装配机器人位姿误差补偿的研究

在分析装配机器人位姿误差的基础上,提出了机器人位姿误差补偿模型,最后经实验表明本方法对提高装配机器人位姿精度十分有效。     

工业机器人绝对定位误差补偿技术研究进展

 针对航空制造业中工业机器人存在实际位姿与理论位姿偏差的问题,分析了工业机器人绝对定位误差来源,解析其对飞机零部件连接性能产生的影响,在工业机器人绝对定位误差补偿原理和主要步骤分析基础上,阐述运动学建模、位姿测量、运动学参数误差辨识以及误差补偿等关键步骤对工业机器人绝对定位误差补偿的作用及重要性,对比分析了国内外学者在该步骤中涉及的主流算法和技术,归纳总结各步骤中存在的问题和可能的解决方案,探讨了工业机器人离线与在线误差补偿技术中的不足之处,指出工业机器人绝对定位误差补偿技术的发展趋势。     

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。     

柔性宏/微空间机械手系统的误差补偿

利用一个柔性宏 /微机械手空间机器人结构 ,即在一台大型的柔性宏机械手的末端安装一台小型的微机械手 ,以提高柔性空间机器人的作业精度。基于机器人摄动理论和正、逆运动学理论 ,推导利用微机械手的快速和精密运动消除柔性宏 /微机械手误差的补偿原理。仿真结果表明补偿前 ,宏 /微机械手末端点因弹性杆件变形引起的在 x方向的最大误差近 6 m m,在 y方向的最大误差近 8m m,采用所提出的方法进行补偿后 ,末端误差几乎为零。所提出的误差补偿方法能够有效地提高机器人末端点的定位和跟踪作业精度     

六自由度并联微动机器人全闭环控制系统研究

为了提高基于压电陶瓷驱动的3-PPSR并联微动机器人的定位精度,将一种电容式微位移传感器集成于并联机构上,采用六点式测量法同时得到并联机器人末端六个自由度的位姿.使用微位移循环修正法进行误差分析和补偿,确定初始误差并在此基础上提出了有效的误差补偿方法.在已有的压电陶瓷闭环控制的基础上,利用测量所得的并联机构末端位姿作为反馈信号,采用模糊PID控制法实现了整个机构的闭环控制.     

并联机器人位姿误差分析

利用并联机器人的运动学反解模型,通过误差传递矩阵的求解来探讨机器人主要误差源与其位姿误差之间的关系,建立了并联机器人的位姿误差模型、并讨论了并联机器人主要误差源对位姿精度的影响,为实际误差的补偿与控制奠定了理论基础．     

专用工业机器人关节位置姿态的综合和误差分析

本文讨论专用工业机器人(自由度不足6个)的关节综合,特别是偏置轴线的回转关节位姿的综合问题。为了得到唯一解,所给条件应满足相容性、完备性,还要注意独立性。机器人的位置姿态误差由初始误差、结构误差和位移误差三部分组成,三者相互叠加相互抵消,按其规律寻求相应的调整方案和补偿方法。本文给出全补偿条件和最佳补偿公式。     

精密并联机器人系统误差的分析与补偿

为减小机构末端定位误差,提高精密并联机器人运动精度,以6-HTRT并联机构为结构模型,分析了机构的各种制造误差。首先在机构上开发了一种新型虎克铰链,同时采用了预紧装置;然后在控制系统中引入DSP高性能数据处理器;最后,用矢量构造的方法计算机构速度Jacobian矩阵,用数值法计算位置正解,用构造法计算误差Jacobian矩阵,对机构末端误差进行补偿。通过以上措施,可以使系统的精度提高到机构重复运动精度的3倍左右,满足精密并联机器人工作的精度要求。其中,软件误差补偿算法不受并联机构类型的限制,有较大的适用范围。     

一种可控机构式码垛机器人的间隙误差补偿

基于可控机构的理念,以提高承载能力和运动精度为目的,设计出一种新型可控式码垛机器人。在此基础上,考虑受力变换频繁的两关节处的运动副间隙,依据连续接触模型建立含间隙可控码垛机器人的运动误差模型。利用改进的粒子群算法优化驱动杆位移参数,进而补偿了由运动副间隙引起的结构误差。结果表明,该方法能有效补偿间隙误差,可较好提升码垛机器人的运动精度。     

一种基于交叉耦合的速度控制器

以足球机器人小车子系统为研究对象,通过对足球机器人小车轨迹跟踪误差的分析,建立了考虑轨迹跟踪精度的复合误差模型·提出一种基于模糊推理的交叉耦合误差补偿器的设计原理、算法及实现方法·该误差补偿器在不改变机器人小车内部速度环结构的条件下,通过向各轮提供附加补偿控制量,进而实现提高机器人小车轨迹跟踪的精度·针对足球机器人小车数学模型的仿真实验结果表明,该方法能够有效地提高机器人小车轨迹跟踪的精度·     

基于径向基神经网络的Delta机器人位置精度补偿

针对Delta并联机器人末端控制精度问题,提出一种基于RBF的提高Delta并联机构运动学控制精度的方法。首先对Delta并联机器人的运动学逆解进行分析,探讨了影响控制精度的因素和现有提高控制精度方法的局限性。其次,求解Delta并联机器人的工作空间,结合实际工作,通过试验采集训练样本。以末端实际位置为输入样本,末端的期望位置与实际位置之差为输出样本,进行RBF神经网络模型训练,得到末端实际位置与位置偏差之间的非线性映射关系,基于此设计位置补偿策略。最后,在Delta机器人平台上进行实验验证,使用训练好的RBF网络结合运动学逆解,对Delta机器人末端进行轨迹跟踪控制。实验结果表明,末端控制误差由±30mm减小到±5mm,有效的减少了末端位置误差,为Delta机器人精准控制提供了一种简单易行的方法。     

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。     

存在视场丢失的机器视觉精度补偿方法

无论Eye-in-Hand或Eye-to-Hand型式的机器视觉控制系统,均存在视场受限、丢失等情况,从而无法在一定距离、角度内对目标进行在线视觉测量,进而无法建立全闭环的伺服控制.基于Eye-in-Hand型式的机器视觉控制系统,以及最短测量距离Lmin,提出一种闭环与开环相结合的伺服控制系统:即测量距离大于Lmin时为位置反馈型闭环控制的原位调姿,在测量距离小于Lmin时为位置给定型开环控制,机器人以相对线性运动进给到目标位置.针对该过程中的偏移问题,提出了前馈补偿模型,即利用前期运动数据对运动误差进行估计.实验证明,该方法能有效地补偿定位误差.     

面向轮廓精度控制的误差补偿方法

在分析了常用几种误差补偿方法的基础上,指出基于轮廓度误差的误差补偿方法的不足.从轮廓精度与位姿误差无关的特性出发,提出了一种直接面向轮廓精度控制的误差补偿方法--几何自适应误差补偿,论述了该方法的两个组成部分--轮廓匹配和误差预估,推导出效率很高的轮廓匹配公式.仿真结果表明:所提方法可以减小轮廓误差,提高轮廓精度,并能实现高精度轨迹控制.     

基于前馈补偿的关节机器人轨迹跟踪控制研究

针对关节机器人的轨迹跟踪控制问题,利用前馈控制的思想,设计了常规PID控制前馈补偿项,有效提高系统的跟踪性能。将该方法应用于GR-II型两关节机器人系统,仿真实验表明该控制方法能保证系统良好的轨迹跟踪性能,并能有效抑制干扰,与常规PID控制效果对比,有更好的控制性能。