轴线测量与迭代补偿的机器人几何参数标定

为了提高串联工业机器人的绝对定位精度,提出了采用轴线测量与迭代补偿相结合的工业机器人几何参数标定方法。首先利用激光跟踪仪测量机器人单轴运动的轨迹,将所测轨迹点通过空间投影计算各轴线的位置;然后根据机器人模型参数的几何定义提取机器人模型的实际参数,并采用基于距离误差的迭代补偿方法进行参数标定效果验证。对埃夫特ER10L-C10工业机器人进行标定实验研究,结果表明:机器人绝对定位误差的最大值、平均值和标准差分别从补偿前的4.215、1.932和1.437 mm减小到补偿后的2.979、1.015和1.031 mm,该方法能够简单快速标定出机器人模型的实际几何参数,有效提高了机器人的绝对定位精度。     

串联机器人单点定位精度可靠性研究

为评定机器人定位精度的可靠性，本文根据测量重复性和采样策略对机器人标定结果的影响，采用轴线测量法对六自由度串联机器人几何参数进行标定，应用蒙特卡洛算法对机器人末端单点定位精度的可靠性进行分析计算。结果表明：随着精度阈值增大，串联机器人定位精度的可靠度提升，应用蒙特卡洛算法，能对机器人定位精度可靠性进行准确评估。     

工业机器人运动学参数标定方法仿真

为解决工业机器人标定中存在的成本昂贵、专业性强等问题,提出了一种基于几何约束的工业机器人运动学参数闭环标定法.首先采用D-H模型与MDH模型相结合的方法建立运动学模型,解决D-H模型的奇异性问题.其次,用Matlab对该方法进行仿真,机器人末端执行器上模拟安装一个激光器,将激光瞄准观测平面上一正方形的四个顶点,得到较精确的关节角.最后,根据正方形的几何性质建立标定方程,利用最小二乘法求解参数误差.此方法操作简单,成本低,易于测量,可避免机器人基座标系的校准工作.根据仿真结果,工业机器人绝对定位精度提高了77.87%,从而验证了该方法的有效性.     

机器人定位精度标定技术的研究

机器人末端位姿的精度依赖于各连杆几何参数的精度。为了提高机器人的位姿精度,需要对机器人进行标定,为此必须研究机器人运动学模型的建立方法。基于MDH模型和微分运动学,识别出机器人的各个连杆几何参数误差对机器人位姿精度影响程度,并结合最小二乘算法,对机器人的定位精度进行修正。实验表明,该方法适合对机器人几何参数误差的标定,并且能够提高机器人的综合性能。     

基于激光跟踪仪的协作机器人标定算法与实验研究

为了提高机器人末端绝对定位精度,提出了一种基于激光跟踪仪测量的机器人几何参数标定方法,对协作机器人的参数误差进行辨识和补偿.为了避免机械臂相邻两个轴平行时会出现奇异性的情况,采用了MDH参数法建立误差模型;为了把测量数据定义在同一坐标轴上,结合了机器人工具坐标系转换(靶球中心点相对于机器人末端坐标系的平移变换);进而用...     

模块化六自由度机器人运动学标定与实验研究

针对自主研发的模块化六自由度轻载搬运机器人,使用激光跟踪仪并采用直接标定法进行了运动学标定与实验研究。采用D-H法构建了机器人连杆坐标系和机器人运动学模型,并运用微分变换的方法建立误差模型。通过激光跟踪仪测量机器人末端位置,将其与运动学模型求解得到的机器人末端位置进行比较,验证了误差模型的正确性。然后将误差模型计算得到的机器人连杆参数误差在机器人控制系统软件中进行修正。最后利用激光跟踪仪测量机器人的关节转角间隙误差,将误差值转换成脉冲数并在软件中进行补偿。机器人运动学标定实验表明,使用激光跟踪仪进行连杆参数误差补偿和关节转角间隙误差补偿可以明显的减小绝对定位误差,绝对定位误差降低了69.6%,定位精度有了明显的提高。     

基于线结构光传感器的工业机器人运动学参数标定

针对工业机器人绝对定位精度较低问题,提出一种基于线结构光传感器的工业机器人运动学参数标定方法.首先,将线结构光传感器固定安装在机器人末端,建立传感器测量模型,然后建立机器人运动学模型,通过手眼关系将传感器模型与机器人模型连接组成完整的标定系统模型.其次,使线结构光传感器在不同位姿下对某一固定点进行测量,得到该点在机器人...     

确定智能机器人抓手姿态的几何推理算法

介绍了一种求解智能机器人抓取规划的几何推理算法。该算法基于平面多面体表示的物体几何模型,对物体上的各类几何项(即面、边及顶点)之间的空间关系进行分析,求解出所有无碰撞可抓取的抓手姿态参数(即位置矢量、接近矢量、方位矢量及开度)。并以抓取类型的稳定性和物体重心的空间位置作为启发信息,搜索出机器人抓手在物体上的最优抓取位置,进而确定机器人抓手的最优姿态。     

多传感信息融合机器人标定方法

该文提出一种基于多传感信息融合技术进行机器人运动学标定的方法。首先通过对机器人的指数积(POE)正向运动学模型取微分的方式建立末端执行器的误差模型,利用ROMER-RA7520绝对关节臂测量机和安装在末端工具上的多个传感器分别采集末端执行器的位置和姿态信息;随后根据坐标统一原理将测量机的位置测量数据和多传感器的姿态量测数据转换到机器人基础坐标系下,实现位姿数据的空间配准;接着运用自适应加权融合算法融合处理经过空间配准后的位姿数据,得到末端执行器位姿测量值;最后应用迭代最小二乘法求解出参数偏差。KR5arc机器人标定仿真实验表明:该方法可大幅度提升机器人在任意位姿下的定位、定姿精度。     

融合加权SVD改进算法的工业机器人运动学标定

针对环境或人为因素引入的测量粗差对测量坐标系和机器人基坐标系的转换存在较大影响的问题,对奇异值分解(SVD)算法进行了改进,并将其应用于机器人运动学标定中。以ABB-IRB2600型机器人为研究对象,建立修正型D-H(MD-H)运动学模型和误差模型;通过激光跟踪仪测量得到机器人末端靶球位置坐标,在SVD算法中,根据补偿前位置误差大小对测量数据重新分配权重,转换测量坐标系和机器人基坐标系;使用Levenberg-Marquart(L-M)算法进行了误差参数辨识,并在Matlab中对机器人25个运动学参数进行了仿真补偿。仿真和实验结果表明,加权SVD算法稳定性更优,能够减小测量粗差影响,经标定后机器人的平均绝对误差降低了65.10%,均方根误差降低了65.85%,其绝对定位精度得到了明显提高。     

基于视觉辅助定位的机械臂运动学参数辨识研究

标定机器臂的运动学参数可以有效提高机械臂的绝对定位精度。针对一般平面约束标定方法往往通过手动示教获取测量数据,效率低,提出一种基于视觉辅助定位约束平面的机械臂运动学参数辨识方法。为了弥补双目视觉视场范围狭小的弊端,在约束平面上粘贴3个靶点,以此将对平面的定位等效成对靶点的定位。应用双目视觉系统提取靶点中心并进行立体匹配,得到靶点在机械臂基坐标系下的三维位置信息;同时构建靶点坐标系,以此规划出按一定规律分布的约束点;为了进一步提高标定精度,建立双平面约束误差模型,通过两垂直平面上任意非共线的3个点得到一系列法向量,每一对法向量的数量积为0,即增加了约束方程;利用机械臂对相互垂直的两约束平面自动进行接触式测量,通过改进的最小二乘法辨识出真实的运动学参数误差。实验结果表明,基于双平面约束误差模型,修正运动学参数后,机械臂绝对位置精度由1.234 mm提高到了0.453 mm。该方法实现了数据的自动化测量,大大提高了标定效率,为机械臂批量标定提供了参考,具有工程意义。     

基于视觉标定的包装搬运机器人定位方法

目的为了提高包装搬运机器人的定位精度,提出一种基于机器视觉的末端执行器定位方法。方法基于OpenCV设计一种视觉标定算法,该算法包括摄像机标定和位姿标定,可实现待码放物体图像坐标和机械手坐标之间的变换。结合工控机和运动控制卡设计其控制系统,同时给出硬件设计和软件设计方法。最后进行实验研究,包括原点定位和重复定位。结果实验结果表明,所述控制方法能够提高搬运机器人的定位精度,原点定位误差约为0.14 mm,重复定位误差约为0.6 mm。结论该搬运机器人定位方法能够满足包装码垛要求。     

面向机器人标定的单激光跟踪仪顺序多站式测量系统建模与分析

为实现大型串联工业机器人的高精度标定,搭建了一种单激光跟踪仪的顺序多站式测量系统。该系统仅需单台激光跟踪仪,先后在不同的基站位置对工业机器人的末端位置进行独立测量,并基于多边测量方法计算机器人的末端位置。计算过程中仅需激光跟踪仪的距离信息,有效地优化了末端位置的测量不确定度。首先,建立了该测量系统的仿真模型,深入地分析了测量点的数量与分布形状、测量距离以及工业机器人定位精度等因素对系统测量精度的影响;然后,依据分析结果确定单激光跟踪仪顺序多站式测量系统的搭建方案。实验结果表明:该系统在2.5 m距离上的测量误差仅为0.023 mm,优于激光跟踪仪的测量精度,满足大型串联工业机器人参数标定的测量精度要求。     

包装生产线用码垛机器人智能定位方法

目的 为提高包装生产线中码垛机器人的智能定位精度,结合图像处理和智能算法设计一种码垛机器人定位方法.方法 分析码垛机器人基本结构和工作流程.介绍一种适用范围广的快速手眼标定方法,可通过图像处理得到物料实际位置.设计一种模糊神经网络控制器,用于消除实际抓取位置和理论计算位置之间偏差.采用遗传粒子群优化算法来解决控制器参数初始值优化问题.通过实验验证智能定位方法的有效性.结果 试验结果表明,实际抓取位置和理论计算位置之间偏差可控制在0.5 mm以内,实际分拣速度最高支持180个/min.结论 所述视觉码垛控制系统可实现工作区域内物料的定位和识别,几乎不会出现漏抓、误抓等情况,满足精度要求.     

基于并联机器人的块状食品包装定位方法

目的为提高包装过程中并联机器人定位精度。方法基于自抗扰控制设计一种机器人末端执行器定位方法。在传统并联机器人结构的基础上配置2台工业相机。根据双目立体视觉检测原理来确定块状食品在生产线上具体位置。为避免干扰因素降低机器人末端执行器抓取精度,设计一种自抗扰控制器,主要包括跟踪微分器、非线性反馈器、扩张状态观测器。最后,搭建实验平台并进行相关验证。结果实验结果表明,实际位置与抓取位置之间偏差距离的最大值为0.3 mm;平均误差只有0.20 mm。所设计自抗扰控制器与PID控制器相比,响应时间仅增加了1%,平均抓取精度却大幅提高。结论所述基于并联机器人的块状食品包装定位方法可使末端执行器在非常短的时间内到达指定位置;运动过程稳定、可靠,不会出现振动现象,可确保抓取精度。