KUKA工业机器人位姿测量与在线误差补偿

工业机器人因其良好的重复定位精度而被广泛应用于堆垛、搬运、焊接等工业领域,但其绝对定位精度低,限制了其在高精度制造领域的应用。通过构建工业机器人误差测量与在线补偿闭环控制系统,对工业机器人的误差进行在线补偿。该方法综合考虑了几何参数和非几何参数引起的误差,提高了其位姿精度。研究基于KUKA机器人传感器接口(Robot sensor interface,RSI)进行位姿误差补偿的性能。通过研究KUKA机器人末端姿态的表示方式,提出一种基于激光跟踪仪测量工业机器人末端姿态的方法,并设计试验研究机器人在其工作空间的位姿误差特点。对搭建的闭环控制系统进行位姿误差补偿试验验证了该系统的位姿补偿效果。试验结果表明,经过第二次在线误差补偿后,其绝对定位精度由原先的0.628 mm提升到0.087 mm,姿态精度接近0.01°。     

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...     

工业机器人误差补偿运动学算法设计

鉴于目前国产工业机器人绝对定位精度较低,为了满足高精度应用,设计了一种误差补偿的运动学算法.以MDH模型为基础,建立几何参数误差与机器人末端位姿误差之间的误差模型.设计了通过雅克比矩阵将笛卡尔空间的位姿误差转换到关节空间的关节各轴的角度偏差,并与名义逆运动学获得逆解相结合的误差补偿运动学算法,可以获得满足误差阈值的作业精度.以自主研发ER3A机器人为误差补偿算法试验对象,经误差补偿后ER3A机器人的绝对定位精度获得明显提高,测量点的位置误差均值从0.5754mm降低到0.2779mm.     

BP神经网络补偿并联机器人定位误差

为减小机构末端定位误差,提高机器人运动精度,分析了所开发的6-DOF精密并联机器人末端位姿的误差来源及以往误差补偿方法的局限性。通过实际测量末端位姿,在精密定位的局部工作空间内,提出了基于BP神经网络的机器人关节空间误差补偿方法。确定了BP神经网络模型,建立了误差补偿的数据样本,并对数据样本进行了标准化,通过实验对比的方法确定了隐层神经元的个数,同时对网络的推广能力进行了验证。经过误差补偿,6-DOF精密并联机器人的平移定位误差下降了80%,转角定位误差下降了60%。该实验结果表明,基于BP神经网络的误差补偿方法对机器人局部工作空间的补偿具有明显的效果,满足精密并联机器人工作的精度要求。     

一种利用位置误差模型的机器人位姿标定方法

针对机器人位姿标定模型中位置和姿态数据的权重不合理导致参数识别精度低甚至发散问题,给出一种直接基于末端位置坐标测量的机器人位姿标定方法,避免了位置和姿态数据量级不同对参数识别精度的影响。采用指数积方法,建立一种包含3点位置信息的机器人运动学模型。通过对运动学模型取微分,利用指数映射微分公式推导出机器人末端3点位置误差与几何参数误差之间映射关系的显示表达并给出参数误差识别方法。采用激光跟踪仪作为测量设备,以UR5机器人为标定对象进行运动学参数标定和验证试验。试验结果表明,机器人末端位置误差模和姿态误差模的平均值分别降低了90%和92%。     

可重构机器人模块间装配误差识别方法研究

基于对可重构机器人配对接口间位姿误差的分析划分,研制模块间装配误差在线测量识别接口,建立配对接口位姿误差与接口几何结构偏差之间的关系模型,进而建立配对接口位姿误差与配对接口内部测距传感器测量值之间的映射关系模型,提出一种基于内部测距传感器位移量的模块间装配误差在线识别、补偿方法.为验证方法的正确性,研制单关节?连杆试验平台.试验结果表明装配误差经在线识别、补偿后,连杆末端的位置误差平均值减少7倍多.     

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.     

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.     

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。     

基于单目视觉的并联机器人末端位姿检测

高效、准确地检测机器人末端位姿误差是实现运动学标定的关键环节。提出一种基于单目摄像机拍摄立体靶标序列图像信息的末端执行器6维位姿误差辨识方法,构造具有平行四边形几何约束的四个空间特征点,并以平行四边形的两个消隐点为约束,建立空间刚体位姿与其二维图像映射关系模型,实现末端位姿的精确定位,然后以Delta高速并联机器人为对象,进行了运动学标定试验,验证该方法的有效性,为这类机器人低成本、快速、在线运动学标定提供重要的理论与技术基础。     

一种并联机器人误差综合补偿方法

针对并联机器人轨迹规划和轨迹跟踪过程中,同时存在机构误差引起的期望轨迹与理想轨迹之间的偏差和非线性摩擦、负载变化等扰动因素引起的动态误差,提出一种并联机器人误差综合补偿方法:在轨迹规划过程中,基于并联机器人位姿误差模型将位姿误差补偿转化为驱动杆参数组合优化问题,进而利用粒子群算法寻优驱动杆参数,修正并联机器人期望轨迹;在轨迹跟踪过程中,设计基于自适应迭代学习控制算法的动态误差补偿策略,实现对期望轨迹的有效跟踪。在Stewart平台下基于ADAMS和Matlab进行仿真试验,在轨迹规划和轨迹跟踪过程中,分别修正期望轨迹偏差并补偿轨迹跟踪动态误差,实现并联机器人误差综合补偿。进一步,基于混联机床进行工件加工试验,验证方法对于提高并联机器人工作精度的有效性。     

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。     

鞋底曲面数据提取与喷胶轨迹的自动生成方法

为快速有效地提取鞋底曲面信息和生成喷胶轨迹,提出一种基于线结构光扫描鞋底曲面的方法。利用线结构光三维测量原理,扫描套在鞋楦上的鞋帮底面,获得表示鞋底曲面信息的点云数据。用B样条曲线拟合出一系列的三维扫描线,生成封闭的鞋底轮廓线,计算鞋底轮廓线在鞋底曲面的偏置曲线得到喷胶轨迹。构建线结构光扫描鞋帮底面的试验装置,计算其在x、y和z轴方向上的测量误差分别为0.094、0、0.015 mm,满足系统精度要求。最后将生成的喷胶轨迹通过坐标变换应用于Stäubli机器人自动喷胶系统,验证了方法的有效性和可行性。     

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。     

基于位姿反馈的三臂空间机器人抓捕轨迹规划

以三臂空间机器人为研究对象,针对经历奇异位形时出现的位姿误差问题,提出一种基于位姿误差反馈的轨迹规划算法。根据系统一般运动学方程并结合动量守恒方程建立系统运动学模型,利用位姿期望指令得到误差运动方程。以关节角速度为控制量,设计了基于位姿误差反馈的控制率,使闭环系统的跟踪误差按指数速度收敛。该方法能够减小机器人奇异点邻域内的位姿跟踪误差,且在离开奇异区域后能完全消除误差。仿真结果证明了该方法的有效性。     

考虑基坐标系误差的机器人运动学标定方法

提出了一种基于机器人几何参数误差与基坐标系位姿误差的六轴串联型机器人误差标定方法.首先基于MD-H方法建立了IRB6700机器人几何参数误差模型,得到机器人连杆几何参数误差到机器人末端位姿误差的映射关系;然后进一步考虑了基坐标系的位姿误差,并建立了考虑基坐标系误差的机器人误差模型;此外,针对传统标定方法操作繁琐、偶然误...     

Plane kinematic calibration method for industrial robot based on dynamic measurement of double ball bar

A new calibration method is proposed to improve the circular plane kinematic accuracy of industrial robot by using dynamic measurement of double ball bar (DBB). The kinematic model of robot is established by the MDH (Modified Denavit-Hartenberg) method. The error mapping relationship between the motion error of end-effector and the kinematic parameter error of each axis is calculated through the Jacobian iterative method. In order to identify the validity of the MDH parameter errors, distance errors and angle errors of each joint axis were simulated by three orders of magnitude respectively. After multiple iterations, the average value of kinematic error modulus of end-effector was reduced to nanometer range. Experiments were conducted on an industrial robot (EPSON C4 A901) in the working space of 180 mm × 490 mm. Due to the measuring radius of DBB, the working space was divided into 30 sub-planes to measure the roundness error before and after compensation. The average roundness error calibrated by the proposed method at multi-planes decreased about 21.4%, from 0.4637 mm to 0.3644 mm, while the standard deviation of roundness error was reduced from 0.0720 mm to 0.0656 mm. In addition, by comparing the results of positioning error measured by the laser interferometer before and after calibration, the range values of motion errors of end-effector were decreasing by 0.1033 mm and 0.0730 mm on the X and Y axes, respectively.     

移动机器人里程计非系统误差不确定性分析方法

移动机器人里程计非系统误差建模是研究移动机器人定位问题的基础。现有的移动机器人里程计非系统误差建模方法多数针对某一种驱动类型移动机器人设计,运动过程中缺乏对里程计累计误差的实时反馈补偿功能,经过长距离运动过程定位精度大幅度降低。基于此,针对同步驱动和差动驱动轮式移动机器人平台提出一种通用的里程计非系统误差建模方法。在假设机器人运动路径近似弧线基础上,依据里程计误差传播规律推导非系统误差与里程计过程输入量之间的近似函数关系,进而对移动机器人位姿跟踪过程中产生的里程计累计误差给予实时反馈补偿。里程计非系统误差建模前后定位过程的对比试验表明,这种非系统误差实时补偿方法有效地减少了移动机器人导航过程中产生的里程计累计误差,提高了定位精度。     

一种基于工具坐标系的机器人运动学参数标定方法

机器人末端执行器位姿误差在基础坐标系中表示时,误差模型中包含姿态误差与位置矢量的乘积项,影响了参数标定识别精度。以工具坐标系为参考系,给出一种基于指数积公式包含关节约束条件的机器人位姿误差标定模型,避免了姿态误差与位置矢量的乘积项对参数标定识别精度的影响。以UR5机器人为标定对象,采用LeciaAT960-MR激光跟踪仪为测量设备,进行参数标定试验。试验结果表明,经参数标定后UR5机器人位置误差模和姿态误差模的平均值分别减小了91.07%和89.16%。