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.     

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。     

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．     

面向铣削机器人的低成本精确标定及刀路拟合方法

针对铣削机器人路径轨迹绝对拟合精度低及空间路径拟合会产生刀路误差的问题,提出了一种无须精密仪器即可获得有效标定的方法。研究重点在于提高铣削加工精度。首先,通过重新计算和修正机器人路径轨迹控制点的方式,解决了路径拟合带来的切削误差问题,为接下来的切削测量精度提供了进一步的保障;然后,针对铣削主轴使工具末端位置产生的偏移,在机器人标定模型中加入了自重及外加负载模型,并且特别引入了包含角度数据的约束方程和目标函数,增加了标定数据的全面性并提高了标定效率;最后,利用此方法对KUKA60机器人进行参数标定实验,实验显示,经过标定后的铣削机器人的加工精度得到了显著的提高,铣削方块边长和夹角精度分别从0.520 mm和30分降为0.240 mm和16分,提高了53.8%和46.7%。     

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。     

基于末端转角误差的并联机器人零点标定方法

针对一种4自由度高速并联机器人（Cross-IV机器人）的零点标定问题,提出了一种基于末端转角误差信息的快速零点标定方法．基于机器人的单支链闭环矢量方程,建立了零点误差全集与末端误差之间的映射模型．通过对误差传递矩阵的分解,在仅利用旋转编码器对末端转角误差进行测量的基础上,构建了该机器人的快速零点误差辨识模型．为进一步最大化测量效率及提高辨识矩阵的鲁棒性,提出了一种优化的测量点选择方案．通过仿真详细验证了该零点标定方法的鲁棒性与准确性．基于激光跟踪仪的验证实验表明,经标定后机器人末端位置误差降低至1.312 mm,转角误差降低至0.202°,标定结果表明该零点标定方法简单、有效．     

基于距离精度的机器人5参数位置误差模型

随着机器人离线编程技术的应用，对机器人的位置误差的要求提高了，但在应用传统的方法进行位置误差的标定和补偿时，要涉及到测量系统坐标系与机器人基础坐标系间的变换。由于这一过程很难精确完成，容易引入误差，本文利用距离精度的定义，建立了机器人的距离误差模型，该模型可以避免坐标转换带来的误差，此外，由于精确的几何模型对于机器人精度标定的提高有很大的影响，所以本文将针对传统DH参数的不足之处，采用修正的5参数的MDH模型作为机器人的运动学模型，最后本文对位置误差进行了补偿。     

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.     

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．     

基于深度学习网络的机器人定位误差估计与补偿研究

为了合理补偿机器人定位误差，提升作业能力，该文提出基于深度学习网络的机器人定位误差估计与补偿方法。确定机器人定位采样点，获取机器人末端定位理论位姿，以机器人末端理论位姿作为深度神经网络输入量，机器人末端定位误差作为输出量，利用遗传粒子群算法优化权值与阈值，得到机器人定位误差估计值，并对理论位姿坐标反向迭加该误差估计值，完成定位误差补偿。实验证明，该方法能够有效补偿机器人的位移偏差和关节角度偏差，精准抓取目标物体，并在不同数量采样点条件下，可使不同类型的机器人保持较高的定位精度。