robotics

Robotization is one of the crucial directions of modernizing today's industrial production. Robotic systems offer solutions to many different challenges. However, their implementation is constrained by limited accuracy, which is inferior to conventional machine tools. A way to improve industrial robots' accuracy is to calibrate them, i.e., eliminate factors that affect accuracy by refining the mathematical models for software correction of manufacturing and assembly errors, as well as elastic and thermal deformations.

Industrial robots refer to the most complex products of mechanical engineering and electronic equipment in terms of their labor intensity, accuracy, and a class of manufacture as well as quality requirements. Both static and dynamic positioning inaccuracies occur during their operation. Static positioning depends mainly on such parameters as joint axis geometry and angle offset. Non-geometric parameters include compliance (elasticity of joints and bonds), gear form errors (eccentricity and gear errors), gear backlash, and temperature-related expansion.

У роботі проаналізовані основні етапи розвитку робототехніки в світі. Показано, що робототехніка стала невід’ємною частиною у різних галузях виробничої і дослідницької діяльності людини, увага до якої постійно зростає. Завдяки розвитку робототехніки життя людей заграло новими барвами: роботи зараз виконують більшу частину рутинної роботи, значно скорочують час виготовлення продукції, сприяють підвищенню розвитку людей і дають змогу розв’язати низку проблем, що не вирішувалися людьми.

Методи синтезу контролерів, які базуються на використанні частотних характеристик або кореневого годографа, вважаються класичними або традиційними. Частотні методи доступні в практичному застосуванні, тому більшість систем керування проектуються саме на основі різних модифікацій цих методів. Відмінною особливістю цих методів є так звана робастність, що означає нечутливість характеристик замкненої системи до незначних похибок моделі реальної системи.

In this paper new approaches for solving dynamic Travelling Salesman Problem (TSP) in conditions of partly unknown input data are given.