基于标定和关节空间插值的工业机器人轨迹误差补偿

轨迹精度是工业机器人重要的动态性能,目前工业机器人的轨迹精度远低于定位精度,提出一种基于机器人运动学标定和关节空间插值误差补偿的方法来提高机器人轨迹精度。基于MD-H方法建立机器人的运动学模型,在此基础上运用机器人微分运动学理论建立末端位置误差模型和轨迹误差模型。为克服最小二乘法等传统方法在数据噪声较大且不符合高斯分布时收敛慢甚至发散的问题,提出一种基于扩展卡尔曼滤波算法的机器人运动学参数辨识方法,实现运动学参数辨识的快速收敛。经过分析发现机器人误差在关节空间具有连续性的特点,为此提出一种关节空间插值误差补偿方法,建立网格形式的误差补偿数据库,并利用关节空间距离权重函数和已知的网格顶点误差计算各控制点的关节转角误差。通过试验对所提出的参数辨识和关节空间误差补偿方法进行了验证,试验结果表明：经过运动学参数辨识和补偿后机器人的绝对定位精度由1.039 mm提高到0.226 mm,轨迹精度由2.532 mm提高到1.873 mm,应用关节空间插值误差补偿后机器人的轨迹精度进一步提高到1.464 mm。     

一种利用位置误差模型的机器人位姿标定方法

针对机器人位姿标定模型中位置和姿态数据的权重不合理导致参数识别精度低甚至发散问题,给出一种直接基于末端位置坐标测量的机器人位姿标定方法,避免了位置和姿态数据量级不同对参数识别精度的影响。采用指数积方法,建立一种包含3点位置信息的机器人运动学模型。通过对运动学模型取微分,利用指数映射微分公式推导出机器人末端3点位置误差与几何参数误差之间映射关系的显示表达并给出参数误差识别方法。采用激光跟踪仪作为测量设备,以UR5机器人为标定对象进行运动学参数标定和验证试验。试验结果表明,机器人末端位置误差模和姿态误差模的平均值分别降低了90%和92%。     

基于激光追踪仪的机器人标定及误差分析研究

以提高六轴关节工业机器人的定位精度为目标,基于D-H运动学模型与微分误差思想,建立了机器人的位置误差模型,设计了简单高效的测量算法和辨识算法,在辨识出的机器人几何误差参数基础上,对机器人运动学模型进行修正,以沈阳机床上海研究院的i5 Robot A3型工业机器人为实验研究对象,结果证明改进后机器人的定位精度得到大幅度提升。     

基于遗传算法与最小最大优化方法的六自由度放疗床参数辨识方法

为了对放疗床进行结构标定,以提高放疗床的定位精度,提出了一种遗传算法与最小最大优化方法相结合的参数辨识方法。根据机构的运动学逆解建立了放疗床的标定模型;结合遗传算法与最小最大优化方法的优点对放疗床的60个参数进行参数辨识,有效减小了目标函数的残差;以激光跟踪仪作为测量工具,对若干组任意位姿进行绝对定位精度实验和重复定位位置精度实验,以验证参数辨识结果。实验结果表明,经过标定后放疗床的绝对定位精度的位置误差小于0.3mm,姿态误差小于0.1°;重复定位位置精度的位置误差小于0.01mm。故所提出的参数辨识方法能够实现对放疗床的标定,且标定精度能够满足放疗床的使用要求。     

两步误差补偿法提高工业机器人绝对定位精度

针对大部分工业机器人结构需要满足Pieper准则无法直接补偿所有运动学参数误差的问题,提出一种两步误差补偿方法。首先,基于修正的D-H法和微分运动学建立机器人定位误差模型,建立机器人末端绝对定位误差与运动学参数误差之间的表达式;其次,利用最小二乘法迭代求解出运动学参数误差,并将可直接补偿的运动学参数误差直接补偿到机器人D-H配置参数中,将剩余的其它运动学参数误差转换为关节转角补偿值进行间接补偿;最后,搭建实验平台,在川崎RS010NA六自由度工业机器人上进行两步误差补偿实验验证。实验结果表明,通过两步误差补偿后机器人末端平均绝对定位误差由5.419 4 mm下降到1.160 5 mm,平均绝对定位精度提高约80%,该方法有效地提高了机器人的绝对定位精度。     

基于PSO-SVR算法的工业机器人分级标定方法

为了提高六自由度机器人在应用中的定位精度,提出一种提高机器人绝对定位精度的分级标定方法。该方法第一阶段进行几何参数误差的标定,以改进的Denavit-Hartenberg(MD-H)模型为基础,加入减速比和耦合比的因素建立了完整的工业机器人几何参数误差模型,之后采用Levenberg-Marquarelt(LM)算法辨识出机器人的几何参数误差并计算出剩余残差;第二阶段建立基于粒子群—支持向量回归(PSO-SVR)算法的剩余误差预测模型,来预测并补偿修正几何参数后剩余的残留误差。最后,以六自由度工业机器人进行试验验证,经过分级标定后机器人末端中心点的平均位置误差由5.866 mm减少到0.211 6 mm,最大位置误差由10.322 9 mm减少到0.699 9 mm,验证了该标定算法的正确性和有效性。     

基于运动学分析的工业机器人轨迹精度补偿方法

运动轨迹精度是工业机器人重要的性能评价指标,从机器人运动学角度研究工业机器人轨迹精度提高补偿方法。以SR4C六自由度工业机器人为研究对象,基于国标中对机器人轨迹精度的评定标准,提出一种基于运动学分析的工业机器人轨迹精度补偿方法,并建立了曲线运动轨迹偏差与运动学模型参数误差映射的机器人运动轨迹误差数学模型。在实现激光跟踪仪和机器人坐标系统一的快速有效的坐标系转化方法的基础上,采用改进最小二乘算法选择轨迹偏差最小时的最优运动学参数,对构建的机器人轨迹测试与补偿实验系统进行了轨迹补偿实验,验证了该方法的有效性。结果表明,经该方法补偿后机器人平均位置误差由3.65%提高至0.79%,直线、圆弧轨迹精度分别提高了38.75%、25%。     

串联6自由度机器人关节刚度辨识与误差补偿研究

为提高串联6自由度机器人的绝对定位精度,针对几何参数误差补偿后的工业机器人关节刚度参数展开研究。首先,基于虚拟关节模型建立了工业机器人一维关节刚度误差模型。其次,为提高关节刚度参数的辨识精度与效率,利用BP神经网络对刚度误差模型进行拟合,以优化遗传算法的初始种群适应度。最后,利用激光跟踪仪AT930和ER10L-C10机器人进行实验,验证以上误差模型与关节刚度参数辨识算法。实验结果表明,经过关节刚度误差补偿后,机器人的平均距离误差与最大距离误差分别为0. 248 5 mm与0. 333 2 mm。相比于补偿前的距离误差,机器人定位精度提高了33. 7%。因此,通过改进遗传算法辨识得到的机器人关节刚度参数能够有效地提高机器人定位精度。     

基于改进差分进化算法的机器人运动学参数标定

机器人的定位精度是评价机器人性能的重要指标。为提高机器人的定位精度,提出了一种改进差分进化算法,完成了机器人运动学参数标定实验。该算法在选择操作中使用了Metropolis接受准则,搜索更多的空间区域,以获得更好的收敛性。同时提出了种群多样性评价函数来监测种群多样性,种群低于阈值时进行二次变异操作,以避免陷入局部优化。为了验证本文提出的方法,利用六自由度机器人和激光跟踪器进行了仿真和实验。经过运动学参数标定,机器人的平均距离精度由2.906 0 mm(校准前)提高到0.095 2 mm。实验结果证明了本文提出的基于改进差分进化算法的机器人运动学参数辨识方法的有效性。     

一种应用平面约束的直角坐标机器人标定方法

针对某逆流萃取串级实验装置的精准操作作业需求,对其中的直角坐标机器人的运动学标定方法展开了研究。采用DH参数法建立了运动学模型,并推导了位置误差模型;根据直角坐标机器人的构型特点,结合球面约束,提出了应用已知姿态平面约束的标定方法,并基于位置误差模型建立了该方法的求解模型;给出了基坐标系和平面姿态的确定方法;采用基于奇异值分解的广义最小二乘法迭代求解;最后借助Matlab对该方法进行了仿真验证。仿真结果表明了所提出的标定方法有效地提高了机器人的操作精度。     

基于病态参数分离的机器人运动学标定测量构型优化

针对一种高灵巧性机器人及其连杆参数高敏感性与高定位精度需求,为解决机器人运动学标定随机测量构型存在绝对 定位精度低、参数辨识效果及标定结果鲁棒性较差的问题,提出一种病态参数分离与 DETMAX-改进差分进化(DETMAX-IDE) 算法的机器人运动学标定测量构型分步优化方法。 首先,建立机器人位置误差模型。 其次,建立一种可观性综合指标,评价不 同机器人标定测量构型的总体可观测性和灵敏度。 最后,分离机器人运动学位置误差模型的病态参数,建立测量构型优化目标 函数和约束条件,提出一种基于 DETMAX 算法与改进差分进化算法结合的分步迭代优化算法(简称为 DETMAX-改进差分进化 算法,简写为 DETMAX-IDE 算法),开展机器人运动学标定测量构型分步迭代优化。 通过机器人运动学标定仿真与实验,验证 了所提方法的有效性。 实验结果表明,与随机测量构型相比,所提方法对应的机器人绝对定位精度的平均值和均方差分别降低 了 62. 09% 和 62. 45% 。     

基于MDH模型的工业机器人标定算法与实验研究

基于机器人MDH模型,针对位置矢量误差建立了机器人模型参数误差辨识模型。利用激光跟踪仪测量机器人末端在基坐标系下一系列位置点,进而采用最小二乘法辨识出机器人模型参数误差。为充分验证辨识算法的准确性,在实验室自主设计的6R工业机器人进行仿真和实验。结果表明,文章的标定算法可以准确地辨识出机器人的模型误差参数,补偿后机器人的绝对定位精度得到明显的改善。     

斜交非球型3R手腕全参数误差辨识与仿真

基于D-H(Denavit-Hartenberg)参数运动学模型,根据斜交非球型3R手腕的结构特征和工作原理,建立了该手腕的全参数误差辨识模型,并进行了计算机仿真.仿真结果表明:全参数误差辨识模型的辨识精度可达到3.780 42×10-4mm,完全能够满足喷涂机器人的工作精度要求,证明全参数误差辨识模型的正确性.     

六轴工业机器人的误差补偿方法

提出一种基于误差模型的机器人运动学结构参数和角度参数补偿方法。利用D-H算法建立了机器人运动学方程,推导相对于末端坐标系的机器人运动学误差模型,提出将结构参数映射综合到关节角度参数的运动学参数补偿方法,为了解决补偿过程中各关节角度误差问题,设计了一套基于关节角度校正的机器人运动学参数补偿实验方法,实验结果验证了所提出方法的有效性。     

绳驱动连续体机器人标定方法

为提高绳驱动连续体机器人的定位精度,提出了一种针对此类机器人的误差标定与补偿方法.该方法利用指数积(POE)公式建立连续体机器人关节模块的运动学模型,并利用运动学模型推导出误差传递模型.针对误差模型采用最小二乘方法进行误差的辨识,将辨识后的误差补偿至机器人的运动学模型,从而提高机器人关节模块的模型精度.制作了基于柔性支...     

基于复合标定和极限学习机的关节臂式坐标测量机残差建模及补偿

运动学标定是提高关节臂式坐标测量机精度的主要方法，但运动学标定后的残余误差对其测量精度和稳定性仍有很大影响。本文提出一种基于复合标定和极限学习机的关节臂式坐标测量机残差建模及补偿方法，以提高关节臂式坐标测量机的测量精度。首先，在关节臂式坐标测量机运动学建模和误差建模的基础上，建立了运动学参数辨识模型，并依次进行角度参数辨识、长度参数辨识和长度参数等比例缩放的复合辨识，完成了七自由度关节臂式坐标测量机的运动学标定。其次，通过对标定后残余误差图谱的分析，发现残余误差与测量构型有关联，进而构建了以测量摆角、仰角、距离和转角为变量的测量构型。由于测量构型变量与残余误差存在强非线性关系，提出一种基于极限学习机的残余误差预测和补偿方法。通过实验对本文所提模型及方法的有效性进行验证，结果表明：进行残差修正后关节臂式坐标测量机的单点测量误差最大值由0.061 mm下降到0.044 mm，误差均值由0.023 mm下降到0.017 mm，误差标准差由0.011mm下降到0.007 mm；长度测量误差最大值由0.137 mm下降到0.074 mm，误差均值由0.033 mm下降到0.021 mm、误差标准...     

工业机器人空间位置精度预测模型研究

预测工业机器人空间位置精度对高精度加工具有重要影响,分析影响其空间位置精度的因素,提出一种考虑结构参数误差及关节刚度、摩擦特性参数的空间位置精度预测模型。应用激光跟踪仪辨识工业机器人结构参数与名义值间存在的偏差,分析关节转角偏差随工况的变化,提出关节刚度和关节摩擦参数辨识方法,在ADAMS环境下建立空间位置精度预测模型。以UR5机器人为实验对象,API激光跟踪仪为测量仪器对其空间位置精度进行测量,与预测模型输出结果进行对比,实验结果表明,该模型可准确预测工业机器人空间位置精度,预测精度可达0.5mm。     

2UPR&2RPS型冗余驱动并联机器人的运动学标定

运动学标定能够有效提高并联机器人的运动精度.以一类2UPR&2RPS型冗余驱动并联机器人为研究对象,提出了该类装置的运动学标定方法.通过将误差闭环矢量方程分别投影到运动支链的驱动方向和约束方向建立了该机器人的几何误差模型,并分离出可补偿误差源和不可补偿误差源.基于误差映射矩阵建立了误差灵敏度指标,随后通过灵敏度分析找出了对末端误差影响较大的不可补偿误差源.利用正则化算法建立了基于激光跟踪仪末端位置测量的几何误差辨识模型.标定试验结果表明,所提出的运动学标定方法是有效的.     

工业机器人运动学参数标定误差不确定度研究

为研究机器人末端定位不确定度分布规律,采用不确定度误差的评价方法对工业机器人标定方案得到的运动学参数进行了分析.采用基于各轴单独旋转拟合空间曲线的方法,解算获得运动学参数模型.在机器人标定模型的基础上,分析出各项运动学参数标定结果的不确定度.分析了各轴关节转角θ对不确定度的影响规律,并实验研究各轴在标定或者动态测量过程中,测量点数及测量角度等条件对测量不确定度的影响.推导出机器人末端位置误差不确定度的计算方法,并分别以机器人某一固定姿态和固定路径为例,研究了机器人末端位置误差的不确定度.采用激光跟踪仪做为闭环测量设备,实验验证了单轴运动空间曲线拟合方法,可有效地估计在整个机器人工作空间内的运动误差不确定度分布,标定后在x、y、z3个方向上定位不确定度分别为0.356 mm、0.582 mm和0.524 mm.     

协作机器人的运动学误差模型及标定算法

针对六自由度协作机器人在实际应用中,由于加工、装配、传动和磨损等多方面因素,导致绝对定位精度低的问题,提出一种基于机器人工具末端的运动学误差模型建立方法.在无外部传感设备的条件下根据所设计的标定板,基于最小二乘法和采集的多组机器人实际位姿误差辨识误差模型,对机器人运动学参数与其理论值间的偏差进行补偿.修改底层控制器中参数,修正由于机器人内部机构偏差引起的绝对定位精度误差,提高机器人运行位置精度.