基于改进粒子群算法的并联机器人运动学精度提高新方法

针对并联机器人在基于给定工作任务进行轨迹规划过程中,存在因机构误差引起的期望轨迹与理想轨迹之间的偏差,由此造成并联机器人运动学精度降低的问题,提出了一种并联机器人运动学精度提高新方法。首先将连续工作任务离散化为满足精度要求的若干理想位姿点,在建立并联机器人位姿误差模型基础上,将机构误差项转化为驱动杆误差;基于种群排列熵模型和粒子速度激活机制改进了粒子群算法,并利用改进的粒子群算法组合优化驱动杆参数,补偿并联机器人位姿误差,进而修正期望轨迹以提高并联机器人运动学精度。通过MATLAB和ADAMS仿真验证了所提出方法的可行性和有效性。     

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。     

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°。     

基于激光跟踪仪和机器视觉的飞机翼身对接装配偏差动态综合修正

提出一种基于激光跟踪仪和机器视觉的飞机翼身对接装配偏差动态综合修正方法。在对合前机翼调姿阶段,利用人工鱼群粒子滤波算法对机翼调姿控制点坐标进行跟踪与估值,结合多项式轨迹规划与定位器运动学逆解,建立翼身对合前机翼位姿的修正数学模型。在翼身对合阶段,利用加权最小二乘异质传感器信息融合方法,将机器视觉和激光跟踪仪的检测数据进行融合滤波,建立翼身对合质量动态监控和对合偏差综合修正数学模型。试验表明,该方法能显著提升飞机翼身对接装配准确度,实现飞机大部件对接装配偏差的动态修正。     

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°。     

基于自控测距的液压启闭机油缸清洁机器人位姿跟踪研究

针对当前机器人开展清洁工作时只考虑方向信息而未考虑异常情况,导致位姿末端跟踪结果不精准的问题,研究基于自控测距的液压启闭机油缸清洁机器人位姿跟踪技术。充分考虑到清洁机器人清洁过程中位姿不断变化,使用激光跟踪仪进行跟踪布局。提取机器人动态特征,计算俯仰轴姿态角、机器人前进位移,以此为依据构建清洁机器人位姿跟踪数学模型。使用自控测距法进行位姿跟踪,解决无相应幅值标志物条件下的非系统误差问题。通过对机器人各个角度的补偿,实现了机器人末端位姿误差的最小化。由仿真结果可知：该方法运动轨迹与实际轨迹基本一致,所跟踪的末端位姿坐标与实际坐标位姿一致。     

基于遗传算法的机器人高精度运动复现方法

为了实现机器人高精度运动轨迹的复现,需要把双目视觉采集到的离散的采样数据作为示教数据,由于机器人数学模型的实际参数与其名义值存在偏差,导致由视觉测量获得的机器人末端位姿逆解得到的关节变量直接复现时与原目标轨迹有一定的偏差。文中采用遗传算法对数据进行处理,将机器人运动学模型各参数的偏差都归结到关节变量上,建立位姿误差模型,求出目标函数最小时的关节变量修正值并补偿到控制器中,控制机械手完成高精度运动轨迹的复现。该方法避免了复杂的轨迹规划和传统的较为复杂的机器人标定补偿方法,提高了机器人复现精度,并能应用于任意复杂运动。在自行研制的6R串联机器人上对该方法进行了验证。     

2-RPaRSS并联操作手运动副间隙误差分析及补偿

针对新型3T1R并联操作手2-RPaRSS存在运动副间隙引起的定位偏差，造成操作手的实际轨迹与理论轨迹不吻合的问题，提出了一种基于自适应混合粒子群优化(AHPSO）算法的轨迹修正方法。建立操作手包含的各类运动副误差模型，在模型中将间隙误差完全等效成杆长误差；根据逆运动学方程建立并联操作手2-RPaRSS的位姿误差模型，得到关于输入、输出的微分关系式，并引入驱动杆输入角补偿量；利用粒子群优化(PSO)算法对补偿量寻优，将间隙误差补偿问题转化为求适应度极小值问题；通过混合权值自适应调整、学习因子自适应调节、混沌扰动范围自适应调节策略改进了PSO算法，得到AHPSO算法。仿真结果表明AHPSO算法性能优良，具有更好的收敛性和稳定性，对并联操作手运动副间隙误差的补偿是一种有效方法，补偿后定位精度得到了明显改善。     

大范围平动并联机器人运动学解耦与速度自适应规划

并联机器人是一种多支链、多关节、强耦合非线性系统,具有高速、高刚度和大负载等明显优势而被广泛应用到工业领域。然而,随着关节数量的增加导致该类机器人运动学解耦和高精度平稳控制的难度较大。为实现大范围平动3-RRRU并联机器人自动化轨迹跟踪和控制的平稳性,针对运动学解耦和速度自适应规划方法展开了系统、深入地研究。首先,应用DH法建立了机器人运动学模型,基于结构约束条件完成运动学解耦计算,并在S型控制策略中加入速度自适应修正机制,依据不同轨迹可自动计算并修正最大速度参数,实现自适应优化;其次,采用激光跟踪仪对机器人轨迹进行动态跟踪,对比分析了S型速度和梯型速度控制策略下的跟踪精度,梯型速度规划下其最大误差高达4.513 mm,是S型控制策略的3倍,且位置误差曲线出现多个尖峰值,说明因速度突变导致运动平稳性较差;最后,测试S型速度规划下采用自适应修正机制前、后机器人的平稳性以及轨迹跟踪精度。实验结果表明:当规划路径难以实现机器人加速到原预设最大速度时,在轨迹末端存在较大的惯性速度,产生位置尖峰误差为2.676 mm,是修正后最大误差的2.4倍,且伴随着明显的冲击效应。引入自适应修正机制后圆轨迹的起点和终点位置误差分别为0.722 mm和0.382 mm,二者相对位置偏差仅为0.34 mm,且末端定位误差相比修正前降低了一个数量级,有效解决了机器人存在惯性冲击效应的难题,大幅提高了机器人整体轨迹跟踪的精度和控制的平稳性。     

3-R2U2S并联机器人的机构参数标定法探究

分析了并联机器人机构参数标定的一般方法,针对3-R2U2S并联机器人的特征,基于自动协作原理提出了一种新的参数标定法。其原理是把所有引起加工位置误差的影响因素均归结为机器人机构参数的变化,求出包含各种误差源的综合修正杆长影响因子,获得较为精准的机器人运动学反解方程。为校核可靠性,搭建3-R2U2S并联机器人样机标定实验中心,在机器人工作空间内,随机选取50个点进行测试,将其坐标代入修正的运动学反解方程中,求出各支链驱动转角的理论输入值。实验结果表明,理论输入值与实际输入值的偏差控制在允许范围内,验证了运用自动协作法求解修正杆长来建立3-R2U2S并联机器人运动学反解方程的准确性和可靠性。     

基于位姿反馈的三臂空间机器人抓捕轨迹规划

以三臂空间机器人为研究对象,针对经历奇异位形时出现的位姿误差问题,提出一种基于位姿误差反馈的轨迹规划算法。根据系统一般运动学方程并结合动量守恒方程建立系统运动学模型,利用位姿期望指令得到误差运动方程。以关节角速度为控制量,设计了基于位姿误差反馈的控制率,使闭环系统的跟踪误差按指数速度收敛。该方法能够减小机器人奇异点邻域内的位姿跟踪误差,且在离开奇异区域后能完全消除误差。仿真结果证明了该方法的有效性。     

基于非线性优化算法的工业机器人轨迹跟踪自动控制

为完成机器人高效率工业生产任务，提出一种基于非线性优化算法的工业机器人轨迹跟踪自动控制方法。考虑杆件运动重力因素，从角速度、加速度等方面明确工业机器人动力学规律；使用具备非线性优化性质的蚁群算法规划运动轨迹，引入人工势场法计算待选节点和目标节点的间距，评估当前路径是否为最佳路径并更新信息素，输出最优工业机器人运行路线；计算机器人相对功率因数校正控制量，运用粒子群算法求解轨迹跟踪预测控制序列，通过支持向量机构建轨迹跟踪自动控制模型。实验结果表明，所提方法的轨迹跟踪稳定性强、精度高，能满足工业生产的实时动态需求，实用性强。     

工业机器人定位误差在线自适应补偿

受工业机器人本体结构几何及非几何误差因素的影响,机器人执行末端的实际运动轨迹与其理论规划轨迹往往不一致,这严重限制了机器人在加工领域的拓展应用。另外,通过研究发现机器人除在工作空间上定位误差等级存在差异分布外,在服役时间上随着机器人工作性能的退化也会显著恶化其定位精度。为解决该问题,提出了一种基于定长记忆窗增量学习的机器人定位误差在线自适应补偿方法。在该方法中,首先定量分析机器人定位误差与位姿的相关关系,将工作空间划分为多个位姿区块并创建校准样本库,建立了位姿映射模型的自适应优化机制以克服空间中误差等级差异分布的问题;然后设计了定长记忆窗增量学习算法,克服神经网络模型的灾难性遗忘缺陷,并平衡了在线模式下建立机器人新、旧位姿数据映射关系的精度和效率,解决了机器人性能退化加剧定位误差影响位姿映射模型适用性的问题,从而确保算法的补偿精度稳定在目标精度水平线以上;最后,利用St?ubli机器人和UR机器人对所提方法进行了精度在线补偿实验验证。实验结果表明该方法可将St?ubli机器人的定位误差从0.85 mm降至0.13 mm,将UR机器人的定位误差从2.11 mm降至0.17 mm,明显提高...     

考虑振动抑制的多冗余度特种操作机器人轨迹优化方法

为了实现复杂曲管内曲面的自动化喷涂作业,设计多自由度的冗余度特种操作机器人。而多冗余度机器人系统刚度低,使得机器人在喷涂作业过程中出现振动,末端轨迹跟踪误差加大,降低了涂层质量。为此,通过分析冗余度机器人带有弹性变形影响的动力学方程,提出一种利用冗余自由度对机器人关节空间作业轨迹进行优化的新方法,实现了机器人在作业过程中的振动抑制,并且满足复杂三维工作空间约束。在试验中应用此方法,机器人在运动过程中既满足复杂的工作约束,同时减少了末端的振动,实现了振动抑制,证明了该优化方法的有效性。     

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。     

考虑关节摩擦的并联机器人平滑轨迹规划

针对一种空间3自由度并联机器人,提出一种近似时间最优的平滑轨迹规划算法。与基于动力学模型的传统轨迹规划算法相比,所提出的算法模型综合考虑了所有运动关节的摩擦力矩,通过虚功原理建立了运动机构完整的动力学模型,并将运动学和动力学约束条件转换为伪速度极值曲线,同时计算出伪加速度零值边界曲线,二者相结合能更准确地反映出规划轨迹应遵循的约束条件。利用五次样条曲线分段构建相平面下伪状态、伪速度和伪加速度的平滑运动轨迹曲线,从而保证了驱动力矩、关节速度和加速度的连续性。最后利用所提出的规划方法对一种并联机器人进行轨迹规划,并通过试验验证了该方法的有效性,指出了并联机器人与串联机器人轨迹规划存在的差异,该算法可用于同类工业机器人的在线轨迹规划。     

基于优化ADRC的单臂机器人轨迹跟踪研究

针对机器人在不确定环境下受到内外界挠动的影响，末端执行器不能跟踪已规划的轨迹运行，以Kinova MICO2机器人为例，研究轨迹自抗挠跟踪模型。建立了机器人关节空间运动模型，根据挠动特点构造了二阶ADRC框架模型，解决了末端执行器偏离规划轨迹的问题。分析了机器人ADRC参数对轨迹跟踪的意义，为了确保系统跟踪的动态稳定性，建立GA-RBF网络优化了原始ADRC。最后分析轨迹跟踪前后的离散点绝对误差，验证机器人轨迹跟踪的可靠性。实验结果表明，GA-RBF优化的ADRC使得机器人实际轨迹能较好收敛于理想的规划轨迹，为工业应用中对轨迹要求较高的任务提供算法参考。     

实时修正偏移量的循迹机器人控制系统研究

提出一种循迹机器人控制系统,通过实时修正机器人坐标与理想运动轨迹之间的偏移,实现机器人快速、有效的循迹。首先,采用粒子群优化算法规划理想运动轨迹;其次,根据正交落地码盘与陀螺仪实时获取机器人坐标及运动轨迹,经与线性化的理想运动轨迹比对,确定偏移量及方向;最后,将偏移量修正转化为机器人运动速度控制,从而实现了高精度闭环运动控制。实验结果表明,基于该控制系统搭建的机器人平台,线性化的理想轨迹和实际轨迹比对的最大偏差值为50.0 mm,在此偏差值内,实时修正偏移量,机器人能够自动回到线性化的理想轨迹上运行,且运行平稳、舒展,完全保证了机器人所要求完成的终点任务,与现有循迹机器人控制方法相比,提出的循迹机器人控制系统实现了较高精度的循迹与定位。