接触式螺纹测量仪的六自由度位姿误差的测量与补偿

为了提高接触式螺纹测量仪的测量精度,通过深入的误差分析,提出了针对高精度接触式螺纹测量仪的六自由度位姿误差的一种新的误差测量和补偿的方法。设计了一套适用于螺纹测量仪的标准规,用于综合测量探针相对于螺纹专用夹具的六自由度位姿误差。利用参数已知的精密标准规代替参数未知的被测螺纹进行扫描测量,建立螺纹测量仪的误差综合测量方程组,并代入受六自由度位姿误差影响的扫描数据,解方程组反求出探针运动空间的六自由度位姿误差,然后,在不更换探针和专用夹具的情况下,对被测螺纹进行扫描测量,建立螺纹测量仪的误差补偿方程组,并将综合误差测量所得的相关误差参数带入方程组,求解出被测螺纹的理想轮廓信息,完成高精度接触式螺纹测量仪的综合误差补偿。     

机器人基座六维力传感器重力补偿研究

机器人基座六维力传感器常受到安装精度和机器人重力影响而出现测量误差。为了解决这一问题,在利用 D-H 法建立机器人位姿模型的基础上,推导出基于最小二乘法的基座六维力传感器静态重力补偿算法。针对算法中需要采集大量机器人位姿数据的问题,采用正交实验法确定样本空间以减少位姿采集量。最后以六自由度协作机器人为例,利用 6 因素 5 水平的正交实验表获取机器人典型位姿,搭建数据采集平台,实现补偿算法所需数据的采集,求解该机器人的基座六维力传感器静态重力补偿矩阵。实验表明,该补偿算法能够有效得到基座六维力传感器测得的误差值。     

一种基于位姿反馈的工业机器人定位补偿方法

为了提高工业机器人的绝对定位精度,提出了一种基于末端位姿闭环反馈的机器人精度补偿方法。该方法通过激光跟踪仪测量实时跟踪机器人末端靶标点的位置来监测机器人末端的位姿,并通过对靶标点的实际位置和理论位置进行匹配获得机器人末端的位姿偏差。工业机器人系统与激光跟踪测量系统通过局域网进行数据通信,并根据位姿偏差数据对机器人末端的位姿进行修正。最后通过实验对基于末端位姿闭环反馈的机器人精度补偿方法进行验证,实验表明,经过位姿闭环反馈补偿后机器人末端位置误差最大幅度可以降低到0.05mm,姿态误差最大幅度可以降低到0.012°。     

KUKA工业机器人位姿测量与在线误差补偿

工业机器人因其良好的重复定位精度而被广泛应用于堆垛、搬运、焊接等工业领域,但其绝对定位精度低,限制了其在高精度制造领域的应用。通过构建工业机器人误差测量与在线补偿闭环控制系统,对工业机器人的误差进行在线补偿。该方法综合考虑了几何参数和非几何参数引起的误差,提高了其位姿精度。研究基于KUKA机器人传感器接口(Robot sensor interface,RSI)进行位姿误差补偿的性能。通过研究KUKA机器人末端姿态的表示方式,提出一种基于激光跟踪仪测量工业机器人末端姿态的方法,并设计试验研究机器人在其工作空间的位姿误差特点。对搭建的闭环控制系统进行位姿误差补偿试验验证了该系统的位姿补偿效果。试验结果表明,经过第二次在线误差补偿后,其绝对定位精度由原先的0.628 mm提升到0.087 mm,姿态精度接近0.01°。     

机器人加工力位测量平台与软件模块开发

机器人铣削加工过程中末端力和位置监测对加工变形误差的计算和补偿具有重要作用,由于机器人控制系统具有一定的开放性,开发力位测量上位机软件并与机器人控制系统实时通讯,可以有效掌握机器人加工过程位姿相关的末端力和位置信息,为变形误差预测和补偿提供数据基础。在ABB IBR6660工业机器人上利用基恩士激光位移传感器和ATI六维力传感器搭建了机器人末端力位测量系统,其中位移传感器安装在主轴端、力传感器安装在主轴和法兰之间,利用基恩士激光位移传感器和ATI六维力传感器的接口函数结合C#开发了力位测量软件模块,利用ABB工业机器人的PC Interface接口和PC SDK函数开发机器人上位机通讯软件平台,给出了关键代码,最终实现了机器人铣削加工中的末端力位信息实时测量,为机器人加工变形误差的预测和补偿提供数据与控制平台基础。     

可重构机器人模块间装配误差识别方法研究

基于对可重构机器人配对接口间位姿误差的分析划分,研制模块间装配误差在线测量识别接口,建立配对接口位姿误差与接口几何结构偏差之间的关系模型,进而建立配对接口位姿误差与配对接口内部测距传感器测量值之间的映射关系模型,提出一种基于内部测距传感器位移量的模块间装配误差在线识别、补偿方法.为验证方法的正确性,研制单关节?连杆试验平台.试验结果表明装配误差经在线识别、补偿后,连杆末端的位置误差平均值减少7倍多.     

基于三位置超声波检测的改进强跟踪 UKF-SLAM 方法研究

针对移动机器人使用超声波传感器检测环境时存在干扰与数据不确定性问题,在分析超声波传感器工作原理和相邻位置检测数据的关联特性后,提出了基于三位置超声波检测的环境轮廓构建方法,利用超声波对室内环境进行建图;再使用改进强跟踪UKF-SLAM将超声波测量数据和移动机器人驱动模型进行滤波融合,得到更准确的位姿信息与地图特征。搭建仿真环境,并通过搭载有超声波传感器的全向轮移动机器人在实验环境内验证。仿真结果表明改进方法与其他算法相比,定位和地图构建的误差降低58.058%。室内实验中,获取环境特征的平均误差降低了50.286 3%,进一步验证了提出算法的可行性与有效性。该方法对机器人同步定位与地图构建有一定参考价值。     

基于迁移学习的铣削机器人定位误差补偿方法

空间网格补偿法是提高机器人定位误差的有效方法之一,然而由于所需采样位姿多导致误差测量环节非常耗时,为提高机器人定位误差补偿效率,提出了一种机理分析与数据驱动的铣削机器人定位误差补偿方法,基于迁移学习来预测机器人工作空间内不同区域的定位误差。首先建立机器人刚柔耦合误差模型,研究立方体与柱体工作空间内不同区域的误差分布特性;之后,考虑误差区域相似性将机器人工作空间分为源域空间与目标域空间,在源域空间基于分级采样策略将完备的机器人采样位姿及误差测量数据作为源域数据,对于目标域空间只需要将少量的采样位姿及误差数据作为目标域数据,源域数据与目标域数据均用于训练高斯过程回归模型,通过基于加权拟合误差的子空间对齐和自适应权重迭代方法提升迁移学习模型预测精度,根据指定机器人位姿参数预测并补偿机器人定位误差;最后,使用KR160铣削机器人系统进行了误差补偿试验以验证该方法的可行性和有效性,试验结果表明,经过补偿后机器人定位误差1.499 mm降低到0.182 mm,所需机器人采样位姿数目减少了70%,使用铣削机器人加工法兰孔,其轮廓误差和位置误差达到0.269 mm和0.331 mm,该方法可以提高补偿...     

BP神经网络补偿并联机器人定位误差

为减小机构末端定位误差,提高机器人运动精度,分析了所开发的6-DOF精密并联机器人末端位姿的误差来源及以往误差补偿方法的局限性。通过实际测量末端位姿,在精密定位的局部工作空间内,提出了基于BP神经网络的机器人关节空间误差补偿方法。确定了BP神经网络模型,建立了误差补偿的数据样本,并对数据样本进行了标准化,通过实验对比的方法确定了隐层神经元的个数,同时对网络的推广能力进行了验证。经过误差补偿,6-DOF精密并联机器人的平移定位误差下降了80%,转角定位误差下降了60%。该实验结果表明,基于BP神经网络的误差补偿方法对机器人局部工作空间的补偿具有明显的效果,满足精密并联机器人工作的精度要求。     

激光SLAM自主导航的线段特征提取混合算法研究

移动机器人在未知环境中自主导航时定位需要精确的地图,同时为了构建精确的地图必须确定机器人的位姿,同时定位与地图构建(SLAM)问题便产生.基于激光雷达SLAM自主导航算法是研究的方向之一,激光雷达具有测距精度高、测距远等优点,但是由于激光雷达的数据量少、传感器本身噪声的影响,容易导致机器人构建地图精度低、定位误差大等问题.针对激光雷达的数据测得的距离信息进行线段特征提取算法,通过将常用PDBS、IEPF算法优缺点进行综合,提出了一种混合特征提取算法.最后通过对SICK的LMS111-10100激光雷达获取环境中的一组数据进行处理,分别对PDBS、IEPF算法及混合算法提取效果与实际环境对比,验证了特征提取混合算法的有效性.     

基于RGB-D传感器的同步定位与建图方法研究

机器人同时定位与地图构建算法(SLAM,Simultaneous Localization and Mapping)可实现机器人的自主控制,文中将SLAM算法与视觉传感器结合,搭载红外摄像头的RGB-D摄像头可以快速进行运动估计及构建3D点云地图,最后将视觉里程计测量的相机位姿与回环检测的信息结合,经过优化可得到轨迹估计的地图。     

微惯性组件多传感器数据融合测姿方法研究

针对微惯性测量组件在微型机器人、小型无人飞行器等微惯导领域应用为研究背景,开展了微惯性组件中融合多种传感器信息的姿态测量方法研究。通过陀螺仪,加速度计,磁阻传感器等微惯性传感器的测姿方法,对不同传感器组合测试得到结果进行数据融合,选择融合测姿结果作为观测数据,随后联合无迹卡尔曼滤波器进一步准确估计载体姿态。采用研制的微惯性组件与商用AHRS系统搭建了实验平台,开展了不同算法下的人体姿态测量实验,实验结果验证了算法的有效性。     

基于机构精度通用算法的机器人位姿误差分析

在Denavit-Hartenberg参数法建立的机器人末端位姿变换方程的基础上,利用机构通用精度算法建立了机器人末端位姿误差模型。通过矩阵运算,建立了机器人末端位姿误差与各杆件运动学参数误差之间的函数关系式。在SCARA机器人上的实验表明,用此方法建立的误差模型进行误差标定和补偿,可以提高机器人的定位精度。     

工业机器人位姿误差空间IDSW插值补偿方法研究

探讨了工业机器人误差模型及位姿误差补偿的现有方法;对基于空间插值的补偿方法进行研究,提出机器人位置和机器人位姿误差两者之间的高度相关性是插值补偿法有效的先决条件;对利用微分法建立的机器人位姿误差模型进行研究,得到在机器人末端姿态不变时任意两点的位置误差的差值和姿态误差的差值分别与该两点位置差值呈高度线性关系;提出一种基于均匀数据场的空间IDSW(反距离平方加权)插值算法的机器人位姿误差补偿方法,并设计对比实验,仿真验证了本文所提出方法的有效性。     

机器人加工几何误差建模研究:Ⅱ参数辨识与位姿优化

根据所构建的空间运动链,机器人加工几何误差一方面与手眼/工件/工具位姿参数辨识误差有关,另一方面与机器人关节运动学误差与弱刚度变形有关.针对这一问题,研究基于运动学误差补偿的手眼位姿参数辨识、考虑测量缺陷影响的工件位姿参数辨识、基于实际加工曲面误差估计的工具位姿参数辨识等新方法,解决位姿参数辨识精度受限于机器人运动精度、现场测点不封闭/密度不均/高斯噪音、加工抖动/受力变形/回转轴误差等多种因素影响的问题;综合考虑关节运动学误差、弱刚度变形、误差补偿,以整体误差控制为目标,建立加工误差补偿与机器人位姿优化通用模型,可推广应用于法向深度(磨削/铣削)、切向滑移(制孔)、角度倾斜(切边)等多种机器人加工误差控制;完成手眼/工件/工具位姿参数辨识试验、整体误差补偿与机器人加工试验,验证所提方法的有效性.     

六自由度喷涂机器人位姿误差分析

以所研制的喷涂机器人为研究对象,利用摄动法分析了机器人位姿误差。得出了喷涂机器人末端位姿的精确解。分析并比较不同结构参数对机器人末端位姿误差的影响。为喷涂机器人零部件的精度分配提供了理论依据。     

结合视觉里程计的微小型空中机器人SLAM研究

经典的基于“平滑摄像机模型”的单目视觉同步定位与地图构建方法无法适用于具有复杂飞行模式的微小型空中机器人.针对这个问题,提出一种结合视觉里程计的单目视觉同步定位与地图构建方法.该方法通过视觉里程计直接估计机器人机载摄像机相对位姿变化,并将这些位姿信息嵌入基于EKF的单目视觉同步定位与地图构建算法中.同时,在采用视觉里程计进行位姿估计时,针对可能出现的退化问题,采用特征分类的策略,提高了估计的鲁棒性.将方法应用于一套真实的微小型智能无人直升机系统上,实验数据验证了方法具有良好的适用性和实用性.     

基于激光传感器的多移动机器人位姿测量系统

为机器人准确定位设计了一个基于激光传感器的移动机器人位姿测量系统。测量系统用激光传感器扫描区域内的以矩形为标识的机器人,将测量数据传输到计算机上,通过数据处理软件进行数据处理,提取属于机器人的特征,同时结合机器人前一时刻的位姿,实时计算机器人当前位姿。实验结果表明,此系统能迅速识别机器人,并准确地确定每个机器人位置和姿态,通过网络向机器人发送其位姿数据,实现多移动机器人的精确定位。     

2TPR&2TPS 并联机构的位姿误差建模与补偿研究

位姿精度是评价机器人性能好坏的一个重要指标,建立有效的补偿算法是提高机器人位姿精度的重要保证。 本文以 一种 2TPR&2TPS 并联机器人为研究对象,建立了基于正解的误差模型,根据该误差模型得出了动、静平台位置参数误差及 驱动杆零点长度误差与机器人末端位姿误差的关系,同时建立了基于逆解的补偿算法。 通过粒子群算法对误差函数的最小 值寻优,得到了机器人驱动杆补偿量和位姿补偿量,仿真得出该机器人的平均位置精度提升了 98. 148% ;将驱动杆补偿量与 理想位姿对应的驱动杆长叠加作为机器人的驱动杆输入量进行实验验证,实验得出机器人的平均位置精度提升了 87. 457% ,补偿效果显著。     

用概率假设密度滤波实现同步定位与地图创建

针对杂波环境中传统同步定位与地图创建(SLAM)算法无法有效表达传感器多种信息以及容易发生错误数据关联的问题,提出一种基于概率假设密度滤波的SLAM算法。该算法将每一时刻传感器的观测信息和环境地图表示为随机有限集,建立联合目标状态变量;通过概率假设密度(PHD)滤波对机器人位姿和环境地图状态进行同时估计,并利用粒子滤波实现PHD滤波。在进行目标状态提取时,为避免聚类算法引入的误差,对粒子集进行时滞输出。提出的SLAM算法能准确表达观测的不确定性、漏检以及杂波引起的虚警等多种传感器信息,且避免了数据关联过程,使系统状态估计更接近真实值。仿真实验结果表明:与传统SLAM算法相比,新算法的机器人定位及环境构图精度提高了50%以上,为杂波环境下SLAM问题的研究提供了新的途径。