机器人逆标定方法研究

在分析传统机器人位姿标定方法的基础上，提出了一种新的机器人标定方法：基于神经网络的逆标定方法。这种标定方法把机器人实际位姿和相应的关节角误差分别作为前馈神经网络的输入和输出来训练网络，从而获得机器人任意位姿时的关节角误差值，通过修改关节值来提高机器人的位姿精度。这种标定方法把所有因素引起的误差均归结为关节角误差，无须求解机器人逆运动学方程，实现了误差的在线补偿。把标定结果与基于运动学模型的参数法的标定结果进行了比较分析。仿真和试验结果均证明了这种方法比传统方法标定效果更好，且更方便简单，避免了其他传统标定方法繁琐的建模及参数辨识过程。     

排爆机器人机械臂定位精度误差自动补偿方法研究

针对于排爆机器人在进行排除爆破物质时,机械臂不能满足绝对准确的定位要求,位置检测精度与实际距离之间存在一定的误差。为了解决这一问题,提出排爆机器人机械臂定位精度误差自动补偿方法。基于D-H运动模型和微分变换法创建排爆机器人机械臂位姿误差模型,对误差模型进行重复参数分析,去除重复参数获得可辨识的线性方程;在可辨识的运动学参数误差模型线性方程中加入一个增量进行误差补偿。最后通过仿真实验结果表明,所提方法通过对机械臂位姿误差模型进行有效补偿,使排爆机器人机械臂绝对定位精度均值提升1.3mm。     

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。     

基于蚁群算法的并联机器人误差补偿方法

提出一种利用蚊群算法补偿Stewart并联机器人位姿误差的方法.基于闭环矢量法建立Stewart并联机器人位姿误差模趔,通过6个驱动杆的长度误差和铰链误差得到并联机器人的位姿误差.在位姿误差模型的基础上,利用基于网格划分策略的连续蚁群算法,通过信息素更新指导蚂蚁反复搜索,对驱动杆杆长误差进行寻优,最终补偿Stewart...     

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．     

补偿机器人定位误差的神经网络

先进的机器人由计算机执行程序来完成各种作业，靠计算关节变量的函数得到手爪的位姿，这些函数一般不准确，使计算值与实际值有较大误差；重复精度０．１ｍｍ的机器人该误差可能达到１０ｍｍ。已有的机器人运动学误差补偿方法需要分析误差来源，使其参数化，并辨识这些参数，六自由度机器人的这种参数已达７２个之多。本文提出一种机器人运动学误差补偿的神经网络模型，利用改进的误差反传（ＢＰ）学习算法，在ＲＭ－５０１机器人进     

机器人机构误差建模的摄动法

误差建模的摄动法,即直接对机构中各种原始误差的小位移矢量进行合成,建立机器人手部位姿误差模型.它摈弃了其他误差建模方法均需要的微分运算,并能分析多种原始误差产生的机器人手部位姿误差.用该法建立的误差模型简单且物理意义清楚.作为例题,文中建立了 PUMA560型机器人的误差模型.     

应用于机器人标定的主动式靶标装置设计与精度优化

激光跟踪仪是工业机器人标定技术中常用测量设备,但其测量范围受限于被动式靶标的激光光线接收角度,进而影响了机器人的标定精度。为解决该问题,设计了一种具有三自由度的主动式靶标装置,并提出了一种精度优化方法,有效地补偿因装置的装配而引入的测量误差。该方法利用圆点分析法初步辨识主动式靶标装置的DH参数,基于距离平方误差模型法对该装置进行DH参数的精辨识,并基于坐标系转换将主动式靶标装置的位置误差补偿到激光跟踪仪输出的位置向量,从而实现误差的补偿。通过实验验证了该主动式靶标装置能够有效地扩大工业机器人关节的被测范围。所提出的精度优化方法能够将该装置的测量误差降低9331%,实际定位精度为00507 mm,能够满足机器人标定的精度要求。     

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.     

基于参数与非参数模型结合的双臂机器人协作定位精度提升方法

双臂协作机器人系统具有效率高、负载大、协同能力强等优点,但双臂作业性能及质量不但受单臂定位精度的影响,而且受双臂协作定位精度的影响,因此,本文提出了一种基于参数与非参数模型相结合的运动学标定方法。首先,基于MDH(modified Denavit-Hartenberg)方法建立机器人运动学模型和参数误差模型,去除模型中的耦合参数并基于迭代最小二乘法辨识几何参数误差;其次,针对传统的非几何误差补偿方法只能在标定坐标系建立关节位置与末端位置误差之间的映射关系的问题,提出一种改进的非几何误差补偿方法补偿机器人本体非几何误差;再次,基于距离误差辨识双臂基坐标系转换矩阵的参数,补偿双臂几何误差与非几何误差;最后,通过实验验证方法的正确性和有效性。结果表明所提出方法将UR10和UR5机器人的平均定位误差减小至0.170 9 mm和0.050 9 mm。双臂平均协作定位误差减小至0.167 6 mm,与基于参数模型的方法相比协作定位精度提升了27.7%,验证了该方法的优越性。     

六轴工业机器人的参数辨识方法

机器人末端位姿的精度依赖于各关节几何参数的精度。为了提高机器人的位姿精度,提出了一种简单实用的机器人参数辨识方法。利用D-H 算法建立的机器人运动学方程,得到了末端位姿与各关节参数的关系。为了解决辨识过程中的复杂计算问题,设计了一种采用拆分参数的迭代方法和相应的实验方法,运用激光跟踪仪对位姿进行精确测量,求得实际几何结构参数。实验结果验证了所提出方法的有效性。     

Combination of geometric and parametric approaches for kinematic identification of an industrial robot

Combination of geometric and parametric approaches of kinematic identification is proposed in this article. The experimental strategy is similar to that used in geometric approach wherein each axis of the robot is actuated one after the other. This adds clarity to experimental strategy, which becomes ambiguous while solely using a conventional parametric approach. Therefore it is easier to conduct experiments even if there are restrictions in workspace. The estimation was done using a parametric technique, but in a stage wise manner using a divide and conquer strategy. This allowed measurement of the robot accuracy after removing the errors arising due to the definition of base and end-effector frames. Additionally it is possible to visualize the reduction in errors during the estimation process. In addition to this, the Jacobian matrix that relates the pose errors to the correction in parameters is adapted during estimation using a damped least squares method depending upon the convergence of the parameters. Results were obtained after extensive experiments on industrial robots using three different measurement instruments namely laser tracker, monocular camera and multi-camera system. The proposed method performs better than the conventional approach which uses only geometric approach. Finally thanks to the new approach, it was possible to conduct experiments after dividing the workspace region into those with high and low levels of observability; which is not easy while using conventional approaches. It was also possible to perform identification in regions closer and farther away from the robot where there is deterioration of observability. The results show that the proposed method could reduce the errors in pose in a consistent manner, even when different measurement instruments were used, or when there was a deterioration in observability due to the choice of poses during identification.     

基于M型标准块的视觉引导机器人系统手眼标定方法研究

针对线结构光传感器引导的机器人系统的手眼标定问题,提出了一种以M型标准块为标定物的方法。该M型标定物的两条平行的脊线作为约束,基于两条平行脊线的约束建立包含手眼关系、机器人运动学以及两条直线位姿参数误差的模型。首先基于定点约束求解手眼关系初值并以此为基础解算出直线位姿参数的初值,然后通过最小二乘法解算误差参数并补偿到模型中,不断迭代直至计算的误差参数小于阈值,最终得到最终的机器人手眼关系及运动学误差参数。为了验证标定方法的有效性,以某精加工平面为被测物,利用线结构光机器人系统对平面进行测量,得到平面点云;拟合最小二乘平面,计算点到平面距离的均方根值作为评价依据。分别对所述M型标准块和标准球两种方法进行了实验对比,结果表明,相较于标准球方法,所述M型标准块方法得到的均方根误差由0.152 mm减少到0.080 mm,均方根误差的标准差由0.043 mm减少到0.005 mm,其标定结果的精度及稳定性得到显著提高。     

Geometric calibration of industrial robots using enhanced partial pose measurements and design of experiments

The paper deals with geometric calibration of industrial robots and focuses on reduction of the measurement noise impact by means of proper selection of the manipulator configurations in calibration experiments. Particular attention is paid to the enhancement of measurement and optimization techniques employed in geometric parameter identification. The developed method implements a complete and irreducible geometric model for serial manipulator, which takes into account different sources of errors (link lengths, joint offsets, etc). In contrast to other works, a new industry-oriented performance measure is proposed for optimal measurement configuration selection that improves the existing techniques via using the direct measurement data only. This new approach is aimed at finding the calibration configurations that ensure the best robot positioning accuracy after geometric error compensation. Experimental study of heavy industrial robot KUKA KR-270 illustrates the benefits of the developed pose strategy technique and the corresponding accuracy improvement.     

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.     

Three methodologies for the calibration of industrial manipulators: Experimental results on a SCARA robot

This article presents and compares three algorithms for the geometric parameter identification of industrial robots to increase its accuracy (static calibration). The estimation is based on the measure of the gripper pose errors when the robot follows suitable trajectories. The algorithms are general and can be applied to any robot providing that its kinematics is known. After a theoretical introduction to the general methodologies, these are applied to a selective compliance assembly robot arm (SCARA) robot analyzing its performance (precision, efficiency). Experimental results obtained with three methodologies are presented and discussed. The measure of the gripper pose error is based on a laser triangulation technique whose working principles are also recalled. © 2000 John Wiley & Sons, Inc.     

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．