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．     

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。     

神经外科机器人定位精度研究

针对机器人辅助神经外科手术对高精度的要求，对“黎元”神经外科机器人的定位精度进行了研究．考虑到关节轴的微小偏差，基于修正的DH运动学模型对机器人的实际几何参数进行了辨识．采用基于误差反传（BP）算法的多层前馈神经网络对各关节的传动误差进行了补偿．利用高精度的三坐标测量臂对“黎元”神经外科机器人的定位精度进行了测量．结果表明，该机器人绝对定位精度最大值为1.63 mm，平均值为1.04 mm，较以前有了很大提高，能够满足多数神经外科手术的需要．     

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。     

基于改进布谷鸟算法的机器人位置精度性能提升方法研究

主要解决工业机器人在高端制造领域精度性能不足的问题。首先阐述了工业机器人误差模型的构建方法，将机器人运动学参数、关节减速比参数、耦合比参数进行统一建模；其次，提出了一种改进的布谷鸟搜索算法(Cuckoo Search Algorithm, CSA)的优化多参数辨识方法，利用对数调整系数修正Levy搜索步长，提升CSA优化算法的收敛性和精确性。为了验证提出的误差模型和优化方法的有效性，构建了串联型工业机器人标定实验系统。通过在Staubli TX60机器人的运动空间内测量160个测量点，分别构成辨识点集和验证点集。实验结果表明，待标定机器人的平均综合位置误差降低了86.7%以上。说明提出的误差模型和优化方法能够较好地提升工业机器人的精度性能。     

打磨机器人误差建模与参数辨识

简要介绍了一种实用的机器人位姿误差建模方法一摄动法,并利用此方法建立了打磨机器人位姿误差模型,对利用三坐标测量机测量的误差数据进行了建模补偿。误差参数辨识中,在传统的九线法的基础上,提出了单点法测量机器人的误差参数,克服了九线法中三测量点位置误差对测量结果的影响,提高了测量结果的可信度。实验结果表明,建模补偿后机器人位姿误差平均值降低到初始值的1／5左右,最大值降低到初始值的1／6左右,验证了所建模型的正确性和参数辨识方法的有效性。     

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。     

基于组合测量的机器人运动误差特性分析及定位补偿技术

研究了机器人各轴运动角度误差的测量与控制补偿技术.讨论了各因素对运动角度误差影响的显著性,独立分析了电机运动控制误差和关节连杆变形误差模型.设计了双轴正交惯性测量方案,通过预先测量机器人各轴运动范围回转角度误差,得到机器人运动空间几何误差分布,基于多元统计学分析确立了不同因素对运动角度误差的影响系数,基于正交多项式拟合建立了各轴定位误差分布模型,在机器人运行前利用该模型计算误差补偿量,控制机器人进行定位补偿.同时,对所提出的机器人各轴运动误差分布规律和正交多项式拟合方法进行了分析,并使用激光跟踪仪测量验证了机器人末端定位精度的补偿效果.研究结果表明,通过对机器人自身性能的研究和补偿可以提高机器人控制精度.     

基于PMPSD的工业机器人几何参数标定方法

针对由几何参数不精确引起工业机器人绝对定位精度低的问题,提出一种基于位姿修正位置敏感探测器的几何参数标定方法。通过建立误差运动学模型,使用位置敏感探测器(PSD)装置进行数据采样,利用位姿修正原理对末端激光器位姿和关节转角进行修正,构建模型约束目标函数,运用LM算法计算得到几何参数误差,修正几何参数名义值。实验结果表明,该方法避免了PSD反馈控制,能够快速实现工业机器人几何参数标定,定位平均误差和标准差分别为78.28%、76.38%,有效提高了机器人的定位精度。     

基于6参数模型的6R串联机器人运动学参数辨识

为了避免运动学参数误差辨识中存在参数不连续、计算收敛速度慢的现象,基于一种6参数模型,在DH(Denavit-Hartenberg)法建立的杆件坐标系上建立了6R串联机器人的误差模型,并给出了参数转化公式.设计了计算机仿真实验,在存在驱动器、测量仪器随机噪声误差的条件下对比了使用MDH(改进DH)参数误差模型和6参数模型的仿真辨识效果.6参数模型和MDH模型辨识后定位平均误差分别降低了96.1%和52.9%.结果显示6参数模型具有良好的完备性、连续性.6参数模型的误差参数范围可以从制造公差中得出,辨识速度高于MDH模型,通过公差控制参数范围,消除了没有达到极小性要求对误差辨识的影响.应用此方法对一台SR165型机器人进行参数辨识,定位平均误差由2.5 mm降低至0.35 mm.     

颅颌面外科手术机器人空间配准及实验

针对颅颌面区域结构复杂、手术风险大、精度要求高的特点,研发了一套颅颌面外科手术机器人系统．为实现机器人系统高效、精确的空间配准,提出并建立了一套基于光学定位的颅颌面外科手术机器人空间配准方法,实现了机器人各子系统之间的坐标系转换．通过基于四元数的最近点迭代配准算法实现了点集之间的矩阵转换．在综合医学影像、机器人与各子系统空间配准的基础上,分别开展了配准精度和定位精度的验证实验,并完成了三叉神经射频热凝术的模型和尸体穿刺定位实验．配准精度验证实验的配准误差平均值均小于0.75mm,定位精度验证实验的误差平均值为0.56mm,模型实验的穿刺成功率为100%,尸体实验的穿刺成功率为95%．综合实验结果表明该空间配准方法的配准精度较高,具有一定的可行性,可以满足颅颌面外科手术机器人系统的需要．     

基于末端转角误差的并联机器人零点标定方法

针对一种4自由度高速并联机器人（Cross-IV机器人）的零点标定问题,提出了一种基于末端转角误差信息的快速零点标定方法．基于机器人的单支链闭环矢量方程,建立了零点误差全集与末端误差之间的映射模型．通过对误差传递矩阵的分解,在仅利用旋转编码器对末端转角误差进行测量的基础上,构建了该机器人的快速零点误差辨识模型．为进一步最大化测量效率及提高辨识矩阵的鲁棒性,提出了一种优化的测量点选择方案．通过仿真详细验证了该零点标定方法的鲁棒性与准确性．基于激光跟踪仪的验证实验表明,经标定后机器人末端位置误差降低至1.312 mm,转角误差降低至0.202°,标定结果表明该零点标定方法简单、有效．     

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．     

医用机器人运动学参数最优化设计

提出了一种实用的医用机器人运动学参数误差的优化补偿方法．采用D-H方法建立起机器人连杆坐标系．在运动学分析和模型变换的基础上，运用数值优化技术建立了机器人运动学参数的误差方程，实现了运动学参数的优化设计，有效提高了机器人的重复定位精度．以仿真和实验验证的方式对优化结果进行了分析．     

基于解耦线性化的变刚度关节动态刚度辨识

为了能够利用变刚度关节实现对机器人动态特性的调整,需要对关节的动态刚度进行有效的辨识和控制.本文首先根据机器人变刚度关节的结构特点建立了简化模型,并对其刚度输出特性表达做出假设;然后对模型中的力矩相关参数进行解耦,消除了关节刚度调节参数对力矩的影响,获取与刚度辨识相关的归一化力矩;利用泰勒展开对归一化力矩进行线性化处理,采用卡尔曼滤波器进行了系数优化,并进一步实现了对关节动态刚度的辨识.仿真中该刚度在线辨识方法可以将辨识误差控制在±2%以内,在实现动态刚度辨识的基础上研究了基于前馈的刚度闭环控制方法,通过仿真实验验证了该方法对于机器人关节刚度闭环控制是有效的.     

空间机器人动力学参数在轨辨识方法

针对机器人动力学参数识别问题,提出了基于有限遥测信息的空间机器人动力学参数在轨辨识方法.首先深入分析了各动力学参数对系统角动量的影响程度,并进行了参数重组,然后依据空间机器人系统的角动量守恒原理,推导了动力学参数与系统角动量之间的映射关系,最后,利用Gauss-Seidel迭代方法获得辨识结果.仿真表明,该方法能够快速地辨识出相关的动力学参数,方法利用遥测获得的飞行数据不需要额外的测量设备或者操作程序,为空间机器人动力学参数在轨实时辨识提供了理论方法.     

机器人减速器传动误差建模与优化

为提高工业机器人旋转矢量(RV)减速器的传动精度,合理分配各零件的加工和装配公差,本文提出一种基于等价模型的RV减速器传动误差建模与优化方法.该方法根据RV减速器的传动结构,构建17自由度的等价误差模型,利用传统经验参数进行求解,获得减速器仿真传动误差;同时,将仿真传动误差与实际测量传动误差进行对比,运用最小二乘法建立经验参数辨识模型;在此基础上通过粒子群算法优化辨识模型中的经验参数,将该参数运用到实际RV减速器生产中,结果显示:与传统经验参数建立的误差模型相比,本文提出的方法使得传动精度的仿真精度误差平均缩小9.99%,大幅度提高了等价误差模型的准确性.     

机械系统误差分析新方法

基于拓扑反变基本原理,建立用于描述机械系统运动误差问题的原始信息空间和目标信息空间以及拓扑反变映射算子,将系统的输出运动误差空间反推到误差源空间,通过减小相应误差源的误差为进一步提高系统的工作质量奠定了基础。将该方法应用于并联机器人的误差问题,通过对并联机器人误差模型进行仿真分析,得出减小位置参数误差可有效提高并联机器人精度的结论,验证该理论方法的有效性。