工业机器人几何参数标定综述

工业机器人几何参数误差是影响机器人作业精度的主要误差源,对其精确标定能够在不改变硬件设备前提下提高机器人绝对定位精度.在深入分析国内外有关几何参数标定方法基础上,根据测量方法的不同将机器人几何参数标定总结为外部测量标定法和自标定法两种.对外部测量标定法从建模、测量、参数辨识和误差补偿方面进行总结;对自标定法从基于空间约束和冗余传感器两个方面展开阐述.分析现有机器人几何参数标定方法存在的不足,提出面向新一代几何产品技术规范(GPS)的机器人几何参数标定发展方向.     

基于模型的工业机器人误差参数标定技术研究进展

 为提高机器人末端控制精度,围绕基于模型的工业机器人误差参数标定技术,总结了其应用在高精度机械加工制造领域时存在的误差参数不完整、标定成本高和标定精度不满足工业需求等关键问题;综述了误差参数标定模型建模方法、机器人末端位姿测量技术、误差参数辨识技术和误差补偿技术4个方面的进展,分析了处理复杂标定任务时基于模型的误差参数模型标定技术的主要难点进行总结,针对传统建模方法不再满足标定需求、现有自标定技术测量精度不够、传统线性辨识算法在辨识矩阵奇异或存在冗余参数时无法得到准确的辨识结果、如何高效获得和处理测量得到的误差数据等难题,提出了可行性解决方案及发展方向。     

基于单维拉线测量系统的码垛机器人定位误差分析及运动学标定

以四自由度码垛机器人为研究对象,基于单维拉线测量系统对该机器人的运动学标定方法进行了研究.采用环路增量法构造了码垛机器人平行四连杆的误差模型,并建立了带关节变量比例系数的运动学误差模型,从而对关节传动误差进行补偿.通过对影响机器人末端位置精度的几何误差参数进行敏感性分析,将几何误差源简化为11项,可有效提高辨识效率.结合单维拉线测量系统的特点,建立了末端运动误差与几何误差源的映射关系,进而提出了一种基于距离测量的参数辨识模型.通过计算机仿真和标定试验对该方法的有效性进行了验证.试验结果表明,标定后码垛机器人位置误差3?值由11.73,mm减小至1.79,mm,运动精度提升84.7%,.     

工业机器人误差建模与仿真研究

误差模型是机器人标定的基础,针对机器人姿态的视觉测量方式,建立了适用于机器人全标定的运动学模型,在此基础上推导了以世界坐标系为标定的基准坐标系且包含所有参数的误差模型。明确指出了误差模型的参考坐标系,解决了仿真上的关键技术,研究了验证误差模型正确性和精度的公式,并对误差模型的正确性和误差辨识精度进行了仿真对比,得到了误差模型的重要特性：误差模型有一定的精度限制;随着测量次数的增加,误差辨识的精度会提高,但当测量次数达到一定数量时,辨识精度提高不明显。     

工业机器人位姿误差建模与仿真

针对机器人姿态的视觉测量方式,建立了适用于机器人全标定的运动学模型,在此基础上推导了以世界坐标系为标定的基准坐标系且包含所有参数的误差模型,指明了误差模型的参考坐标系,解决了仿真上的关键技术,研究了验证误差模型正确性和精度的公式,并对误差模型的正确性和误差辨识精度进行了仿真对比.结果表明:误差模型有一定的精度限制;随着测量次数的增加,误差辨识的精度会提高,但当测量次数达到一定数量时,辨识精度提高不明显.     

基于视觉的六自由度机械臂运动学参数辨识

提出一种新型低成本的基于单目视觉的机器人末端位姿测量方法,设计并实现了六自由度机械臂的运动学参数辨识。采用分级测量方法和标定板绝对编码方法,解决了当前视觉测量过程中测量范围小、测量精度受相机畸变影响大等问题;使用基于位置误差的运动学参数辨识模型和单目视觉测量系统,简化了机器人的标定过程。最后,通过实验验证了方案的实用性和有效性。     

基于VFF-RLS的力传感器的动态特性研究

在科学实验与工业生产中,力传感器动态特性会直接影响传感器的精度,因此研究力传感器动态特性具有重要意义。针对应用于手术机器人的应变式力传感器动态特性难以满足精度要求的问题,文中研究了基于最小二乘参数辨识方法在力传感器振动结构中的应用。由于递推最小二乘（RLS）对于二阶振动系统模型辨识难以同时保证快速性和抗干扰性,文中提出了一种基于可变遗忘因子的递推最小二乘参数辨识方法。首先,通过建立随机振动系统模型,对系统的输入/输出特性进行仿真与分析,确定了遗忘因子函数中的参数,仿真结果表明,文中提出的方法在保持更快收敛速度的同时,使参数辨识误差和收敛预测误差相比于RLS有明显的降低,相比于最小二乘有良好的时变性;然后,在阶跃测试标定法基础上对微创外科手术机器人力传感器的动态参数进行辨识,获得该传感器系统的结构动态特性,即固有频率和阻尼比。实验结果表明,文中提出的方法有较好的收敛性和稳定性,有效地提高了辨识精度。     

基于改进模拟退火算法的工业机器人绝对定位精度提高

工业机器人在抛光大口径光学元件时由于其较低的绝对定位精度,使得加工元件较难达到较高的面形精度．本文提出一种通过考虑测量坐标系与机器人基坐标系之间的转换误差、机器人的运动学误差以及机器人法兰端到工具坐标系的测量误差等多误差源构建工业机器人综合误差模型的校准方法．通过仿真实验与PSO、AFSA、SA算法进行对比,证明改进后的Be-SA算法在辨识误差参数时具有更快的收敛速度和更高的精度．实验结果表明通过Be-SA算法辨识后的KUKAKR120R3900的平均绝对定位误差由2.497 mm降低为0.321 mm,最大绝对定位精度由3.358 mm降低为0.961 mm,构建的综合误差模型在辨识运动学误差参数时具有良好的适用性,改进后的Be-SA算法能有效提高机器人的绝对定位精度,对于磨抛大口径光学元件的性能提升具有重要参考价值．     

六自由度串联工业机器人运动学标定与实验研究

为了提高机器人的绝对定位精度,以RB08型六自由度串联工业机器人为研究对象,在修正Denavit-Hartenberg(D-H)运动学理论的基础上加入减速比和耦合系数建立新的运动学模型,通过机器人末端法兰盘中心的空间位置误差推导出机器人参数误差模型;运用Levenberg-Marquardt算法辨识出误差模型中的误差参数并补偿至机器人控制系统,利用激光跟踪仪设计标定实验,验证标定算法的可行性和准确性。结果表明,标定后机器人末端工具中心点的平均位置准确度提高了80.2%,平均距离准确度提高了74.55%。     

平面三自由度冗余并联机床的分步自标定方法

针对平面三自由度冗余驱动并联机床,提出基于最少参数线性组合理论的分步自标定方法.根据误差模型输出和机构自由度,给出工程中所有常用的测量方式;然后逐一进行辨识性分析,得到各测量方式下可辨识的不同最少参数线性组合;在兼顾辨识完整性和参数辨识性能的条件下,确定出包含分步测量、分步参数辨识、分步误差补偿的分步自标定方法.仿真结果表明: 该方法可完全屏蔽掉不影响终端精度的无关参数,并可提高每步中参数辨识的准确性.最终参数辨识结果与设定值基本相同,验证了该方法的可行性.     

结合精度补偿的机器人优化手眼标定方法

为了解决制造现场机器人高精度视觉测量定位的问题提出了一种结合模型精度补偿的机器人方位与手眼关系同步标定方法。该方法首先将视觉系统与机器人之间的位姿关系即手眼关系以及标定板与机器人坐标系的空间转换关系作为待优化求解对象,用齐次坐标矩阵分别表示机器人运动学正解以及视觉系统与标定板之间的位姿关系,进而构建闭环的机器人手眼关系优化方程;然后,使用三维旋转群表示旋转矩阵,建立了标定模型方程,用非线性全局优化的方式同步得到标定方程中矩阵的旋转和平移初始解,采用最小化相机的重投影误差提高了标定精度;最后,使用机器人运动学标定设备提升了本体的模型精度,再进行视觉标定得到了更准确的标定结果。实验结果表明:该标定方法只需提前示教若干点即可自动完成,操作简易高效;在补偿了机器人本体的臂长和关节零位误差后,算法精度从0.15mm提升至0.10mm。与经典的手眼标定方法相比,所提方法在不同测试数据集下的标定精度和稳定性均最优。     

冶炼机器人位姿标定及运行可靠性

对冶炼用CS-1双臂工业机器人现场使用中的位姿标定及运行可靠性进行了研究．提出了一种简便有效的现场标定计算模型和标定方法对机器人进行位姿标定,由标定变换矩阵补偿同一测点的实际值和计算值的误差,可同时减少机器人定位误差和由臂杆几何参数偏差所引起的运动误差,显著提高需进行连续路径控制的机器人的现场定位精度和位置跟踪精度．此外,提出了用增加机器人现有硬件的冗余功能和设置敏感器件的替代功能以提高机器人现场运行可靠性的方法．实践证明,该方法能提高恶劣环境下易失效部件的可靠度,进而提高机器人的整机使用性能     

电液伺服系统多模型鲁棒自适应控制

针对电液伺服系统中存在不确定非线性和强参数不确定性的问题,提出一种多模型鲁棒自适应控制算法。根据系统参数不确定性范围建立了多个辨识模型,在辨识模型中设计非线性鲁棒项,以抑制干扰、未建模动态等不确定非线性的影响,提高系统的鲁棒性。基于辨识模型设计相应的控制器,采用基于辨识误差的性能指标函数作为切换依据,选取最佳控制器作为当前控制器,解决了传统自适应控制对参数自适应初值敏感的问题。该方法能够克服不确定非线性和强参数不确定性的影响,使系统得到渐进跟踪的性能,提高系统的瞬态响应性能。实验结果表明,该算法能抑制建模不确定性的影响,系统期望跟踪指令幅值为10mm时,跟踪误差大约为0.038 6mm,相对跟踪误差约为0.386%,系统跟踪精度得到了提高。     

基于单目视觉的Delta机器人零点标定方法

针对实际工程应用中少自由度高速抓放并联机器人的精度问题,提出了一种基于视觉测量的快速标定方法.以Delta机器人为例,通过系统分析和机构合理简化,建立了零点误差模型.构造出基于单目视觉平面测量的零点误差辨识模型,借助单目视觉仅检测机器人动平台沿水平面运动时末端x、y向的位置误差,识别出零点误差,进而修改零点位置实现末端位置误差补偿.标定实验结果表明该方法简单、有效、实用性强.     

基于GA-SA算法的机器人几何参数误差辨识

几何参数误差对机器人末端绝对定位精度影响最大,而几何误差参数辨识是一个高维非线性问题,求解困难,所以建立一种简单高效的辨识算法是有必要的,本文提出了遗传模拟退火算法(GA-SA)对机器人几何参数误差辨识。以机器人末端位姿误差最小为目标,采用遗传模拟退火算法辨识机器人几何参数误差,以ABB IRB120为算例迭代1100次,遗传算法在200代陷入局部最优,模拟退火参与后最终适应度为0.0914。误差补偿结果表明：机器人末端位置误差沿X,Y,Z轴方向分别降低了88.05%,81.73%,83.72%,姿态误差分别降低了93.92%,83.64%,83.44%,证明遗传模拟退火算法可以有效辨识机器人几何参数误差,提高误差补偿后的机器人末端位姿精度。     

冗余MEMS-IMU误差补偿技术研究

为提高惯性导航系统的精度和可靠性,设计了一种基于冗余MEMS-IMU的惯性导航系统(3 MEMS-IMU分别斜置安装在正四面体的3个面上),并针对该系统的惯性测量单元(IMU)进行了误差分析,建立了精确的误差补偿数学模型。在此基础上提出了一种标定方法,给出了计算误差模型参数的推导过程以及各误差参数的数学表达式。通过多组试验验证了该方法简单可靠,可以有效估计出各误差参数,并能有效进行误差补偿,标定精度较高,适用于短时间、低中精度导航系统.     

基于间接测量法的制孔机器人的工具参数标定

为了提高工业机器人的工具参数标定精度,该文在机器人运动学模型的基础上,提出了一种基于间接测量的工具参数标定方法。该方法利用空间中两点位姿相对固定的特性,应用机器人运动学模型建立了一个易于直接测量及标定的工具参数和位于制孔刀具轴线上的虚拟刀尖点参数之间的对应关系。通过在标定平板上制孔将虚拟刀尖点相对于世界坐标系的位姿固定下来,以已标定的工具参数为参照推导出制孔机器人的虚拟刀尖点的参数。应用标定结果进行了实际制孔试验,相比传统的工具参数标定方法有效地提高了制孔的精度。     

在轨服务双臂空间机器人的参数辨识

以在轨服务自由漂浮双臂空间机器人为研究对象,根据机器人本体携带的测速敏感器测得本体质心的线速度及角速度,基于线动量及角动量守恒,分别对双臂空间机器人本体和单操作臂(另一机械臂悬空)抓取未知目标卫星的过程进行未知参数辨识.文中对空间机器人模型进行了符号推导建模,分析并解决了利用该方法进行惯量参数辨识过程中的线性方程组奇异性问题,研究了机器人的各类参数对辨识研究的影响,并通过数值仿真验证了参数辨识方法的可行性和有效性.     

基于OpenCV的挖掘机器人摄像机参数标定

为了建立挖掘机器人视觉系统摄像机测量模型,提高视觉测量精度,分析了挖掘机器人摄像机视觉系统内、外参数成像模型及摄像机非线性畸变参数,确定了适合挖掘机器人视觉系统的标定参数。通过采集自制的棋盘标定模板不同方向的七幅图像,基于OpenCV技术实现了对模板角点的提取。通过七幅图像进行标定实验,实验结果获得了摄像机模型的线性内部参数矩阵,标定出了摄像机非线性模型的径向畸变系数,摄像机外部旋转矩阵及平移向量,并给出了标定参数误差。研究结论表明采用角点提取方法,标定误差可达亚像素级,能够满足挖掘机器人视觉系统的标定及视觉测量精度要求。     

基于RBF神经网络的弧焊机器人轨迹跟踪控制方法

针对目前弧焊机器人的控制算法大多是基于关节空间的算法,而这种算法无法实现对机械臂末端位置的直接控制的问题,提出了基于笛卡尔空间的轨迹跟踪控制算法.首先运用RBF(radical basis function)神经网络技术对实际机械臂数学模型的建模误差和参数不确定性进行补偿,接着定义Lyapunov函数并运用HJI(Hamilton-Jacobi inequality)定理设计基于笛卡尔空间的机器人鲁棒控制器.在此基础上以二自由度机械臂为被控对象进行仿真研究,仿真结果表明,基于笛卡尔空间算法的轨迹跟踪控制算法误差小于基于关节空间的控制算法,在基于笛卡尔空间的控制算法的仿真中末端轨迹跟踪误差小于0.08 mm,神经网络能够有效地在线学习机器人的建模误差和参数不确定性.