Collaborative Robots and Their Design Challenges

Collaborative Robots and Their Design
Challenges
Sponsored by Celera Motion Jan 24 2018

Table of Contents
The Challenge
The Solution
Robot Joint Design
Robot Joints in a Collaborative World
Stiffness and Gearing
Dual Encoder Robot Joint Design Example
Stiffness Compensation Technique Example
Summary and Conclusions

The Challenge
Additive manufacturing and robotics markets are emerging into a new phase of growth
and this growth is being driven by new levels of controls that allow robots to “come out of
the cage” and exist next to humans. Robots of these types are frequently referred to as
collaborative robots. Robots have been traditionally used to assemble, weld, paint, and
shift heavy payloads and needed enormous, complex, and expensive systems to
guarantee system safety. Collaborative robots are entering into the human environment,
where they are assisting operators by performing a part of the heavy lifting tasks,
supporting in precision movements, and substituting regular repeatable tasks with more
consistency and accuracy.

A unique combination of sensing and software controls is needed to make robots more
collaborative. With the introduction of collaborative controls technology, designers are
encountering performance restrictions in the robot’s mechanical design, commonly in the
motorized robot joints. These performance restrictions will not only decrease robot
throughput but also increase cycle times. The chief goal of this article is to discover the
mechanical attributes of the robot joint that limit collaborative abilities and develop an
alternative design that will allow the controls group to handle these robot joints in a better
manner.

P
Saved from URL: https://www.azorobotics.com/Article.aspx?ArticleID=233 1
/11
Collaborative Robots and Their Design Challenges

The Solution
Multiple motorized robot joints are employed by Selective Compliance Articulated Robot
Arm (SCARA) robots, with each robot joint containing a gear system, an encoder, and a
drive motor. Highly integrated designs are being stimulated by the universal quest for
decreasing size, weight and complexity. These high­density robot joints are fitted with
precision encoders, direct drive motors kits, and low profile zero backlash gearing.
However, there are a number of challenges when it comes to decreasing size and
increasing accuracy. Lack of internal stiffness is one of the main disadvantages in the
mechanical area.

Mechanical stiffness, or lack of stiffness, directly impacts the dynamic performance and
accuracy of any structure, and the issue is compounded when cantilevered extensions
are joined to a motorized joint. With each robot pose, the load can vary significantly. The
joint’s output may move if there is no movement at the input (motor) side of the joint.

Furthermore, this torsional windup will impact both dynamic performance and accuracy
and the lack of stiffness will also limit how “collaborative” a robot can really be. This
article looks at the source of poor stiffness, showing how information can be attained
about this phenomenon and providing a solution that is a natural development of robot
joint technology.

This solution uses dual encoders as well as a real­time software algorithm for active
feedback and correction. With this technique, collaborative robots can challenge their
non­collaborative counterparts in terms of agility and speed. Eventually, all robots can
have collaborative elements that decrease the risk and improve safety in all applications.

Robot Joint Design
Design decisions usually start with some end application in mind. Today, robotics has
progressed from handling heavy loads while substituting repetitive motion with more
accurate motion, to movements that are more precise and decision making via the use of
artificial intelligence algorithms. Usually, a highly integrated robot joint design uses a
direct drive motor, (large diameter and short length) which is attached to gearing.

As the output speed is moderately low, usually 50­500 rpm, the gear set is a
commendable trade off to shift the power peak to the operating point and boost the
torque density. The paramount solution for torque and size is a direct drive motor
attached to a high ratio low profile gear system — which also tends to be the standard in

P
Saved from URL: https://www.azorobotics.com/Article.aspx?ArticleID=233 2
/11
Collaborative Robots and Their Design Challenges

the industry. Note: direct drive methods are available that compete for this path, but only
for very low weight, light payload systems such as semiconductor wafer processing.

Backlash is the typical limitation with gearing in precision applications. The position of
each joint directly relies on all of the other joints before it. Consequently, zero backlash is
considered to be the unsurpassed gearing solution. Zero backlash attributes are provided
by cycloidal and harmonic gearing solutions. Cycloidal drives are typically used in large
industrial robots for this exclusive purpose.

In the case of smaller robots, harmonic gear solutions are becoming the ideal alternative
because of their light weight and low profile. Ratios in the range of 100­150:1 are
frequently used; however, higher ratios (up to 300:1) are also available. One key issue
with harmonic gearing solutions is that they are based on a flexure that is intended to
transmit the motion between the output and the input. While this flexure is beneficial to
prevent backlash, it adds to low rotary stiffness when compared to tooth­tooth contact of
standard gears.

To improve stiffness, a designer can always choose a larger harmonic gear solution but
that would result in additional size and weight. Also, the larger size gearing may be too
much for the application and hence a better way is to maintain the small size and low
weight and offset the stiffness. Simultaneous measurement of the output and input joint
provides enough data to have a closed loop algorithm around stiffness and eliminate its
negative effects.

P
Saved from URL: https://www.azorobotics.com/Article.aspx?ArticleID=233 3
/11
Collaborative Robots and Their Design Challenges

Robot Joints in a Collaborative World
In the case of collaborative robots, the controller has to determine the difference between
an external force applied to the robot and an internal reactive force caused by joint
windup associated with low joint stiffness. Such low stiffness may push the control
system to be conservative when making a correction, thus slowing down the throughput
of the robot. As stated above, high stiffness is achieved at the expense of increased
weight and size and potential accuracy if it requires gearing with backlash.

The most useful solution is a stiffness compensation algorithm that uses dual encoders.
The robot joint motor requires an encoder in order to servo. Considering the gear ratio,
the output joint requires an encoder that can define its specific accurate position in space
and support the total robot trajectory accuracy needs. Therefore, two encoders are used
by a majority of robot joints. The association between these two encoders can be tracked
and used together with a math model of stiffness to improve robot performance, provided
both encoders have realistic accuracy and high resolution.

The following sections talk about the stiffness equations as well as the selection of
encoders that make it viable to offset stiffness.

Stiffness and Gearing
Conventional robot kinematic movements enable loads and reflected inertia to vary
greatly with various kinds of robot poses. Each joint’s stiffness is a non­linear occurrence
that depends on position and load. The absence of stiffness creates windup between the
drive motor of the joint and the output of the joint. It is crucial that this residual loading is
resolved before the motor control algorithm feedbacks signals to robot controller
regarding any external forces applied on the robot arm.

Besides, understanding and modeling stiffness will significantly improve throughput,
which, in turn, will contribute to the control loop corrections and improve bandwidth. The
plot shown below is measured data from a harmonic gear set. Additionally, it has a
piecewise linear equation that approximates the stiffness (lost angle when torque is
applied) and detects an extra hysteresis deadband.

P
Saved from URL: https://www.azorobotics.com/Article.aspx?ArticleID=233 4
/11
Collaborative Robots and Their Design Challenges

Figure 1. Torsional Stiffness as a function Torque and Angle. (Image credit: Cone Drive.)

Deadband (lost motion), torque, and stiffness can be best understood with an example.

A size 20 harmonic gear set has the following specifications.

1. Hysteresis of 0.58 milliradian
2. In a system with an input (motor side) encoder resolution of 20 bits (1048576
cts/rev), there are 166.9 counts per milliradian
3. Rated actuator torque 34 NM
4. Torsional deflection angle at 34 NM output = 2.097 milliradians (based on equation
provided and using T and K values from the datasheet)
5. Total torsional error of plus lost motion would lead to an error of 447 counts

The system mentioned above would have to be commanded 447 counts of movement at
the input before there is any kind of movement at the output. In addition to monitoring
joint output, dual encoders can also be used to resolve the limitations of robot joints with
harmonic gear sets with constant measurement of both the input and output. If the output
does not have an encoder, the robot accuracy would be subject to the torsional effects
and lost motion.

P
Saved from URL: https://www.azorobotics.com/Article.aspx?ArticleID=233 5
/11
Collaborative Robots and Their Design Challenges

Conversely, the stiffness motion error would be less than one count if the encoder on the
input side had only 12 bits (1024 counts/rev) of position information. This would make the
system uncontrollable and may cause instability.

However, if the encoder on the input side had reduced accuracy, for example 0.2
degrees, then the system will not be able to offset the milliradian variations in relative
position between input and output encoders.

There are many implications to what has been learned above.

1. As the robot moves about and halts at different poses, the load on each of the joints
differs considerably.
2. Even within the rating of the gearing, the input against output position can vary
because of the load and the effects are non­linear.
3. If the robot payload is employing the 34 NM of the harmonic gear set, the gearing
will be deflected (wound up) as a result. If the robot attempts to move from this
position, it could enter into the intermittent range for the gearing and more lost
motion and defection would occur while in that range.
4. A hysteresis deadband is present around each holding position and the size of this
deadband alters with loading.
5. When a human touches the robot arm, the resultant force on the arm may not be
measured by the motor current until the torsional effects and deadband of the
stiffness are overcome.
6. This makes the robot very limited at internal force detection and also very non­
linear in relation to algorithms. It would be a weak collaborative robot.

Dual Encoder Robot Joint Design Example
An example of a dual encoder robot joint design is illustrated below. It uses a frameless
direct drive brushless permanent magnet motor with large through hole, two high­
resolution absolute encoders, and a harmonic gear set. The total goal of this joint design
is to exploit torque density for the smallest joint weight and size.

P
Saved from URL: https://www.azorobotics.com/Article.aspx?ArticleID=233 6
/11
Collaborative Robots and Their Design Challenges

As seen above, the most crucial design challenge is lost motion because of deadband
and stiffness in the gearing. The dual encoders are available to allow the control system
to offset the angle differences between the input and output.

Another benefit of having two high­resolution encoders is the ability to offset the stiffness.
The above instance uses load to overcome angle of deflection. Dual encoders make it
possible to establish the deflection angle and the controller can properly approximate
torque loading eventually compensating for stiffness.

In this case, dual encoders should have high resolution (20 bits or 1,000,000+
counts/revolution) and should be accurate to better than 50 arc­seconds (242 micro­
radians). When a force is applied in the presence of torsional lost motion, there is a
variation in relative encoder position and this variation can be used to establish that force
has been applied. However, this would not be possible if there were just a position loop
closed on the output of the robot joint.

P
Saved from URL: https://www.azorobotics.com/Article.aspx?ArticleID=233 7
/11
Collaborative Robots and Their Design Challenges

Stiffness Compensation Technique Example
Compensating for stiffness and lost motion enables the servo loops to function at a
higher bandwidth, thus accerlating the robot throughput. Similarly, force sensitivity to
external loading would increase considerably using the variation between output and
input encoder and at the same time moving together with an algorithm to perform real­
time compensation and more accurately monitor the input command.

The following algorithm/observer can be incorporated into the forward path motion code
by using the stiffness against angle equations illustrated in Figure 1. This assumes an
encoder ratio of 100:1 – same resolution of output and input encoders – and measures
the angle difference between both encoders. This approximates the torque error based
on the stiffness curve of the gearing manufacturer.

Code Example

0010 Encoder_Difference = Output encoder – input encoder/100
0020 Stiffness_Factor = 167 ‘this is the counts/milli­radian of error for specific
gearbox
0030 Angle_offset = (Encoder_Difference/Stiffness_Factor) ‘radians
0040 Torque error = Angle_offset * K ‘where K is the 1st order slope of stiffness
chart above

Within the robot controller, the Torque_error variable can be applied to factor into current
monitor information so as to detect the actual external loading. The Torque_error variable
can even be applied as a feed forward term during moves to offset the stiffness lag
between actual joint motion and commanded motion.

Note: The Torsional Stiffness chart illustrated above offers only a piece wise linear
approximation of the stiffness, but this is not required for the 1st order approximation to
offset stiffness. Low­cost optical encoders are not traditionally used because of their low­
resolution output, and magnetic encoders fail to match this accuracy level which
additionally complicates the algorithms that detect lost motion. Hence, the encoders
explained above are interpolated optical encoders with high resolution and high accuracy.
Either absolute or incremental encoders can be used, but the former is favored for less
wiring points and instant operation on power up mode.

Summary and Conclusions
P
Saved from URL: https://www.azorobotics.com/Article.aspx?ArticleID=233 8
/11
Collaborative Robots and Their Design Challenges

In several cases, force detection is used to make the robot more collaborative. Any
external force used on the robot (by a human, for example), is detected via motor current,
allowing the controller to make a decision on an alternative response. This response may
be to alter direction, decrease speed, or stop motion. In all situations, safety is highly
crucial. Collaboration means working with and together with humans without causing any
safety issues.

Two main techniques are available for embedded detection and measurement of force or
torque – strain gages and motor torque. Strain gages can cover only certain single
dimensions that need multiple sensors and they also pose a huge wiring challenge. The
preferred technique is to detect motor torque variations as feedback from external forces
applied, as it is the motor that offers the motion in the first place and its current levels are
in direct proportion to its torque output. However, any compliance and decoupling of the
robot mechanics from the motor results in errors in torque measurements.

The technique described in this article uses dual encoders to enhance joint accuracy and
also to allow real­time monitoring of the stiffness/compliance in each robot joint. Using
this technique, torque and joint position can be tracked simultaneously to provide
information to the collaborative robot controller. With accurate torque and position
monitoring, force sensing can be compensated even in the presence of
compliance/stiffness.

Force input is related to power (current and voltage) input to the motor. When stiffness
enters the system, there is a compliance in force and position that can disconnect the
position and input force from the position and output force. This makes it a lot more
difficult to detect an external force from human interaction.

Dual high­resolution encoders are predominantly effective when there is a potential
friction deadband and a lack of torsional stiffness. A standard algorithm based on the
stiffness model can be applied to compensate, thus allowing the robot to be more
collaborative with good dynamic performance as demonstrated in the Stiffness
Compensation Algorithm section above. This algorithm will allow the robot controller to
make a 1st order compensation pertaining to stiffness limitations.

P
Saved from URL: https://www.azorobotics.com/Article.aspx?ArticleID=233 9
/11
Collaborative Robots and Their Design Challenges

This information has been sourced, reviewed and adapted from materials provided by
Celera Motion.

For more information on this source, please visit Celera Motion.

P
Saved from URL: https://www.azorobotics.com/Article.aspx?ArticleID=233 10
/11
Collaborative Robots and Their Design Challenges

Celera Motion

Address

125 Middlesex Turnpike
Bedford
MA, 01730
United States

Phone: +1 (781) 266 5200

Fax: +1 (781) 266 5112

Email: innovation@ celeramotion. com

Visit Website

Celera Motion’s cohesive vision, superior technologies, consultative team approach and
best­in­class reliability make them the trusted partner in providing solutions for nearly
every motion control challenge. Their engineering team develops full product lines of
encoders, motors and application­specific mechatronics for original equipment
manufacturers (OEMs) around the world.

Celera Motion is a motion control business of Novanta (NASDAQ: NOVT), a leading
global supplier of precision photonic and motion technologies in Medical and Advanced
Industrial markets.

Primary Activity
Manufacturer of precision motion control components and solutions.

P
Saved from URL: https://www.azorobotics.com/Article.aspx?ArticleID=233 11
/11