物理增强磨削控制网络

效率提升17%

利用少量真实数据训练的物理增强网络，在未知墙面特征下实现稳定的端到端磨削减材控制。

Dongcai, Liu · Zhang J. · 宋爱国

Robotics and Computer-Integrated Manufacturing 2027

参数信息

平均去除达标率

90.7 %

整体墙面平整度

1.88 mm

磨削效率提升

17.4 %

仿真轨迹数量

19200

真实轨迹数量

800

技术优势

少数据也能训好

网络用约96%仿真轨迹和4%真实轨迹训练，总计约19,200条仿真和800条真实轨迹，就能在真实墙面上可靠识别。

一次规划到位

将PE-LSTM输出与特征去除模型集成到模型预测控制中，产生磨削动作的局部最优序列，避免反复试错。

效率提升近两成

与传统方法相比，磨削效率提高了17.4%，意味着在相同时间内可以加工更多面积。

应用场景

• 机器人磨削：用仿真数据训练后直接处理未知墙面特征，省去大量人工标定和调试。
• 工业表面精整：保证表面平整度的同时提高材料去除效率，提升精整质量和生产节拍。
• 力位混合控制：利用多维力/位置数据预测末端姿态，实现接触状态下的稳定控制。
• 大型结构件加工：结合工作空间扩展机制可磨削未知大型表面，适应大型结构件加工需求。