工业机器人标定技术分析与研究

提出一种能有效提升工业机器人绝对定位精度的标定方法.根据测量过程中机器人基坐标系和法兰坐标系所具有的“隐藏性”特点,通过建立机器人位置误差模型,推导出机器人末端位置误差与工业机器人模型参数误差的关系方程.求解该方程得到参数误差辨识与补充结果,并实现利用机器人关节角对误差进行补偿.研究结果表明:基于机器人位置误差模型的标定方法,有助于提高机器人的绝对定位精度.

改进边缘梯度的机器人标定路径导航优化仿真

智能机器人的地图存储功能使其能够按照标定路线行进,但是由于实际环境的复杂性,机器人易受障碍物影响,无法按照标定路径完成导航。为此,提出基于改进边缘梯度的机器人标定路径导航方法。根据机器人在标定路径中与障碍物发生碰撞的可能性,规划机器人开展标定路径。标定路径中存有动静态障碍物,机器人导航时会存有导航偏差。采用改进边缘梯度修正路径,使机器人可以完美避障,实现机器人标定路径的精准导航。实验结果表明,研究方法应用下机器人导航的响应时间控制在5ms内,且机器人导航路径与标定路线一致,验证了上述方法的高精准性、较强的有效性。

面向机器人标定的单激光跟踪仪顺序多站式测量系统建模与分析

为实现大型串联工业机器人的高精度标定,搭建了一种单激光跟踪仪的顺序多站式测量系统。该系统仅需单台激光跟踪仪,先后在不同的基站位置对工业机器人的末端位置进行独立测量,并基于多边测量方法计算机器人的末端位置。计算过程中仅需激光跟踪仪的距离信息,有效地优化了末端位置的测量不确定度。首先,建立了该测量系统的仿真模型,深入地分析了测量点的数量与分布形状、测量距离以及工业机器人定位精度等因素对系统测量精度的影响;然后,依据分析结果确定单激光跟踪仪顺序多站式测量系统的搭建方案。实验结果表明:该系统在2.5 m距离上的测量误差仅为0.023 mm,优于激光跟踪仪的测量精度,满足大型串联工业机器人参数标定的测量精度要求。

基于AFSA-RVM的激光加工机器人标定

针对激光加工机器人工作环境的多样性,为了提高激光加工机器人的标定精度,提出一种基于AFSA-RVM的激光加工机器人标定方法。首先分析激光加工机器人的运动学模型,并建立了激光加工机器人误差估计的数学模型,然后采用相关向量机对激光加工机器人的误差进行建模与补偿,并采用AFSA对相关向量机进行优化,最后采用具体应用实例对激光加工机器人的标定性能进行测试。结果表明,本文方法可以有效对激光加工机器人标定误差进行补偿,获得了较高的激光加工机器人标定精度,而且标定结果要优于其它的激光加工机器人标定方法。

基于MDH模型的工业机器人标定算法与实验研究

基于机器人MDH模型,针对位置矢量误差建立了机器人模型参数误差辨识模型。利用激光跟踪仪测量机器人末端在基坐标系下一系列位置点,进而采用最小二乘法辨识出机器人模型参数误差。为充分验证辨识算法的准确性,在实验室自主设计的6R工业机器人进行仿真和实验。结果表明,文章的标定算法可以准确地辨识出机器人的模型误差参数,补偿后机器人的绝对定位精度得到明显的改善。

应用于机器人标定的主动式靶标装置设计与精度优化

激光跟踪仪是工业机器人标定技术中常用测量设备,但其测量范围受限于被动式靶标的激光光线接收角度,进而影响了机器人的标定精度。为解决该问题,设计了一种具有三自由度的主动式靶标装置,并提出了一种精度优化方法,有效地补偿因装置的装配而引入的测量误差。该方法利用圆点分析法初步辨识主动式靶标装置的DH参数,基于距离平方误差模型法对该装置进行DH参数的精辨识,并基于坐标系转换将主动式靶标装置的位置误差补偿到激光跟踪仪输出的位置向量,从而实现误差的补偿。通过实验验证了该主动式靶标装置能够有效地扩大工业机器人关节的被测范围。所提出的精度优化方法能够将该装置的测量误差降低93.31%,实际定位精度为0.0507 mm,能够满足机器人标定的精度要求。

基于拉线位移传感器的机器人标定应用研究

通过对拉线位移传感器在机器人标定领域国内外应用现状的研究,简略介绍了单线式一维和三线式三维测量系统,并提出一种单线复用三维测量系统模型。结合各测量系统的特点,提出相应的参数辨识算法。为了选取合适的标定校准点,以码垛机器人为例,分析了机器人工作空间中不同位置扰动误差对拉线测量值的影响。对机器人名义D-H参数和拉线测量值等制造模拟误差进行仿真标定。仿真结果表明,标定后定位精度提升90%,最后通过运动学标定试验进一步验证了标定方法的有效性,并指出仍需解决的若干问题。

机器人标定系统稳定性研究

机器人标定是影响离线编程精度的关键因素之一。与传统的工业机器人标定方法相比,基于双PSD的标定方法能为准确地标定工业机器人关节零位偏差提供一种更有效的方法。在机器人基坐标系和PSD坐标系的空间关系未知时,双PSD标定系统稳定性要求严格的数学证明。通过设计一个基于Lyapunov函数的自适应算法,可以在线估计出机器人基坐标系和PSD坐标系之间关系;并证明了激光光斑能够稳定到双PSD平面上的理想位置,理论最终被仿真实验所验证。

基于手眼关系与基坐标关系的协作焊接机器人标定

面对焊接路径较为复杂的焊接任务,为提高焊接质量和焊接效率,多机协作焊接方法逐渐被研究和采用,但协作机器人系统初始状态的标定精度直接影响机器人焊接质量。针对该问题,以焊接、搬运两台FANUC 200iD/4S工业机器人组成的协作焊接系统为例,采用三点共圆的基坐标标定方法与成像对称性的张正友手眼标定方法,对焊接机器人上安装的相机进行手眼标定作业的同时完成了协作机器人系统间的基坐标关系标定,从而快速得到手眼标定参数,形成完整协作机器人系统的标定参数。最后搭建了协作机器人系统实验平台,进行标定精度验证。实验结果表明:此方法有较高的标定精度,可靠性较强,适用情况更加广泛,可应用于协作焊接机器人系统。

基于病态参数分离的机器人运动学标定测量构型优化

针对一种高灵巧性机器人及其连杆参数高敏感性与高定位精度需求,为解决机器人运动学标定随机测量构型存在绝对定位精度低、参数辨识效果及标定结果鲁棒性较差的问题,提出一种病态参数分离与DETMAX-改进差分进化(DETMAX-IDE)算法的机器人运动学标定测量构型分步优化方法。首先,建立机器人位置误差模型。其次,建立一种可观性综合指标,评价不同机器人标定测量构型的总体可观测性和灵敏度。最后,分离机器人运动学位置误差模型的病态参数,建立测量构型优化目标函数和约束条件,提出一种基于DETMAX算法与改进差分进化算法结合的分步迭代优化算法(简称为DETMAX-改进差分进化算法,简写为DETMAX-IDE算法),开展机器人运动学标定测量构型分步迭代优化。通过机器人运动学标定仿真与实验,验证了所提方法的有效性。实验结果表明,与随机测量构型相比,所提方法对应的机器人绝对定位精度的平均值和均方差分别降低了62.09%和62.45%。

一种基于双目视觉和Halcon的高效机器人手眼标定方法

针对机器人在标定过程中追求快速、简捷、高效的特点,提出一种基于双目视觉和Halcon的高效机器人手眼标定方法。基于张正友棋盘格标定法和OpenCV中亚像素角点检测算法完成对双目相机内外参数的获取,对比运用不同的立体匹配算法和三维重建生成具有三维坐标的立体空间点云,从而得到相机坐标系下目标的位置坐标,之后取机器人坐标下的10组末端位置坐标以及相机坐标系下对应的10组位置坐标后,借助Halcon视觉软件的vector_to_hom_mat3d算子求解出相机和机器人坐标系的转换矩阵,完成机器人手眼标定。经过实验验证,该标定方法平均误差为3.58 mm,满足一般机器人工作要求,并且相比传统的手眼标定无需借助复杂的标定工具,且计算过程简捷高效。

基于神经网络的工业机器人视觉抓取系统设计

针对机器人示教编程方法导致的工件位置固定、抓取效率低下的问题,研究神经网络在机器人视觉识别与抓取规划中的应用,建立了视觉引导方案,通过YOLOV5神经网络模型开发视觉识别系统,识别物体的种类,同时获取待抓取物体定位点坐标;提出了机器人六点手眼标定原理并进行标定实验,提出了针对俯视图为圆形或长方形物体的定位方法;最后针对3种物体进行了180次的抓取实验,实验的综合平均抓取成功率约为92.8%,验证了视觉识别和抓取机器人系统具备实际应用的可能性,有效提高了抓取效率。

基于GBDT算法的机器人定位误差分级补偿方法

为进一步提高工业机器人的定位精度,提出一种分级补偿的方法以降低几何和非几何因素引起的定位误差。使用遗传算法优化最小二乘法(GA-LS)进行几何参数误差辨识并补偿到机器人运动学模型中,再通过梯度提升树(GBDT)算法对残余非几何参数误差进行预测,并对残余误差进行补偿,最后以UR10机器人为研究对象进行了实验,验证该方法的准确性。实验结果表明:此分级补偿方法能有效提高机器人的绝对定位精度,补偿后机器人的平均定位误差由2.381 mm降低至0.156 mm,定位精度提升了93.4%;均方根定位误差由2.417 mm降低至0.163 mm,定位精度提升了93.2%。实验结果验证了此分级补偿方法的有效性。

工业机器人运动学参数标定的位姿点集优化研究

针对高端制造领域内工业机器人绝对定位误差精度缺陷上的问题,提出基于优化位姿集的定位方式。随着机器人技术不断发展,智能机器人成为重点计划,计划指出工业机器人绝对定位精度和姿态角精度应优于0.05mm和0.1°才可以满足高端制造这一需求。因此,基于M-DH模型对待标定机器人建立起运动学模型,基于位姿微分变换构建起误差模型,利用IOOPS算法优化,提出基于优化算法的辨识方法,通过实验验证运动学参数辨识精度。根据实际计算后,该算法误差较低,具备较好的辨识精度,具备更好的泛化能力。

串联机器人标定系统的坐标系快速转换方法

针对串联机器人标定系统中的工业机器人基座标系{B}与激光跟踪仪测量坐标系{T}的转换问题,提出一种融合多点拟合法和轴线矢量测量法的坐标系快速转换方法。该融合坐标系快速转换方法首先利用轴线矢量测量法获得旋转矩阵R,然后利用多点拟合法获得位移矢量T,进而得到坐标系转换矩阵BTR。试验结果表明该融合坐标系快速转换方法的测量时间比多点拟合方法减少了184.68s,但综合RMSE(Root mean squared error,RMSE)增加了0.215mm;相比于基于关节圆交点的坐标系转换方法,该方法的综合RMSE降低了0.626mm,测量时间仅增加了51.26s;相比于基于平面拟合转换法,该方法的综合RMSE与测量时间分别降低了2.790mm和120.0s。因此,该融合坐标系快速转换方法的转换精度远优于基于轴线测量的坐标系转换方法,相比于多点拟合法具有相近的转换精度和更好的测量效率。

工业机器人的局部标定

以ABB公司的IRB120工业机器人和激光位移传感器组成的数据采集系统为研究对象,通过对实验系统底座平面上数据点的采集和处理,来标定机器人与激光位移传感器之间的齐次变化矩阵。以采集到的数据点在机器人坐标系中位于同一个平面上为标定原理,利用最小二乘法拟合平面方程,得到机器人需要标定的各个参数及平面参数。在最小二乘优化处理过程中,通过对不同优化结果的分析对比,最终得到最优解,并为以后该系统在数据采集中的应用提供依据。

串联工业机器人两级定位误差标定方法研究

针对串联型工业机器人的绝对定位误差较大的问题,该文提出一种两级误差标定方法,该方法融合了误差模型法和基于径向基(radial basis function,RBF)神经网络的非模型标定方法。首先,基于M-DH(modified DH)运动学模型建立串联型工业机器人的位姿误差模型,并基于差分进化(differential evolution,DE)优化算法实现M-DH运动学参数误差的辨识,将TX60机器人的平均综合位置/姿态误差从(0.5368 mm,0.1745°)降低为(0.1772 mm,0.0875°)。其次,为了进一步提升机器人的精度性能,利用RBF神经网络拟合预测TX60机器人的剩余误差,该方法将机器人的平均综合位置/姿态误差从(0.2178 mm,0.0863°)降低为(0.1044 mm,0.0411°)。最后,通过实验验证基于两级误差标定方法的精度提升效果要优于单一的基于RBF神经网络的误差标定方法,平均综合位置/姿态误差降低比例分别是4.9%和14.9%。因此,该文提出的两级误差标定方法能够有效地提升机器人的精度性能。

基于优化位姿集的工业机器人运动学参数辨识方法研究

针对在高端制造领域工业机器人绝对定位误差仍无法满足精度要求的问题,提出一种基于优化位姿集的机器人定位精度提升方法。首先,基于M-DH模型对待标定机器人Staubli TX60建立运动学模型,并基于位姿微分变换方法构建该机器人的运动学误差模型;其次,利用IOOPS算法优化筛选机器人的辨识位姿集;最后,提出一种基于PSO-LM优化算法的运动学参数辨识方法,并通过实验验证运动学参数辨识精度。实验结果表明:基于PSO-LM混合优化算法辨识后的TX60机器人的平均综合位置/姿态误差分别从(0.5777 mm,0.0039 rad)降低为(0.0816 mm,0.0014 rad)。该文提出的PSO-LM混合优化算法具有较好的辨识精度和收敛速度,并且基于优化辨识位姿集获取的运动学模型具有更好的泛化能力。

改进鱼群算法机器人几何参数标定

针对传统人工鱼群算法(AFSA)在解决工业机器人标定过程中存在的收敛速度慢、容易陷入局部寻优、得到的结果不稳定的问题,用变步长自适应的人工鱼群算法(SA-IAFSA)来优化参数辨识过程。对算法的目标函数进行改进,用MD-H方法建立了机器人误差模型,将几何误差辨识问题转换为高维非线性方程。实验对比了AFSA与SA-IAFSA的参数标定结果,结果表明:采用SA-IAFSA的辨识效果优于AFSA,同时加快了收敛速度,能获得较为准确的参数误差值,可使机器人绝对定位精度提升38.96%。

基于双机器人协调焊接标定算法

针对双机器人协调焊接任务,对双机器人工具坐标系(TCF)及基坐标系的标定进行研究,提出一种利用四元数法进行位姿坐标表示的工具标定算法以及"基于公共靶标的三点两步法"的双机器人基坐标系标定方案.根据向量的旋转理论,推导出四元数与旋转矩阵的对应转换关系,简化了TCF标定计算.将标定获得的两初始旋转矩阵差值的F-范数作为优化目标函数,利用拉格朗日乘数法进行优化求解,获得双机器人标定的精确值.最后采用上述标定策略进行了TCF标定及双机器人标定试验.结果表明,该方法可有效减少标定误差、提高标定精度.