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。     

基于各向异性误差相似度的六自由度机器人定位误差补偿

多关节机器人的绝对定位精度远低于重复精度,目前通常采用运动学标定或空间误差补偿来提高机器人定位精度。空间误差补偿通常采用反距离加权来预测定位点的误差并进行补偿,但反距离加权的权值评价单一且各参考点权值过于平均限制了补偿精度的提高,为此,本文基于空间误差相似度提出一种包含距离和方向的定位误差预测和补偿方法。首先,推导出机器人定位误差模型,将机器人工作空间划分为由若干立方体组成的网格,研究在空间网格中定位点与参考点的相对方向与误差相似度的关系,并构建以距离和夹角余弦为误差传递因子的误差传递函数。其次,考虑定位点各坐标轴方向误差和参考点误差的相似性存在较大差异,基于误差传递函数提出一种各向异性的相似度建模和误差补偿方法,利用网格中各参考点的误差分别计算定位点各方向的误差。最后,通过实验对所提方法进行验证,并与传统的反距离加权插值补偿方法进行对比,实验结果表明:经过误差补偿后,机器人定位误差在各坐标轴方向的最大值和平均值都有显著降低,误差最大值和均值由补偿前的1.03 mm和0.30 mm分别降至0.11 mm和0.04 mm,与反距离加权方法相比补偿后机器人定位精度更高、各方向更均匀。     

一种基于位姿反馈的工业机器人定位补偿方法

为了提高工业机器人的绝对定位精度,提出了一种基于末端位姿闭环反馈的机器人精度补偿方法。该方法通过激光跟踪仪测量实时跟踪机器人末端靶标点的位置来监测机器人末端的位姿,并通过对靶标点的实际位置和理论位置进行匹配获得机器人末端的位姿偏差。工业机器人系统与激光跟踪测量系统通过局域网进行数据通信,并根据位姿偏差数据对机器人末端的位姿进行修正。最后通过实验对基于末端位姿闭环反馈的机器人精度补偿方法进行验证,实验表明,经过位姿闭环反馈补偿后机器人末端位置误差最大幅度可以降低到0.05mm,姿态误差最大幅度可以降低到0.012°。     

工业机器人误差补偿技术的理论与实验研究

针对工业机器人重复精度高、定位精度差的特点,提出一种改进其绝对定位精度的方法。根据D-H坐标系的相关理论,综合考虑机器人各关节的误差,运用五参数法建立机器人的完整几何误差模型。基于误差模型,提出机器人位姿补偿的多次迭代算法,实验结果显示工业机器人的绝对定位误差由未补偿的25 mm变为补偿后的0.3 mm,从而证明该方法的有效性。     

机器人关节间隙误差分析

对关节间隙变量采用二维矢量表示法,分析了机器人关节间隙对机器人末端位置重复精度的影响。假设关节间隙随机性为某种分布,根据概率论建立了机器人末端点概率密度函数,从而得到机器人末端的误差分布函数。利用该方法对RHJD4-16自由度弧焊机器人关节间隙误差进行了分析,研究了关节间隙对空间机器人末端位置重复精度的不确定性影响情况,得到了关节间隙误差与机器人末端位置重复精度的约束关系,为机器人机构设计和机器人精度分析提供了理论依据。     

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。     

基于迁移学习的铣削机器人定位误差补偿方法

空间网格补偿法是提高机器人定位误差的有效方法之一,然而由于所需采样位姿多导致误差测量环节非常耗时,为提高机器人定位误差补偿效率,提出了一种机理分析与数据驱动的铣削机器人定位误差补偿方法,基于迁移学习来预测机器人工作空间内不同区域的定位误差。首先建立机器人刚柔耦合误差模型,研究立方体与柱体工作空间内不同区域的误差分布特性;之后,考虑误差区域相似性将机器人工作空间分为源域空间与目标域空间,在源域空间基于分级采样策略将完备的机器人采样位姿及误差测量数据作为源域数据,对于目标域空间只需要将少量的采样位姿及误差数据作为目标域数据,源域数据与目标域数据均用于训练高斯过程回归模型,通过基于加权拟合误差的子空间对齐和自适应权重迭代方法提升迁移学习模型预测精度,根据指定机器人位姿参数预测并补偿机器人定位误差;最后,使用KR160铣削机器人系统进行了误差补偿试验以验证该方法的可行性和有效性,试验结果表明,经过补偿后机器人定位误差1.499 mm降低到0.182 mm,所需机器人采样位姿数目减少了70%,使用铣削机器人加工法兰孔,其轮廓误差和位置误差达到0.269 mm和0.331 mm,该方法可以提高补偿...     

工业机器人定位误差补偿方法与实验研究

针对工业机器人绝对定位精度低无法满足实际应用要求,并综合考虑国外机器人控制系统不开放,而无法在控制器里修改运动学参数的问题,提出一种定位误差补偿方法,基于修正的DH模型,利用激光跟踪仪和奇异值分解法识别出运动学参数.通过改变运动学参数重新进行正解运算,所得的新位置赋予机器人,使其运动到目标点,从而提高定位精度.将这种方法应用在STAUBLI TX90XL型工业机器人上进行实际的测量和补偿.实验结果显示,经过补偿可使机器人平均绝对定位精度由1.685 mm提高到0.215 mm,从而表明该方法的有效性.     

基于装配定位优先级的并联结合面误差建模

分析了并联结合面在装配定位优先级意义下装配误差的形成机理与计算方法。针对常见的平面结合面与圆柱结合面,分析了误差形成和装配精度失效的原因,采用小位移旋量(SDT)法描述了误差变动。针对并联结合面间位姿变动的相互影响,定义了装配定位优先级的概念,并详细分析了并联结合面装配定位优先级的判定依据。根据装配定位优先级确定了并联的各结合面误差组成及计算方法。列举了常见的并联结合面形式,并以一组常见并联结合面的装配误差分析为例,验证了该方法的可行性,为装配体误差分析、零件精度设计、装配成功率计算等提供了借鉴。     

装夹定位误差的补偿方法

在数控机床上，利用数控程序测量，计算和补偿工件装夹定位误差，可降低对工件的装夹定位要求，提高了加工精度和生产效率。文章着重介绍了车床大拖板类异形零件装夹定位误差的测量，计算和数学模型的建立方法。     

基于RBF神经网络的关节转角误差补偿

关节转角误差对关节臂式坐标测量机的精度有非常重要的影响,影响关节转角误差的因素众多,难以用准确的数学模型来描述,为此提出一种采用三坐标测量机标定关节转角误差、基于径向基函数(Radial basis function,RBF)神经网络进行关节转角误差补偿的方法。应用该方法对关节臂式坐标测量机6个关节的转角误差进行离散标定,标定数据训练各关节的RBF神经网络,使用经过训练的RBF神经网络分别对6个关节进行转角误差补偿。试验结果表明经过补偿后关节转角精度提高了约两个数量级,基于RBF神经网络的补偿效果优于正弦函数补偿模型,且其适用范围更广,具有很强的工程应用价值。     

基于移动最小二乘的数控龙门导轨磨床定位误差建模及补偿技术

为提高国产大型龙门导轨磨床精度,针对大型龙门导轨磨床的定位误差,应用移动最小二乘法建立误差模型。移动最小二乘法是形成无网格方法逼近函数的方法之一,生成的曲线曲面具有精度高、光滑性好等许多优点,其建模精度远高于普通最小二乘法（LS）。为实现大型导轨磨床的在机实时补偿,应用外部坐标偏移法对大型龙门导轨磨床定位误差进行补偿。补偿后,大型龙门导轨磨床精度提高89.3%,有效提高了该龙门导轨磨床的加工精度。     

工业机器人定位误差在线自适应补偿

受工业机器人本体结构几何及非几何误差因素的影响,机器人执行末端的实际运动轨迹与其理论规划轨迹往往不一致,这严重限制了机器人在加工领域的拓展应用。另外,通过研究发现机器人除在工作空间上定位误差等级存在差异分布外,在服役时间上随着机器人工作性能的退化也会显著恶化其定位精度。为解决该问题,提出了一种基于定长记忆窗增量学习的机器人定位误差在线自适应补偿方法。在该方法中,首先定量分析机器人定位误差与位姿的相关关系,将工作空间划分为多个位姿区块并创建校准样本库,建立了位姿映射模型的自适应优化机制以克服空间中误差等级差异分布的问题;然后设计了定长记忆窗增量学习算法,克服神经网络模型的灾难性遗忘缺陷,并平衡了在线模式下建立机器人新、旧位姿数据映射关系的精度和效率,解决了机器人性能退化加剧定位误差影响位姿映射模型适用性的问题,从而确保算法的补偿精度稳定在目标精度水平线以上;最后,利用St?ubli机器人和UR机器人对所提方法进行了精度在线补偿实验验证。实验结果表明该方法可将St?ubli机器人的定位误差从0.85 mm降至0.13 mm,将UR机器人的定位误差从2.11 mm降至0.17 mm,明显提高...     

直线电动机工作台神经网络误差场建模与补偿

研究了H型直线电动机工作台的误差测量、建模及补偿技术。首先分析了定位平台的误差来源。采用激光矢量测量方法测量工作台的定位误差;然后用最小二乘法分别建立工作台的分段线性。用BP算法建立神经网络误差模型,利用误差模型构造了各电动机的一维或二维误差校正表;最后。根据误差校正表进行误差实时补偿实验。实验结果表明,经过样本训练的神经网络模型对工作台的误差具有较强的预测能力,将工作台两个方向的定位精度都提高到1μm。     

精密定位平台的系统误差分析及螺距误差补偿方法的实现

简要地介绍了研制的大行程纳米定位系统宏动工作台的组成,详细地分析了其系统误差特性及几种误差补偿方法。实验表明,通过双向螺距误差补偿法可使其定位精度得到较大的改善。