基于平板标定工具的机器人工具中心点标定方法

为在工业现场便捷、准确地获取工具中心点(tool center point,TCP)参数,降低机器人末端工具的定位误差,提出了一种基于平板标定工具的机器人TCP标定方法.利用机器人TCP与平板多次触碰所形成的空间触点应共面的约束条件,建立了机器人TCP参数标定模型;针对TCP名义参数未知和已知的情况,分别提出了基于粒子群算法的TCP直接求解和线性化的偏差求解算法.通过数值仿真和标定试验验证所提出方法的可行性和准确性,结果表明:TCP直接求解和偏差求解算法求解的结果与传统四点标定法相比,误差分别在0.5 mm和1.0 mm以内.

基于可测距平板工具的机器人TCP标定方法

针对工业机器人工具中心点(Tool Center Point,TCP)标定,提出一种基于带二维测距功能标定工具板的标定方法。标定工具板能够感知机器人TCP的触碰,并测量任意两触点之间的距离。使机器人TCP与标定板触碰四次,并以触点形成的线段长度为坐标变换不变量为约束,建立TCP参数标定模型。该模型包括一个三元二次代数方程组,通过消元法可求出其所有可能解,并提出了真实解的判定方法。通过数值仿真,验证了所提出方法的可行性。以电阻触摸屏作为标定板为例,分析了标定板距离测量分辨率对标定精度的影响规律。以电阻屏为标定板进行了参数标定实验,证实了该方法的准确性。方法标定过程简单,易于实现自动化,适用于大多数工业机器人的工具坐标系的标定。

基于相机空间点约束的机器人工具标定方法

工具标定就是确定工具坐标系相对于机器人末端坐标系的变换矩阵,但传统的解决方案是通过人工示教点约束的方法,为此提出一种基于视觉相机空间的自动工具标定方法。在末端工具上增加特征点如圆环标志,利用相机建立机器人三维空间与相机二维空间之间的关系,通过自动的三维空间视觉定位,实现对圆环标志的中心点的点约束,视觉定位不需要相机的标定等繁琐过程。基于机器人的正运动学和相机空间点约束完成工具中心点(TCP)求解。重复实验的标定误差小于0.05 mm,实验的绝对定位误差小于0.1 mm,验证了基于相机空间定位的工具标定具有较高的可重复性以及可靠性。

一种工业机器人TCP位置标定算法研究

针对工业机器人工具中心点(TCP)的位置标定,提出了一种新的基于固定参考点的标定算法,该算法利用球心与球面点所在平面的投影约束关系建立两组过参考点的直线参数方程,解算参考点坐标,再结合机器人运动学位置约束关系实现了TCP标定。在此基础上,通过试验定量分析了取样点位置分布对标定结果误差的影响。该算法避免了非线性方程组的求解和系数矩阵病态问题,适用于4点及4点以上的各种TCP位置标定方法。

基于球面均匀分布的焊接机器人TCP标定方法

当前焊接机器人工具中心点(TCP,tool center point)采用固定参考点法标定时,存在机器人位姿选择的随机性和分布的不均匀性,为解决这一问题,提出了一种基于球面均匀分布的TCP标定方法.以机器人自带的“六点法”为初步标定基础,创建初始测量点位形;在离线仿真环境下,采用力学斥力迭代法构建以固定参考点为球心呈球面均匀分布的虚拟点,逐组计算使虚拟机器人第六轴末端中心处于各虚拟点处,剔除其中关节角超限、连杆之间发生碰撞的情形;最后调节实际机器人到筛选后的各测量点位形,应用最小二乘球面拟合法求解最终的TCP标定结果.结果表明,该方法使机器人姿态在各测量点绕固定参考点均匀分布,最大限度增大了各测量点之间机器人位姿的差异度,可有效提高标定精度和稳定性.

工业机器人TCP自标定精度叠加方法的设计与应用

为了使机器人适用于不同的领域,工业机器人工具中心点(Tool Center Point,TCP)默认在第六轴末端法兰盘端面的中心,生产中根据不同需求安装相应工具,同时需要对安装工具或夹具的工具中心点进行标定来建立工具坐标系,笔者结合常用的接触式"六点法",设计了一种提高标定精度、标定效率的自标定精度叠加方法,此标定方法仅依靠机器人自身系统,而不需借助任何辅助设备或仪器即可实现工具坐标的高精度、高效率的标定,且标定过程简单,易于操作、便于生产,解决了"六点法"自标定操作难度大、效率低及对操作者操作水平要求高等问题。

机器人虚拟TCP的设置及其在加工中的应用

针对机器人末端抓持工件时,无法利用生成在工件上的轮廓点进行去毛边加工的问题,对机器人末端抓持工件在工具固定的情况下去毛边加工的方法进行研究,提出在确定工件加工轮廓与机器人末端TCP的固定位姿关系之后,将固定在机器人工作空间中的工具上一点设置为虚拟TCP,以该虚拟TCP为基准,将附着于机器人末端工件上的加工轮廓点映射成机器人工作空间中的虚拟轨迹点的方法。在给出工件上轨迹点与虚拟轨迹点的映射关系,完成虚拟TCP以及机器人末端TCP设置的基础上,在Fanuc机器人仿真软件Robo Guide中对该方法进行了运动仿真验证后进行了加工,测量了其刀具进给量。实验结果表明:利用该方法对机器人夹持的工件进行去毛边加工,完全满足生产加工的精度要求。