运动学误差模型变体下的机械臂标定精度研究

为进一步提高机械臂运动学标定精度,研究不同D-H建模方式下运动学误差辨识精度的差异,为运动学误差准确建模提供理论依据。围绕SD-H和MD-H运动学误差模型的各种变体形式,量化对比各模型变体的性态水平和线性化误差,并分析二者对运动学标定精度的综合影响。研究结果表明:x-z-y欧拉变换会破坏MD-H运动学误差模型最小性,不适用于运动学标定;其余满秩MD-H模型性态水平优于SD-H模型两个数量级;MD-H建模时引入的线性化误差与SD-H数量级等同;在模型性态水平和线性化误差综合作用下,较强测量噪声环境中的SD-H模型运动学标定精度(0.1%~39.3%)优于MD-H模型(0.1%~71.2%);角度类与位置类的运动学参数误差的辨识精度差异显著。研究成果为机械臂标定的精确建模以及误差类型与辨识方法的合理匹配提供了理论依据。

基于人工蜂群算法的机器人运动学参数标定

为了提高机器人的绝对定位精度,针对经典的D-H模型,使用修正的MD-H模型来描述IRB 120型机器人的运动模型,避免了运动过程中出现的奇异现象。对末端位置测量采用的方法是单目视觉测量,由于传统的位置误差模型需要计算出机器人基坐标系和测量坐标系之间的转换矩阵,故采用距离误差模型,可消除坐标系转换所带来的误差。此外,针对最小二乘法容易陷入局部寻优、结果不稳定的问题,提出了人工蜂群算法(ABC)求解高维非线性方程组,对两种方法进行对比。结果表明,人工蜂群算法优于最小二乘法,且使机器人的距离误差精度提高了54.97%。

大型工业机器人运动学标定及精度补偿方法

将大型工业机器人引入航天制造领域,能够实现航天装备的高精度和可靠性。为了提高机器人绝对定位精度,更好地适应航天领域产品装配需求,基于改进的D-H(MD-H)模型,提出了大型工业机器人运动学标定及精度补偿方法。首先在误差建模中加入了坐标系转换误差和靶球安装误差,建立了更为完善的标定误差模型。然后通过激光跟踪仪对末端靶球进行测量来获得实际位姿数据,并采用改进的迭代最小二乘法辨识出误差参数。最后根据计算误差对机器人进行修正与补偿,完成运动学标定过程。为验证辨识方法的有效性,以KUKA KR1000 Titan大型工业机器人为研究对象进行仿真和实验。结果表明,经过标定补偿后的机器人末端平均定位误差由1.122mm降低到0.340mm,平均定位精度提升了约70%,补偿后机器人的绝对定位精度得到明显改善。