センサー由来のメカニズム情報に基づいたロボットによるブレード縁部仕上げにおける断面レベル残差プロファイル誤差の予測
Sensor-Derived Mechanism-Informed Prediction of Section-Level Residual Profile Error in Robotic Blade-Edge Finishing
タービンブレード縁部のロボットベルト仕上げは、局所的な縁部半径、接触コンプライアンス、および入力プロファイル状態が最終的な残差プロファイル誤差に影響するため、制御が困難である。本研究では、センサー由来のメカニズム情報に基づいた、断面レベルの二乗平均平方根(RMS)残差プロファイル誤差を予測するフレームワークを開発した。オンラインでの力測定、ロボットおよびプロセス記録、CAD由来の縁部形状、座標測定機(CMM)プロファイルから、解釈可能な断面レベル記述子を生成する。負荷半径比、力半径ミスマッチ相互作用、正規化半径ミスマッチを表す4つの連成記述子を導入した。8枚のブレードと80の測定断面に対し、グループ化されたブレード単位の除外プロトコルを用いて、4つのガウス過程回帰(GPR)構成、訓練平均予測子、リッジ回帰ベースラインを評価した。提案された記述子は、ブレード単位の評価において明確な予測値を示した。リッジ-B3がRMSE = 1.0285 μm、R2 = 0.7759で最高の決定論的精度を達成した。事前に定義されたGPR-B3モデルは最も低い点予測誤差を提供しないが、予測区間と記述子帰属情報を提供する。これらの結果は、記述子の構築が決定論的精度の主な源であり、GPRはリスク認識型ブレード縁部品質評価のための不確実性認識型モデリング層として機能することを示唆している。
本研究はタービンブレード縁部のロボットベルト仕上げ工程において、センサーデータとプロセス記録から残差プロファイル誤差を予測するフレームワークを提案したものである。学術研究レベルの成果であり、具体的な製品化や企業の業績に直結する投資判断材料とはならない。ただし、ロボットによる高精度仕上げ加工の品質予測という産業応用が明確な研究であり、ロボティクス領域におけるプロセス最適化の進展として注目に値する。