机器人动态位姿误差在工作空间的补偿算法

本文从机器人末端位姿的理论模型出发,结合实际得到的机器人末端位姿,应用最小二乘法理论,建立了在工作空间对机器人动态位姿误差进行补偿的有效方法.     

基于光学运动跟踪系统的机器人末端位姿测量与误差补偿

针对工业机器人绝对定位精度较低的问题,采用加拿大NDI公司的Optotrak Certus HD光学运动跟踪系统作为机器人位姿的测量设备,提出了一种基于再生权最小二乘法的最优剪枝极限学习机算法,通过该算法将机器人目标位姿映射到修正位姿上,实现了对机器人末端位姿补偿的效果.利用爱普生6轴机器人末端进行实验,在不同速度下完成直线轨迹运动、圆轨迹运动以及离散随机运动,对该误差补偿方法的有效性进行验证和分析.结果表明,该误差补偿方法均能提高机器人的位姿精度,其测试点在X、Y、Z三轴总方向上的绝对位置精度为0.06 mm～0.25 mm,比无补偿时的2 mm～3 mm有了1个数量级的提高;而姿态误差补偿后,其均方根误差和平均绝对误差均减小到未补偿时姿态误差的26.09%.同时,该补偿方法还可有效降低异常值的影响,具有良好的稳健性.     

基于相对坐标的机器人末端位姿测量方法

为了解决机器人末端6维位姿难以测量的问题,提出了一种末端位姿的间接测量方法,并给出了适用条件．该方法只需测量末端平台6个目标点在单方向上的相对位移,便可得到机器人末端的6维位姿数据,而且可以消除测量工具的零值系统误差．分析了各几何误差对测量精度的影响,得到了误差影响矩阵以指导测量精度补偿．最后,以一台6自由度运动模拟器为例验证了该方法的有效性．     

基于Kinect的三维视觉里程计的设计

针对移动服务机器人在未知环境下三维路径估计的问题,设计了一种基于Kinect的实时估计机器人运动轨迹的方法。该方法采用Kinect获取机器人运动过程中连续帧的彩色和深度信息,首先,提取并匹配目标帧和参考帧的SURF的特征点;然后,结合深度信息利用经典P3P问题的方法及改进的随机采样一致性(RANSAC)算法计算机器人的初始6自由度(DOF)位姿;最后,通过非线性最小二乘算法最小化初始位姿内点的双向投影误差来提高位姿精度,进而得到机器人的运动轨迹。同时对比了不同特征点及描述符结合下的里程计精度。实验结果表明,所提方法能够将里程计误差降低到3.1%,且能够满足实时要求,可为机器人同时定位与地图创建提供重要的先验信息。     

基于5G通信技术的巡逻机器人定位误差自动补偿方法

以提升巡逻机器人执行巡逻任务能力为目的,提出基于5G通信技术的巡逻机器人定位误差自动补偿方法。该方法在巡逻机器人工作区域架设5G无线通信网络,并将AD7380型号位置传感器安装在巡逻机器人上,利用位置传感器获取巡逻机器人工作时的位置信息后,利用5G无线通信网络将其传输到用户PC端,得到巡逻机器人位置采样点数据；以该数据为基础,使用拉丁超立方采样方法描述巡逻机器人在其巡逻空间内的位置,得到巡逻机器人空间位置数据；再依据巡逻机器人空间位置数据,计算该机器人预设目标点误差矢量,并构建巡逻机器人定位误差补偿模型,利用该模型补偿巡逻机器人定位误差。实验结果表明：该方法可全面获取巡逻机器人在其巡逻空间内的位置信息,可有效且精准的对其定位误差进行自动补偿,使巡逻机器人定位误差保持在可允许范围内,应用效果较为显著。     

装配机器人高精度定位补偿系统

本文提出了一种机器人高精度定位补偿系统,介绍了一种位姿误差补偿方法.系统采用非接触式位姿精度测量仪测取机器人位姿误差,用 IBM 微机采集位姿误差数据并计算关节补偿脉冲数,通过专用通讯接口将计算机结果传到位移机器人控制系统以实现关节补偿.并采用微位移法确定测量坐标与手爪计算坐标系间的变换.此外还建立了一个供实验用的误差数据库,当机器人工作时,通过周围3关节误差值,用插值法求得该工作点的误差补偿值实现补偿.     

工业机器人的形位检测及精度标定研究

针对传统六自由度机器人进行形位分析与标定研究,采用运动学DH参数法建立机器人运动学位姿模型,利用激光跟踪仪进行机器人空间形位的辨识与减速比数据的采集,结合阻尼最小二乘法进行机器人零位与执行器的标定,通过修改控制器中机器人的末端执行器配置参数,完成传统工业机器人的末端位姿误差补偿,提高了机器人的绝对定位精度。     

工业机器人定位误差规律分析及基于ELM算法的精度补偿研究

针对工业机器人应用于飞机零部件自动化钻孔时绝对定位精度较差的问题,提出利用极限学习机（ELM）算法建立机器人法兰中心点理论位置与实际位置之间的误差模型,并优化补偿机器人定位精度的方法．首先基于空间网格采样方法,获得了机器人绝对定位误差沿机器人基坐标系不同方向的误差变化规律,分析了建模补偿的可行性;其次建立基于ELM算法的误差补偿模型,并针对误差模型训练中隐含层神经元个数取值问题进行了分析优化．实验结果表明,机器人绝对定位误差值沿其坐标系不同方向存在不同的变化规律,补偿前绝对定位误差分布范围为0.29 mm~0.58 mm,平均误差为0.41 mm;补偿后定位误差分布范围降低到0.04 mm~0.32 mm,平均误差为0.18 mm;采用ELM算法建模的补偿速度快,泛化性能好．     

并联机构位姿视觉测量的特征点定位偏差补偿

针对并联机构位姿视觉测量中特征点像点定位偏差大的问题,提出了基于并联机构位姿近似求解的补偿方法。首先,建立了定位偏差的数学模型;然后,根据并联机构小位姿差异时特征点像点定位偏差相近的特点,利用含有定位偏差的特征点像点求取并联机构的近似位姿,从而实现近似补偿;最后,通过仿真实验验证了该补偿方法的有效性。     

基于蚁群算法的并联机器人误差补偿方法

提出一种利用蚊群算法补偿Stewart并联机器人位姿误差的方法.基于闭环矢量法建立Stewart并联机器人位姿误差模趔,通过6个驱动杆的长度误差和铰链误差得到并联机器人的位姿误差.在位姿误差模型的基础上,利用基于网格划分策略的连续蚁群算法,通过信息素更新指导蚂蚁反复搜索,对驱动杆杆长误差进行寻优,最终补偿Stewart...     

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。     

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。     

打磨机器人误差建模与参数辨识

简要介绍了一种实用的机器人位姿误差建模方法一摄动法,并利用此方法建立了打磨机器人位姿误差模型,对利用三坐标测量机测量的误差数据进行了建模补偿。误差参数辨识中,在传统的九线法的基础上,提出了单点法测量机器人的误差参数,克服了九线法中三测量点位置误差对测量结果的影响,提高了测量结果的可信度。实验结果表明,建模补偿后机器人位姿误差平均值降低到初始值的1／5左右,最大值降低到初始值的1／6左右,验证了所建模型的正确性和参数辨识方法的有效性。     

基于RGB-D相机的室内环境3D地图创建

RGB-D相机（如微软的Kinect）能够在获取彩色图像的同时得到每个像素的深度信息,在移动机器人三维地图创建方向具有广泛应用。本文设计了一种利用RGB-D相机进行机器人自定位及创建室内场景三维模型的方法,该方法首先由RGB-D相机获取周围环境的连续帧信息;其次提取并匹配连续帧间的SURF特征点,通过特征点的位置变化计算机器人的位姿并结合非线性最小二乘优化算法最小化对应点的双向投影误差;最后结合关键帧技术及观察中心法将相机观测到的三维点云依据当前位姿投影到全局地图。本文选择三个不同的场景试验了该方法,并对比了不同特征点下该方法的效果,试验中本文方法在轨迹长度为5.88m情况下误差仅为0.023,能够准确地创建周围环境的三维模型。     

机器人的位姿标定及其误差补偿

本文用建立机器人目标空间转换矩阵的方法,通过对机器人几点位姿的标定,从而补偿这几点及以这几点为中心的小区域的误差.这种方法简便实用,仅用标定和增加一些软件的方法可使工业机器人位姿精度大大提高.     

补偿机器人定位误差的神经网络

先进的机器人由计算机执行程序来完成各种作业，靠计算关节变量的函数得到手爪的位姿，这些函数一般不准确，使计算值与实际值有较大误差；重复精度０．１ｍｍ的机器人该误差可能达到１０ｍｍ。已有的机器人运动学误差补偿方法需要分析误差来源，使其参数化，并辨识这些参数，六自由度机器人的这种参数已达７２个之多。本文提出一种机器人运动学误差补偿的神经网络模型，利用改进的误差反传（ＢＰ）学习算法，在ＲＭ－５０１机器人进     

采摘机械臂位置误差补偿方法研究

对采摘机械臂的结构误差补偿作了探讨,提出了基于模糊稳健性的误差补偿方法以及关节最小误差补偿量求解算法,并对5自由度采摘机械臂末端位姿误差补偿进行仿真分析,结果表明模糊稳健补偿后末端位置误差明显减小。     

基于模糊滑模的六足蛇形臂机器人的末端位姿控制

针对六足蛇形臂机器人的超关节极限和位形偏移量大、末端位姿的控制稳定性不好的问题,提出一种基于模糊滑模的六足蛇形臂机器人的末端位姿控制算法。在超冗余运动学逆解空间中建立蛇形臂机器人的运动学模型,采用修正的DH参数法进行六足蛇形臂机器人的末端位姿参数调节和融合处理,建立蛇形臂机器人的末端位姿力学控制模型,在末端跟随运动中采用外环滑模导纳控制方法进行末端位姿的自适应参数调节,采用滑模误差反馈调节方法确定六足蛇形臂机器人的末端位姿,实现六足蛇形臂机器人准确的姿态定位和参量解算,提高控制稳定性。仿真结果表明:采用该算法进行六足蛇形臂机器人的末端位姿控制的姿态校正性能较好,蛇形臂关节的空间位姿自适应调整能力较强,跟随运动准确,具有很好的位姿控制稳定性。     

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。     

并联机器人视觉盲区末端位姿检测方法

为解决并联机器人末端执行器受机构支路遮挡造成的双目视觉盲区末端位姿错误检测问题,提出一种运动学正解结合混合优化RBF神经网络(RBFNN)误差补偿的视觉盲区末端位姿检测方法。首先在非视觉盲区采集RBFNN训练样本,其中运动学正解为输入样本,运动学正解和视觉检测位姿的差值为输出样本;然后进行训练,并采用GWO(Grey Wolf Optimization)算法和LM(Levenberg-Marquardt)算法混合优化权值;最后将训练好的网络用于视觉盲区,通过对运动学正解进行误差补偿以提高末端位姿检测精度。实验结果表明,与未补偿的检测方法相比,混合优化RBFNN补偿后的末端位姿检测方法,其末端位姿分量x,y,z,γ的误差平均绝对值分别降低了54.4%、67.7%、54.7%和52.9%,误差标准差分别降低了52.9%、62.8%、51.9%和58.8%,验证了所提方法的有效性。