|本期目录/Table of Contents|

[1]陈镇,杜煦,任鹏飞.基于 WOA-GPR模型的机器人铣削加工系统模态参数预测方法[J].浙江理工大学学报,2026,55-56(自科四):474-486.
　CHEN Zhen,DUXu,REN Pengfei.A method for predicting modal parameters of robotic milling systems based on the WOA-GPR model[J].Journal of Zhejiang Sci-Tech University,2026,55-56(自科四):474-486.
点击复制

基于 WOA-GPR模型的机器人铣削加工系统模态参数预测方法()

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
55-56
期数:
2026年自科第四期
页码:
474-486
栏目:
出版日期:
2026-07-10

文章信息/Info

Title:
A method for predicting modal parameters of robotic milling systems based on the WOA-GPR model
文章编号:
1673-3851(2026) 07-0487-12
作者:
陈镇 ; 杜煦 ; 任鹏飞
1. 浙江理工大学机械工程学院 ,杭州 310018;2. 杭州景业智能科技股份有限公司 ,杭州 310018
Author(s):
CHEN Zhen ; DUXu ; REN Pengfei
1. School of Mechanical Engineering, Zhejiang Sci-Tech University, Hangzhou 310018, China; 2. Hangzhou Boomy Intelligent Technology Co. , Ltd. , Hangzhou 310018, China
关键词:
器人铣削 ; 模态锤击试验 ; 频率响应函数 ; 模态参数预测 ; 鲸鱼算法 ;  高斯过程回归
分类号:
V26;TP242.2
文献标志码:
A
摘要:
针对机器人铣削加工系统模态参数随位姿变化呈现强非线性特征 , 以及现有方法在有限样本数据条件下预测稳定性不足且模型超参数缺乏 自 适应优化机制等问题 , 提出一种基于 鲸 鱼 算 法 优 化 的高 斯 过 程 回归(Gaussian processregressionoptimizedbywhaleoptimizationalgorithm, WOA-GPR)模型的模态参数预测方法 。推导机器人铣削加工系统动力学方程 ,并建立模态参数-位姿变量函数表达式 ;设计多任务模态锤击试验获取训练集数据 ,在构建的训练集上对 WOA-GPR模型进行训练与测试 , 并与传统高斯过程回归(Gaussian process regression, GPR)模型和神经网络(Back propagation, BP)模型进行对比验证 。结果表明 ,训练后 WOA-GPR模型的 R2 最高可达 0.9112,预测精度和稳定性均优于传统GPR模型和 BP模型 。该方法实现了 GPR超参数的自适应全局优化 ,提升了位姿依赖模态参数的预测精度 ,为机器人铣削颤振稳定性分析与工艺优化提供了技术支撑。

参考文献/References:

[1] Chen Y H, Dong F H. Robot machining: recent development and future research issues[J]. The International Journal of Advanced Manufacturing Technology, 2013, 66(9/10/11/12):1489‑1497.
[2] Ji W, Wang L H. Industrial robotic machining: a review[J]. The International Journal of Advanced Manufacturing Technology, 2019, 103(1/2/3/4):1239‑1255.
[3] Pan Z X, Zhang H, Zhu Z Q, et al. Chatter analysis of robotic machining process[J]. Journal of Materials Processing Technology, 2006, 173(3):301‑309.
[4] Mejri S, Gagnol V, Le T P, et al. Dynamic characterization of machining robot and stability analysis[J]. The International Journal of Advanced Manufacturing Technology, 2016, 82(1/2/3/4):351‑359.
[5] Cen L J, Melkote S N. CCT-based mode coupling chatter avoidance in robotic milling[J]. Journal of Manufacturing Processes, 2017, 29:50‑61.
[6] Zheng J Q, Ren P F, Du X, et al. Milling stability analysis: a novel approach based on a multi-point and multi-model lumped parameter dynamic model[J]. Journal of Manufacturing Processes, 2025, 156(PartA):406‑422.
[7] Wan M, Shen C J, Qu X, et al. Chatter stability of the robotic milling process involving the influences of low frequency vibrations in three directions[J]. Mechanical Systems and Signal Processing, 2025, 224:112014.
[8] 彭宇, 杨晓京, 廖昭洋. 机器人加工模态预测与姿态优化方法研究[J/OL]. 机床与液压, 2025:1‑9.(2025‑10‑30)[2025‑12‑24]. https://link.cnki.net/urlid/44.1259.TH.20251029.1823.142.
[9] 荆登峰, 周利东. 考虑模态参数的机器人铣削颤振稳定性研究[J]. 组合机床与自动化加工技术, 2025(11):144‑151.
[10] 籍永建, 韩启超, 徐小康. 包含机器人‑主轴系统耦合效应的铣削颤振稳定性分析[J]. 振动与冲击, 2025, 44(6):13‑27.
[11] 李艳, 刘正矛. 柔性关节机械手模态分析的数值解析方法研究[J]. 机械设计与制造, 2024(8):318‑325.
[12] 何成刚, 汪晓鑫, 李自立, 等. 基于解析模态分析和输入整形的机器人末端振动实时抑制方法[J]. 机电工程, 2025, 42(2):327‑338.
[13] 李法贵, 王若奇, 孙玉文. 基于深度神经网络的机器人加工系统模态特性预测[J]. 航空制造技术, 2023, 66(3):85‑92.
[14] 董作峰, 秦冬冬. 面向机器人铣削过程的颤振稳定性控制研究[J]. 机械设计与制造, 2025(11):92‑99.
[15] 万敏, 李战赢, 申传璟, 等. 基于高斯过程回归的铣削机器人模态参数预测[J]. 航空工程进展, 2024, 15(6):174‑188.
[16] Lei Y, Hou T Y, Ding Y. Prediction of the posture-dependent tool tip dynamics in robotic milling based on multi-task Gaussian process regressions[J]. Robotics and Computer‑Integrated Manufacturing, 2023, 81:102508.
[17] 许德刚, 王再庆, 郭奕欣, 等. 鲸鱼优化算法研究综述[J]. 计算机应用研究, 2023, 40(2):328‑336.
[18] 赵晶, 祝锡晶, 孟小玲, 等. 改进鲸鱼优化算法在机械臂时间最优轨迹规划的应用[J]. 机械科学与技术, 2023, 42(3):388‑395

备注/Memo

备注/Memo:
基金项目 : 浙江理工大学基本科研业务费专项资金项目(24242121-Y)收稿日期 : 2025-12-24 网络出版日期 : 2026-03-30
作者简介 : 陈 镇 (1998— ) ,男 ,江西全南人 ,硕士研究生 ,主要从事机器人铣削加工技术方面的研究。通信作者: 杜 煦,E-mail:duxu@zstu. edu. cn
更新日期/Last Update: 2026-07-05