基于非线性优化的激光雷达在线标定算法

为解决移动机器人定位过程中激光雷达位姿标定问题,保证机器人在作业过程中保持外参的精确,分析里程计与激光雷达的外参标定问题,提出基于非线性优化方式的激光雷达位姿标定算法.通过移动机器人里程计与激光帧间匹配之间的关系建立非线性优化的数学模型,根据优化方式求取较为精确的激光雷达位姿信息.该方法灵活性强,可适应不同场景进行标定,在实际机器人进行算法验证,验证结果表明,该算法有效可行,能够较为精确得到激光雷达的位姿.     

提高机器人扫描加工系统加工精度的方法

将机器人三维扫描系统应用到工业加工中,建立了机器人在线测量加工系统.利用已知半径的标准球体作为参照工具,提出一种基于几何约束的非线性优化方法.在线精确地标定了便携式三维扫描系统和机器人的位姿关系,提高了测量精度.同时,提出一种使用虚拟刀具工具中心点和预补偿机器人系统误差的方法,提高了机器人的加工精度.对吉他的边缘进行扫描和加工的实验结果表明:该系统具有稳定、高精度、易于自动化等优点.     

工业机器人工件装夹优化算法研究

为解决工业机器人加工过程中出现的机器人末端不可达和奇异位形问题,结合现有避免奇异位形的方法,提出了一种优化工件装夹位姿算法。通过工业机器人的加工轨迹得到加工轨迹包围盒,并移动加工轨迹包围盒至工业机器人工作空间内中心位置,然后对加工轨迹包围盒的姿态进行搜索,找到合适的加工轨迹包围盒位置和姿态,进而找到合适的工件装夹位姿。该方法能够有效地定位工件装夹位置,并在该工件装夹位置的邻域内找到最优的工件装夹姿态。试验仿真结果表明,该算法具有良好的可行性和鲁棒性,能够提高工业机器人的加工效率和精度。     

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.     

机器人误差补偿优化方法研究

为实现某打磨机器人的位姿误差补偿,在标准遗传算法和Solis&W ets算法的基础上,提出一种改进的自适应遗传算法和改进Solis&W ets算法来优化BP网络的权值和阈值,通过标准BP网络来计算机器人在任意位姿时的误差,从而可以对误差进行实时补偿。仿真和实验结果表明两种算法都能有效提高BP网络的学习效果,避免陷入局部最优,提高机器人的位姿精度,且同样目标条件下改进的自适应遗传算法的优化效果优于改进的Solis&W ets算法。最后对仿真和实验结果进行了分析。     

基于大数据聚类分析的爬壁机器人位姿定位控制系统设计

为提高爬壁机器人运动位姿精准度与稳定性,解决现有位姿定位控制系统存在的控制效果不佳的问题,利用大数据聚类分析技术,通过软、硬件结构的设计,实现爬壁机器人位姿定位控制系统的优化。改装爬壁机器人位姿传感器、爬壁机器人驱动元件、爬壁机器人位姿定位控制器的内部连接结构及工作方式,扩大系统存储器的存储空间,通过系统电路的连接完成硬件系统的设计。根据爬壁机器人的组成结构和工作机理,建立机械结构与运动模型。在构建模型下,采集爬壁机器人实时运行数据,利用大数据聚类分析技术处理初始采集数据,判定爬壁机器人的当前位姿。规划爬壁机器人位姿及关节轨迹,结合当前爬壁机器人的运行数据,计算爬壁机器人位姿定位控制量,在控制器的约束下,实现爬壁机器人位姿定位控制功能。通过系统测试实验得出结论：通过设计位姿定位控制系统的应用,爬壁机器人样机的足端轨迹控制误差、关节角度控制误差和占空比控制误差均低于预设值,即设计系统具有良好的位姿定位控制效果。     

双足机器人避开奇异位姿补偿研究

奇异位姿将引起双足机器人跌倒导致行走失败,避开奇异位姿是机器人行走控制研究的重点之一。主要研究了雅可比矩阵行列式为零或趋近零时的奇异位姿问题,通过传感器检测关节角数据进行补偿,可以避开雅可比矩阵奇异时机器人的奇异位姿,得到优化的关节角时间序列,即得到机器人的行走模式。三维仿真实验分析表明:关节角补偿方法能够避开奇异位姿,较真实地仿真出双足机器人的行走动作,将此行走模式发送到下位机,可以用来控制实际机器人,以使双足机器人成功实现步行运动。     

基于双目视觉导航的仿生机器人鲁棒控制算法

仿生机器人在定姿过程中受到空间扰动因素的影响容易产生控制误差,需要对机器人进行精确标定,提高仿生机器人的定位控制精度,因此提出一种基于双目视觉导航的仿生机器人鲁棒控制算法。利用光学CCD双目视觉动态跟踪系统进行仿生机器人的末端位姿参量测量,建立被控对象的运动学模型;以机器人的转动关节的6自由度参量为控制约束参量,建立机器人的分层子维空间运动规划模型;采用双目视觉跟踪方法实现仿生机器人的位姿自适应修正,实现鲁棒性控制。仿真结果表明,采用该方法进行仿生机器人控制的姿态定位时对机器人末端位姿参量的拟合误差较低,动态跟踪性能较好。     

机器人动态位姿误差在工作空间的补偿算法

本文从机器人末端位姿的理论模型出发,结合实际得到的机器人末端位姿,应用最小二乘法理论,建立了在工作空间对机器人动态位姿误差进行补偿的有效方法.     

基于非线性优化的机器人坐标系标定方法

利用激光跟踪仪检测或校准工业机器人,须先对机器人坐标系进行标定。研究一种基于非线性优化的机器人坐标系标定方法。即在机器人末端固定一靶点,机器人运动多个位姿,激光跟踪仪对靶点进行测量,建立多位姿约束方程,并采用非线性优化算法同步标定机座坐标系及靶点坐标。该方法无须特殊机械工装,可适用于空载或末端带有各类执行器的工业机器人系统。经实验验证:相较于经典封闭解法,该方法采用非线性优化,具有良好的鲁棒性,可有效减小因机器人运动模型不准确引起的转换误差。