基于CPA方法的串联工业机器人运动学标定精度试验研究

几何参数误差是影响工业机器人定位精度的主要误差源,约占总误差的80%以上。基于圆点分析法(circle points analysis,CPA)所标定的几何参数与机器人的实际结构相关,并且能够将几何参数误差与其他误差源解耦。研究表明CPA方法的测量策略对其标定精度具有较大影响。针对基于CPA方法的串联工业机器人运动学标定技术的测量策略展开试验研究,分别对各轴测量角度范围、各轴测量步长、初始位姿构型、靶球安装位置等因素进行了分析,并得出一个优化的测量策略。实验结果表明该测量策略能够有效地提升CPA方法的标定精度,误差减少了43.99%,明显优于其他测量方案。通过与误差模型方法对比,经CPA方法标定的机器人具有更好的全局定位精度。     

基于电力线传输的网络型温湿度监控系统设计

为提高工作效率,节省成本,设计了一种基于电力线传输的网络型温湿度监控系统.该系统由温湿度监控单元、集成单元和中央控制单元组成;温湿度监控单元通过电力线与集成单元连接,用以采集现场温度和湿度数据并通过电力线通信模块发送至集成单元;集成单元和中央控制单元通过RS232接口连接,监控结果可以图形、报表多种方式显示.实验结果证...     

位置伺服系统模糊自适应滑模控制研究

位置伺服系统对响应速度、定位精度、抗扰性能等要求越来越高,传统PID控制实现容易,但依赖对象数学模型、性能有限,很难满足高要求。滑模控制不依赖对象模型、适用性强,因此提出一种对指数趋近速率进行自适应调整的滑模控制方法。以位置伺服系统为对象,分别采用PID控制、滑模控制、模糊自适应滑模控制进行定位控制及抗扰动性能的仿真及试验。结果表明:模糊自适应滑模控制较PID控制在快速定位及抗扰动性能上均明显占优;相比普通滑模控制,其动态性能更好。因此对于要求响应速度快、抗扰性能强的位置控制应用场合,提出的模糊自适应滑模控制适用性更好,有一定的应用价值。     

基于CAD模型引导测量的自由曲面定位及轮廓度误差评定

提出将粒子群优化算法与拟随机序列法相结合对基于CAD模型引导测量的自由曲面进行高精度检测和轮廓度误差评定的方法。为解决用三坐标测量仪检测自由曲面时存在的设计坐标系与测量坐标系不重合问题,提出用拟粒子群优化算法来实现被测曲面与设计曲面精确定位;针对自由曲面特点,采用轮廓峰谷误差和轮廓均方根误差综合评定自由曲面的形状误差。最后,阐述了用拟粒子群优化算法实现曲面匹配时目标函数值的计算方法,确立了用拟粒子群优化算法优化求解参数向量的具体步骤。对仿真实例和大量实测零件自由曲面轮廓度误差的计算表明:采用本文方法能够实现自由曲面精确定位,其轮廓度误差评定精度比由三坐标测量仪内置软件计算的结果高8%～15%,适用于对高精度自由曲面零件形状误差的评定。     

改进遗传算法用于自由曲线重建研究

提出一种基于改进遗传算法的自由曲线重建方法,该改进遗传算法基于实数编码,采用基于代沟最小的代选择模型,选用BLX-α混合交叉算子,算法简单、优化效率高;其中用非均匀有理B样条表示自由曲线,以重建曲线上点与测得数据点间的欧式距离的平均值作为目标函数,曲线参数化、节点向量及控制顶点的权值通过改进遗传算法优化确定,再根据已确定的数据参数和控制顶点权值用最小二乘法计算控制顶点坐标,完成自由曲线重建。实例证明,该算法不仅计算速度快,重建曲线精度高,而且算法鲁棒性强,可以方便地实现不同次数和不同控制顶点个数的自由曲线重建。     

基于小波神经网络和证据理论的零件图像识别

提出基本概率分配构造和多源零件图像特征识别的方法。首先,获取零件图像的小波分解系数和零件图像的相对边缘像素系数。然后,以零件图像的小波分解系数和零件图像的相对边缘像素系数作为零件图像的特征,并作为神经网络的输入,得到多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,文中提出的方法是有效的。     

零件多源图像特征提取和识别的研究

提出了基于小波变换的零件多源图像融合和提取零件图像特征的方法。首先,应用小波变换对多源图像进行多尺度分解,利用小波分解系数融合零件多源图像。然后,对融合图像进行多尺度边缘检测,被检测的图像分成若干个子区域并分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征。最后,应用神经网络和网络技术,进行远程零件多源图像识别。实验结果表明,文中提出的方法是有效的。     

串联6自由度机器人关节刚度辨识与误差补偿研究

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。     

球度误差及其评定方法综述

在借鉴圆度、圆柱度误差评定的基础上，建立了四种球度误差的数学模型；并将已有的球度误差评定方法进行归纳分类。总结了各种方法的评定特点，同时阐述了球度误差评定的最新研究成果即基于免疫进化计算的球度误差评定，该成果可以推广应用到其它形状误差的评定。     

面向机器人标定的单激光跟踪仪顺序多站式测量系统建模与分析

为实现大型串联工业机器人的高精度标定,搭建了一种单激光跟踪仪的顺序多站式测量系统。该系统仅需单台激光跟踪仪,先后在不同的基站位置对工业机器人的末端位置进行独立测量,并基于多边测量方法计算机器人的末端位置。计算过程中仅需激光跟踪仪的距离信息,有效地优化了末端位置的测量不确定度。首先,建立了该测量系统的仿真模型,深入地分析了测量点的数量与分布形状、测量距离以及工业机器人定位精度等因素对系统测量精度的影响;然后,依据分析结果确定单激光跟踪仪顺序多站式测量系统的搭建方案。实验结果表明:该系统在2.5m距离上的测量误差仅为0.023mm,优于激光跟踪仪的测量精度,满足大型串联工业机器人参数标定的测量精度要求。