共查询到20条相似文献,搜索用时 625 毫秒
1.
2.
《光学精密工程》2021,(4)
鉴于工业机器人的精度性能无法满足高端制造领域的要求,研究了机器人定位精度提升方法,阐述了基于位姿微分变换的运动学误差模型和基于坐标误差传递的运动学误差模型的构建方法,提出了一种基于BAS-PSO算法的运动学参数辨识方法,并通过实验对比分析了不同运动学误差模型的精度。实验结果表明,基于BAS-PSO算法辨识后TX60机器人的平均综合位置/姿态误差分别从(0.312 mm,0.221°)降低为(0.093 8 mm,0.044 2°);而基于正运动学模型直接辨识后机器人的平均位置误差和平均姿态误差分别为0.097 5 mm和0.098 6°。本文提出的BAS-PSO算法具有较好的辨识精度和收敛速度,直接利用正运动学模型辨识的机器人运动学参数具有更好的辨识稳定性和精度。 相似文献
3.
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。 相似文献
4.
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。 相似文献
5.
6.
7.
基于标定和关节空间插值的工业机器人轨迹误差补偿 总被引:3,自引:0,他引:3
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。 相似文献
8.
采用基座布置六维力传感器的方式进行机器人动力学参数辨识。以递推牛顿-欧拉方程为基础建立机器人动力学模型,给出六维力传感器输出与机器人关节间动力学关系,分离待辨识动力学参数并确定其最小惯性参数集,最终建立基于基座六维力传感器的机器人辨识模型。为了进一步提高辨识精度,采用两层低通滤波算法推导出加速度替代公式和速度滤波算法,减少加速度和速度噪声的影响。最后,以六自由度协作机器人的前2个关节为对象,设计辨识实验,获得两关节的最小动力学参数集。通过结果逆向验算表明,基座布置六维力传感器方式能以较高的精度辨识出机器人动力学参数。 相似文献
9.
10.
11.
12.
13.
14.
15.
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. 相似文献
16.
为了提高工业机器人的定位精度,提出一种自标定算法,首先采用D-H参数模型对机器人进行建模,分析并建立D-H参数误差与机器人末端误差的函数,再设计一个可旋转的标定平台,使机器人去探测不同位姿下的标定平台上的两个标定点,最后采用PSO算法对不同位姿下标定平台两点间的绝对距离来实现对机器人D-H参数误差的辨识。该方法标定过程简单,数据获取方便,并且不依赖于高精度测量仪器。经实验证明,标定后位置精度提高了10倍以上,均方根误差相较于标定前有数量级上的提升,说明机器人标定后,各项误差与机器人实际误差高度一致,从而保障了机器人工作过程的精确性。 相似文献
17.
针对水下机器人传统运动辨识模型中使用的误差反传(BP)算法,容易在迭代寻优过程中陷入局部极小点的缺点,将合作粒子群(CPSO)算法与BP算法相结合,形成一种CPSO-BP混合算法,再通过CPSO-BP算法对BP神经网络进行权值修改,建立了CPSO-BP神经网络模型,并将模型应用到水下机器人运动辨识。通过对比3种算法的BP神经网络模型的实验结果,证明基于CPSO-BP神经网络的模型辨识效果更好。 相似文献
18.
19.
并联机器人运动学误差的标定是并联机器人工程应用的主要问题之一,测量位形的选择和辨识算法对参数辨识结果和误差补偿效果有重要影响。工程实践中,为了提高测量效率或者受到测量环境的限制,往往利用布置简单和数量较少的位形获取测量数据,这可能导致所构造的线性回归模型出现强复共线性,为此提出了一种残差比例指标的测量位形优选方法和一种主元分析的几何误差源辨识算法来实现变量空间的降维操作,二者可有效地提高测量效率,改善辨识算法的鲁棒性和抗差能力。通过计算机仿真验证了所提方法正确可行。 相似文献