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。     

基于运动学参数标定方法的机械臂 误差分析与仿真研究

针对工作任务复杂或环境多变,且对机械臂精度要求较高的工业生产需求等问题,基于运动学参数标定方法进行了机械臂的误差分析与Matlab仿真。介绍了定位精度以及定位误差的来源,针对机械臂运动学标定的方法步骤,采用矩阵法对运动学参数标定误差模型进行了建模分析,推导出了运动学参数误差模型的通用形式,并添加一个微小的增量进行了误差补偿;采用Matlab对机械臂运动学参数误差模型进行了仿真分析,验证了所建立的误差模型的正确性。研究结果表明:基于运动学参数标定方法的机械臂误差分析能很好地提高机械臂的精度,使机械臂能够准确完成预期的位姿要求,对于进一步提高机械臂的精度有较好的指导作用。     

一种脑外科手术机器人运动学参数标定方法

为提高脑外科手术机器人绝对定位精度,提出了一种串联式六自由度手术机器人运动学参数标定方法。根据脑外科手术机器人应用环境,采用一种针对手术工作空间的机器人参数采集方式,通过非支配排序的带有精英策略的多目标优化算法(NSGA-Ⅱ),将运动学模型标定问题转换为基于距离误差的多目标优化问题进行计算。通过模拟手术环境完成机器人参数标定的测试实验,说明利用这种标定方法可有效降低手术机器人系统绝对定位误差(误差降低了75%),提高机器人局部工作区域的定位精度。     

基于LabVIEW的雕刻机器人标定测试系统仿真研究

由于机器人构件的结构参数及运动学参数影响了机构的定位准确度与精度,因此通过运动学标定来提高混联式雕刻机器人的加工精度。使用光栅尺等传感器测量位置坐标,基于LabVIEW设计了该机器人的标定测试系统,将传感器输出的TTL信号转化为位移量,采用最小二乘法对系统中MATLAB脚本节点进行参数识别,然后计算刀尖点的中心位置坐标补偿量,并在测试界面对比了标定前后的位置误差。实验表明,标定后的标准误差变化了4.28%,均方根误差减小了30.48%,最大误差减小了22.30%,通过运动学标定提高了机器人的定位精度。     

工业坐标测量机器人定位误差补偿技术

由通用工业机器人和视觉传感器组成的柔性坐标测量系统是视觉检测技术在工业在线测量领域的重要应用。工业机器人的机械结构和控制过程复杂,因此其定位误差成为影响系统测量精度的最主要因素,但可以通过修正连杆参数的方式加以补偿。以MD-H运动学模型为基础,建立机器人工具中心点(Tool center point,TCP)的基于相对定位精度的定位误差补偿模型,避免坐标在不同坐标系转换过程中产生精度损失。对与机器人测量姿态有关的柔度误差进行针对性补偿,通过建立柔性关节的弹性扭簧模型,将柔度误差分解为外加负载柔度误差和机械臂自重柔度误差分别进行补偿。标定过程中使用激光跟踪仪作为外部高精度测量设备,只需在单点测量模式下就能实现对TCP的三维坐标采集,大大简化数据采集过程。经过补偿后,标定点处的方均根误差由之前的1.230 2 mm降至0.428 8 mm,验证点处的则由0.723 6 mm降至0.505 4 mm。     

绳驱动连续体机器人标定方法

为提高绳驱动连续体机器人的定位精度,提出了一种针对此类机器人的误差标定与补偿方法.该方法利用指数积(POE)公式建立连续体机器人关节模块的运动学模型,并利用运动学模型推导出误差传递模型.针对误差模型采用最小二乘方法进行误差的辨识,将辨识后的误差补偿至机器人的运动学模型,从而提高机器人关节模块的模型精度.制作了基于柔性支...     

一种不完全补偿机器人标定方法

为了避免修改影响机器人逆运动学模型的参数,分析了绝对定位误差的主要来源,以及标定需要保证的前提条件。在此基础上介绍了一种标定方法,该方法利用三坐标测量仪对机器人六个关节分别进行测量,生成六组点云,对每组点云采用最小二乘法拟合平面及圆。根据D-H参数的定义,计算出容易补偿的各参数实际值,并依据计算结果对参数进行了补偿。通过实验证明,该方法有效提高了绝对定位精度,使精度能够满足实际工程需要,而且操作简单方便,实用性强。     

基于运动学的质量特性测量误差补偿方法的研究

针对某大尺寸飞行器质量特性测量设备,利用运动学原理对测量结果进行误差补偿,提高其测量精度。根据D-H模型建立机械结构的运动学方程,分析机械结构的几何参数误差对测量结果的影响。在标定几何参数时,对一些能够精准测量得到的参数,忽略其微变化量,在简化标定方程的同时,方便了参数误差的解算。为提高标定效率,利用粒子群(Particle swarm optimization,PSO)算法对标定位姿进行寻优,分析并建立标定姿态与观测指标函数之间的关系,确定当观测指标函数取最大值时对应最优的标定姿态。标定试验结果表明,利用最优标定位姿进行标定可以快速而准确地得到几何参数的误差,进而得到测量位姿误差。分别在补偿位姿误差和未补偿位姿误差的情况下测量标准件的质量特性,测量结果表明补偿后的质心的最大误差减小为原来的10%左右,转动惯量和惯性积的最大误差分别减小为原来的50%和20%。     

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。     

基于遗传算法与最小最大优化方法的六自由度放疗床参数辨识方法

为了对放疗床进行结构标定,以提高放疗床的定位精度,提出了一种遗传算法与最小最大优化方法相结合的参数辨识方法。根据机构的运动学逆解建立了放疗床的标定模型;结合遗传算法与最小最大优化方法的优点对放疗床的60个参数进行参数辨识,有效减小了目标函数的残差;以激光跟踪仪作为测量工具,对若干组任意位姿进行绝对定位精度实验和重复定位位置精度实验,以验证参数辨识结果。实验结果表明,经过标定后放疗床的绝对定位精度的位置误差小于0.3mm,姿态误差小于0.1°;重复定位位置精度的位置误差小于0.01mm。故所提出的参数辨识方法能够实现对放疗床的标定,且标定精度能够满足放疗床的使用要求。     

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...     

机器人神经网络逆标定法研究与仿真

基于运动学模型的机器人几何参数标定法需要建立复杂的误差模型,在不断变化的环境中缺乏柔性。基于神经网络的机器人逆运动学标定法,是通过一定的算法得到各关节角所对应的误差值,以关节角值为输入,关节角所对应的误差值为输出来训练神经网络,把所有的误差都归结为关节角误差,通过对关节角补偿来驱动机器人。利用遗传算法优化神经网络的权值与阈值,使优化后的BP神经网络能够更好地预测函数输出,利用MATLAB神经网络工具箱进行仿真,结果证明经遗传算法优化的神经网络标定法可以进一步提高标定精度。     

协作机器人的运动学误差模型及标定算法

针对六自由度协作机器人在实际应用中,由于加工、装配、传动和磨损等多方面因素,导致绝对定位精度低的问题,提出一种基于机器人工具末端的运动学误差模型建立方法.在无外部传感设备的条件下根据所设计的标定板,基于最小二乘法和采集的多组机器人实际位姿误差辨识误差模型,对机器人运动学参数与其理论值间的偏差进行补偿.修改底层控制器中参数,修正由于机器人内部机构偏差引起的绝对定位精度误差,提高机器人运行位置精度.     

同步带传动晶圆传输机械手精度分析与补偿

分析了同步带应用于晶圆传输机器人机械手的误差产生原因,针对晶圆传输机器人高速高精度的定位要求,建立了含有同步带环节的误差模型。对各误差源进行了显著性分析,并在此基础上提出了结合几何误差迭代法和基于运动学逆解的非线性参数辨识的分步标定方法,对模型进行了误差标定及误差补偿。最后经过仿真分析和实验,有效的证明此方法显著地提高了机械手的末端定位精度。     

基于多孔标定法的串联机器人运动学标定研究

针对串联机器人传统标定方法有缺陷,使机器人标定后运动精度仍旧存在较大误差的问题,对串联机器人进行了运动学标定方法的研究。在单孔标定法的基础上进行了优化改进,提出了一种基于多孔标定法的串联机器人运动学标定技术,通过MDH误差模型计算出机器人的定位误差,然后将误差值进行了补偿,从而提高了机器人的运动精度;搭建了标定平台,通过自制的多孔标定板和探针等工具对多孔标定法的标定效果进行了实验研究,详细记录了实验数据,并将实验数据进行了处理和综合分析。研究结果表明:多孔标定法对该类型串联机器人的标定作用明显,有效地提高了机器人的定位精度,标定前后机器人的运动误差减小了数倍;该方法对该类型机器人的运动参数学标定具有极大的现实作用和意义,为机器人的进一步研究和应用奠定了良好的基础。     

工业机器人误差补偿及冗余参数研究

针对现有工业机器人定位精度较低,提出了通过机器人运动学标定对误差进行补偿的方法。基于D-H运动学模型和微分变换法建立机器人位姿误差模型,然后对误差模型进行冗余参数分析,消除冗余参数得到可辨识的线性方程,最后用迭代最小二乘法进行求解,修正几何参数进而提高机器人定位精度。通过在自主研发的机器人上试验验证,该方法补偿效果明显,增加了参数辨识的准确性和鲁棒性,为机器人标定技术的发展奠定了一定的基础。     

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.     

机器人定位精度及标定非概率可靠性方法研究

机器人工作中往往存在着大量不确定性,从而导致其精确标定的复杂化。综合考虑机器人各连杆参数的不确定性区间取值对末端精度的影响,研究定位精度的可靠性及标定问题。基于区间数学,提出了一种基于非概率模型的机器人定位精度及参数标定的可靠性度量及分析方法,以REIS RV 16型机器人为例,求解了定位误差以及运动参数偏差的取值区间,分析了基于区间算法的机器人定位精度及标定非概率可靠性。所提方法可以在制造或装配阶段,对机器人末端的空间位置范围进行预测,以及对运动学参数的取值范围进行估计,方便后期对定位点的理论坐标进行逆补偿,保证机器人定位与标定的有效性和可靠性。     

机器人柔性扫描测量系统标定方法

为了实现复杂工件的在线快速测量,开发了一种基于工业机器人与结构光扫描仪的柔性测量系统,结构光传感器安装在机械臂末端。针对该系统整体测量精度不足问题,提出了一种基于距离约束的手眼关系参数和机器人运动学参数联合标定方法。首先,通过机器人单轴旋转与基于罗德里格矩阵的算法实现手眼关系初始标定;然后,建立了基于距离约束的误差模型,通过Levenberg-Marquardt算法辨识系统参数,保证了参数辨识的准确性和鲁棒性,最终实现了对手眼参数误差和机器人运动学参数误差的修正。基于KUKA机器人和结构光扫描仪进行了标定和测量试验。试验结果表明,在机器人的工作空间内,距离误差的最大值由0.889 3mm降低到0.424 9mm,平均值由0.778 4mm降低到0.385 2mm,验证了该标定方法的有效性。     

并联机床运动学自标定方法研究

以Stewart型并联机床为对象,研究一种能实现自标定的运动学标定方法,以提高标定效率.在建立两点之间距离误差的基础上,采用哑铃型球杆作为标准的检测量具,并以此建立机床结构参数误差与球杆标准长度之间的误差传递模型.提出了数据自动采集的方案,开发了专用标定软件,实现了数据采集、数据分析处理和机床结构参数补偿的集成.基于提出的方法,利用测头、球杆和为标定而开发的软件,作为加工叶片的Stewart型六自由度并联机床标定的工具.经两次标定,在机床工作空间内,并联机床的运动学定位误差控制在±0.02 mm以内.