面向物理约束的机器人运动学标定最优位姿集规划方法研究

在物理约束下的工业机器人运动学标定过程中,标定精度受到位姿集的影响,而位姿集的选取又受到标定装置的约束,针对以上问题,提出了一种采样区间评价结合位姿集优选的最优位姿集规划方法。首先建立了机器人运动学模型及距离约束标定模型,计算了机器人系统参数误差约束方程及误差雅可比矩阵;然后对机器人工作空间进行空间网格划分,应用拉丁超立方采样结合可观测指标对各个网格区间进行评价,得到最优采样区间;再次基于离线数据建立标定精度预测模型,在最优采样区间内实现最优位姿集的搜索;最后对中瑞RT-608机器人进行最优位姿集的规划及验证,结果表明:基于最优位姿集标定后的平均拟合球半径为0.3947 mm,较随机位姿集减小了57.98%。

基于最优位姿集的机器人标定及不确定度评定

为解决因标定位姿点随机选择导致机器人标定结果不稳定、可靠性低问题,研究了基于雅克比矩阵奇异值计算可观测指标的最优位姿点数目及最优位姿集选择算法,建立了机器人MDH模型,采用LM算法对几何参数进行辨识,使用LeicaAT960激光跟踪仪分别在最优位姿集和随机位姿集下对Staubli TX60机器人末端位姿大量实测;在分析研究机器人标定不确定度来源基础上,采用测量不确定指南(GUM)计算几何参数标定的不确定度及蒙特卡洛模拟法对机器人末端位置不确定度进行评估,结果表明,经最优位姿集标定后的机器人不仅在测试点精度有大幅提升,而且几何参数及末端位置平均不确定度约为随机位姿集标定的0.11倍,标定结果稳定可靠,泛化能力强,适于在高精度、大范围作业场合推广应用。

工业机器人运动学参数标定的位姿点集优化研究

针对工业机器人标定时因位姿点选择随机导致标定结果不稳定的问题,开展了位姿点集优化方法研究。首先,以可观测指数O 1为依据,通过随机搜索算法确定最优位姿点的数目;其次,提出改进最优点集选择算法用于筛选最优位姿集。通过对EFORT ER10L-C10和Staubli TX60机器人进行标定实验,结果表明:采用优化初始位姿集能够将改进最优点集选择算法运行效率提高约12%,与随机位姿集标定结果相比,经最优位姿集标定后的机器人其测试集平均绝对位置精度提升约9%,EFORT ER10L-C10和Staubli TX60机器人运动学参数的泛化能力分别提高91%、53%,证实了提出方法可获得泛化能力更强的运动学参数,使标定结果更加稳定,进一步提高机器人标定精度,适于在大范围、高精度机器人作业中推广应用。