工業機器人能耗優化方法研究綜述

侯慶隆，楊 冬，郭士杰

河北工業大學 河北省機器人感知與人機融合重點實驗室，天津 300132

1 引言

當前，我國機器人市場進入高速增長期，連續五年成為工業機器人全球第一大應用市場[1]，然而工業機器人是能源密集型的，使用中存在能量的不合理利用，造成大量的能源浪費。以汽車制造業為例，機器人消耗的電能占工廠總電能消耗的8%[2]，白車身車間機器人消耗的電能約占車間總電能消耗的30%[3]。機器人技術作為智能制造的核心技術之一，必須具有高效、節能的特點。因此，如何降低工業機器人能耗，提高工業機器人能量效率是實現智能制造和綠色制造的不可避免的關鍵問題，是推動智能制造和綠色制造的關鍵所在。

作為制造業能耗問題的重要部分，機器人能耗問題已引起各制造業大國的關注?！皻W盟2020戰略”把“資源更高效的歐洲”作為其行動計劃之一，鼓勵能源密集型行業節約能源，提高能效，旨在向資源高效、低碳排放的經濟過渡，實現經濟可持續增長。2013年獲得歐盟第七框架計劃資助的AREUS（Automation and Robotics for European Sustainable Manufacturing）工程，由13個公司、大學和研究機構共同承擔，目的在于通過研究機器人設計、能源新架構、運動優化等技術降低機器人能耗，從而實現工廠的高性能、可重構、自適應和可持續發展[4]。美國“先進制造伙伴關系計劃”（Advanced Manu-facturing Partnership）中，明確提出要提高制造業能源利用率，研發創新型節能制造工藝流程，同時為下一代機器人技術進行投資。德國政府通過的《思想·創新·增長——德國2020高技術戰略》將氣候/能源問題作為其研究焦點之一，重點發展生態工業，開發新型節能設備和節能工藝。我國同樣制定了與綠色制造相關的戰略和計劃：“中國制造2025”要求提高制造業資源利用效率，加大先進節能環保技術、工藝和裝備的研發力度，加快制造業綠色改造升級。同樣，《智能制造科技發展“十二五”專項規劃》和《“十三五”節能減排綜合工作方案》都明確提出要加強工業節能，用更節能、更環保的先進裝備和智能優化技術，從根本上解決我國生產制造過程的節能減排問題。

綜上所述，各國都將制造業能量效率提升和工業可持續發展作為其未來的發展戰略，而機器人技術作為制造業改革的重要力量，其能耗優化及能量效率研究十分活躍。為此本文從硬件設計和軟件優化兩方面對國內外工業機器人能耗優化研究情況進行綜述和總結，同時對新穎的軟硬件結合的混合方法進行介紹，并在此基礎上提出工業機器人系統能耗研究的發展方向。

2 硬件方法：低能耗設計及相關技術

利用硬件方法對工業機器人進行能耗優化主要集中在機器人設計和制造階段。通過對工業機器人硬件的研究，已提出多種方法對工業機器人進行能耗優化，主要分為低能耗設計（輕量化設計、高效驅動系統設計）、能量儲存和共享裝置及低功耗機器人選擇。

2.1 硬件代替

低能耗設計的首要方法是采用新型材料、創新型結構和優化設計參數的輕量化設計方法，減輕機器人運動部分的重量和慣性，降低機器人關節驅動扭矩，進而降低能量消耗。Hirzinger等[5]采用超輕碳纖維增強聚合物和專用高能電機等制作了面向人機協作的機械臂，大幅度降低了運動質量和能量消耗，但其成本較高且不適用于工業應用場合。Yin等[6]研究了串聯機械臂的最佳結構設計參數，采用協同仿真和復合算法對五自由度機械臂進行結構優化，使機械臂的質量降低15.7%。該研究改進了機器人輕量化結構設計方法，但選取的設計參數不夠全面，缺乏一般性。丁淵明等[7]在滿足通用設計要求的基礎上，考慮了動力學性能，以工作空間和特定區域的能耗為性能指標，采用遺傳算法對機器人結構設計參數進行綜合優化，結果顯示在選定區域機器人能耗較優化前降低了47.6%。陳琦等[8]研究了三自由度機械臂臂長與能耗的關系，得出能耗隨臂長增加而增長，但增長速度會逐漸放緩的結論，為機器人臂長設計提供參考。陳珂等[9]考慮了連桿質量、運動平臺質量及初始追蹤誤差的大小，采用粒子群算法對3-RRR平面并聯機器人進行優化，確定了不同工作模式下的最優配置，使執行器能耗最低，為平面并聯機器人設計提供參考。文獻[10-11]中通過優化設計出特殊的集成輕量組件，并采用特殊的差動旋轉關節進行連接，從而實現機械臂的輕量化，為機器人設計提供新思路，但其并非面向工業應用。

其次，實現機器人運動部分質量減輕的重要原則是使驅動元件盡可能地靠近基座。Aziz等[12]搭建了三自由度平面機器人，其電機固定在底座上，通過同步輪和同步帶傳遞運動，與常規平面機器人相比有效地降低了最大轉矩。文獻[13-14]中的機械臂采用了一種輕量的張力放大機構：電機固定在基座上，通過拉動連接在放大機構上的兩根繩索使關節在相反的方向上移動，減輕了臂的重量，同時增加了關節剛度。Yahya等[15]將三個電機安裝在基座附近，通過軸和齒輪進行傳動，從而巧妙地實現對任意自由度的控制，減少了電機數量和能量消耗。

驅動系統的能量效率的提高一直是科學研究的熱點。Saidur[16]總結了關于電機能耗的研究成果，討論了高效電機的設計策略，如增加線圈橫截面積，降低磁芯損耗等，為提高電機能源效率提供了設計依據。Izumi[17-18]和Roos[19]等提出了齒輪傳動的效率優化設計，研究了考慮庫侖摩擦力和粘性摩擦力的最佳齒輪傳動比，采用最小化方法優化以減速比表示的能耗，與優化前相比其大大減少了能量耗散。房立金等[20]以平行四邊形對角線形式布局機器臂電動缸，在提升其負載能力的同時有效降低驅動功率及能耗。尹振娟等[21]研究了非線性摩擦和電流熱效應等因素對驅動系統能耗的影響，解算出負載下最小能耗的角速度與電流的函數關系，獲得了關節驅動系統低速運行情況下的能耗最優解，但未考慮高速運行及變負載情況。

2.2 硬件增添

能量存儲裝置是指能夠回收和儲存能量并在需要時釋放能量的部件。根據文獻[22]，動能回收系統（Kinetic Energy Recovery Systems，KERS）可以被分為：

（1）機械式（飛輪、彈簧等）；

（2）電學式（化學電池、電容等）；

（3）氣、液壓式（氣、液式蓄能器）；

（4）混合式（裝有發電機的液壓馬達）。

就電壓穩定性、工作溫度范圍、效率和成本等因素綜合考慮，飛輪是最好的KERS系統。

Gale等[23]對ABB機器人進行了多種典型動作的模擬和數據采集，論證了飛輪能量回收裝置的可行性，結果顯示其與機器人控制硬件完全兼容，并且能夠降低機器人能耗。Wang等[24]利用液壓馬達與發電機組成能量再生裝置，同時利用發電機的電磁轉矩進行壓力補償，實現了能量再生和壓力補償功能，在挖掘機平臺上顯示該系統具有控制性能和節能效果。Luo等[25]提出了一種氣-電混合式能量存儲裝置，其從氣動執行器出口回收排氣，并通過渦旋式氣動馬達發電，同時為了維持現有的運行效果，采用閉環控制策略，從而提高了系統能效。Wang等[26]將氣動執行器排放到大氣中的壓縮空氣存儲到蓄能器中，根據氣體定律，分析了殘余壓力、可恢復能量和參數效應，仿真結果表明，當蓄能器容積是執行器容積的3倍時，能耗可降低約20%。動能回收裝置的研究大都與機器人關聯性不強，但仍有部分大型工業機器人具有彈性儲能元件，同時氣、液式能量存儲裝置可以應用于機器人末端工具上，從而節省能量消耗。圖1為能量共享總線概念圖。

圖1 能量共享總線概念圖

在總線上共享制動能量來驅動其他非制動執行器是能量共享裝置的工作原理。Meike等[27]分析了EnergyTeam方案，如單電容緩沖器方案和分散式整流模塊方案，通過對KR200典型焊接工作仿真和比較，指出EnergyTeam是具有發展前景的降低多機器人系統能耗的解決方案，但需要對現有硬件進行較大修改。在文獻[28-29]中，Meike等提出了一種新型直流總線共享功率變換器和模塊化電源接口，省略了制動斬波器，減小了電能存儲單元體積，并且該方案不需要驅動系統精確同步，雙機器人系統實驗顯示其節能效果超過20%。Rankis和Meike等[30]在上述研究的基礎上通過仿真獲得了共享直流總線節能率與占空比、恢復電流、負載電流指標的關系，仿真顯示節能效果可達30%，而且其效果不依賴于機器人的數量。

2.3 低功耗工業機器人選擇

針對給定的工作任務及機電系統，合理地選擇工業機器人不僅能夠保證效率、工作范圍、精度、載荷等要求，同時能夠降低能量消耗。Li等[31]在一定條件下比較具有相同驅動電機和工作空間的串聯和并聯機器人，結果顯示并聯機器人平均能耗為串聯機器人的26%，且效果不受速度、加速度和靜載荷影響，但并聯機器人需要更大的設計尺寸實現相同的工作空間，從而從能耗角度為串并聯機器人選型提供參考。Glodde等[32]應用動量守恒原理，將大轉矩電機和滑環結合，建立了一種三個自由度欠驅動平面機器人原型，利用功率分析儀測量該系統與傳統機器人能量消耗，結果顯示在拾取-放置操作中其能耗遠低于傳統工業機器人系統。

同時，部分研究認為采用冗余驅動系統為更高效地任意分配電機驅動扭矩提供了選擇，是降低工業機器人能耗的可行方案。Lee等[33]提出了一種利用冗余驅動并聯機構實現機器人節能的方法，以兩自由度并聯機械手為平臺，建立能耗模型并分析其能量消耗，采用二次規劃方法最優化轉矩分配，從而降低了峰值扭矩和摩擦損失，節省了26.1%的能量消耗，證明了該方案的可行性。Ruiz等[34]研究了增加運動學冗余對并聯機器人能耗的影響，建立了3RRR平面并聯機器人和其冗余變型的能耗模型，利用遺傳算法優化了軌跡，比較結果顯示在并聯機器人上增加運動冗余可以降低機器人系統能耗，且3（P）RRR形式能量效率最高。上述研究為工業機器人選型提供了一定的參考：根據任務特點及任務布局，合理選用機器人串并聯形式、自由度數目等技術指標，能夠在一定程度上降低機器人的能量消耗。

硬件方法能夠在一定程度上降低機器人能耗，并且相關研究取得了顯著的成果，但硬件方法僅適用于機器人設計階段，新材料、新結構制作成本高，能量存儲與共享制備涉及硬件改動較大，對處于成熟生產周期的工業機器人，此方法缺點明顯，因此需要從軟件方法上進行考慮，從而避免過多改動。

3 軟件方法：軌跡優化及任務調度

工業機器人的運動程序通常是由示教或離線編程得到的，其執行拾取-放置任務時大都采用如圖2（1）所示路徑，該種運動方式存在頻繁的運動方向的突然變化，因此造成了機器人頻繁的加速和減速過程，從而使得機器人運動需要較多的能量；采用如圖2（2）所示的路徑，方向及速度平滑變換，僅在運動開始階段加速度較大，瞬時能量消耗較多，整體能量消耗較前一種路徑??；同時，機器人常常被動地以最小任務時間進行工作，因此需要較高的速度和加速度，從而造成較多的能量浪費。

圖2 不同軌跡能耗比較示意圖

同樣，機器人被動地以最小任務時間工作，造成了任務周期中存在空閑時間。圖3為工業機器人的作業流程，其中TO為任務執行時間，TF為任務循環周期，在整個任務循環周期內[ ]TO,TF為空閑時間，用于等待任務和處理中斷事件。為了保持循環周期TF固定，滿足空閑時間要求，必然需要較高的任務執行速度，造成能量消耗較高；此外空閑時間的存在造成了生產能力的浪費。

圖3 工業機器人作業流程圖

由KUKA給出的統計結果表明：在一周的生產中，機器人運動狀態只占總時間19%，而能耗卻超過總能耗的72%。目前大部分的工業機器人尚未實現運動和任務能耗優化，普遍存在能量利用不合理和浪費現象。因此在不需要修改或重新設計任何硬件前提下，從降低能耗、提高效率角度，在運動階段對工業機器人進行軌跡規劃和任務調度的研究十分必要。

3.1 軌跡規劃方法

機器人軌跡規劃是根據任務要求及環境限制等約束，對機器人在笛卡爾空間或關節空間進行路徑及運動規律的規劃。1970年由Stepanenko[35]首次提出將能耗作為優化目標對機器人進行軌跡規劃。機器人能耗最優軌跡指機器人完成相同任務的能耗最小軌跡，一方面尋找最優軌跡減少能量消耗，另一方面優化系統實現能量合理分配。經過多年的研究，以能耗最優為目標的機器人軌跡規劃方法主要分為直接方法和間接方法。

3.1.1 間接方法

采用間接方法進行軌跡優化首先需要分析系統特點，建立系統模型。模型建立通常只考慮機電系統的運動學、動力學特性和電學參數，如連桿的長度、質量、電機繞組電阻、電機轉矩等，并且系統被線性建模。由于計算量相對較小，其已被廣泛應用于具有各種自由度的系統。系統的動力學模型一般表示為：

間接方法的第二步是定義軌跡類型和確定優化的參數。串聯機器人的軌跡一般是在關節空間中利用高次多項式[36-38]或B樣條函數[39-41]規劃的。采用高次多項式進行軌跡規劃時，關節位移表示為：

每個系數ai（其中i=1,2,…,n；n為多項式的次數）是實數并且an≠0。為了獲得更平滑的運動并應用優化方法，必須選擇更高次的多項式。

軌跡類型確定后需要建立一個目標函數，即尋找參數與目標函數的關系，并通過優化算法將制定的目標函數最小化，進而求解出機器人運動過程中軌跡參數的最優值?？紤]到運動約束，優化函數方程通常表示為：

對于目標函數最優解的求解相關人員已經開發出多種優化算法，如遺傳算法（Genetic Algorithm，GA）[37-38，43-46]、基于梯度的優化算法[40，44]、克隆算法[47]、隨機路圖法（Probabilistic Road Maps，PRM）、快速擴展隨機樹法（Rapidly-Exploring Random Tree，RRT）、人工勢場法等。因為不同的優化算法具有不同的適用范圍和缺陷，所以目前優化算法的研究主要集中在對現有方法的改進上，如解決PRM和RRT算法結果的不確定性問題。

Ayten等[39]提出了具有運動學和動力學約束的冗余/超冗余機器人最小能耗軌跡的優化方法，在軌跡優化前的逆動力學模型中引入了虛擬連桿概念，結合系統約束在代價函數中的順序處理，大大降低了優化算法的復雜度和計算量，實驗顯示最大能量減少量約為43%。Hansen等[40-41]提出了一種基于能量的成本公式，同時考慮了系統摩擦損耗、驅動器和逆變器損耗，而且充分考慮了軸間的能量交換，以B樣條曲線定義軌跡，采用基于梯度的方法求解非線性優化問題，仿真結果顯示，優化后的軌跡降低約10%的電能消耗。Riazi等[42]制定了不同的目標函數，利用KUKA機器人記錄現有軌跡和時間，采用離線方式優化當前軌跡，并在不同周期時間、載荷和單/雙機器人工況下進行了實驗，優化軌跡可降低30%平均能耗和60%峰值能耗，目前正在進行推廣試驗。國內相關的研究主要集中在優化算法的改進上，系統性和全面性與國外有一定差距。操鵬飛等[43]考慮運動學和動力學約束，以動能為參數制定目標函數，利用改進的遺傳算法求解最優運動軌跡，制定了基于運動速度最優控制的能耗評價方法，但其前提條件是各個關節勻速運動，不符合機器人的實際應用情況。游瑋等[46]以時間與能量最優為優化目標，采用基于遺傳學原理的多目標優化算法NSGA-II進行優化，根據Pareto解集選擇最優解，仿真顯示優化后效率提升一倍的同時能耗降低20%。徐海黎等[47]以總動作時間和能耗綜合最優為目標，使用加權系數法定義代價函數，采用罰函數排序形式來處理速度、加速度、力和力矩等約束問題；提出基因環境雙演化免疫克隆算法對代價函數進行優化，使算法具備一定的學習能力，增強算法的全局搜索能力，從而提高解的質量和算法效率。

3.1.2 直接方法

相比于間接方法，直接方法除了考慮系統的動力學外，還考慮由于機械部件、電機和驅動系統造成的若干能量損失，且沒有忽略能量的二次損失，同時考慮能量損失的非理想情況，完整地模擬了機電系統，但該方法通常適用于自由度較低的系統。

在直接方法中采用不同的方法來定義軌跡。文獻[48-50]用時間離散化數值定義軌跡。而Richiedei等[51]認為點到點（Point to Point，PTP）運動中的能量損失僅取決于速度或加速度的均方根（Root Mean Square，RMS）值，其表達式如下：

其中，cVRMS和cARMS為曲線幾何形狀特征系數；θ為位移；T為運動周期時間。

因為直接法是數值化的，所以允許通過敏感性分析來研究每個因素對能耗的影響。Paryanto等[48]專注于能夠分析工業機器人能耗和動態行為的模塊化模型的開發，利用開發的模型進行敏感分析，以分析機器人操作參數（有效載荷、運行速度、軌跡平滑度等）對能耗的影響。Hansen等[50]對考慮到庫侖摩擦和粘性摩擦系數變化的機械慣性和軸位移進行靈敏度分析，研究其對能耗的影響規律。Richiedei等[51]則研究了恒力和慣性對能耗的影響。

直接方法的軌跡不是由優化過程合成的，而是對不同的標準預定義運動曲線進行研究，以評估它們對能源消耗的影響，如三角速度曲線[49-51]、梯形速度曲線[51-52]、多項式曲線[51-52]等。研究結果表明，梯形速度曲線是降低能耗而不影響時間的良好選擇，且能耗與起始點和終止點的約束有關，較少的約束意味著較少的能量消耗[49]。因此，機器人采用五次多項式軌跡的能耗比采用擺線和七次多項式的少[49，51]。文獻[50-51]的研究表明，適當地減弱對循環時間的約束，能夠提升機器人的節能潛力；但如果循環時間固定，可以證明增加多項式軌跡曲線的階數會導致絕對輸入能量的減小[36-38]，高階多項式的使用會在收斂點后產生反作用，能量節約的速率會變小，且需要更多的計算量[36]。雖然上述研究獲得了相應的成果，對機器人節能具有一定的意義，但其應用對象和適用范圍相差較大，各種方法的節能效果難以比較。

上述關于工業機器人運動規劃的研究大都基于其剛體運動展開，并未考慮其運動過程中的柔性環節對能耗的影響。工業機器人自由度一般不少于3個，規劃問題的維度較高，且工況復雜，優化算法很難做到全局最優和快速規劃。因此目前缺少兼顧實時性和最優性的規劃算法。單獨的能耗最優軌跡規劃難以滿足實際生產需求，其更多的是結合其他優化策略，達到軌跡的綜合優化。

3.2 任務調度方法

另一種與運動規劃相關的減少單機器人系統或機器人單元能耗的方法是合理任務調度[53-61]。在機器人單元中，單個機器人與其他機器人或機電系統同步工作，機器人必須等待前序任務操作完成后再執行任務；而且在相當一部分任務中，機器人與其他裝置共享工作空間，因此機器人需等待其他裝置移出共享操作空間后再進行操作，以避免碰撞。任務調度方法集中于機器人單元系統整體優化，主要有兩種方法：時間縮放和序列調度。

時間縮放方法通過放慢運動速度和加速度，并利用空閑時間來補償運行時間的增加，從而任務周期不受影響。Meike等[53-54]將電機制動器、電容等考慮到動力學模型中，分析得出任務執行時間與制動器釋放時間的關系，利用時間縮放方法對機器人歸零運動進行最優能量軌跡優化，并在機器人靜止狀態下動態激活制動器來減少能量消耗，基于生產數據進行了仿真驗證，結果顯示節能效果高達10.6%。Wigstr?m等[55-56]采用動態時間縮放方法改進目前的調度方法，該方法能夠從現有的軌跡中生成能耗最優軌跡，且能夠一次解決一系列優化問題，采用雙關節機械臂進行了驗證，結果顯示在較長的執行時間下，能耗降低效果可達10%～20%。

與時間縮放方法不同，序列調度方法通過保持循環時間固定來搜索更節能的操作序列。Pellicciari等[57-58]在不影響效率和魯棒性的情況下，研究了串聯和并聯機器人執行拾取-放置任務時的調度優化，推導了其機電模型，以確定時間尺度、預定軌跡和運動限制為基礎，優化了機器人工作周期和能耗最優軌跡，仿真結果顯示其節能效率為8%左右。文獻[59]研究了柔性制造系統的時間調度問題，以時間最優調度為基礎進行擴展，提出兩種速度平衡方法降低總體加速度，通過例子驗證其有效性，為機器人能耗優化提供方法參考。Vergnano等[60-61]將機器人能耗數據嵌入到系統調度模型中，根據執行時間建模和參數化來評估機器人能耗情況，通過求解混合整數非線性規劃問題導出最優的能量調度，對比實驗說明了其具有明顯的節能效果。

硬件方法和軌跡規劃方法已經證明了其在降低機器人能耗方面的有效性，但其涉及大量的硬件和運動參數的修改；而當機器人系統處于成熟生產周期階段，要求降低能耗并避免較大修改。在這種情況下，任務調度方法能夠僅通過時間縮放和改變任務時間表，實現相同的生產效率和能耗的降低，并且不需要對系統進行實質性的修改，但對于該方面的研究大都沒有考慮任務執行時間的改變對系統魯棒性和穩定性的影響。

4 混合方法：自然運動及優化共享

近年來，研究人員更多地將能耗問題考慮到機器人及機電系統的設計和控制中，并對系統硬件和軟件的優化方法不斷地進行研究與驗證。從目前的研究來看，其中兩種方法具有取得重要結果的潛力：自然運動和優化共享。這兩種方法依賴于彈性儲能裝置、能量共享裝置和最優運動規劃技術。

4.1 自然運動

自然運動通過在執行機構中加入彈性元件改造硬件系統，并依此進行相應的運動規劃，其目的是利用機械系統執行循環任務的“自由振動模式”來降低機器人和機電系統的能耗[62-65]。彈性元件在任務周期的某段時間將能量儲存為彈性勢能，并在需要時釋放能量以增加執行裝置的動能；而驅動裝置需要提供一定的能量用于補償能量的耗散，并引導機構通過期望的軌跡。該方法不適用于機構末端必須保持在固定位置的操作，但可以通過在停止時釋放機械制動器進行克服[62]。

Shushtari等[64]提出兩種不同的方法：（1）自然動態修正（Natural Dynamics Modification，NDM），機電系統主體或部分被設計為有效地執行給定的周期性任務，即系統的固有頻率適應于任務；（2）自然動態開發（Natural Dynamics Exploitation，NDE），改變系統運動特性以利用機電系統主體或部分的固有頻率，即任務適應系統的固有頻率。并且提出利用NDM和NDE方法的離線能耗最小分析方法。Barreto等[62]對雙自由度五桿連桿機構進行多體優化，利用自然運動尋找電機轉矩最小化的軌跡，推導了NDM和NDE方法的公式，分別計算出最佳彈性系數和最佳周期頻率。Goya等[63]在SCARA（Selective Compliance Assembly Robot Arm）機器人的關節處采用自適應彈性裝置并適當調整，降低了任務總能耗，并且允許改變循環時間和兩端點位置。Uemura等[65]提出了一種基于系統共振的通用節能控制方法，同時考慮到非諧波的周期運動，使控制方法適應關節的剛度來最小化扭矩。

4.2 優化共享

優化共享是綜合考慮運動優化、能量儲存和共享裝置給機器人能耗帶來的影響，從而共同優化機器人能耗。關于該方面的相關文獻不多，但仍可以找到一些應用和結果。實際上，在文獻[40-41，50]中，研究人員已經初步考慮了采用軌跡規劃器、能量回收和共享設備共同優化能耗的概念。

Kaviani等[66]充分考慮了能量回收裝置對機器人能耗最優軌跡的影響，發現通過適當調整兩軸梯形速度曲線，可以增加再生能量的利用量，從而減少能量消耗。Hansen等[67]考慮了能在系統執行任務時對多軸伺服驅動進行優化的方法。該方法通過直流耦合逆變器進行能量交換，并利用運動循環之間的空閑時間，在運動開始時加入延遲，使標準的雙S速度曲線被拉伸，從而減少消耗的能量。

5 未來展望

雖然關于工業機器人能耗優化的研究很多，但實際應用于工業現場的相對較少；且隨著自動化應用中越來越高的性能要求及工況的日益復雜，機器人能耗優化必須朝著高效率、自動化、智能化方向發展。通過總結與分析其發展趨勢有以下幾點：

（1）新結構、新材料。工業機器人既需要具有質量較小的本體重量，同時又需要具有一定的強度以提供較大的負載能力和較高的可靠性，然而重量小與負載能力大對工業機器人設計來說是矛盾的。新材料、新結構在輕量化設計上具有巨大潛力，但其成本較高，新結構設計比較困難，且配套工藝不完善，多應用于人機協作等小型機器人。因此需要對工業機器人設計進行整體規劃與優化，利用新型復合材料重量輕、強度高等特點，采用輕量化結構設計，開發新工藝，以滿足工業機器人性能要求。

（2）智能、自主的能耗最優軌跡規劃。工業機器人越來越多地應用于更新周期短、形式多樣、單件利潤低、市場巨大的3C行業。工業機器人往往通過示教方式編程，當產品更新換代時必須對其重新示教，效率低，靈活度差，成本高。因此工業機器人應具備自主或半自主重新規劃最優軌跡的能力，通過傳感系統或虛擬仿真獲取當前產品及環境信息，利用已有軌跡的信息作為基礎，迅速規劃出滿足任務要求的能耗最優軌跡；同時可以利用人工智能和深度學習等技術，使機器人具備自學習能力，根據環境及任務的不同，自主地找到最適合任務的能耗優化方案。

（3）軟硬件結合的整體動態優化。機器人系統是機器人及其作業對象和工作環境共同組成的整體，是一種軟硬件結合的綜合機電系統，其能耗優化策略應從軟件和硬件方面共同考慮。目前，單方面的研究取得了一定的成果，但是對于整體優化的研究還相對較少且不夠深入。如圖4所示，機器人的硬件設計和控制參數需要考慮生產需求和約束等因素，并針對硬件系統建立數學模型，分析其動態特性和能量消耗；分析得到的數據能夠為機器人設計和控制參數提供指導，從而使系統動態特性和能量消耗得到最大程度的優化。然而機器人能耗問題是多參數耦合的，且存在硬件、環境建模不精確、動態分析復雜等問題，因此從整體上優化難度較大。隨著傳感技術、軟件算法和人工智能等的發展，其研究必將更加全面和實用化。

圖4 各要素在工業機器人優化中的交互作用關系

（4）機器人全生命周期能耗管理。能耗問題貫穿機器人系統設計、運行、維護等全生命周期。一個完整的工業機器人節能系統應具有綠色節能的能量供給系統和智能的能量分配管理策略；其次應具有實時的能耗信息采集和在線數據管理工具，結合輕量化結構設計和高效傳動系統的能耗評估工具，基于任務能耗分析和生產序列分析的機器人工具選擇、軌跡規劃、任務調度等的優化軟件；最后應具有結合時間、生產成本的綜合可持續發展評估工具。然而目前機器人全生命周期能量消耗的采集、優化、管理工具仍然缺失，因此需要將機器人能耗優化納入機器人系統開發和維護中，從而為使用者提供全套智能解決方案。

6 結束語

工業機器人能耗優化在其性能提升方面占有重要的位置，不但能夠提升機器人的節能水平，同時對機器人的運行效率、振動和使用壽命有很大的影響，并且能夠提高工業機器人的智能化水平，因此機器人能耗優化的研究仍是機器人技術研究的重要分支。本文對現有的降低工業機器人能耗的方法和技術進行了綜述，介紹了具有發展潛力的混合方法，最后從新結構和新材料、智能規劃、整體動態優化和全生命周期能耗管理方面對工業機器人能耗優化的未來研究工作進行了展望。

總體來說，目前工業機器人能耗優化的研究主要集中在機器人本體輕量化設計、高效驅動系統設計和軌跡規劃等方面。其中本體輕量化和高效驅動系統已經具有相當的應用成果，而能耗最優的軌跡規劃方法由于規劃效率、穩定性等原因，其工業實際應用還較為缺乏。隨著新材料、設計方法、控制理論和人工智能等相關技術和理論的發展，工業機器人能耗優化技術將會得到越來越多的實際應用。