • A velocidade de deposição lenta ($v_{slow}$) foi o fator dominante na degradação da precisão e na qualidade da peça impressa.
  • A configuração estendida do robô ($d_{far}$) resultou em deterioração consistente da precisão em ambas as direções experimentais.
  • A aceleração ($a$) e a velocidade rápida ($v_{fast}$) tiveram influência estatisticamente fraca na precisão posicional, embora $v_{fast}$ tenha impactado a qualidade da impressão em interações específicas.
• Qualidade de Impressão: A análise de cubos impressos mostrou que o aumento de $v_{slow}$ aumentou significativamente os desvios máximos (para dentro e para fora), confirmando a necessidade de um modelo dinâmico preciso para compensar erros em velocidades operacionais mais altas.

5. Significado e Conclusão

Este trabalho demonstra que é possível obter um modelo dinâmico confiável e fisicamente consistente para robôs colaborativos, mesmo na presença de limitações de sensores e programação típicas desses sistemas.

A principal implicação prática é a capacidade de melhorar a precisão, o controle e a previsão de erros em processos de impressão 3D assistida por robô. Ao integrar a identificação de parâmetros do controlador e atuadores, o modelo permite o desenvolvimento de estratégias de controle mais robustas e a criação de Gêmeos Digitais mais fiéis, essenciais para a automação de manufatura aditiva em escala industrial, especialmente em setores como o automotivo onde a precisão e a complexidade geométrica são críticas.