两步误差补偿法提高工业机器人绝对定位精度

针对大部分工业机器人结构需要满足Pieper准则无法直接补偿所有运动学参数误差的问题,提出一种两步误差补偿方法。首先,基于修正的D-H法和微分运动学建立机器人定位误差模型,建立机器人末端绝对定位误差与运动学参数误差之间的表达式;其次,利用最小二乘法迭代求解出运动学参数误差,并将可直接补偿的运动学参数误差直接补偿到机器人D-H配置参数中,将剩余的其它运动学参数误差转换为关节转角补偿值进行间接补偿;最后,搭建实验平台,在川崎RS010NA六自由度工业机器人上进行两步误差补偿实验验证。实验结果表明,通过两步误差补偿后机器人末端平均绝对定位误差由5.419 4 mm下降到1.160 5 mm,平均绝对定位精度提高约80%,该方法有效地提高了机器人的绝对定位精度。     

三角码盘定位机构相对于十字码盘的准确度分析和补偿计算

一般机构定位方式采用十字码盘定位机构,在制造误差和装配误差存在的情况下,十字码盘定位机构不能保证两轮之间的夹角为绝对的90°,使其测量的位置坐标信息产生误差。这里描述了一种三角码盘定位机构,采用正三角形框架,在三角形顶点分别固定三个正交万向轮,每个轮子轴上安装一个码盘,并用万向节-滑块机构连接三角码盘定位机构与本体,使之更好地贴合地面,实现更加准确地测量位置坐标信息。这里给出了十字码盘定位机构和三角码盘定位机构的系统结构图,分别进行了理论上的结构误差分析,求出了两种定位机构的误差补偿关系式,根据实际测得的角度误差值大小进行补偿,使得定位机构在运行过程中的测量值更加精确。     

基于空间插值的工业机器人精度补偿方法理论与试验

随着工业机器人技术的不断发展,机器人在工业领域得到了越来越广泛的应用.针对机器人普遍存在重复定位精度高、绝对定位精度低的特点,提出一种改进其绝对定位精度的方法.以D-H运动学模型为基础建立机器人坐标系,并综合考虑机器人各关节参数引入的误差,建立机器人的位姿误差模型.利用该误差模型,通过分析相邻两点间定位误差之间的内在关联提出了定位误差相似度的概念,并在此基础上提出一种基于空间插值的工业机器人精度补偿方法.利用KUKA机器人对提出的精度补偿方法进行验证,试验结果表明,补偿前机器人的绝对定位精度为1～3mm,补偿后它的绝对定位误差的最大值为0.386 mm,平均值为0.156 mm,较未补偿前有了近一个数量级的提高,从而证明了该方法的可行性和有效性.     

混联机器人空间插值迭代补偿法研究

为提高混联机器人的定位精度,综合考虑静态误差与动态误差对混联机器人在整个工作空间内定位精度的影响;对误差补偿方法进行研究,提出一种空间插值迭代补偿法,通过最大允许误差控制迭代次数可以得到不同的定位精度,用以满足不同的定位精度要求;最后通过MATLAB仿真试验将此算法应用到新型混联机器人定位误差补偿当中,并与空间网格插值补偿法进行对比,验证了所提方法的有效性。     

基于粒子群优化神经网络的机器人精度补偿方法研究


针对工业机器人应用于飞机柔性化自动装配时绝对定位精度不能满足装配精度的问题,在机器人空间网格精度补偿方法的基础上,综合考虑环境温度的变化对机器人的绝对定位精度的影响,提出了基于神经网络的机器人综合精度补偿方法。为了防止神经网络在训练中陷入局部极值,采用粒子群优化方法对它的初始权值和阈值进行了优化。实验结果表明,当温度在20~30℃范围内变化时,机器人的绝对定位误差由补偿前的1~3mm,提高到补偿后的绝对定位误差最大值为0.32mm,平均值为0.194mm,精度较未补偿前有了大幅提高,可以满足飞机自动化装配的高精度的要求。

     

基于关节反馈的机器人多向重复定位误差补偿

为进一步提高机器人末端的定位精度,通过分析机器人反向误差形成机理及影响因素,阐明了多向重复定位误差对误差补偿的影响;针对引起多向重复定位误差因素的多样性和复杂性,提出基于关节闭环反馈的反向误差补偿策略。通过试验验证这种误差补偿策略可有效抑制机器人多向重复定位误差,满足机器人高精度控制要求。     

面向飞机自动化装配的机器人空间网格精度补偿方法研究

对六自由度KUKA机器人的定位精度补偿方法进行了研究。以激光跟踪仪为媒介建立机器人坐标系、工具坐标系和世界坐标系之间的转换关系,对于机器人工作空间内的任意定位点,将它在离线编程中的理论坐标与用激光跟踪仪测得的实际定位坐标之间的差异作为它的绝对定位误差。按一定的步长对机器人的工作空间进行立体空间网格划分,对于工作空间内的任一点,通过已划分的包围它的最小立方体网格的8个顶点的绝对定位误差进行空间插值来估算出该点的绝对定位误差,并将它逆补偿到理论坐标上用于提高机器人的绝对定位精度。试验结果表明,补偿前机器人的绝对定位精度为1～3mm,补偿后机器人的绝对定位误差的最大值为0.386mm,平均值为0.156mm,精度较未补偿前有了很大的提高,可以满足飞机自动化装配的高精度要求。     

六自由度工业机器人末端定位误差参数辨识与实验研究

为了提高六自由度工业机器人绝对定位精度,对工业机器人进行了运动学建模,并建立了基于MD-H参数误差的机器人末端定位误差辨识模型,应用激光跟踪仪测量系统采集样本点数据,应用基于奇异值分解的最小二乘法求解辨识模型,以获得几何参数误差,并根据辨识出的误差对机器人末端定位精度进行补偿,实验结果表明,经过辨识和补偿后,工业机器人绝对定位精度得到明显提高,可为后续复杂作业的离线编程与作业规划打下基础。     

新型混联码垛机器人概率精度分析

针对机器人全局性定位精度分析及误差评定问题,提出了概率精度指标及其定义,同时提出了机器人在整个工作空间内概率精度分析的MATLAB软件模拟方法;并以新型混联码垛机器人为例,建立了基于MDH模型的机器人定位误差模型,采用概率精度法进行定位精度预估和灵敏度分析;模拟结果表明,机器人在不同工作点处的定位误差不同,综合定位误差不是各误差源的简单叠加;为机器人最优工作点的选取,各连杆加工精度等级和装配工艺的设计制定及柔性误差补偿提供了理论依据。     

工业机器人定位精度可靠性研究现状综述

工业机器人定位精度直接影响其辅助制造产品的精度水平和质量一致性。工业机器人定位精度可靠性和定位误差补偿技术已成为学术界和工业界讨论的热点。对工业机器人定位精度可靠性及定位误差补偿的发展现状进行了分析讨论，总结了该领域的主要研究方法及热点问题，最后对该领域的发展方向进行了展望。     

基于标定和关节空间插值的工业机器人轨迹误差补偿

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。     

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。     

一种新型大中心孔绝对式磁编码器

为测量机器人关节端角度和电机端位置,研制一种基于霍尔原理的新型绝对式磁编码器,采用大中心孔结构,具有大的中心孔、体积小、结构紧凑、分辨率高、绝对式位置测量等特点。传感器由转子和定子组成,转子的磁码盘包括主码道和游标码道,定子由霍尔敏感芯片和信号调理电路板组成;根据游标计算原理,得到了传感器绝对角度的计算方法。通过仿真软件分析了转子的磁场分布和模态;为进一步提高磁编码器的输出精度,提出一种基于遗传优化算法的误差补偿模型,搭建了传感器的标定平台,实验结果表明传感器绝对定位精度可以达到0.2°,经过模型补偿后可以达到0.036°,满足机器人关节及伺服系统设计要求。     

基于后验误差拟合的角位移测量误差补偿

在航天、军事、工业这些对器件的体积有着严格要求的领域,光电编码器不仅要求减小外径尺寸和重量,更要提高其测量精度。本文以光电编码器误差补偿方法为研究对象,基于后验误差拟合方法确定误差模型参数,从而实现对小型光电编码器的深度误差补偿。分析了影响光电编码器测角误差的主要因素,建立了长周期误差和短周期误差模型。然后,采用后验误差拟合算法实现了对误差模型参数的确定,提出误差补偿算法;最后,对某一小型光电编码器进行实验,验证了所提出误差补偿算法的性能。某型号光电编码器补偿前的精度为22.48″,补偿后的精度为5.82″。实验表明,采用后验误差补偿方法可以不考虑误差影响因素的大小,直接对编码器进行误差补偿,具有效率高、补偿准确等优点,极大地提高了批量生产时光电编码器产品的精度。     

工业机器人定位误差补偿方法与实验研究

针对工业机器人绝对定位精度低无法满足实际应用要求,并综合考虑国外机器人控制系统不开放,而无法在控制器里修改运动学参数的问题,提出一种定位误差补偿方法,基于修正的DH模型,利用激光跟踪仪和奇异值分解法识别出运动学参数.通过改变运动学参数重新进行正解运算,所得的新位置赋予机器人,使其运动到目标点,从而提高定位精度.将这种方法应用在STAUBLI TX90XL型工业机器人上进行实际的测量和补偿.实验结果显示,经过补偿可使机器人平均绝对定位精度由1.685 mm提高到0.215 mm,从而表明该方法的有效性.     

XGBoost机器学习在光电编码器误差补偿中的应用

光电编码器检测系统的误差主要受基准光电编码器测角误差、数据采集误差、检测系统同轴误差影响。其中，基准光电编码器的测角误差可进行补偿。因此设计了一种基于极度梯度提升树（extreme gradient boosting,XGBoost）机器学习的算法用来补偿基准光电编码器的误差。经该算法补偿后，静态精度提高了35倍，标准差由3.62″减小至0.13″，最大误差值由5.53″降低至0.39″。与传统的误差反传（back progagation,BP）神经网络算法以及径向基函数（radial basis function,RBF）神经网络算法补偿效果相比，XGBoost的补偿效果更优。XGBoost机器学习算法有效降低了基准光电编码器的测量误差，提高了光电编码器检测系统的检测精度。     

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...     

基于改进IGG3权函数距离误差模型的工业机器人标定

在工业机器人的标定过程中,测量粗差数据会对标定结果精度产生影响,为此,提出了一种基于改进IGG3权函数距离误差模型的工业机器人标定方法,将改进的IGG3权函数最小二乘辨识算法用于工业机器人距离误差标定中,以进一步提高工业机器人的标定精度。以SR4C型工业机器人为研究对象,建立了机器人距离误差数学模型,进行了IGG3权函数最小二乘辨识算法的理论研究。构建了机器人标定实验系统,进行了基于改进IGG3权函数距离误差模型的工业机器人标定实验,实验结果表明,所提方法可有效减小粗差数据对标定精度的影响。该方法可用于工业机器人标定和校准领域,以提高工业机器人定位精度。