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。     

基于激光追踪仪的机器人标定及误差分析研究

以提高六轴关节工业机器人的定位精度为目标,基于D-H运动学模型与微分误差思想,建立了机器人的位置误差模型,设计了简单高效的测量算法和辨识算法,在辨识出的机器人几何误差参数基础上,对机器人运动学模型进行修正,以沈阳机床上海研究院的i5 Robot A3型工业机器人为实验研究对象,结果证明改进后机器人的定位精度得到大幅度提升。     

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...     

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。     

机器人加工几何误差建模研究:Ⅱ参数辨识与位姿优化

根据所构建的空间运动链,机器人加工几何误差一方面与手眼/工件/工具位姿参数辨识误差有关,另一方面与机器人关节运动学误差与弱刚度变形有关.针对这一问题,研究基于运动学误差补偿的手眼位姿参数辨识、考虑测量缺陷影响的工件位姿参数辨识、基于实际加工曲面误差估计的工具位姿参数辨识等新方法,解决位姿参数辨识精度受限于机器人运动精度、现场测点不封闭/密度不均/高斯噪音、加工抖动/受力变形/回转轴误差等多种因素影响的问题;综合考虑关节运动学误差、弱刚度变形、误差补偿,以整体误差控制为目标,建立加工误差补偿与机器人位姿优化通用模型,可推广应用于法向深度(磨削/铣削)、切向滑移(制孔)、角度倾斜(切边)等多种机器人加工误差控制;完成手眼/工件/工具位姿参数辨识试验、整体误差补偿与机器人加工试验,验证所提方法的有效性.     

六轴工业机器人的误差补偿方法

提出一种基于误差模型的机器人运动学结构参数和角度参数补偿方法。利用D-H算法建立了机器人运动学方程,推导相对于末端坐标系的机器人运动学误差模型,提出将结构参数映射综合到关节角度参数的运动学参数补偿方法,为了解决补偿过程中各关节角度误差问题,设计了一套基于关节角度校正的机器人运动学参数补偿实验方法,实验结果验证了所提出方法的有效性。     

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。     

基于PSO-BP算法的水下机器人运动模型辨识

将粒子群算法(PSO)与误差反传算法(BP)相结合,利用粒子群算法的全局突变性,使BP算法避免在神经网络权值寻优过程中陷入局部极小值.对Elman神经网络结构进行调整,并将PSO-BP算法用于改进后的Elman网络的权值修改.最后,对比了3种不同算法、结构的神经网络对水下机器人运动学模型的辨识结果,证明了基于PSO-BP算法的改进Elman神经网络对水下机器人运动模型,有较高的辨识精度.     

基于改进粒子群算法的并联机器人运动学精度提高新方法

针对并联机器人在基于给定工作任务进行轨迹规划过程中,存在因机构误差引起的期望轨迹与理想轨迹之间的偏差,由此造成并联机器人运动学精度降低的问题,提出了一种并联机器人运动学精度提高新方法。首先将连续工作任务离散化为满足精度要求的若干理想位姿点,在建立并联机器人位姿误差模型基础上,将机构误差项转化为驱动杆误差;基于种群排列熵模型和粒子速度激活机制改进了粒子群算法,并利用改进的粒子群算法组合优化驱动杆参数,补偿并联机器人位姿误差,进而修正期望轨迹以提高并联机器人运动学精度。通过MATLAB和ADAMS仿真验证了所提出方法的可行性和有效性。     

浅谈工业机器人零点标定

随着我国经济科技的迅速发展,工业机器人在各产业得到了广泛应用。机器人工具坐标系影响运动准确性,随着机器人在工业生产中完成任务的繁杂化,人们对工业机器人位姿精度的要求不断提高。机器人标定是离线编程技术实用化的关键技术,文章基于模型参数识别法辨识机器人模型参数,从而提高绝对精度。工业机器人重复精度较高,需要进行运动学标定来提高绝对精度。基于此,阐述工业机器人运动学标定理论,介绍零点标定方法,开展零点标定计算机仿真实验,通过激光追踪仪验证零点标定实验效果。     

基于MDH模型的工业机器人标定算法与实验研究

基于机器人MDH模型,针对位置矢量误差建立了机器人模型参数误差辨识模型。利用激光跟踪仪测量机器人末端在基坐标系下一系列位置点,进而采用最小二乘法辨识出机器人模型参数误差。为充分验证辨识算法的准确性,在实验室自主设计的6R工业机器人进行仿真和实验。结果表明,文章的标定算法可以准确地辨识出机器人的模型误差参数,补偿后机器人的绝对定位精度得到明显的改善。     

基于病态参数分离的机器人运动学标定测量构型优化

针对一种高灵巧性机器人及其连杆参数高敏感性与高定位精度需求,为解决机器人运动学标定随机测量构型存在绝对 定位精度低、参数辨识效果及标定结果鲁棒性较差的问题,提出一种病态参数分离与 DETMAX-改进差分进化(DETMAX-IDE) 算法的机器人运动学标定测量构型分步优化方法。 首先,建立机器人位置误差模型。 其次,建立一种可观性综合指标,评价不 同机器人标定测量构型的总体可观测性和灵敏度。 最后,分离机器人运动学位置误差模型的病态参数,建立测量构型优化目标 函数和约束条件,提出一种基于 DETMAX 算法与改进差分进化算法结合的分步迭代优化算法(简称为 DETMAX-改进差分进化 算法,简写为 DETMAX-IDE 算法),开展机器人运动学标定测量构型分步迭代优化。 通过机器人运动学标定仿真与实验,验证 了所提方法的有效性。 实验结果表明,与随机测量构型相比,所提方法对应的机器人绝对定位精度的平均值和均方差分别降低 了 62. 09% 和 62. 45% 。     

冗余机器人喷涂系统改进人工鱼群逆运动学求解算法

针对一种带有冗余自由度的船舶分段机器人喷涂系统逆运动学问题,使用改进Denavit-Hartenberg(DH)参数法建立了机器人系统的运动学模型。以位姿误差最小及关节行程最短为目标,构建了冗余机器人逆运动学问题优化模型,提出一种改进人工鱼群算法( IAFSA)对模型进行求解。IAFSA引入基于正态分布的视野范围及移动步长动态调整策略来改善解的精度并缩短计算时间,提高算法综合性能。与人工鱼群算法和混合改进人工鱼群算法进行了对比实验,实验结果表明IAFSA搜索能力强、收敛速度快、计算时间较短,逆解良好的精度和误差稳定性在SolidWorks Motion仿真中得到验证,体现了IAFSA算法在冗余机器人逆运动学求解问题中的有效性。     

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.     

基于量子粒子群优化算法的机器人运动学标定方法

基于量子粒子群优化算法,提出一种同样适用于串联机器人和并联机器人的运动学标定方法。利用闭环矢量链方法和Denavit-Hartenberg矩阵法,分别建立并联机器人和串联机器人的运动学误差模型,将运动学误差模型内的几何误差源作为相应的机构参数修正量。由于机器人运动学误差模型表现有较强的非线性,因此确定模型内的机构参数修正量为优化变量,将机器人运动学参数标定问题转化为非线性系统的优化问题。采用量子粒子群优化算法对优化问题进行求解,利用优化获得的参数修正量更新运动学模型,以达到提高机器人运动精度的目的。以五轴并联机床的平面约束机构为研究对象,通过试验验证该标定方法的标定效果,并与模糊插值标定方法进行比较分析,结果表明在较大的工作空间内基于量子粒子群优化的运动学标定方法更为有效。     

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。     

六自由度协作机器人绝对定位精度标定研究

针对六自由度协作机器人绝对定位精度低的问题,在忽略二阶以上微分误差项条件下,推导出基于微分变换的线性误差模型,并设计了改进的迭代Lavenberg-Marquardt算法求解运动学参数。采用激光跟踪仪对机器人进行现场标定试验,实验表明协作机器人的最大位置误差由0.7726mm降低到0.4415mm。结果表明该标定方法较传统标定方法标定精度更高,具有可行性。     

基于双目视觉测量系统的机器人误差检测方法

针对机器人存在的几何参数误差影响绝对定位精度的问题,提出一种基于双目视觉测量系统的机器人误差检测方法。采用修正的DH(MDH)模型建立了带几何误差的机器人运动学模型,根据工具中心点(TCP)实测点与误差补偿后的理论点应重合的原理,推导出误差辨识模型。为构建约束方程,利用平面和空间圆拟合,实现了测量坐标系到基坐标系的转换。通过仿真确定了可辨识的误差,初步验证了误差检测方法的有效性。搭建了误差检测实验装置,使用Handyprobe光笔测量仪进行了误差检测实验。误差补偿后,检验点组绝对定位误差均值减小81.02%,证明了基于双目视觉测量系统的机器人误差检测方法的有效性和可行性。     

2UPR&2RPS型冗余驱动并联机器人的运动学标定

运动学标定能够有效提高并联机器人的运动精度.以一类2UPR&2RPS型冗余驱动并联机器人为研究对象,提出了该类装置的运动学标定方法.通过将误差闭环矢量方程分别投影到运动支链的驱动方向和约束方向建立了该机器人的几何误差模型,并分离出可补偿误差源和不可补偿误差源.基于误差映射矩阵建立了误差灵敏度指标,随后通过灵敏度分析找出了对末端误差影响较大的不可补偿误差源.利用正则化算法建立了基于激光跟踪仪末端位置测量的几何误差辨识模型.标定试验结果表明,所提出的运动学标定方法是有效的.