, 乔心州11. 西安科技大学 机械工程学院，西安 710054;
2. 西安电子科技大学 电子装备结构设计教育部重点实验室，西安 710000
收稿日期：2021-09-05
基金项目：陕西省自然科学基础研究计划项目(2019JQ-796)
作者简介：刘鹏(1984—)，男，讲师，E-mail：liupeng@xust.edu.cn
摘要：由于驱动柔索的柔性和单向约束特性，以及柔索悬垂的影响，大跨度完全约束空间3-DOF柔索驱动并联机器人稳定性面临着严峻挑战。该文建立此种机器人的稳定性评价模型及其稳定性灵敏度分析模型，探索并分析末端执行器位置和柔索驱动力等因素对机器人稳定性的影响程度。首先，基于机器人运动学和动力学模型，提出稳定性位置和柔索驱动力影响因子，建立稳定性评价模型。其次，采用灰色关联分析方法建立机器人稳定性灵敏度分析模型，提出采用关联度研究和衡量机器人末端执行器位置和柔索驱动力等参数对机器人稳定性的影响程度。最后，以大跨度4索驱动摄像机器人为例，对所建立的稳定性评价模型和敏感度分析模型进行仿真研究。结果表明：摄像机器人稳定性对驱动力影响因素的敏感度较大，其次为位置影响因素，其中稳定性对末端摄像平台y方向位移的关联度最小。研究结果为大跨度完全约束空间3-DOF柔索驱动并联机器人运动轨迹的稳健优化设计与运动控制提供了指导方向。
关键词：柔索驱动并联机器人稳定性灵敏度灰色关联分析
Stability sensitivity of a completely restrained 3-DOF cable-driven parallel robot with four long-span cables
LIU Peng1,2
, QIAO Xinzhou11. School of Mechanical Engineering, Xi'an University of Science and Technology, Xi'an 710054, China;
2. Key Laboratory of Electronic Equipment Structure Design, Ministry of Education, Xidian University, Xi'an 710000, China
Abstract: The stability of a completely restrained 3-DOF cable-driven parallel robot with four long-span cables, due to the flexibility and unidirectional restraint characteristics of the cables, as well as the influence of the large-span cable sags, faces severe challenges. This paper establishes the stability evaluation model and stability sensitivity analysis model for the robot, explores and analyzes the influence of the end-effector positions and the cable tensions on the stability of the robot. Firstly, based on kinematics and dynamics model of the robot, the stability position influence factor and the cable tension influence factor are proposed, and furthermore, the stability evaluation model is established. Secondly, the gray correlation analysis method is used to establish the stability sensitivity analysis model for the robot, and it is proposed to use the correlation degree to study and measure the influence degree of the end-effector positions and cable tensions on the stability of the robot. Finally, the established stability evaluation model and sensitivity analysis model are simulated for a cable-driven camera robot with four long-span cables. The research results show that the stability of the camera robot is more sensitive to cable tension influence factors. Among them, the stability has the smallest correlation to the y-direction displacement of the camera platform. This research provides guidance for the robust optimization design of the motion trajectory and motion control for the robot.
Key words: cable-driven parallel robotstabilitysensitivitygrey correlation analysis
柔索驱动并联机器人是通过柔索的收放控制实现末端执行器运动的一种典型的并联机器人，与传统的刚性连杆并联机器人相比，具有工作空间大、动惯性小、运动速度快等诸多优点[1-3]，在天文观测[4]、康复训练[5]、3D打印[6]和风洞实验[7]等诸多领域得到了广泛应用。其中，大跨度完全约束空间3-DOF柔索驱动并联机器人由于结构简单、可重构性强、控制较为容易，具有很大的应用潜力，可以被用于大型场所的监测和监控、码头大型货运装载、大型煤场煤质采样以及高速摄像等众多领域。大跨度柔索驱动并联机器人主要涉及柔索的自重和悬垂对柔索位形和机器人性能(定位精度、刚度、工作空间等)具有重要影响的情况。在此情况下，直线模型的柔索长度和驱动力与实际柔索存在较大差别，致使理想的直线柔索模型不再适用，因此，必须考虑柔索的“大跨度”影响效应。然而，传统的建模方法通常将柔索建模为无质量的直线模型，当涉及大跨度柔索时，忽略柔索自重的直线模型不是完全合理的，必须考虑柔索自重对柔索位形以及机器人性能的影响[8-9]。因此，对大跨度完全约束空间3-DOF柔索驱动并联机器人的稳定性评价模型及其稳定性灵敏度分析模型进行研究，确定机器人稳定性的敏感因素，对稳定性敏感因素优先控制其精度，能够为该类机器人运动轨迹的鲁棒设计和运动控制提供理论指导。
国内外诸多****致力于柔索驱动并联机器人稳定性的研究。Behzadipour等[10]提出了采用系统总刚度矩阵评价柔索驱动并联机器人的稳定性。Bosscher等[11]研究了欠约束柔索牵引并联机器人基于斜率的稳定性衡量方法。Liu等[12]研究了柔索驱动并联机器人最小索拉力在工作空间的分布，并定性分析了最小索拉力与机器人稳定性的联系，但是不能客观准地评价柔索驱动并联机器人的稳定性。Liu等[13]将柔索驱动并联机器人的稳定性从非0即1的二值态拓展到区间[0, 1]，提出了力位混合稳定性评价方法。赵志刚等[14]以多机器人协调吊运系统的运动学和动力学为基础，获得了吊运系统运动稳定性评价指标。然而对于大跨度柔索驱动并联机器人，由柔索自重引起的柔索悬垂对系统运动性能和稳定性能有很大影响[15-16]。文[13]提出了柔索驱动摄像机器人稳定性评价方法，然而该方法是在无质量直线柔索模型的假设条件下建立的。因此，大部分研究并没有考虑柔索自重和悬垂对柔索驱动并联机器人稳定性的影响，对于大跨度柔索驱动并联机器人稳定性的研究，目前国内外鲜有报道。
稳定性灵敏度能够反映各影响因素对柔索驱动并联机器人稳定性的影响程度，进而根据其重要性对影响因素进行排序[17]。在机器人运动轨迹和运动控制的优化设计中，应优先关注影响机器人稳定性的最敏感因素。现有文献主要集中于柔索驱动并联机器人稳定性评价方法，而对稳定性灵敏度的研究鲜见报道。柔索驱动并联机器人稳定性灵敏度分析有多种方法，如单因素灵敏度分析法、灰色关联分析法等。与其他敏感性分析方法相比，灰色关联分析由于数据需求少、计算步骤简单，近年来被广泛应用于边坡稳定性影响因素的敏感性分析[18-19]。灰色关联分析可以在有限信息下通过数据处理消除维度的影响，进而找出各影响因素之间的相关性，克服了单因素分析方法的不足，最终通过关联度来判断影响因素的稳定性敏感度[20]。
鉴于此，本文建立了大跨度完全约束空间3-DOF柔索驱动并联机器人稳定性评价模型及其稳定性灵敏度分析模型，探索并分析末端执行器位置以及柔索驱动力等因素对机器人稳定性的影响程度，为机器人运动轨迹的稳健设计和稳定控制提供指导方向。
1 大跨度完全约束空间3-DOF柔索驱动并联机器人动力学模型1.1 大跨度柔索的悬链线模型柔索的一端连接驱动器，另一端连接机器人的末端执行器。如图 1所示，柔索局部坐标系
| $z_{i}^{\text{c}}=\frac{H_{i}}{\rho g}\left[\cosh \alpha_{i}-\cosh \left(\frac{2 \beta_{i} x_{i}^{\text{c}}}{l_{i}}-\alpha_{i}\right)\right] .$ | (1) |
 |
| 图 1 大跨度悬链线柔索模型 |
| 图选项 |
其中：xic和zic是
悬链线在端点P处的斜率表示如下：
| $\tan \gamma_{i}=\frac{\partial z_{i}^{\mathrm{c}}}{\partial x_{i}^{\text{c}}}=-\sinh \left(\frac{2 \beta_{i} x_{i}^{\mathrm{c}}}{l_{i}}-\alpha_{i}\right)$ | (2) |
悬链线索长Li表示如下:
| $\begin{gathered}L_{i}=\sqrt{1+\left(\frac{\mathrm{d} z_{i}^{\text{c}}}{\mathrm{~d} x_{i}^{\text{c}}}\right)^{2}}= \\l-\frac{H_{i} \beta}{q l}\left[\frac{l}{16 \beta}\left(\mathrm{e}^{4 \beta-2 \alpha}-\mathrm{e}^{-4 \beta+2 \alpha}\right)+\frac{1}{2}\right] .\end{gathered}$ | (3) |
| $d_{i}=\frac{8 H_{i} \sinh \beta_{i} \sinh ^{-1}\left(\frac{\rho g c_{i} / 2 H_{i}}{\sinh \beta_{i}}\right)-c_{i} \rho g}{2 \rho g} .$ | (4) |
1.2 机器人动力学模型如图 2所示，柔索一端通过定滑轮与伺服电机和卷筒相连，另一端与机器人末端执行器相连。通过控制伺服电机的正反转实现柔索的收放运动，驱动机器人末端执行器人在三维空间作大范围平动。4根柔索与机器人末端执行器的铰接点完全重合，大跨度完全约束空间3-DOF柔索驱动并联机器人的末端执行器通常为具有一定运动自由度的二级调整平台，大范围柔索驱动系统实现机器人末端执行器的三维平动，二级调整平台实现其动平台的姿态调整，如柔索驱动摄像机器人[22]、FAST[23]等。该类机器人实现了末端执行器平动和转动的完全解耦，因而可以将末端执行器抽象成一个质量点。
 |
| 图 2 大跨度完全约束空间3-DOF柔索驱动并联机器人简图 |
| 图选项 |
建立固结在机架上的总体坐标系O-XYZ，O为坐标原点。P=(x, y, z)T是机器人末端执行器在总体坐标系O-XYZ中的位置。Bi=(Bi, x, Bi, y, Bi, z)T是柔索与定滑轮连接点在总体坐标系中的位置，因为连接点Bi是固结在机架上的，所以Bi是常矢量。
柔索末端点P处第i根柔索索力垂直分量表示如下:
| $V_{i}=H_{i} \tan \gamma_{i}(i=1, 2, 3, 4)$ | (5) |
| $\left\{\begin{array}{l}\sum\limits_{i=1}^{4} H_{i} \cos \theta_{i}+f_{\mathrm{e}, x}=0, \\\sum\limits_{i=1}^{4} H_{i} \sin \theta_{i}+f_{\mathrm{e}, y}=0, \\\sum\limits_{i=1}^{4} H_{i} \tan \gamma_{i}-\sum\limits_{i=1}^{4} \rho g L_{i}-m_{\mathrm{p}} g+f_{\mathrm{e}, z}=0.\end{array}\right.$ | (6) |
| $\boldsymbol{J} \boldsymbol{H}-\boldsymbol{f}_{\mathrm{G}}+\boldsymbol{f}_{\mathrm{e}}=\mathbf{0} .$ | (7) |
从式(2)、(6)和(7)可以看出：机器人结构矩阵J是柔索驱动力的水平分量H的函数，外力向量Q也是柔索驱动力的水平分量H的函数，因此，式(7)可以简写为
| $\boldsymbol{J}(\boldsymbol{H}) \boldsymbol{H}=\boldsymbol{Q}(\boldsymbol{H}).$ | (8) |
式(8)形式上似乎是一个线性方程，但是其系数矩阵J和外力向量Q均为悬链线柔索驱动力水平分量H的函数，因此，式(8)是关于悬链线柔索驱动力水平分量 H的非线性方程。本文采用直线模型求解的柔索驱动力和柔索长度作为初始迭代值，迭代求解式(8)。
1.3 冗余柔索驱动力优化求解模型[16, 21]由于柔索单向性的受力特性，大跨度完全约束空间3-DOF柔索驱动并联机器人采用冗余驱动的方式，保证了末端执行器完全可控。因为柔索的根数(4根柔索)大于机器人末端执行器的自由度(3平动自由度)，所以式(8)中索张力的水平分量H有无穷多解。利用矩阵理论，可以求得索张力的水平分量H为[22-23]
| $\boldsymbol{H}=\boldsymbol{J}^{+} \boldsymbol{Q}+\boldsymbol{N}(\boldsymbol{J}) \lambda$ | (9) |
由式(5)和(9)可得，柔索末端点P处第i根柔索的驱动力为
| $T_{i}=H_{i} \sqrt{1+\tan ^{2} \gamma_{i}}(i=1, 2, 3, 4).$ | (10) |
| $\boldsymbol{T}_{s, \min } \leqslant \boldsymbol{T} \leqslant \boldsymbol{T}_{s, \max }.$ | (11) |
通过上面的分析可知，必须保持柔索时刻处于张紧状态，即在实际工作中要保证垂度和跨度的比值ri满足预设的条件。
| $r_{i}=\frac{\left|d_{i}\right|}{l_{i}} \times 100 \% \leqslant 10 \%.$ | (12) |
| $\lambda \in[\underline{\lambda}, \bar{\lambda}] .$ | (13) |
由式(9)可知，由于λ的任意性，导致了矢量H的通解N(J)λ有无穷多个。为了得到最优解，采用最小方差作为优化求解目标，式(8)和(13)作为约束条件，可以得到求解冗余柔索驱动力水平分量大小H的数学优化模型[16, 24]:
| ${\rm{Object}}~~ f(\lambda)=\min \left(\frac{1}{4}\left[\sum\limits_{i=1}^{4}\left(H_{i}-E(H)^{2}\right]\right) \right., \\{\rm{s}}{\rm{. t}}{\rm{.}}~~ \boldsymbol{J}(\boldsymbol{H}) \boldsymbol{H}=\boldsymbol{Q}(\boldsymbol{H}), \quad \underline{\lambda} \leqslant \lambda \leqslant \bar{\lambda}.$ | (14) |
由于约束条件式(8)具有高度非线性的特性，必须通过优化迭代算法，利用式(14)求得悬链线柔索驱动力的水平分量H。进一步每一根柔索的索力Ti可以由式(10)求得。将索力矢量T代入式(2)和(3)，可以求得悬链线柔索端点与水平面的夹角γ=[γ1 γ2 γ3 γ4]以及悬链线柔索的长度L=[L1 L2 L3 L4]T。
2 大跨度完全约束空间3-DOF柔索驱动并联机器人稳定性评价模型本文提出的柔索驱动并联机器人稳定性类似于材料力学中压杆系统的稳定性，压杆系统的稳定性取决于压力大于临界值的最弱杆，当最弱杆的压力大于某个值时，压杆系统就会产生不稳定[25]。本文将此概念扩展到柔索驱动并联机器人稳定性研究中，当具有最小驱动力的柔索张力小于某个临界值时该柔索会发生松弛，导致其失去控制机器人末端执行器的能力。因此，稳定性被定义为“抵抗外部干扰并保持机器人末端执行器处于当前平衡位置的能力”。本文所提出的稳定性不同于Lyapunov意义上的稳定性，该稳定性反映了系统在受到干扰后恢复其平衡状态的能力[26]。
2.1 稳定性位置和柔索驱动力影响因子在冗余索拉力求解模型式(14)的基础上，求得机器人末端执行器处于当前位置点处的柔索驱动力向量，进而最小索拉力表示如下：
| $T_{\min }=\min (\boldsymbol{T}).$ | (15) |
基于机器人运动学模型、动力学模型以及冗余柔索驱动力优化求解模型，分别提出了2个位置和柔索驱动力影响因子，用于阐述末端执行器当前位置点在工作空间所处的位置以及约束最弱方向上的索拉力对末端执行器稳定性的影响。如图 3所示，工作空间中的任意位置用点P来表示; 工作空间竖直中线用a表示; 任意位置点P所在的水平面用绿色平面表示; 该水平面与竖直中线a的交点用Q表示; 竖直中线a最上面的点用M表示; 位置P、Q和M处的最小索力分别用TP, min、TQ, min和TM, min表示; 位置P、Q和M处所有柔索中驱动力最小柔索与水平面的夹角分别用γP、γQ和γM表示。因此，2个位置影响因子
| $\begin{aligned}\Re_{11}\left(\boldsymbol{X}_{P}\right)=\frac{\tan \gamma_{P}}{\tan \gamma_{Q}}, \end{aligned}$ | (16) |
| $\Re_{21}\left(\boldsymbol{X}_{P}\right)=\frac{\tan \gamma_{M}}{\tan \gamma_{Q}} .$ | (17) |
 |
| 图 3 位置影响因子和柔索驱动力影响因子示意图 |
| 图选项 |
根据式(15)，得出2个柔索驱动力影响因子，分别表示如下：
| $\begin{aligned}\Re_{22}\left(\boldsymbol{X}_{P}\right)=\frac{T_{Q, \min }}{T_{M, \min }} , \end{aligned}$ | (18) |
| $\Re_{12}\left(\boldsymbol{X}_{P}\right)=\frac{T_{P, \min }}{T_{Q, \min }}.$ | (19) |
2.2 稳定性评价方法大跨度完全约束空间3-DOF柔索驱动并联机器人采用柔索作为其驱动元件，当存在外部干扰时，机器人的平衡位置可能受到干扰。因此，机器人的稳定性是指最弱约束方向上抵抗外部干扰的能力，以及在外部扰动存在时保持机器人末端执行器处于平衡状态的能力。基于位置和柔索驱动力影响因子，提出大跨度完全约束空间3-DOF柔索驱动并联机器人稳定性评价指标，并将稳定性指标的大小定义为稳定度，用来反映柔索驱动并联机器人末端执行器在当前位置点处的稳定程度，表示如下：
| $\varOmega\left(\boldsymbol{X}_{P}, \boldsymbol{T}\right)=\prod\limits_{i=1}^{2}\left(p_{i 1} \Re_{i 1}+p_{i 2} \Re_{i 2}\right).$ | (20) |
从式(20)可以看出，大跨度完全约束空间3-DOF柔索驱动并联机器人的稳定性是机器人末端执行器位置和柔索驱动力的隐性函数，且机器人稳定度的取值范围为Ω∈[0, 1]。其中，Ω=0对应机器人末端执行器处于工作空间之外的位置点，机器人末端执行器无法到达，稳定度为0; Ω=1对应全工作空间稳定性最好的位置点，机器人末端执行器处于该位置点时的稳定度为1; 当机器人末端执行器处于工作空间其余位置点处的稳定度介于0~1。
3 大跨度完全约束空间3-DOF柔索驱动并联机器人稳定性灵敏度评价模型本文采用灰色关联分析方法建立大跨度完全约束空间3-DOF柔索驱动并联机器人稳定性敏感度分析模型，首先将机器人稳定性的影响因素定义为比较列，相应的机器人稳定度作为参考列。对各序列进行数据无量纲化，使得序列具备可比性，最后求得灰关联系数矩阵与灰关联度[27-29]。灰色关联分析方法的具体步骤如下：
步骤1 ? 确定比较数列和参考数列。设X为机器人稳定性及其影响因素数据所构成的序列集合，Xi={Xi(j); i=0, 1, 2, …, n, j=0, 1, 2, …, m}。机器人稳定度构成参考序列向量X0，以稳定性各影响因素(末端执行器的三维位置坐标x、y、z，以及4根柔索的驱动力T1、T2、T3、T4等)定义为比较列Xi，则机器人稳定度序列和稳定性影响因素序列构成一个m×(n+1)阶矩阵：
| $\boldsymbol{X}=\left[\begin{array}{cccc}X_{0}(1) & X_{1}(1) & \cdots & X_{n}(1) \\X_{0}(2) & X_{1}(2) & \cdots & X_{n}(2) \\\vdots & \vdots & & \vdots \\X_{0}(m) & X_{1}(m) & \cdots & X_{n}(m)\end{array}\right].$ | (21) |
步骤2 ? 矩阵无量纲化。采用区间相对值化对数列集合X进行数值变换，去掉单位和量级对分析结果的影响。处理后式(21)变为
| $X_{i}^{\prime}=\frac{X_{i}-X_{\min }}{X_{\max }-X_{\min }}.$ | (22) |
步骤3 ? 计算关联系数。灰关联分析的实质是数列曲线间几何形状的相似程度，曲线越近，相应数列之间的关联程度就越大。因此，以曲线间差值的大小作为关联程度的衡量尺度，关联系数表示如下：
| $r_{i}(j)=\frac{\varDelta_{\min }+\xi \varDelta_{\max }}{\varDelta_{0 i}(j)+\xi \varDelta_{\max }} .$ | (23) |
步骤4 ? 计算关联度。由于相对于各因素的变化关联系数数目较多，常采用各相关因数的关联度对各因素的影响程度进行比较。关联度表示为
| $R_{i}=\frac{1}{m} \sum\limits_{j=1}^{m} r_{i}(j).$ | (24) |
4 仿真算例与讨论以大跨度柔索驱动摄像机器人(图 4)为例，通过仿真分析和说明柔索驱动并联机器人稳定性评价方法及其灵敏度分析模型的合理性和有效性。柔索驱动摄像机器人是一种可以大范围运动的冗余柔索驱动并联机器人，用于实现高空全景拍摄[13, 30]。
 |
| 图 4 大跨度柔索驱动摄像机器人结构示意图 |
| 图选项 |
选取空间螺旋轨迹说明柔索自重和垂度对柔索驱动力、大跨度柔索驱动摄像机器人稳定性以及稳定性灵敏度的影响。该轨迹方程为
| $\left\{\begin{array}{l}x=R \cos (\omega t)+50 \\y=R \sin (\omega t)+45 \\z=v t+10\end{array}\right..$ | (25) |
本算例中选取摄像机器人相关参数如表 1所示。依据表 1中的参数，可以得到摄像机器人稳定性影响因素的变化范围，如表 2所示。
表 1 摄像机器人模型参数
| 系统参数 | 符号 | 数值 |
| 绳索线密度/(kg·m-1) | ρ | 0.188 |
| 摄像云台质量/kg | mp | 10 |
| 索拉力下限/N | Tmin | 100 |
| 索拉力上限/N | Tmax | 30 000 |
| 1#滑轮位置/m | B1 | (0, 0, 23)T |
| 2#滑轮位置/m | B2 | (100, 0, 23)T |
| 3#滑轮位置/m | B3 | (100, 90, 23)T |
| 4#滑轮位置/m | B4 | (0, 90, 23)T |
表选项
表 2 摄像机器人稳定性影响因素变化范围
| 摄像平台x坐标/m | 摄像平台y坐标/m | 摄像平台z坐标/m | 柔索驱动力Ti/N |
| 0~100 | 0~90 | 0~23 | 100~30 000 |
表选项
采用悬链线模型计算的柔索驱动力和直线柔索模型计算的柔索驱动力的相对差别，以及使用2种柔索模型所计算的稳定度的相对差别说明大跨度柔索自重和垂度对柔索驱动力和大跨度柔索驱动摄像机器人稳定性的影响，表示如下:
| $\varepsilon=\frac{T_{\mathrm{c}, i}-T_{\mathrm{s}, i}}{T_{\mathrm{s}, i}} \times 100 \%, \quad i=1, 2, 3, 4.$ | (26) |
| $\chi=\frac{\Omega_{\mathrm{s}}-\Omega_{\mathrm{c}}}{\Omega_{\mathrm{c}}} \times 100 \%.$ | (27) |
4.1 稳定性评价模型数值仿真当摄像机器人末端摄像平台沿着空间螺旋轨迹式(25)运行时，分别采用悬链线柔索模型和直线柔索模型，计算4根柔索的驱动力，如图 5所示。从图 5中可以看出，采用2种不同柔索模型计算的驱动力均连续平滑，但具有较大差别，悬链线柔索模型计算所得的柔索驱动力明显大于直线模型的计算结果，柔索驱动力的重要差异主要来自于柔索自身质量的影响，这与理论结果相符。末端摄像平台处于螺旋线终止位置的柔索驱动力明显大于起始位置的柔索驱动力，这是因为该螺旋轨迹终止位置的高度高于起始位置。末端摄像平台的高度增加会导致张力Ti和其垂直分量Vi之间的角度增加，因此需要增大柔索驱动力才能承受柔索的自重以及末端摄像平台的重力。从图 5c可以看出，2种柔索模型下的柔索驱动力最大差别达到了880%，因此，大跨度柔索自重对摄像机器人柔索驱动力具有重要影响。
 |
| 图 5 2种柔索模型下柔索驱动力的对比 |
| 图选项 |
图 6为2种柔索模型下，摄像平台沿空间螺旋轨迹式(25)运行时，计算获得的摄像机器人稳定度。从图 6a可以看出，当摄像平台处于螺旋线起始位置的稳定度小于处于终止位置的稳定度，这是因为随着摄像平台在工作空间位置点的升高，4根柔索中驱动力最小柔索的力也随之增大，导致柔索驱动力影响因素增大，这与文[13]结果一致。从图 6b可以看出：与柔索自重对驱动力的重要影响程度不同，2种柔索模型下机器人稳定度最大相对差异为21%，最小差异为10%。由此可以得出：机器人稳定性与末端执行器所处工作空间的位置和柔索驱动力密切相关，机器人自身尺寸对其稳定性具有一定的影响，但影响程度不大。
 |
| 图 6 2种柔索模型下摄像机器人稳定度对比 |
| 图选项 |
表 3为末端摄像平台与柔索质量比值对柔索驱动力以及机器人稳定性的影响。可以看出：随着末端摄像平台质量以及质量比的增大，柔索驱动力的最小值和最大值均有所增加，但2种柔索模型假设条件下的驱动力差别大为减小，稳定性差别也随之减小，这与理论结果相符。
表 3 柔索与末端摄像平台质量比对柔索驱动力影响对比
| | κ | | | | | | χmax |
| 10 | 1/7 | 105 | 145 | 750 | 1 400 | 880 | 21 |
| 70 | 1 | 1 358 | 1 528 | 2 710 | 3 350 | 120 | 7.5 |
| 140 | 2 | 2 650 | 3 080 | 3 395 | 4 890 | 63 | 4.48 |
表选项
综上所述，大跨度柔索的质量和悬垂对柔索驱动摄像机器人的柔索驱动力和稳定性具有重要影响，对柔索驱动力的影响程度更大。因此，对于大跨度柔索驱动并联机器人的设计、分析和建模，将柔索考虑为悬链线模型是十分必要的，尤其适用于对机器人运动精度和稳定性要求较高的场合。
4.2 稳定性灵敏度数值仿真通过灰色关联法和MATLAB编程，得出摄像平台位置、柔索驱动力等影响因素与稳定性的关联度。根据灰色关联分析法，将仿真分析得到摄像机平台位置和4根柔索驱动力选作影响因素Xi(k)，从仿真分析得到的摄像机机器人稳定度确定为X0(k)。采用等步长法，通过仿真获得了101组将柔索建模为悬链线模型情况下摄像机器人稳定性影响因素和稳定度数据，其中选取了11组数据进行稳定性灵敏度分析，如表 4所示。
表 4 摄像机器人稳定度及其影响因素的原始数据(柔索悬链线模型)
| No. | 稳定度 | x/m | y/m | z/m | T1/N | T2/N | T3/N | T4/N |
| 1 | 0.194 428 | 60.000 00 | 45.000 00 | 10.0 | 1 008.704 | 1 194.963 | 1 194.963 | 1 008.704 |
| 2 | 0.182 792 | 58.090 17 | 50.877 85 | 10.1 | 973.500 2 | 1 103.351 | 1 263.725 | 1 101.29 |
| 3 | 0.189 086 | 53.090 17 | 54.510 57 | 10.4 | 989.727 3 | 1 033.076 | 1 294.804 | 1 230.97 |
| 4 | 0.196 631 | 46.909 83 | 54.510 57 | 10.9 | 1 073.632 | 1 027.961 | 1 279.677 | 1 345.62 |
| 5 | 0.205 762 | 41.909 83 | 50.877 85 | 11.6 | 1 242.081 | 1 093.839 | 1 239.741 | 1 422.25 |
| 6 | 0.239 305 | 40.000 00 | 45.000 00 | 12.5 | 1 467.171 | 1 236.299 | 1 236.299 | 1 467.171 |
| 7 | 0.247 917 | 41.909 83 | 39.122 15 | 13.6 | 1 713.762 | 1 494.573 | 1 314.327 | 1 497.518 |
| 8 | 0.290 206 | 46.909 83 | 35.489 43 | 14.9 | 1 987.485 | 1 891.704 | 1 509.884 | 1 582.183 |
| 9 | 0.355 185 | 53.090 17 | 35.489 43 | 16.4 | 2 314.818 | 2 432.713 | 1 933.144 | 1 843.535 |
| 10 | 0.470 333 | 58.090 17 | 39.122 15 | 18.1 | 2 840.524 | 3 261.991 | 2 847.731 | 2 481.244 |
| 11 | 0.824 531 | 60.000 00 | 45.000 00 | 20.0 | 4 240.173 | 5 078.535 | 5 078.535 | 4 240.173 |
表选项
从表 4的数据可以看出，对于每一列而言，摄像机器人的稳定度为0~1，与稳定性评价指标的定义范围一致; 随着摄像平台在工作空间位置的升高，稳定性随之增强。并且随着摄像平台位置的升高，柔索驱动力逐渐增大，这与5.1节的结论吻合。而对于表格中的每一行，当摄像机平台处于同一位置时，4根柔索的驱动力差异不大，这是因为在冗余柔索驱动力优化求解部分，为了保证机器人的稳定性，所采用的优化指标是在4根柔索的驱动力差异最小。从表 3数据可以看出，摄像机平台位置和4根柔索驱动力等影响因素序列矩阵和稳定性序列矩阵的单位和数值差异较大。因此，在进行灰色关联分析之前，使用式(22)对影响因素序列和稳定性参考序列进行无量纲化。
基于摄像机平台位置和4根柔索驱动力等影响因素序列和稳定性参考序列的偏差序列矩阵，相关系数矩阵r可以根据式(23)计算得到：
| $\boldsymbol{r}=\left[\begin{array}{cccccccccc}0.333811 & 0.505316 & 0.963588 & 0.984946 & 0.952991 & 0.963588 & 0.963588 \\0.352314 & 0.382638 & 0.98097 & 0.999661 & 0.961293 & 0.966119 & 0.945781 \\0.432888 & 0.337512 & 0.942979 & 0.989927 & 0.985329 & 0.969549 & 0.893658 \\0.603214 & 0.340256 & 0.878544 & 0.982181 & 0.960291 & 0.99959 & 0.856717 \\0.892462 & 0.393594 & 0.798931 & 0.914033 & 0.964086 & 0.952164 & 0.84278 \\0.847511 & 0.544419 & 0.752759 & 0.886613 & 0.932754 & 0.863347 & 0.902057 \\0.987147 & 0.82514 & 0.6558 & 0.797404 & 0.970805 & 0.873591 & 0.908762 \\0.734532 & 0.774366 & 0.604132 & 0.774911 & 0.913103 & 0.850163 & 0.980646 \\0.560541 & 0.667921 & 0.569967 & 0.776175 & 0.861693 & 0.861753 & 0.97885 \\0.518765 & 0.670001 & 0.576211 & 0.799477 & 0.825478 & 0.955802 & 0.985238 \\1.000000 & 0.495848 & 1.000000 & 1.000000 & 1.000000 & 1.000000 & 1.000000\end{array}\right]$ |
表 5 摄像机器人稳定性敏感度的灰色关联度指标(柔索悬链线模型)
| 影响因素 | 灰色关联度 | 排序 | |
| ξ=0.5 | ξ=0.6 | ||
| 平台质心x坐标 | 0.646 7 | 0.679 9 | 6 |
| 平台质心y坐标 | 0.547 1 | 0.586 2 | 7 |
| 平台质心z坐标 | 0.767 3 | 0.794 6 | 5 |
| 柔索驱动力T1 | 0.888 2 | 0.904 0 | 4 |
| 柔索驱动力T2 | 0.933 9 | 0.943 9 | 1 |
| 柔索驱动力T3 | 0.930 1 | 0.940 6 | 2 |
| 柔索驱动力T4 | 0.927 8 | 0.938 7 | 3 |
表选项
图 7为悬链线柔索与无质量直线柔索2种模型在不同分辨系数情况下摄像机器人各影响因素的稳定性灵敏度。可以看出：对于不同的分辨系数，稳定性各影响因素重要性的规律相同，按降序排列为：T2、T3、T4、T1、z向位移、x向位移、y向位移。对比图 7a和7b可以看出，2种柔索模型下摄像机器人稳定性对7个影响因素的影响规律是一致的。与悬链线柔索模型对摄像机器人柔索驱动力和稳定性的重要影响不同，大跨度柔索的自重和悬垂对摄像机器人的稳定性灵敏度影响很小。从图中可以看出，位置影响因素和索张力影响因素的相关度都大于0.5，说明上述影响因素对机器人的稳定性均有很大的影响。与位置影响因素相比，稳定性对柔索驱动力影响因素更为敏感，这就要求在机器人运动控制策略制定和运动控制器的设计时优先考虑鲁棒的力控制策略，进而保证柔索驱动力的精确控制; 而在位置控制器的设计中，必须优先保证z方向的控制精度。当设计满足预定稳定性要求的末端摄像平台的运动轨迹，但由于控制器性能的影响，机器人实际运动可能会偏离设计的运动规划。因此，在运动控制过程中，注意这些偏差是非常重要的，否则机器人的稳定性可能会发生很大的变化。本文摄像机器人稳定性灵敏度分析方法和结果可以应用于机器人运动轨迹设计和运动控制的鲁棒设计。根据机器人稳定性灵敏度分析结果，可以完成摄像机器人运动轨迹的稳健设计，为提高运动控制精度和稳定性提供理论和方向指导。因此，对大跨度完全约束空间3-DOF柔索驱动并联机器人进行稳定性灵敏度分析具有一定的理论意义和工程实用价值。
 |
| 注：影响因子从左到右依次为：摄像平台沿x、y、z方向的位移、柔索驱动力T1—T4。 图 7 2种柔索模型不同分辨系数机器人稳定性灵敏度 |
| 图选项 |
5 结论本文基于柔索悬链线模型推导了大跨度完全约束空间3-DOF柔索驱动并联机器人的动力学方程，求解了冗余柔索驱动力。基于机器人运动学与动力学模型，提出了机器人稳定性位置影响因子和柔索驱动力影响因子，建立了机器人稳定性评价模型。基于灰色关联分析方法，提出了大跨度完全约束空间3-DOF柔索驱动并联机器人稳定性敏感度分析模型，以柔索驱动摄像机器人为例，计算得到了机器人稳定性对末端执行器位置以及柔索驱动力等影响因素的敏感度。机器人稳定性灵敏度分析与计算模型和结论能够为末端执行器运动轨迹稳健优化设计与运动控制提供理论依据，在轨迹规划和运动控制等环节，应对柔索驱动力加以精确控制，同时可适当放宽机器人末端执行器x与y方向的控制精度。
参考文献
| [1] | 崔志伟, 唐晓强, 侯森浩, 等. 索驱动并联机器人可控刚度特性[J]. 清华大学学报(自然科学版), 2018, 58(2): 204-211. CUI Z W, TANG X Q, HOU S H, et al. Characteristics of controllable stiffness for cable-driven parallel robots[J]. Journal of Tsinghua University (Science and Technology), 2018, 58(2): 204-211. (in Chinese) |
| [2] | TANG X Q. An overview of the development for cable-driven parallel manipulator[J]. Advances in Mechanical Engineering, 2014, 6: 823028. DOI:10.1155/2014/823028 |
| [3] | VERHOEVEN R. Analysis of the workspace of tendon-based Stewart platforms[D]. Duisburg: Gerhard-Mercator-University, 2004. |
| [4] | YAO R, ZHU W B, SUN C H, et al. Pose planning for the feed support system of FAST[J]. Advances in Mechanical Engineering, 2014, 6: 209167. DOI:10.1155/2014/209167 |
| [5] | 张立勋, 李来禄, 姜锡泽, 等. 柔索驱动的宇航员深蹲训练机器人力控与实验研究[J]. 机器人, 2017, 39(5): 733-741. ZHANG L X, LI L L, JIANG X Z, et al. Force control and experimental study of a cable-driven robot for astronaut deep squat training[J]. Robot, 2017, 39(5): 733-741. (in Chinese) |
| [6] | BARNETT E, GOSSELIN C. Large-scale 3D printing with a cable-suspended robot[J]. Additive Manufacturing, 2015, 7: 27-44. DOI:10.1016/j.addma.2015.05.001 |
| [7] | WANG X G, PENG M J, HU Z H, et al. Feasibility investigation of large-scale model suspended by cable-driven parallel robot in hypersonic wind tunnel test[J]. Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, 2017, 231(13): 2375-2383. DOI:10.1177/0954410016662067 |
| [8] | AMARE Z, ZI B, QIAN S, et al. Three-dimensional static and dynamic stiffness analyses of the cable-driven parallel robot with non-negligible cable mass and elasticity[J]. Mechanics Based Design of Structures and Machines, 2018, 46(4): 455-482. DOI:10.1080/15397734.2017.1358094 |
| [9] | CHAWLA I, PATHAK P M, NOTASH L, et al. Workspace analysis and design of large-scale cable-driven printing robot considering cable mass and mobile platform orientation[J]. Mechanism and Machine Theory, 2021, 165: 104426. DOI:10.1016/j.mechmachtheory.2021.104426 |
| [10] | BEHZADIPOUR S, KHAJEPOUR A. Stiffness of cable-based parallel manipulators with application to stability analysis[J]. Journal of Mechanical Design, 2006, 128(1): 303-310. DOI:10.1115/1.2114890 |
| [11] | BOSSCHER P M. Disturbance robustness measures and wrench-feasibile workspace generation techniques for cable-driven robots[D]. Atlanta: Georgia Institute of Technology, 2004. |
| [12] | LIU P, QIU Y Y, SU Y, et al. On the minimum cable tensions for the cable-based parallel robots[J]. Journal of Applied Mathematics, 2014, 350492. |
| [13] | LIU P, QIU Y Y, SU Y. A new hybrid force-position measure approach on the stability for a camera robot[J]. Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, 2016, 230(14): 2508-2516. DOI:10.1177/0954406215597712 |
| [14] | 赵志刚, 王砚麟, 李劲松. 多机器人协调吊运系统力位姿混合运动稳定性评价方法[J]. 哈尔滨工程大学学报, 2018, 39(1): 148-155. ZHAO Z G, WANG Y L, LI J S. Appraise of dynamical stability of multi-robots cooperatively lifting system based on hybrid force-position-pose approach[J]. Journal of Harbin Engineering University, 2018, 39(1): 148-155. (in Chinese) |
| [15] | 杜敬利, 段学超, 保宏. 考虑柔索垂度影响的索支撑系统静刚度[J]. 机械工程学报, 2010, 46(17): 29-34. DU J L, DUAN X C, BAO H. Static stiffness of a cable-supporting system with the cable sag effects considered[J]. Journal of Mechanical Engineering, 2010, 46(17): 29-34. (in Chinese) |
| [16] | LIU P, QIU Y Y. Tension optimization for a cable-driven parallel robot with non-negligible cable mass[J]. The Open Automation and Control Systems Journal, 2015, 7: 1973-1980. DOI:10.2174/1874444301507011973 |
| [17] | 刘顺青, 洪宝宁, 徐奋强, 等. 高液限土边坡稳定性影响因素的敏感性研究[J]. 防灾减灾工程学报, 2014, 34(5): 589-596. LIU S Q, HONG B N, XU F Q, et al. Sensitivity studies on factors influencing stability of high liquid limit soil slope[J]. Journal of Disaster Prevention and Mitigation Engineering, 2014, 34(5): 589-596. (in Chinese) |
| [18] | 李元松, 王玉, 朱冬林, 等. 边坡稳定性评价方法研究现状与发展趋势[J]. 武汉工程大学学报, 2021, 43(4): 428-435. LI Y S, WANG Y, ZHU D L, et al. Research status and developmental trends of slope stability evaluation method[J]. Journal of Wuhan Institute of Technology, 2021, 43(4): 428-435. (in Chinese) |
| [19] | 刘春, 杜俊生, 王敬堃. 基于灰色关联分析理论的边坡稳定性预测[J]. 地下空间与工程学报, 2017, 13(5): 1424-1430. LIU C, DU J S, Wang J K. Prediction of slope stability based on gray relational analysis theory[J]. Chinese Journal of Underground Space and Engineering, 2017, 13(5): 1424-1430. (in Chinese) |
| [20] | WANG X N, YANG W C, GE Y, et al. The influence of shrinkage-reducing agent solution properties on shrinkage of cementitious composite using grey correlation analysis[J]. Construction and Building Materials, 2020, 264: 120194. DOI:10.1016/j.conbuildmat.2020.120194 |
| [21] | SU Y, QIU Y Y, LIU P. Optimal cable tension distribution of the high-speed redundant driven camera robots considering cable sag and inertia effects[J]. Advances in Mechanical Engineering, 2014, 6: 729020. DOI:10.1155/2014/729020 |
| [22] | 韦慧玲, 仇原鹰, 盛英. 高速绳牵引摄像机器人的运动稳定控制[J]. 西安电子科技大学学报(自然科学版), 2016, 43(5): 63-69, 104. br> WEI H L, QIU Y Y, SHENG Y. Motion stable control for cable-driven parallel camera robots with high speeds[J]. Journal of Xidian University (Natural Science), 2016, 43(5): 63-69, 104. DOI:10.3969/j.issn.1001-2400.2016.05.012 (in Chinese) |
| [23] | YIN J N, JIANG P, YAO R. An approximately analytical solution method for the cable-driven parallel robot in FAST[J]. Research in Astronomy and Astrophysics, 2021, 21(2): 046. DOI:10.1088/1674-4527/21/2/46 |
| [24] | 刘欣. 两种并联机器人的机构性能分析与运动控制研究[D]. 西安: 西安电子科技大学, 2009. LIU X. On the mechanism performance analysis and motion control of the two types of parallel manipulators[D]. Xi'an: Xidian University, 2009. (in Chinese) |
| [25] | BEER F P, JOHNSTON JR E R, DEWOLF J T, et al. Mechanics of materials[M]. New York: McGraw-Нill, 2012. |
| [26] | MARTYNYUK A A, CHERNIENKO V A. Estimating the Lyapunov function and stability of motion of a system with equations of motion with an asymptotically expanded right-hand side[J]. International Applied Mechanics, 2021, 57(1): 11-18. DOI:10.1007/s10778-021-01064-8 |
| [27] | DENG J L. Introduction to grey system theory[J]. The Journal of Grey System, 1989(1): 1-24. |
| [28] | ZHU L H, ZHAO C, DAI J. Prediction of compressive strength of recycled aggregate concrete based on gray correlation analysis[J]. Construction and Building Materials, 2021, 273: 121750. DOI:10.1016/j.conbuildmat.2020.121750 |
| [29] | GAO C L, LI S C, WANG J, et al. The risk assessment of tunnels based on grey correlation and entropy weight method[J]. Geotechnical and Geological Engineering, 2018, 36(3): 1621-1631. DOI:10.1007/s10706-017-0415-5 |
| [30] | WEI H L, QIU Y Y, SU Y. Motion control strategy and stability analysis for high-speed cable-driven camera robots with cable inertia effects[J]. International Journal of Advanced Robotic Systems, 2016, 13(5): 1-9. |
