一种新的机器人机构距离误差模型及补偿算法

在标定机器人绝对位置精度和实施误差综合补偿过程中,必然涉及到测量系统坐标系与机器人基础坐标系间的变换.由于这一变换很难精确测定.从而给机器人绝对位置精度标定与误差补偿带来了难以克服的困难.本文首次提出了一种新的机器人机构距离误差计算模型及补偿算法,论证了距离误差同样可以作为机器人绝对位置精度的一种度量.利用该模型和算法对机器人进行误差分析和实施误差综合补偿,可避开上述测量系统与机器人系统间的坐标变换,从而简化了机器人绝对位置精度的标定过程,为提高机器人的绝对位置精度开辟了一个新的简便的途径.     

距离误差模型在机器人精度研究中的应用

从所周知，空间任意两点在不同正交坐标下的坐标是不同的，但其距离却是相同的利用这个特点可以构造机器人的距离误差模型，研究表明，距离误差模型对于研究机器人的位置精度具有事半功倍的效果，本文论证一般机器人距离精度与位置精度间的单值对应关系，并给出了机器人距离误差模型在ＰＵＭＡ５６０机位置误差补偿中的应用情况。     

应用于机器人标定的主动式靶标装置设计与精度优化

激光跟踪仪是工业机器人标定技术中常用测量设备,但其测量范围受限于被动式靶标的激光光线接收角度,进而影响了机器人的标定精度。为解决该问题,设计了一种具有三自由度的主动式靶标装置,并提出了一种精度优化方法,有效地补偿因装置的装配而引入的测量误差。该方法利用圆点分析法初步辨识主动式靶标装置的DH参数,基于距离平方误差模型法对该装置进行DH参数的精辨识,并基于坐标系转换将主动式靶标装置的位置误差补偿到激光跟踪仪输出的位置向量,从而实现误差的补偿。通过实验验证了该主动式靶标装置能够有效地扩大工业机器人关节的被测范围。所提出的精度优化方法能够将该装置的测量误差降低9331%,实际定位精度为00507 mm,能够满足机器人标定的精度要求。     

基于参数与非参数模型结合的双臂机器人协作定位精度提升方法

双臂协作机器人系统具有效率高、负载大、协同能力强等优点,但双臂作业性能及质量不但受单臂定位精度的影响,而且受双臂协作定位精度的影响,因此,本文提出了一种基于参数与非参数模型相结合的运动学标定方法。首先,基于MDH(modified Denavit-Hartenberg)方法建立机器人运动学模型和参数误差模型,去除模型中的耦合参数并基于迭代最小二乘法辨识几何参数误差;其次,针对传统的非几何误差补偿方法只能在标定坐标系建立关节位置与末端位置误差之间的映射关系的问题,提出一种改进的非几何误差补偿方法补偿机器人本体非几何误差;再次,基于距离误差辨识双臂基坐标系转换矩阵的参数,补偿双臂几何误差与非几何误差;最后,通过实验验证方法的正确性和有效性。结果表明所提出方法将UR10和UR5机器人的平均定位误差减小至0.170 9 mm和0.050 9 mm。双臂平均协作定位误差减小至0.167 6 mm,与基于参数模型的方法相比协作定位精度提升了27.7%,验证了该方法的优越性。     

基于HALCON的机器人手眼标定精度分析与反演方法

通过视觉引导机器人完成抓取任务,机器人手眼标定的精度直接影响了抓取任务作业精度和抓取成功率。对于基于位置的机器人视觉引导系统,手眼标定的任务则是确定机器人坐标系与相机坐标系之间的位姿关系。通过HALCON平台,使用线性标定法实现了6DOF机器人的手眼标定。对手眼标定的结果进行反演,直观地展示了手眼标定的精确程度。最后通过采集多组不同数量的图片,在HALCON平台下验证了不同摄像机模型对手眼标定的精度影响,以及同种摄像机模型在不同数量图片的情况下手眼标定的标定精度。实验证明,根据位姿矩阵中待求解的未知量个数采集合适数量的图片和使用更精确的摄像机模型能够提高手眼标定的精度。     

机器人理论关节参数的标定方法及软件设计

本文研究了机器人机构理论控制模型中采用的D-H关节参数的标定方法,并编制了相应的计算机应用软件。应用这一方法和软件标定机器人的理论关节参数,对机器人实施误差综合补偿,提高机器人的精度,是特别重要的。对PUMA 562机器人进行了实测与标定。     

基于多种群协同进化算法的绳索牵引并联机器人末端位置误差补偿

对于绳索牵引并联机器人来说,影响其末端位置精度的模型不确定性主要包括几何参数误差和非几何参数误差.这两种不同类型的误差具有非常强的非线性且相互耦合,难以通过传统的标定手段来进行参数标定.针对这一问题,提出了一种基于神经网络的末端位置误差补偿方法.将两种不同类型的参数误差等效视作伪误差,通过神经网络来逼近伪误差造成的末端位置误差曲线,建立末端位置误差与绳索长度之间的映射关系,并在关节空间中进行位置误差补偿.为了提高神经网络的拟合精度,设计了基于多种群协同进化算法和反向传播算法的神经网络优化方法,该优化方法能够同时优化网络的权值、阈值和结构,提高神经网络的泛化能力和拟合精度.在实际3自由度绳索牵引并联机器人上进行了位置误差补偿实验,结果表明补偿后的位置误差均值从6.64 mm下降到1.08 mm,轨迹误差均值从7.5 mm下降到1.6 mm,末端位置的精度得到了显著提高.     

机器人逆标定方法研究

在分析传统机器人位姿标定方法的基础上，提出了一种新的机器人标定方法：基于神经网络的逆标定方法。这种标定方法把机器人实际位姿和相应的关节角误差分别作为前馈神经网络的输入和输出来训练网络，从而获得机器人任意位姿时的关节角误差值，通过修改关节值来提高机器人的位姿精度。这种标定方法把所有因素引起的误差均归结为关节角误差，无须求解机器人逆运动学方程，实现了误差的在线补偿。把标定结果与基于运动学模型的参数法的标定结果进行了比较分析。仿真和试验结果均证明了这种方法比传统方法标定效果更好，且更方便简单，避免了其他传统标定方法繁琐的建模及参数辨识过程。     

基于双目视觉动态跟踪的机器人标定

采用双目视觉动态跟踪技术对自主研发的工业机器人进行运动学标定。区别于以往机器人运动学标定中复杂模型计算,在此利用双目视觉动态跟踪系统的静态测量和动态跟踪等优势特性来跟踪测量机器人的连杆参数误差,结合机器人控制系统开放性特点,运用提出的动态标定原理对机器人实施连杆参数测量、辨识、修正及补偿。实验表明,通过参数反馈补偿,自主研发的机器人的定位误差明显降低,且该方法易于实现,为机器人精度研究提供了可靠依据。     

6自由度串联机器人D-H模型参数辨识及标定

为了提高串联机器人的末端绝对精度,本文首先采用轴线测量法识别机器人D-H参数模型,继而将D-H参数转化为最小完整连续运动学(CMMK)模型参数,并进行非线性优化,以解决D-H参数模型奇异和冗余带来的非线性优化不易收敛问题,最后,将优化后的CMMK模型参数转化为工业标准的D-H模型参数,再经过补偿后将其作为设计模型以获得更高精度的定位.通过在MOTOMAN-MH80机器人上进行试验,该方法能确实有效地识别机器人的杆件参数,未标定前机器人的位置误差只能达到2 mm左右,而标定后降至0.7 mm左右,精度提高了将近70%.本文方法通过轴线测量获取机器人模型参数初值,避免了对机器人进行理论建模的过程,与运动学回路法相比,具有较高的通用性;采用最小完整连续运动学模型进行标定,能有效解决D-H模型奇异性、非连续、不易收敛到正确值的问题.     

基于无模型自适应控制的视觉伺服

传统的机器人视觉伺服控制技术需要已知机器人精确的动力学和运动学模型以及机器人的手-眼参数。然而,由于机器人建模、手-眼标定等过程存在一定误差,因此很难精确获得视觉伺服控制模型,从而影响机器人视觉伺服系统的精度和收敛速度。针对这一难题,本文提出一种基于无模型自适应控制方法（MFAC）的机器人视觉伺服技术。利用视觉伺服系统的输入与输出数据,实现自适应视觉伺服控制,即通过MFAC在线估计机器人伺服控制器中的雅各比矩阵,并结合滑模控制器,实现机器人对目标的快速精确跟踪。实验结果表明,本文提出的方法在系统参数变化引起的未知扰动情况下仍能保证伺服控制器平稳收敛,并且能够减小视觉跟踪误差。     

计算机视觉在并联机器人运动学标定中的应用

为提高并联机器人运行精度,研究利用计算机视觉标定并联机器人运动学参数的方法。首先对Delta型三自由度并联机器人进行运动学分析。然后采用光学照相机为传感器,在机构处于不同位姿状态下对固定于动平台上的标定板进行拍照,通过相机标定以及相应的坐标变换方法,求出动平台中心在基坐标系中的位置。最后利用机器人逆运动学模型、自定义的误差方程和非线性最小二乘估计,获得运动学参数。实验结果表明,该标定方法成本较低,标定方法简单、有效。     

基于PMPSD的工业机器人几何参数标定方法

针对由几何参数不精确引起工业机器人绝对定位精度低的问题,提出一种基于位姿修正位置敏感探测器的几何参数标定方法。通过建立误差运动学模型,使用位置敏感探测器(PSD)装置进行数据采样,利用位姿修正原理对末端激光器位姿和关节转角进行修正,构建模型约束目标函数,运用LM算法计算得到几何参数误差,修正几何参数名义值。实验结果表明,该方法避免了PSD反馈控制,能够快速实现工业机器人几何参数标定,定位平均误差和标准差分别为78.28%、76.38%,有效提高了机器人的定位精度。     

基于磁通量法索力测量模型参数的调适研究

针对磁通量法索力测量模型单次标定精度稳定性低、多次标定取平均又对样本信息利用不充分的缺点,提出了模型参数调适法.分别对多组标定样本线性拟合得多个模型,再采用交叉测试得各模型每级误差均值,最后基于最近距离和最小误差均值,为实测感应电压分配模型参数.18℃时,在试验机上利用磁通量传感器测量钢绞线多次加载下的感应电压,根据获得的标定、测试样本,对单次标定、平均标定和模型参数调适测试对比.结果表明,平均标定比单次标定具有稍好的精度稳定性,而模型参数调适测试误差均值和标准差较平均标定分别提高了1.6378、1.9411倍,验证了模型参数调适法具有更加稳定的较高测量精度,对拉索桥索力精确监测具有重要的工程应用价值.     

排爆机器人机械臂定位精度误差自动补偿方法研究

针对于排爆机器人在进行排除爆破物质时,机械臂不能满足绝对准确的定位要求,位置检测精度与实际距离之间存在一定的误差。为了解决这一问题,提出排爆机器人机械臂定位精度误差自动补偿方法。基于D-H运动模型和微分变换法创建排爆机器人机械臂位姿误差模型,对误差模型进行重复参数分析,去除重复参数获得可辨识的线性方程;在可辨识的运动学参数误差模型线性方程中加入一个增量进行误差补偿。最后通过仿真实验结果表明,所提方法通过对机械臂位姿误差模型进行有效补偿,使排爆机器人机械臂绝对定位精度均值提升1.3mm。     

足球机器人全局视觉系统的快速标定方法

针对足球机器人全局视觉系统的特殊应用场景,提出了一种基于两步法简化标定模型的快速有效标定算法。利用近似欧拉角旋转矩阵建立摄像机标定模型,确定需要求取的摄像机内外参数,借助场地上现有的一些标志点作为靶标,对模型的相关参数进行分步求取初始值,并利用L-M优化算法对摄像机内外参数进行分步优化求取精确值。通过实验分别从标定误差和机器人动作实现效率两个方面与其他标定算法进行对比,验证了该算法具有较高的标定精度。实验表明,本算法的优点在于不用借助专门的标定靶标,即可快速有效完成相机标定,标定精度可达1mm,且标定过程简单易实现。     

五轴磨抛机器人补偿算法研究与实现

通过分析基于模型的补偿方法和非模型补偿方法的优缺点，结合一个五轴磨抛机器人的结构特点，提出了两种补偿方法相结合的混合补偿算法．针对平移关节误差的主要来源难于建模的特点，采用非模型的方法进行补偿；针对转动关节误差主要来源为几何参数误差，能够建模，但有些参数随机器人末端位置不同而变化的特点，采用二者相结合的混合方法进行补偿．通过对该机器人系统的实验，验证了方法的有效性和可行性．     

一般7R串联机器人标定的仿真与实验

为了标定一般7R冗余度串联机器人的所有几何参数,提出了一种实效的算法．首先,使用D-H矩阵对机器人建立了运动学模型和几何参数识别模型,对雅可比矩阵进行奇异值分解并对分解后的正交阵的最后5行进行初等行变换,以确定需要补偿的几何参数．通过机器人关节角和末端手爪位置的测量数据,计算雅可比矩阵以及手爪位置理论值和实测值的误差,采用最小二乘法对机器人的尺寸参数进行补偿量的计算．仿真过程表明,在有测量扰动的情况下,算法是稳定的和可靠的．最后,对机器人进行了实际的测量和标定,取得了满意的结果．     

基于时延补偿机理的工业机器人视觉跟踪控制系统

为提升机器人抓取精度,基于时延补偿机理设计工业机器人视觉跟踪控制系统。通过摄像机与机械臂之间的坐标系关系标定摄像机的外部参数;对工业机器人的运动情况进行建模,机器人机械臂在运动过程中产生坐标系变换,利用齐次坐标变换矩阵描述机械臂连杆运动位姿,引入模糊时延补偿算法,提高机械臂跟踪控制精度。系统性能测试结果表示：针对不同形状和位姿角度的物体,设计的系统在抓取过程中能够逐渐缩小误差,最终提高实验中的成功抓取次数,验证了设计系统的可靠性。     

考虑结构变形的机器人运动学标定及补偿

针对一种3P3R型串联机器人,建立了参考零位模型与DH(Denavit-Hartenberg)模型的混合运动学模型,将直线运动部分与旋转运动部分分开建模,能够更好地描述机器人不同机械结构的几何关系,在此基础上提出了结合几何辨识和参数辨识的两步标定方法.然后,结合机器人的机械结构特点,分析了机器人在操作大型零件过程中的结构变形,并提出了考虑结构变形的运动学补偿模型.最后,使用激光跟踪仪完成了机器人标定实验,通过对比空载和加载情况下的定位误差,验证了运动学标定和补偿的效果.结果表明,混合运动模型采用两步参数辨识能够在空载情况下取得较高的标定精度,而运动学补偿模型则能够在加载情况下对运动学进行较好的变形误差补偿.