基于复合标定和极限学习机的关节臂式坐标测量机残差建模及补偿

运动学标定是提高关节臂式坐标测量机精度的主要方法,但运动学标定后的残余误差对其测量精度和稳定性仍有很大影响。本文提出一种基于复合标定和极限学习机的关节臂式坐标测量机残差建模及补偿方法,以提高关节臂式坐标测量机的测量精度。首先,在关节臂式坐标测量机运动学建模和误差建模的基础上,建立了运动学参数辨识模型,并依次进行角度参数辨识、长度参数辨识和长度参数等比例缩放的复合辨识,完成了七自由度关节臂式坐标测量机的运动学标定。其次,通过对标定后残余误差图谱的分析,发现残余误差与测量构型有关联,进而构建了以测量摆角、仰角、距离和转角为变量的测量构型。由于测量构型变量与残余误差存在强非线性关系,提出一种基于极限学习机的残余误差预测和补偿方法。通过实验对本文所提模型及方法的有效性进行验证,结果表明:进行残差修正后关节臂式坐标测量机的单点测量误差最大值由0.061 mm下降到0.044 mm,误差均值由0.023 mm下降到0.017 mm,误差标准差由0.011mm下降到0.007 mm;长度测量误差最大值由0.137 mm下降到0.074 mm,误差均值由0.033 mm下降到0.021 mm、误差标准差由0.037 mm下降到0.019 mm。

运用改进的教学-模拟退火算法辨识关节臂式三坐标测量机的结构参数

为了提高关节臂式三坐标测量机的精度,降低其运动不确定度,提出了一种改进的教学-模拟退火混合优化算法来辨识其结构参数并补偿其误差,从而提高其精度。分析了教学算法(teaching-learning-based optimization,TLBO)的优缺点并对其进行改进从而得到改进的教学算法;提出了一种收敛精度转换准则,将改进的教学算法(modified TLBO,mTLBO)和模拟退火算法(simulated annealing,SA)融合得到改进的教学-模拟退火算法(mTLBO-SA);基于此理论和单点重复率误差实验,分别用TLBO、SA和mTLBO-SA对关节臂式三坐标测量机的结构参数进行了辨识;分别用辨识前后的关节臂式三坐标测量机再次进行单点重复率误差实验,并比较相应的实验结果。实验结果表明,所提算法能有效且高效地辨识关节臂式三坐标测量机的结构参数,进而有效提高其定位精度,降低其运动不确定度。

关节臂式坐标测量机角度传感器偏心参数辨识

对关节臂式坐标测量机中圆光栅角度传感器分度盘安装存在的偏心误差进行修正,可以有效提高测量机的测量精度。为了实现坐标测量机动态、实时的现场标校,建立了一种六自由度关节臂式坐标测量机的坐标系统,分析了圆光栅分度盘的安装偏心对角度测量的影响,推导了由于偏心引起的测量误差及其修正公式。分析表明,较小的安装偏心便会引起较大的角度测量偏差。以测量机的单点重复测量精度为目标函数,提出了一种基于模拟退火算法的角度传感器偏心参数辨识方法,并将其用于测量机关节圆光栅12个偏心参数的辨识和修正,实验结果表明,修正之后测量机的重复测量精度提高了11.3%。

应用改进模拟退火算法实现关节臂式坐标测量机的参数辨识

结构参数误差是影响关节臂式坐标测量机精度的主要因素之一,精确辨识其结构参数可以有效地提高测量机的精度。本文基于Denavit-Hartenberg模型建立了六自由度关节臂式坐标测量机坐标变换方程,分析了基于锥孔的参数辨识原理,提出了一种改进的模拟退火算法用于测量机的结构参数辨识。该算法在接近最优解时将减小搜索范围以提高搜索效率和求解精度,并保留中间过程的最优解。以单点重复精度为目标函数,利用改进的模拟退火算法对研制的六自由度关节臂式坐标测量机的结构参数进行辨识。实验结果表明,经过参数辨识后,测量机的单点重复精度提高了7.87倍,长度测量精度提高了5.59倍。

关节臂式坐标测量机测量力误差分析及补偿

针对接触测量力对关节臂式坐标测量机(AACMM)测量精度的影响展开研究。对测量力引起的长度测量误差进行理论和实验分析,得到测头与被测件的局部变形、测杆的弯曲变形是影响关节臂式坐标测量机测头精度的主要因素。建立了关节臂式坐标测量机测头与被测件的局部变形、测杆的弯曲变形的数学模型,并对测量结果进行了测量力误差补偿。实验结果研究表明,测量力引起的误差对接触式关节臂式坐标测量机测量精度影响很大。通过本研究成果,可在很大程度上补偿测量力引起的误差:平均长度测量误差降低82%左右,最大误差降低约47μm,有效地提高了关节臂式坐标测量机的测量精度。

关节臂激光扫描系统光条中心提取方法研究

在基于关节臂的线激光扫描系统中,光条中心的提取精度和所用时间直接影响到整个系统的测量精度和实时响应能力。本文在国内外现有算法基础上整合改进,利用迭代阈值法、改进Sobel算子和光条修补算法完成光条粗提取,取中心点附近10 pixels利用灰度重心法计算光条中心精确位置。实验证明,该算法在350 mm?350 mm测量范围内,系统测量误差优于40?m,一次提取时间28 ms,确保系统35 f/s扫描频率,满足实时在线测量要求。

关节式坐标测量机参数识别算法研究

为了对比关节式坐标测量机结构参数常见的三种标定算法:非线性最小二乘法、遗传算法和模拟退火算法,建立了统一的损失函数,将实验数据分为标定数据和测试数据,分别用LM法、遗传算法、模拟退火算法标定关节式坐标测量机,从算法的速度、实测效果和稳定性三方面进行了对比分析.结果表明:LM法耗时最短,所得结果也最为稳定,是适合进行关节式坐标测量机标定的优良算法.

自驱动关节臂坐标测量机模块化关节设计

传统的关节臂测量机工作时是依靠工作人员牵拉实现运动和测量,存在路径规划不佳、主观性误差大、测量效率低等问题很难适应智能制造对在线自动测量系统的新要求。本文提出了利用含有无刷电机、谐波减速器及精密轴系的模块化关节构成自驱动关节臂坐标测量机的构想,并对模块化关节进行了构型设计,建立了单关节扭矩估算模型,在此基础上选择了关节2的电机和谐波减速器,设计了关节模块的测控电路,研制了单关节部件样机并进行了重复性实验。其中单方向测量数据表明,为保证较小的测量重复性误差,关节在运动时应尽量避免速度或加速度突变的运动形式;双方向测量的数据表明,当控制电机运动速率小于1.53rad/s时,测头因回弹产生误触发信号的概率较小,此时最大误差数据为±2.11″。上述实验也验证了模块化关节设计方案的可行性,为后续自驱动关节臂坐标测量机整机研制提供了理论和实验依据。

基于PSO-BP神经网络的关节臂式坐标测量机长度误差补偿

针对关节臂式坐标测量机(AACMM)长度误差补偿问题,分析了误差来源,通过实验确定了影响其测量长度的误差参数。引入BP神经网络对长度误差补偿模型进行了建模,并通过粒子群化算法对BP神经网络的权值和阈值进行全局寻优,克服了BP神经网络收敛速度慢和易陷入局部极值的缺陷。在不同输入参数的条件下测量标准尺,获得了误差补偿模型的训练样本。进行了长度误差补偿验证,补偿后误差均值减小了0.014 mm,使AACMM的测量精度提高了31.8%。

关节臂坐标测量机圆光栅偏心误差建模及修正研究

在不增加关节臂坐标测量机硬件成本的基础上,为了提高测量精度,提出了包含圆光栅偏心误差的测量模型方案。分析了关节臂坐标测量机圆光栅偏心状况,通过圆光栅偏心误差实验对第1、2关节处圆光栅偏心误差模型参数进行了辨识,建立了包含前两关节圆光栅偏心误差的测量模型。使用自制的标准杆组件对两种测量模型进行了标定实验,并运用LM算法进行了参数标定。结果表明不包含圆光栅偏心误差测量模型的关节臂坐标测量机的测量误差为0.083 4 mm,而包含两关节圆光栅偏心误差的关节臂坐标测量机测量误差为0.065 0 mm。经过圆光栅偏心误差修正后,其测量精度提高了22%,同时也论证了圆光栅偏心误差是制约关节臂坐标测量机测量精度的影响因素之一。

精确标定关节臂视觉检测系统手眼关系

在关节臂视觉检测系统中,视觉传感器与关节臂末端的手眼关系标定的准确性直接影响到系统的测量精度。推导了关节臂手眼问题的数学关系模型,提出了一种基于遗传优化算法的双阶段手眼标定的新方法,即先采用常规方法求取手眼变换矩阵主要参数的初始值,在初始值的基础上利用遗传算法优化手眼标定模型的所有参数,建立遗传优化算法的手眼关系数学模型。通过实验论证了该方法的优良性和可行性,对一般手眼问题具有一定的可移植性,系统测量精度优于40μm。

一种关节式坐标测量机的建模及其标定

为了研究7轴关节式坐标测量机的测量模型及其标定技术,根据DH模型(Denavit-Hartenberg notation)对7轴关节式坐标测量机进行了建模,并对参数个数和含义进行了深入研究.通过仿真发现7轴关节式坐标测量机直接标定时不能有效辨识某些参数的特殊问题.为解决该问题,设计了弯杆测头对测量机的整机参数进行标定.最后,将测量机测头换回直杆测头进行测头校准,获得更换测头后的测头参数.实验表明该方法能够有效地辨识出测量机整机的参数,能有效保证测量机的精度,这也证明了给出的测量模型的正确性。

基于光栅编码器的柔性测量臂位置精度研究

光栅编码器的误差使得柔性测量臂(AACMM)在不同位置、不同构型下的精度呈现一定的规律。掌握由光栅编码器精度引起的位置精度在工作空间的分布规律,有利于指导柔性测量臂的标定和测量。以六关节测量臂为研究对象,分析末端执行器位置精度与光栅编码器精度区间之间的关系,并定义了基于光栅编码器精度的位置精度评价指标,在整个工作空间下描述其分布情况。验证试验包括:比较不同关节下光栅编码器精度区间对末端执行器位置精度的影响;与目前常用Monte Carlo方式进行柔性测量臂精度分布特性对比;利用其分布特性,对不同区域进行单点和标准球直径测量。实验结果表明,本方法能更直观、全面地描述光栅编码器精度对柔性测量臂位置精度在工作空间分布情况,通过该分布确定优化测量区域,指导实际操作。

自驱动关节臂坐标测量机轨迹优化

为了提升自驱动关节臂坐标测量机(后简称为测量机)的测量精度与测量效率,针对其在线测量轨迹优化问题,提出一种基于粒子群算法的轨迹优化方法。首先,基于MDH参数法建立测量机正运动学模型,并利用S形加减法和匀速直线插补法进行混合轨迹规划。其次,以运行时间和运动平稳性为优化目标,利用粒子群算法进行轨迹优化。最后,在MATLAB、ADAMS环境下建立测量机模型进行标准球测量仿真分析,并基于搭建的测量机样机开展标准球测量实验。研究结果表明:采用基于粒子群算法对混合轨迹规划进行优化的方法能够保证测量机在工作时运行平稳,标准球测量时间由62.91 s减至57.35 s,标准球测量半径误差由0.0571 mm降至0.0423 mm。证实该轨迹优化方法能够有效降低测头振动,提高测量机在线测量精度和测量效率。

自驱动关节臂坐标测量机关节角度实时测量系统

针对传统的光电编码器角度测量方法无法满足自驱动关节臂坐标测量机角度高精度实时测量的问题,设计了基于FPGA组合设计方法的光电编码器角度实时测量系统,由原理图输入设计的抗扰动模块、Verilog HDL语言设计的四倍频辨相计数模块、Qsys搭建的数据传输模块和Visual Studio设计的软件模块组成。通过与数字采样频率为1 MHz的16位USB-6229数据采集卡同步对比实验结果表明,在相同条件下,FPGA与数据采集卡同时测量光电编码器的数据完全吻合,因此设计的光电编码器角度实时测量系统可以直接运用于自驱动关节臂坐标测量机的关节角度测量。

关节臂式坐标测量机空间误差建模

关节臂式坐标测量机误差源多且复杂,其测量空间的误差存在不确定性,为了准确快速的得到关节臂式坐标测量机测量空间中的误差,利用标准锥窝对关节臂式坐标测量机进行了空间单点测量精度实验,获得了训练样本和测试样本;利用BP神经网络对空间误差进行了建模,为了提高其收敛速度和运算速度,引入粒子群优化算法(PSO)对BP神经网络模型进行了优化,并对模型进行了预测和验证;结果表明,BP神经网络和PSO-BP神经网络都可以对关节臂式坐标测量机进行空间点误差预测,PSO-BP神经网络模型的预测结果更加精确,相对误差更小。

自驱动关节臂坐标测量机误差分析与结构优化设计

为了满足自驱动关节臂测量机(AACMM)测量精度对结构设计的要求,通过分析测量机的结构和测量工作原理,确定了引起测量和定位误差的误差源,并对关键零部件进行设计和选型,在此基础上建立了三维样机。利用不同测量姿态下的测量机静态变形和不同运动测量速度、测量姿态下的刚柔耦合变形值来指导测量机结构优化设计。仿真实验结果表明,测量机静态变形误差最大值降至0.41 mm,重复定位精度达到0.01 mm,满足设计要求。

Performance Calibration of Articulated Arm Coordinate Measuring Machine

This paper presents the method for the performance calibration of AACMM （articulated arm coordinate measuring machines） according to ASME B89.4.22 Standard. The growing use of this class of measurement equipment has been accompanied by an absence of authorized laboratories to provide calibration certificates for its performance. Due to ASME B89.4.22 and VD12617-9 are nowadays the unique standards in the field of AACMM verification, IK4 Tekniker has compared both of them in order to develop internal test procedures to yield reliable performance calibration results. As a result, IK4 Tekniker has been recognized by the Spanish Accreditation Body （ENAC） in the field of AACMM calibration. Internal test procedures and uncertainty evaluation analysis have been developed as well as ENAC certificated reference test equipments have been acquired to ensure a suitable AACMM calibration process.

自驱动关节臂坐标测量机结构参数标定

与关节臂坐标测量机一样,自驱动关节臂坐标测量机存在诸多结构参数误差影响其测量精度。为了提高自驱动关节臂坐标测量机的测量精度,文章建立以激光跟踪仪测量距离为基准的标定系统,并对该系统的标定算法进行研究。根据Denavit-Hartenberg(D-H)模型,建立自驱动关节臂坐标测量机运动学模型;用激光跟踪仪标定自驱动关节臂坐标测量机测量距离的误差,建立距离误差模型,设计基于最小二乘迭代Levenberg-Marquardt(LM)的标定算法。实验结果表明,经LM算法标定且对自驱动关节臂坐标测量机的结构参数补偿后,在标定空间内测量20组距离,最大距离误差绝对值从13.8950 mm减小到0.3004 mm,测量误差减小了近97.8%。

多关节测量臂的小生境混沌优化校准

多关节测量臂是一种便携式的坐标测量设备,它由一系列的旋转关节组成。为了提高多关节测量臂的测量精度和可重复性水平,必须对其运动学参数进行校准。首先,利用小生境的混沌优化算法提出了一种新的运动学校准方法以及一种混合目标的运动学校准函数,它考虑了诸如单点测量实验、容积性测量实验等多种性能测量实验的实验结果,然后,采用Levenberg Marquardt(L-M)算法和小生境混沌优化算法应用于运动学参数校准。小生境混沌优化算法显示出了优于L-M算法的性能。实验结果表明:使用NCOA算法校准后,测量误差的标准差始终优于LMA算法,并且校准前后多关节测量臂的测量精度提高了40倍。采用L-M算法和小生境混沌优化算法应用于运动学参数校准。小生境混沌优化算法显示出了优于L-M算法的性能。