基于极小极大算法的双臂机器人精度提升方法

针对双臂机器人绝对精度和协作精度的指标要求,基于激光跟踪仪测量的双臂末端三靶球点位数据,使用极小极大的搜索算法,提出了鲁棒的双臂机器人运动学几何参数校准方法。该方法分两步:首先,分别对左右两臂的几何参数进行校准,在左(右)臂末端安装三个靶球,以三个测量点中的最差绝对定位误差为指标函数建立非线性优化问题,确保校准结果的鲁棒性并提高机器人末端的定向精度,采用二次序列规划法求解;然后,对左右两臂间的坐标准直进行校准,以三靶球中左右臂间的最差协作定位误差为指标函数,采用极小极大算法提升双臂间的协作位姿精度。

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0.1709 mm和0.0509 mm。双臂平均协作定位误差减小至0.1676 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。