基于遗传-拟牛顿算法的机器人几何参数辨识

为提升工业机器人绝对定位精度,提出了一种遗传-拟牛顿算法来辨识机器人几何运动参数并进行机器人绝对定位误差补偿的联合算法。首先,利用MD-H方法建立机器人运动模型,并通过微分变化原理建立机器人各个关节误差转换到机器人末端误差模型;其次,通过激光跟踪仪测得KR16-2型机器人在指定工作空间50处采样点信息,通过传统遗传算法和遗传-拟牛顿联合算法分别对机器人几何参数进行辨识和比较,并在此算法中提出小区间生成初始种群的方式来提高迭代效率,通过算数交叉和动态变异完成新个体的生成,解决了传统遗传算法出现过早收敛问题。结果表明,此算法对机器人进行补偿后的精度分别提高71.28%和53.23%,直线制孔平均误差是0.45 mm,弧面制孔平均误差是0.42 mm,验证了联合算法的优越性和实用性。