工业机器人的形位检测及精度标定研究

针对传统六自由度机器人进行形位分析与标定研究,采用运动学DH参数法建立机器人运动学位姿模型,利用激光跟踪仪进行机器人空间形位的辨识与减速比数据的采集,结合阻尼最小二乘法进行机器人零位与执行器的标定,通过修改控制器中机器人的末端执行器配置参数,完成传统工业机器人的末端位姿误差补偿,提高了机器人的绝对定位精度。     

基于最优激励位姿序列的机械臂负载估计

重力补偿方法广泛地应用于由连杆与旋转机构组成的机器人系统中,更换机器人末端执行器造成了补偿模型的不确定性．针对该问题,提出了一种利用机器人关节力矩与位置信息的负载参数离线辨识方法．基于机器人静力学方法提出了2种负载参数的计算模型,并通过采集机器人在多个静态位姿条件下的关节力矩与位置信息获得负载参数的最小二乘解．进一步,本文针对机器人的辨识位姿选取问题展开研究,提出了同时保证辨识精度与辨识简便性的多目标优化问题,使用多目标粒子群优化方法获得最优辨识位姿．根据辨识后的负载参数,给出了机械臂各关节负载的重力补偿量计算方法．实验结果表明所提方法具有较高的辨识精度,负载质量的辨识误差最小值达到0.007 06 kg,最大值达到0.151 kg,负载质心位置的辨识误差最小值达到0.025 4 m,最大值达到0.122 m,验证了上述方法的可行性与有效性．     

机械臂绝对定位精度测量

提出了用激光跟踪仪标定机械臂的D-H参数、测量机械臂绝对位姿以及对机械臂的绝对定位精度进行分析的方法;用激光跟踪仪测量机械臂各个关节单独运动时得到的一系列离散点,就可确定机械臂各个关节的轴线,由此建立机械臂的D-H坐标系,并对D-H参数进行标定;然后,给出了由6D激光头位姿确定机械臂末端位姿的方法;最后,推出了由测量位姿值与命令位姿值相比较,得到机械臂绝对定位的位置和姿态偏差的方法;这些方法可以有效、迅速地完成对机械臂绝对定位精度的测量.     

机械臂D-H参数和减速比几何标定及误差补偿

针对机械臂D-H参数和关节电机减速比不精确导致机械臂绝对定位精度降低的问题,提出了在利用几何分析标定机械臂D-H参数的基础上,通过分析关节实际旋转角度和相应电机编码器码值的线性关系,标定关节电机减速比的方法;针对关节角误差微分补偿法计算量大的缺点,通过推导机械臂末端位姿矩阵误差和关节角误差之间的微分关系建立误差模型,求解关节补偿角,避免了雅各比矩阵的求取,提高了计算效率;最后采用三维激光跟踪仪搭建测量系统,完成了一种6自由度机械臂的标定及补偿实验;实验结果表明,通过参数标定及误差补偿,机械臂的绝对定位误差均值从标定前的2.83 mm和1.14°降低到0.54 mm和0.24°,验证了方法的有效性。     

打磨机器人误差建模与参数辨识

简要介绍了一种实用的机器人位姿误差建模方法一摄动法，并利用此方法建立了打磨机器人位姿误差模型，对利用三坐标测量机测量的误差数据进行了建模补偿。误差参数辨识中，在传统的九线法的基础上，提出了单点法测量机器人的误差参数，克服了九线法中三测量点位置误差对测量结果的影响，提高了测量结果的可信度。实验结果表明，建模补偿后机器人位姿误差平均值降低到初始值的1／5左右，最大值降低到初始值的1／6左右，验证了所建模型的正确性和参数辨识方法的有效性。     

基于PMPSD的工业机器人几何参数标定方法

针对由几何参数不精确引起工业机器人绝对定位精度低的问题,提出一种基于位姿修正位置敏感探测器的几何参数标定方法。通过建立误差运动学模型,使用位置敏感探测器(PSD)装置进行数据采样,利用位姿修正原理对末端激光器位姿和关节转角进行修正,构建模型约束目标函数,运用LM算法计算得到几何参数误差,修正几何参数名义值。实验结果表明,该方法避免了PSD反馈控制,能够快速实现工业机器人几何参数标定,定位平均误差和标准差分别为78.28%、76.38%,有效提高了机器人的定位精度。     

基于光学运动跟踪系统的机器人末端位姿测量与误差补偿

针对工业机器人绝对定位精度较低的问题,采用加拿大NDI公司的Optotrak Certus HD光学运动跟踪系统作为机器人位姿的测量设备,提出了一种基于再生权最小二乘法的最优剪枝极限学习机算法,通过该算法将机器人目标位姿映射到修正位姿上,实现了对机器人末端位姿补偿的效果.利用爱普生6轴机器人末端进行实验,在不同速度下完成直线轨迹运动、圆轨迹运动以及离散随机运动,对该误差补偿方法的有效性进行验证和分析.结果表明,该误差补偿方法均能提高机器人的位姿精度,其测试点在X、Y、Z三轴总方向上的绝对位置精度为0.06 mm～0.25 mm,比无补偿时的2 mm～3 mm有了1个数量级的提高;而姿态误差补偿后,其均方根误差和平均绝对误差均减小到未补偿时姿态误差的26.09%.同时,该补偿方法还可有效降低异常值的影响,具有良好的稳健性.     

基于改进型RLM算法的六轴机械臂运动学标定实验

六自由度机械臂为高维性、强耦合的非线性时变系统,其模型较复杂,参数辨识易受外界扰动影响,导致末端绝对定位精度低,精度一致性差等问题。以某型六轴机械臂为研究对象,根据微分运动学原理并忽略高阶项,获得末端线性误差模型,提出了收敛速度快且鲁棒性较强的改进型RLM算法进行几何参数的误差辨识,在此基础上搭建综合标定实验平台,利用静态测量精度较高的API T3三维激光跟踪仪采集工作空间中灵敏度较高的样本位姿点,根据国际标准ISO 9283中的位置精度评价标准,比较标定前后的位置误差分布区间,并对分析结果给出评价和总结,完成六自由度工业机械臂本体标定实验。     

神经外科机器人定位精度研究

针对机器人辅助神经外科手术对高精度的要求，对“黎元”神经外科机器人的定位精度进行了研究．考虑到关节轴的微小偏差，基于修正的DH运动学模型对机器人的实际几何参数进行了辨识．采用基于误差反传（BP）算法的多层前馈神经网络对各关节的传动误差进行了补偿．利用高精度的三坐标测量臂对“黎元”神经外科机器人的定位精度进行了测量．结果表明，该机器人绝对定位精度最大值为1.63 mm，平均值为1.04 mm，较以前有了很大提高，能够满足多数神经外科手术的需要．     

空间网格化的机器人变参数精度补偿技术

现有的机器人参数辨识的方法所能提高的绝对定位精度有限,是由于关节和连杆柔度等非几何因素造成误差在空间中分布不均匀.为此,本文提出了一种变参数误差模型.由于各轴之间耦合,为了便于求解,提出采用空间网格来处理该变参数误差模型,同时提出了一套规则的参数辨识采样点选取方法.利用改进型的Levenberg-Marquardt迭代最小二乘法求出各网格对应的参数误差的全局收敛解.最后,利用激光跟踪仪在KUKA工业机器人上进行运动学标定验证补偿效果.验证结果表明:能将机器人的绝对定位精度平均值从0.901 mm提高到0.115 mm.     

工业机器人定位误差规律分析及基于ELM算法的精度补偿研究

针对工业机器人应用于飞机零部件自动化钻孔时绝对定位精度较差的问题,提出利用极限学习机（ELM）算法建立机器人法兰中心点理论位置与实际位置之间的误差模型,并优化补偿机器人定位精度的方法．首先基于空间网格采样方法,获得了机器人绝对定位误差沿机器人基坐标系不同方向的误差变化规律,分析了建模补偿的可行性;其次建立基于ELM算法的误差补偿模型,并针对误差模型训练中隐含层神经元个数取值问题进行了分析优化．实验结果表明,机器人绝对定位误差值沿其坐标系不同方向存在不同的变化规律,补偿前绝对定位误差分布范围为0.29 mm~0.58 mm,平均误差为0.41 mm;补偿后定位误差分布范围降低到0.04 mm~0.32 mm,平均误差为0.18 mm;采用ELM算法建模的补偿速度快,泛化性能好．     

Adaptive hierarchical positioning error compensation for long-term service of industrial robots based on incremental learning with fixed-length memory window and incremental model reconstruction

Industrial robots have been extensively used in industry, however, geometric errors mainly caused by connecting rod parameter error and non-geometric errors caused by deflection and friction, etc., limit its application in high-accuracy machining. Aiming at addressing these two types of errors, parametric methods for error compensation based on the kinematic model and non-parametric methods of directly establishing the mapping relationship between the actual and target poses of the robot end-effector are investigated and proposed. Currently both types of methods are mainly offline and will be no longer applicable when the pose of the end-effector in the workspace changes dramatically or the working performance of the robot degrades. Thus, to compensate the positioning error of an industrial robot during long-term operation, this research proposes an adaptive hierarchical compensation method based on fixed-length memory window incremental learning and incremental model reconstruction. Firstly, the correlation between positioning errors and robot poses is studied, a calibration sample library is created, and thus the actively evaluating mechanism of the pose mapping model is established to overcome the problem of the robot’ workspace having a differential distribution of error levels. Then, an incremental learning algorithm with fixed-length memory window and an incremental model reconstruction algorithm are designed to optimize the pose mapping model in terms of its parameters and architecture and overcome the problem that the performance degradation of the robot exacerbates the positioning error and affects the applicability of the pose mapping model, ensuring that the pose mapping model runs stably above the target accuracy level. Finally, the proposed method is applied to the long-term compensation case of a Stäubli industrial robot and a UR robot, and compared to state-of-art methods. Verification results show the proposed method reduces the position error of the Stäubli robot from 0.85mm to 0.13mm and orientation error from 0.68° to 0.07°, as well as reduces the position error of the UR robot from 2.11mm to 0.17mm, demonstrating that the proposed method works in real world scenarios and outperforms similar methods.     

机械臂负载移动性能与运动调控研究

工业的不断发展对机械臂的负载要求越来越高,而负载的增加会对机械臂末端的精度造成影响.本文以Franka七轴串联机械臂为对象,采用M-DH法和雅可比迭代法对其正、逆运动学展开分析;采用三次函数插值法进行关节空间的轨迹规划.基于拉格朗日方程建立了机械臂的动力学模型,并通过Admas和Simulink联合动力学仿真验证了动力学模型的有效性.最后基于定位控制,对末端位置误差收敛速率、负载质量、控制参数之间的关系展开研究.     

A method for robot placement optimization based on two-dimensional manifold in joint space

This article addresses a method for placement determination of robotic drilling system on two-dimensional manifold in robot joint space. It has been proved that the feasibility of positioning error compensation on two-dimensional manifold, and that the continuity of the robot parameters in the two-dimensional space is the prerequisite to perform the compensation in previous study. It appears that there are bifurcations which might break the continuity of the robot parameters on the two-dimensional manifold due to improper placement. To avoid bifurcations, a performance index and a set of optimization procedure are proposed to achieve proper placement of robotic machining system. Experiments conducted on a KUKA robot have verified the effectiveness of the proposed placement optimization method. Experiment results indicated that positioning errors were significantly improved with the proposed method, which is beneficial for robotic machining accuracy.     

基于5G通信技术的巡逻机器人定位误差自动补偿方法

以提升巡逻机器人执行巡逻任务能力为目的,提出基于5G通信技术的巡逻机器人定位误差自动补偿方法。该方法在巡逻机器人工作区域架设5G无线通信网络,并将AD7380型号位置传感器安装在巡逻机器人上,利用位置传感器获取巡逻机器人工作时的位置信息后,利用5G无线通信网络将其传输到用户PC端,得到巡逻机器人位置采样点数据；以该数据为基础,使用拉丁超立方采样方法描述巡逻机器人在其巡逻空间内的位置,得到巡逻机器人空间位置数据；再依据巡逻机器人空间位置数据,计算该机器人预设目标点误差矢量,并构建巡逻机器人定位误差补偿模型,利用该模型补偿巡逻机器人定位误差。实验结果表明：该方法可全面获取巡逻机器人在其巡逻空间内的位置信息,可有效且精准的对其定位误差进行自动补偿,使巡逻机器人定位误差保持在可允许范围内,应用效果较为显著。     

杆臂效应与挠曲变形一体化误差补偿技术研究

针对舰载机捷联惯导系统（Strapdown Inertial Navigation System,SINS）传递对准技术中存在挠性杆臂效应问题,提出一种采用误差模型一体化的补偿方案。建立了杆臂效应与挠曲变形的一体化误差模型,分析了线性量测方程下的简化非线性卡尔曼滤波（Unscented Kalman Filter,UKF）算法,将其应用在杆臂效应与挠曲变形的一体化误差补偿技术中。模拟海浪干扰下舰船的三轴摇摆动态仿真环境,利用仿真结果验证了一体化误差补偿方案可行性。     

A novel kinematic parameters calibration method for industrial robot based on Levenberg-Marquardt and Differential Evolution hybrid algorithm

The poor absolute positioning accuracy of industrial robots is the main obstacle for its further application in precision grinding of complex surfaces, such as blisk, blade, etc. Based on the established kinematic error model of a typical industrial robot FANUC M710ic/50, a novel kinematic parameters calibration method is proposed in this paper to improve the absolute positioning accuracy of robot. The pre-identification of the kinematic parameter deviations of robot was achieved by using the Levenberg-Marquardt algorithm. Subsequently, these identified suboptimal values of parameter deviations were defined as central values of the components of initial individuals to complete accurate identification by using Differential Evolution algorithm. The above two steps, which were regarded as the core of this Levenberg-Marquardt and Differential Evolution hybrid algorithm, were used to obtain the preferable values for kinematic parameters of the robot. On this basis, the experimental investigations of kinematic parameters calibration were conducted by using a laser tracker and numerical simulation method. The results revealed that the robot positioning error decreased from 0.994 mm, initial positioning error measured by laser tracker, to 0.262 mm after calibration with this proposed hybrid algorithm. The absolute positioning accuracy has increased by 40.86% than that of the Levenberg-Marquardt algorithm, increased by 40.31% than that of the Differential Evolution algorithm, and increased by 25.14% than that of the Simulated Annealing algorithm. This work shows that the proposed kinematic parameters calibration method has a significant improvement on the absolute positioning accuracy of industrial robot.     

Indoor Positioning System Using Axis Alignment and Complementary IMUs for Robot Localization

An indoor positioning method for robots is presented to improve the precision of displacement measurement using only low-cost inertial measurement units(IMUs).Firstly,a high-fidelity displacement estimation for linear motion is proposed.A new robot motion model is designed as well as an axis alignment that only uses a single axis of the accelerometer.The integral error of velocity is eliminated by a new subsection calculation method.Two complementary IMUs are combined by assigning them different weights to obtain high accuracy displacement results.Secondly,an orientation estimation based on a fusion filter for the steering motion is proposed.Experiments show that the proposed method significantly improves the accuracy of linear motion measurement and is effective for the indoor positioning of a robot.     

基于单目视觉的仓储物流机器人定位方法

针对轮式仓储物流机器人的自主定位问题,提出了一种基于视觉信标和里程计数据融合的室内定位方法。首先,通过建立相机模型巧妙地解算信标与相机之间的旋转和平移关系,获取定位信息;然后,针对信标定位方式更新频率低、定位信息不连续等问题,在分析陀螺仪和里程计角度误差特点的基础上,提出一种基于方差加权角度融合的方法实现角度融合;最后,设计里程计误差模型,使用Kalman滤波器融合里程计和视觉定位信息弥补单个传感器定位缺陷。在差分轮式移动机器人上实现算法并进行实验,实验结果表明上述方法在提高位姿更新率的同时降低了角度误差和位置误差,有效地提高了定位精度,其重复位置误差小于4 cm,航向角误差小于2°。同时该方法实现简单,具有很强的可操作性和实用价值。     

多新息抗差-自适应卡尔曼滤波定位算法研究

针对移动机器人在定位过程中,由传感器测量误差和机器人模型引起的位姿误差导致系统定位精度急剧下降的问题,提出了一种多新息卡尔曼滤波算法.在标准卡尔曼滤波的基础上,当传感器测量值存在误差时,引入抗差权因子,通过改变误差测量值的权值提高滤波器的估计精度;当机器人位姿存在误差时,引入自适应因子,通过调整状态协方差矩阵的大小抵制位姿误差引起的滤波发散.同时,引入了多新息,即多个时刻的新息向量,进一步提高此非线性系统的精度.实验表明:当存在测量误差和位姿误差时,该滤波算法能有效提高定位精度.