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...     

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.     

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.     

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。     

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。     

一种四自由度并联机构的误差分析及其标定补偿

针对一种四自由度并联机构进行了运动学分析,在此基础上以摄动法建立了其误差模型,明确了各误差源对末端位姿的影响．在对并联机构的标定技术进行简单介绍后,说明了对该机构误差模型中的机构参数进行标定的两种方法,介绍了标定装置、标定算法及标定过程．最后采用Matlab对基于逆解的标定方法进行了仿真,并对仿真结果进行了分析．     

基于误差分布估计的机器人手眼标定方法研究

精确的机器人手眼标定对于机器人的视觉环境感知具有重要的意义。现有算法通常采用最小二乘估计或全局非线性优化求解方法对机器人手眼系统的变换参数进行估计。当系统存在测量粗差时直接采用最小二乘估计会导致标定结果精度的下降;基于全局非线性优化策略的标定算法则由于数据粗差的影响,求解过程易过早收敛也会造成标定精度低。为了解决误差粗差敏感的问题,提出了一种基于误差分布估计的加权最小二乘鲁棒估计方法,以提高机器人手眼标定的精度。首先,通过最小二乘估计计算手眼变换矩阵;之后计算每对坐标对应的误差值;根据误差值的分布概率初始化对应坐标数据的权值;最后采用加权的最小二乘估计重新计算机器人手眼标定矩阵。最后引入迭代估计策略进一步提高手眼标定的精度。设计的机器人手眼标定实验及结果证明,所提算法能够在数据粗差影响下保持较高的标定精度,更适用于机器人的手眼标定问题。     

机器人立体视觉系统标定误差预测补偿技术

针对立体视觉系统在定位应用中存在标定步骤繁琐、耗时长及误差较大等问题,对机器人手眼单目激光立体视觉系统标定误差补偿进行研究。首先,对现有的摄像机标定、手眼标定和激光平面标定模型进行分析,在方便提取整体标定误差的前提下,组合出一种以“棋盘格&激光条纹”混合图像为基础的整体视觉系统快速标定方案。然后,对该视觉系统标定结果产生的误差进行分析与提取,提出一种从像素坐标和重建定位坐标到整体标定误差坐标的BP神经网络预测模型,利用该模型对标定方案产生的误差进行预测和补偿,提高整体标定精度。最终,焊缝位置测量实验表明,该方法可较大程度提高标定精度,在低精度设备的条件下实现同等精度的立体视觉系统标定。     

机器人运动学标定综述

从基于运动学模型的几何参数标定、机器人自标定、神经网络的正标定和逆标定三个方面,对机器人运动学标定方法及其研究现状进行了分析总结。详细介绍了每种标定方法的特点、存在的问题以及研究现状。最后对多机器人协作系统的标定以及运动学标定的发展方向进行了简要论述。     

工业机器人末端误差补偿研究

在分析工业机器人工作空间的基础上,讨论工业机器人的位姿误差补偿问题。主要内容包括误差补偿的原理、补偿过程以及补偿结果的分析,利用Crystal Ball对PUMA六自由度工业机器人的关节角进行了随机误差的仿真。     

工业用并联机器人位置正解的精确求解

利用工业用6-DOF并联机器人位置反解易于获得这一特性,把较难的六自由度并联机器人位置正解问题转化为应用位置反解结果作为训练样本进行学习,从而实现机械手从关节变量空间到工作变量空间的非线性映射。文中以工业用6-DOF并联机器人为例,采用BP算法对其正解进行了求解,并利用Matlab进行仿真,结果表明该方法计算精度高,克服了数值解法的求解精度受初值影响较大的缺点。经过验证,BP网络的求解精度满足了控制精确的要求。     

L型阵列通道不一致及阵元位置误差的联合校正方法

针对L型阵列中通道不一致和阵元位置误差同时存在的情况,利用辅助阵列和校正源,提出一种L型阵列通道不一致和阵元位置误差的解耦合估计方法.该方法计算量小,不需要误差参数的任何先验知识,且校正源的位置可以未知.理论分析和仿真结果表明,提出的方法能很好地解决L型阵列中通道不一致和阵元位置误差的联合校正问题,且两种误差的估计精度高.     

基于模糊控制的抛射机器人位置校准研究

针对抛射机器人距离目标位置较远,在位置校准过程中容易出现目标位置判断不准、校准速度慢等问题,提出了定距离的位置校准方式.在选用高精度激光扫描仪提高位置判断精度的基础上,构建了精准的数学模型,同时在算法中加入了模糊控制.试验结果表明,该装置位置校准效果理想,符合机器人的抛射需求.     

基于FANUC机器人的工具坐标校准

阐述了在FANUC机器人使用环境下,进行工具校准的一种实现方法,以及提出了满足课题要求的软硬件解决方案。经过现场实际运行,满足了生产实际需要,该方案是一种方便高效的机器人工具坐标校准方案。     

机器人标定算法及在打磨机器人中的应用

首先介绍了机器人位姿匹配的基本原理,以及两种通用的机器人几何参数标定的优化算法：非线性优化方法和递归线性方程法,并分别利用这两种优化算法对打磨机器人的几何参数进行了标定．在此基础上,通过分析影响打磨机器人位置误差的因素,从参数集中剔除对位置误差影响不敏感和无法区分其影响效果的因素,再采用前述优化算法对机器人几何参数进行标定. 仿真结果表明此标定效果和前者相比无显著差异,在一定情况下甚至优于前者．因此在标定过程中,可以采用把冗余参数去除来对机器人进行精确标定．     

基于两条平行线段的摄像机标定

提出了一种基于空间平行线段的摄像机标定算法和理论. 1)当两条平行线段的比值已知时: a)该平行线段的$n$幅图像可提供关于摄像机内参数的2(n-1)个二次约束方程; b)如果图像极点同时也是已知的,则该平行线段的n幅图像可提供关于摄像机内参数的5n-6个约束方程,其中3(n-1)个为二次约束,n-2个为三次约束,n-1个为四次约束. 2)当两条平行线段的比值未知时,则该平行线段的n幅图像可提供关于摄像机内参数的2n-3个约束方程,其中n-2个为四次约束, n-1个为六次约束.在理论分析的基础上,本文给出了摄像机标定的具体算法.模拟实验和真实图像实验均证明了本文方法的可行性.另外,鉴于在很多真实场景中均存在平行线段,因此本文所得到的结果不仅具有理论意义而且也有一定的实用价值.     

测程法系统误差的测量与校核

在UMBmark校核算法的基础上定义了测程法系统误差模型 ,提出了详细的算法来计算差分移动机器人的系统参数及对应的纠正系数 .试验结果表明 :本文提出的方法比UMBmark校核方法更能提高测程法的定位精度 .     

3-RRR并联机器人的精度分析与仿真

目前有关并联机器人精度方面的研究工作还比较薄弱,为采取有效措施提高并联机构的精度,通过对3-RRR并联机器人机构的分析,针对传统D-H参数法的局限性,采用微分理论,建立了该并联机器人机构的精度模型,通过计算机仿真,针对单条支链多个结构参数误差,比较全面的分析了结构参数对输出位姿误差以及位姿变化对机器人机构精度的影响。分析结果为：机构中所有结构误差随着X轴正向增大而单调增大;运动支链在关节转角处的误差单调上升的比其他结构快。为该机器人机构实际误差补偿与控制提供了理论依据。