乒乓发球机器人手臂末端位置误差补偿研究

为了有效解决乒乓球发球机器人手臂末端定位误差较低的问题,将乒乓球发球机器人作为研究对象,通过MD-H法和微分变换原理构建位置误差模型,同时组建统一变换函数,分析不同参数误差对手臂末端位置误差的影响程度。在关节空间差值误差补偿的基础上对网络型数据展开拟合处理,依据网格顶点利用关节空间距离权重函数补偿机器人手臂关节在运动过程中的转角误差,将补偿应用到机器人运动规划的关节转角中,最终实现手臂末端位置误差补偿。经实验测试结果表明,所提方法可以有效降低乒乓球发球机器人手臂末端位置误差。     

绳索牵引式并联机器人误差分析及补偿

对6绳索6自由度绳索牵引式并联机器人的误差进行了分析,基于其次矩阵变换法建立了机器人运动学,根据运动学逆解建立了误差模型,得出机器人结构误差以及绳索长度误差和末端执行器运动误差之间的关系,发现运动误差很大程度上是由绳索长度误差引起的,鉴于绳索长度误差不易测量,基于BP神经网络设计了一种绳索长度预测算法,最后介绍了一种末端执行器运动误差补偿方法。仿真结果表明,误差补偿后的运动误差明显小于误差补偿前的运动误差,验证了误差分析和补偿方法的可行性。     

工业机器人误差补偿及冗余参数研究

针对现有工业机器人定位精度较低,提出了通过机器人运动学标定对误差进行补偿的方法。基于D-H运动学模型和微分变换法建立机器人位姿误差模型,然后对误差模型进行冗余参数分析,消除冗余参数得到可辨识的线性方程,最后用迭代最小二乘法进行求解,修正几何参数进而提高机器人定位精度。通过在自主研发的机器人上试验验证,该方法补偿效果明显,增加了参数辨识的准确性和鲁棒性,为机器人标定技术的发展奠定了一定的基础。     

机器人气囊抛光位置误差建模及补偿

针对机器人气囊抛光中抛光压力波动的问题,分析影响抛光压力稳定的因素,提出误差补偿法来降低抛光压力波动对加工面形的影响。首先,分析气囊抛光的运动过程,根据Preston方程建立材料去除函数模型,使用MATLAB对去除函数进行仿真分析。然后针对由机器人末端位置波动引入的系统误差,提出网格式误差补偿法,根据误差数据模型对加工点位进行即时修正,从而降低由机器人引入的抛光压力波动误差。实验数据表明：补偿后机器人末端位置X,Y方向误差波动值分别下降了86.2%,67.6%,机器人末端位置精度明显提高,最终加工面形精度的RMS为0.118λ。证明了该方法能够有效的减小抛光压力的波动,改善加工面形质量。     

装配机器人误差补偿的研究

本文利用误差补偿数据库，对机器人在整个工作空间进行误差自动补偿的方法。按照示教再现机器人和离线编程机器人的不同控制特点，分别提出了工作空间离散点误差补偿的数据库的建立方法，并在ＳＴＪ－１装配机器人验证了上述所提方法的可行性。     

排爆机器人手臂的研制及运动学分析

阐述了排爆机器人作业手臂的结构设计以及运动学分析,建立了相应的运动学模型,并在此基础上求解了机械臂的正、反运动学方程。最后为了验证结构以及运动学分析,用Matlab软件中的Robotics Toolbox对整个系统进行了仿真,结果说明该设计方法是可行的。     

码垛机器人手臂的有限元分析及优化

在码垛机器人手臂的设计中,使用SotidWorks及其Silnulation模块进行建模设计及有限元分析,结合码垛机器人手臂的结构及其性能要求,对分析结果进行深入剖析,并优化码垛机器人手臂结构使其更加合理,达到加快设计周期,设计手段更丰富,产品结构更合理的目的。     

工业机器人参数辨识及误差补偿方法研究

针对工业机器人绝对定位精度较低,提出通过D-H法建立机器人运动学误差模型的补偿方法,因为机器人结构需满足Pieper准则,所以只考虑了机器人误差模型参数中的关节旋转角参数对机器人末端误差的影响,利用最小二乘法辨识出误差模型中真实的关节旋转角从而补偿误差,同时又利用圆周法对机器人误差进行二次补偿,最终将两次修正后的参数补偿到控制器中从而提高机器人的绝对定位精度。该方法在自主研发的六自由度工业机器人上得到验证,定位精度从补偿前的3.55~4.45 mm提高到补偿后的0.924~1.242 mm,补偿效果明显,为机器人精度研究提供了可靠依据。     

机器人手臂运动精度综合分析

喷浆机器人的大臂结构采用了四连杆机构,为了满足其运动过程中对高度定位误差的要求,对机器人各构件的加工尺寸误差、安装位置误差及主动件的运动位置误差在其中的影响程度做了全面分析,为各部分误差经济、合理地确定提供了科学依据。最后,借助概率统计方法,求得了大臂运动过程中定位的极限误差。     

手臂康复机器人的动力学分析

介绍的手臂康复训练机器人可用于因受外伤或疾病造成的手臂运动障碍患者.它可以实现水平面和竖直面的轨迹运动,具有主动和阻尼2种工作模式,能够对肩关节、肘关节进行训练.分析了机器人的结构及其动力学模型,将人的手臂简化为圆台型刚体,关节简化为绕固定轴转动的回转关节,采用Matlab/Simulink的Mechanics构建了包括康复训练机器人和人的手臂在内的整个康复训练系统的动力学模型,仿真结果验证了动力学模型的有效性.     

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。     

2自由度砂轮廓面修形机械手及其误差补偿

沟槽砂轮相对于传统砂轮具有许多优势,但其砂轮轮廓的误差对加工精度存在一定的影响.因此,提出了一种用于数控磨床的砂轮廓面修形机械手,并设计了一种简单、经济的机械手对准测量与静态误差补偿方法.该机械手由水平导轨和垂直导轨两个直线导轨组成;导轨由一个高精度滚珠丝杠驱动,该滚珠丝杠与带有光学编码器反馈的直流伺服马达相连;垂直导轨上装有单点金刚石修整刀具.对准测量方法采用了一个千分表和磨床的数字读数.通过测量机械手形成的轮廓误差,对该误差补偿方法进行了实验验证.结果表明,静态误差补偿方法可将砂轮廓形的轮廓误差减少40％,降低到±10μm的范围内.     

工业机器人定位误差在线自适应补偿

受工业机器人本体结构几何及非几何误差因素的影响,机器人执行末端的实际运动轨迹与其理论规划轨迹往往不一致,这严重限制了机器人在加工领域的拓展应用。另外,通过研究发现机器人除在工作空间上定位误差等级存在差异分布外,在服役时间上随着机器人工作性能的退化也会显著恶化其定位精度。为解决该问题,提出了一种基于定长记忆窗增量学习的机器人定位误差在线自适应补偿方法。在该方法中,首先定量分析机器人定位误差与位姿的相关关系,将工作空间划分为多个位姿区块并创建校准样本库,建立了位姿映射模型的自适应优化机制以克服空间中误差等级差异分布的问题;然后设计了定长记忆窗增量学习算法,克服神经网络模型的灾难性遗忘缺陷,并平衡了在线模式下建立机器人新、旧位姿数据映射关系的精度和效率,解决了机器人性能退化加剧定位误差影响位姿映射模型适用性的问题,从而确保算法的补偿精度稳定在目标精度水平线以上;最后,利用St?ubli机器人和UR机器人对所提方法进行了精度在线补偿实验验证。实验结果表明该方法可将St?ubli机器人的定位误差从0.85 mm降至0.13 mm,将UR机器人的定位误差从2.11 mm降至0.17 mm,明显提高...     

六轴工业机器人的误差补偿方法

提出一种基于误差模型的机器人运动学结构参数和角度参数补偿方法。利用D-H算法建立了机器人运动学方程,推导相对于末端坐标系的机器人运动学误差模型,提出将结构参数映射综合到关节角度参数的运动学参数补偿方法,为了解决补偿过程中各关节角度误差问题,设计了一套基于关节角度校正的机器人运动学参数补偿实验方法,实验结果验证了所提出方法的有效性。     

工业坐标测量机器人定位误差补偿技术

由通用工业机器人和视觉传感器组成的柔性坐标测量系统是视觉检测技术在工业在线测量领域的重要应用。工业机器人的机械结构和控制过程复杂,因此其定位误差成为影响系统测量精度的最主要因素,但可以通过修正连杆参数的方式加以补偿。以MD-H运动学模型为基础,建立机器人工具中心点(Tool center point,TCP)的基于相对定位精度的定位误差补偿模型,避免坐标在不同坐标系转换过程中产生精度损失。对与机器人测量姿态有关的柔度误差进行针对性补偿,通过建立柔性关节的弹性扭簧模型,将柔度误差分解为外加负载柔度误差和机械臂自重柔度误差分别进行补偿。标定过程中使用激光跟踪仪作为外部高精度测量设备,只需在单点测量模式下就能实现对TCP的三维坐标采集,大大简化数据采集过程。经过补偿后,标定点处的方均根误差由之前的1.230 2 mm降至0.428 8 mm,验证点处的则由0.723 6 mm降至0.505 4 mm。     

救援机器人操作臂动态分析与仿真

在阐述救援机器人操作臂机构的基础上,建立了操作臂的拉格朗日动力方程.使用ADAMS软件对其进行虚拟样机动态仿真,得到操作臂在作业过程中各关节驱动力矩的变化规律,为操作臂的设计提供理论依据.     

三维表面扫描机器人误差建模与补偿方法

对于三维表面扫描机器人系统,整个系统的测量误差主要来源于如下几个环节:机器人的本体定位误差、线结构光传感器的数据采集误差和手眼矩阵带来的误差。对于以上环节的各个部分,可以看成是局部过程。不论各个环节或部分的误差为多大,最后的误差均归结于所得到的测量数据。然而,整个系统的误差模型很难通过解析方法得到。为了提高系统的测量精度,通过微粒群径向基神经网络建立系统的误差模型,网络的输入选择激光条纹图像坐标系中的坐标,输出选择为经过迭代最近点算法配准后的最近点与测量点之间的误差。利用微粒群算法优化初始所得的神经元中心和宽度,在相同网络性能的前提下,压缩了网络的规模。在测量过程中利用所建立的误差网络模型将测量误差得以补偿,通过实际的试验验证该方法提高系统测量精度的有效性。     

并联机器人机构研究概述

介绍了并联机器人机构的研究现状和应用,概述了少自由度并联机构的研究,针对国内外对并联机器人的研究,提出了研究中存在的问题和方向。