激光跟踪干涉系统基点的直线约束标定方法EI北大核心CSCD

激光跟踪干涉系统的测量精度是工业机器人标定精度的主要影响因素,其基点标定精度决定了激光跟踪干涉系统的测量精度。为了确定基点与激光跟踪干涉系统的准确距离,提出了一种激光跟踪干涉系统基点的直线约束标定方法。建立了基于直线约束的数学标定模型,使各标定约束点分布在同一直线上,可直接应用干涉测量方法获取约束点的精确坐标,使用最小二乘法进行数值解析确定基点距离,该方法具有原理简单、误差源少、测量精度高的特性。针对影响标定精度的各项参数进行了数值仿真分析,优化标定参数,减小标定误差;最终搭建了实验装置评估该标定方法的性能,实验结果表明,激光跟踪干涉系统的基点距离平均值为290.0764 mm,标准差为4.4μm,满足对工业机器人标定的精度需求;为验证该方法的准确性,对API radian激光跟踪仪的基点距离进行比对测试,与其标称值相差3μm。     

基于拉格朗日方程的4-DOF机器人运动分析

以4-DOF串联机器人为例,对影响机器人末端执行器轨迹偏差的各种影响因素进行了分析,同时建立了机器人的误差模型。选取5个任意点作为机器人在搬运物品时的运动轨迹,根据机器人逆运动学来求解方程而得到各个关节的转角变化方程式,计算出机器人的正运动学模型,并通过Matlab仿真得到机器人运动的理论轨迹;应用拉格朗日方程建立机器人的动力学方程,分析了机器人运动时的重力、惯性力影响机器人运动的实际轨迹与理论轨迹的偏差。结果说明,在机器人的设计及制造装配过程中,通过控制结构误差的大小,可以降低机器人在高速运行时的轨迹误差,为不同精度要求的机器人结构设计提供简单、有效的理论支持。     

六自由度工业机器人位姿误差的补偿方法

为了实现工业机器人的位姿误差补偿,在分析了机器人的位置误差和姿态误差的基础上,利用修正后的D-H算法建立了机器人运动学方程,并利用矩阵法建立了机器人的位姿误差分析模型。提出一种将机械结构参数综合映射到关节角度参数的补偿方法,并设计了一套适合此方法的补偿实验。通过对实验结果的分析与计算,验证了该方法适用于机器人位姿误差补偿,大幅度提高了机器人的绝对精度。     

激光跟踪仪测量距离误差的机器人运动学参数补偿

机器人位置精度检测为距离误差检测,检测末端位置指令距离和实际距离之间的误差。为达到提高机器人精度的目的,需对机器人运动学参数进行补偿。文中采用激光跟踪仪检测机器人距离误差,通过研究得出的机器人距离误差模型和实际的运动学参数的映射。Hayati提出的修正的机器人D-H运动学模型中某些参数是不可以辨识的,引入辨识距离误差矩阵的条件数,通过计算条件数,剔除了机器人距离误差运动学参数模型中不可辨识的参数。最后对机器人可辨识的运动学参数误差进行补偿,从而提高了机器人的精度。     

激光视觉传感器的机器人焊缝高精度跟踪系统

以提升焊接机器人焊接精度为目的，设计激光视觉传感器的机器人焊缝高精度跟踪系统。由工业相机和激光传感器、焊接机器人等组成系统硬件架构，获取焊缝激光光源后，将其传输至激光图像传感层。采用激光图像传感器对焊缝激光光源图像进行物理滤波处理，使用工业相机拍摄焊缝激光图像。提取焊缝激光图像特征，依据其特征点位置对焊接机器人进行手眼标定，获取焊接机器人校正向量并将该向量输入到机器人运动控制层内的焊缝跟踪程序内，利用该程序不断修正焊接机器人跟踪行为并向接口电路电机驱动器发送控制跟踪命令，实现机器人焊缝高精度跟踪。实验结果表明：该系统具备良好的启动性能，对焊机机器人手眼标定径向畸变、切向畸变数值均较小，跟踪不同类型焊缝的最低偏差数值仅为0.01 mm,跟踪精度高。     

基于激光定位的机器人加工轨迹规划

随着机械化生产的逐渐实现,加工机器人的应用范围越来越广泛。在此背景下,为提高机器人加工精度,针对基于机器视觉、COMS工业相机以及CAM的三种机器人加工轨迹规划方法无法准确跟踪给定轨迹,导致规划轨迹与期望轨迹存在较大误差的问题,提出一种基于激光定位的机器人加工轨迹规划方法。该方法首先利用激光雷达方法测量机器人与待加工目标之间的相关信息,然后利用激光跟踪仪进行误差标定,最后将误差标定结果作为改进蚁群算法迭代条件,通过多次迭代生成机器人加工轨迹。实验测试结果表明:与基于机器视觉的规划方法、基于COMS工业相机的规划方法以及基于CAM的规划方法相比,基于激光定位的机器人加工轨迹规划方法应用下,规划轨迹与期望轨迹拟合优度提高0. 07、0. 05、0. 08,轨迹定位误差较小,基本达到预期目标。     

虚拟现实和激光传感技术的机器人轨迹跟踪

为了优化机器人轨迹跟踪的准确性,提出了虚拟现实和激光传感技术的机器人轨迹跟踪控制方法。采用虚拟现实技术建立机器人视觉映射关系模型,掌握机器人运行参数状态,把机器人视角设成论域,并把激光传感器所感知的障碍物信息转换至论域中,计算障碍物阻力与目的地引力,控制机器人避开障碍物,跟踪预设轨迹运行至目的地。结果表明,本方法的机器人跟踪精度超过95%,机器人运行轨迹跟踪误差均小于5%,而且机器人轨迹跟踪准确性优于对比方法。     

测量机器人在线动态温度误差补偿技术

为了降低温度变化对白车身激光视觉检测系统测量结果的影响,借助安装在工业机器人基座附近的靶标球,建立基于坐标值误差的温度误差补偿模型.同时考虑到机器人结构特点,分析了连杆参数变化规律,确定存在显著变化的参数.实验结果表明,使用这种标定方法可以使机器人重复定位精度接近标称水平,明显改善了测量系统的工作稳定性,满足在线动态补偿要求.     

机器人位姿测量中激光跟踪仪布局位置研究

应用激光跟踪仪进行机器人位姿测量时,为了减小激光跟踪仪分布位置对测量结果的影响,对激光跟踪仪布局位置开展优化。以ABB IRB1410型机器人为研究对象,规划了其测量区域。通过构建激光跟踪仪误差传递函数,对激光跟踪仪测距误差、测角误差对整体坐标测量精度影响进行分析。通过仿真分析研究了激光跟踪仪不同分布位置下机器人测量区域内测量点整体偏差的分布规律。通过构建激光跟踪仪布局评价函数并基于MATLAB无约束线性优化算法确定了激光跟踪仪最优布局位置主要位于测量区域中心轴线及其延长线附近,并对最优位置相邻区域整体测量偏差的分布规律进行了分析,为机器人现场测量提供一定的参考依据。     

面向特大齿轮的激光跟踪测量精度提升方法

为实现特大齿轮激光跟踪测量精度的提升,采用激光跟踪仪与柔性关节坐标测量臂相结合的测量方式,建立了基于激光跟踪多边测量方法的特大齿轮组合式测量网络。采用柔性关节坐标测量臂蛙跳技术确定激光跟踪仪全局坐标系与柔性关节坐标测量臂坐标系之间的坐标转换关系,实现不同站位下测量臂测量数据的空间配准。引入激光跟踪仪多边测量方法,摒弃其角度测量模块,建立激光跟踪多边测量位置参数标定模型,通过测量冗余数据并对其进行L-M优化迭代,以提高激光跟踪仪的全局控制精度。对建立的组合式测量网络进行仿真实验,分析对比测量数据,组合式测量网络的测量误差平均值为0.007 mm,误差标准差为0.004 mm,相同条件下,使用激光跟踪仪直接测量方法的测量误差平均值为0.044 mm。仿真实验分析表明,该方法显著提升了测量精度,满足了特大齿轮现场齿形测量的要求,具有较好的理论与工程应用价值。     

基于球心拟合的多边激光跟踪系统自标定方法

随着大尺寸工件和设备的制造加工以及装配的精度要求提高,对工件加工装配过程进行测量的测量系统精度要求也有所提高。多边法激光跟踪三维坐标测量系统只利用距离测量数据解算空间点坐标,能够避免激光跟踪仪角度测量带来的误差。文中提出了一种通过在跟踪仪测头挂载夹具进行球心拟合来获取跟踪仪测量原点的方式进行系统自标定,并辅以移站的方式,可使用两台激光跟踪仪构建四站多边法激光跟踪三维坐标测量系统。另外,文中还尝试了三站系统的构建。实验证明,四站系统将对标称长度1000.943 mm位于约20 m处的标准尺长度测量误差由最大110 μm减小至28 μm,三站系统将对标称长度969.045 mm位于约7.5 m处的标准尺长度的测量误差由最大67 μm减小至21 μm,相较于单台跟踪仪提高了精度,相较于传统多边系统降低了测站数量和成本,能够在工业现场实现高精度三维坐标测量。     

基于激光跟踪仪的转台系统几何误差检测

转台系统是多轴机床的基本组件,因此转台系统的几何误差检测对于多轴机床的误差补偿有重要意义。提出了一种基于激光跟踪仪的转台系统几何误差检测方法,利用齐次坐标变换建立转台系统的误差模型,并给出几何误差与空间误差之间的关系。利用激光跟踪仪检测转台上不共线的三个点的空间坐标并得到各点的空间误差,再逆用误差模型,建立了包含六项几何误差的方程组。求解方程组,获得了转台系统的六项几何误差的解析表达式。将检测方法应用于某转台系统的几何误差检测,并通过对比实验证明了该方法的有效性。     

火炮偏离角测量数字化系统

提出了一种用于火炮炮膛轴线偏离射面的角度测量的数字化测试系统,该系统基于激光跟踪仪空间点坐标测量原理,通过对火炮身管指定点三维坐标的测量,结算出调炮前后空间直线方程,从而计算出火炮偏离角,并针对目前GJB方法对火炮炮膛轴线偏离射面的偏离角度测量方法中存在的精度不高、效率低、工作人员多、结构分散等问题进行了分析。与现行GJB方法进行测量实验比较,实验数据表明使用该方法对火炮偏离角进行测量,效率和精度都有明显提高。     

半导体侧泵模块激光晶体内吸收光场分析

建立了半导体侧面泵浦模块中激光晶体的吸收光场分布模型,利用Matlab软件计算了吸收光场的归一化分布形貌,提出了两个重要参数:阵列切向位移量与径向角度偏离度。结果表明:当阵列切向位移量为0~0.5 mm时,晶体相对吸收强度、光场均匀性等参数基本不变;当该数值大于0.5 mm时,吸收强度急剧下降、光场不均匀性急剧增加;相比而言,径向角度偏移对晶体吸收光场分布的影响较小,总体上呈现随着该数值的增加,吸收强度减小、光场不均匀性增加。以上研究结论为目前半导体侧泵模块的研制生产提供了理论指导。     

基于BP神经网络的小角度井斜方位角误差补偿研究

井斜角与方位角是井眼轨迹计算中的主要测量参数,然而与常规井斜时方位角误差相比,小角度井斜下测斜仪的方位角测量误差更大。为了提高测斜仪在小角度井斜下的方位角测量精度,基于BP神经网络算法对5°~10°小角度井斜下方位角的测量进行了补偿。文中以标准井斜角和实测方位角构成的二维向量作为输入,以标准方位角构成的一维向量作为输出,建立了双入单出网络模型。采用随机选取的方式将学习样本分为训练集与测试集,使网络具有较好的泛化能力。仿真测试结果表明,该BP神经网络误差校正模型运行稳定,补偿精度达到10^-6,可将小角度井斜下方位角的测量精度从±5.3°提高至±1.7°以内。     

基于BP神经网络的光纤激光切割切口粗糙度预测

为了研究工艺参量对光纤激光切割切口质量的影响,进行了切割T4003不锈钢试验,分析了工艺参量与切口质量之间的关系。采用基于误差反向传播算法的人工神经网络,建立了激光功率、切割速率、辅助气体压力等工艺参量与切口粗糙度之间的预测模型。对切割试验采集的训练样本进行了网络训练,并利用测试样本对训练模型进行验证。结果表明,随着激光功率增加,切口粗糙度增大;随着切割速率和辅助气体压力增加,切口粗糙度减小。神经网络预测模型精度较高,网络训练效果良好,预测值与试验样本值间的最大相对误差为2.4%。训练后检验精度较高,检验样本最大相对误差仅为6.23%。该模型可有效预测激光切割切口表面粗糙度,同时为合理选择及优化工艺参量,提高激光切割质量提供试验依据。