应用LPOE公式与遗传算法标定导引头运动学参数

提出了一种导引头运动学参数标定方法,用于提高两轴双框架导引头的视轴静态指向精度。首先,根据导引头稳定平台的光机结构特点,应用局部指数积(LPOE)公式建立了导引头理论运动学模型;通过分析轴系误差对运动学参数的影响,修正了理论运动学模型。然后,结合参数标定原理,设计了遗传算法。该算法采用多点交叉与自适应变异概率来提高搜索效率并求得全局最优解。以视轴静态指向误差为目标函数,利用遗传算法对运动学参数进行了辨识。最后,利用激光跟踪仪测得两组数据,分别用于辨识参数及验证标定模型。实验结果表明:视轴的静态指向精度由标定前的109.9″提高到22.3″,显示提出的标定方法能够有效的修正导引头运动学参数。

基于改进指数优化与迭代加权LM法的机器人标定方法

针对协作机器人的出厂标定过程步骤繁琐,效率低下的问题,提出了一种基于两步策略的运动学标定算法,通过结合改进指数优化算法和迭代加权LM算法,简化标定流程并提高定位精度。首先,基于改进DH方法与位置微分误差变换建立机器人参数辨识模型,结合测量装置坐标系搭建标定系统误差模型,利用改进指数优化算法快速获取测量坐标系初始参数;其次,为提高辨识结果的鲁棒性,将距离残差作为权值因子,通过迭代加权LM算法补偿机器人模型的几何参数误差和测量坐标系矩阵参数误差;最后,通过实验验证,结果表明机器人位置误差的平均值、均方差误差和最大误差分别降低了80.28%、71.61%和52.16%,验证了该方法的正确性和有效性。

一种基于工具坐标系的机器人运动学参数标定方法

机器人末端执行器位姿误差在基础坐标系中表示时,误差模型中包含姿态误差与位置矢量的乘积项,影响了参数标定识别精度。以工具坐标系为参考系,给出一种基于指数积公式包含关节约束条件的机器人位姿误差标定模型,避免了姿态误差与位置矢量的乘积项对参数标定识别精度的影响。以UR5机器人为标定对象,采用LeciaAT960-MR激光跟踪仪为测量设备,进行参数标定试验。试验结果表明,经参数标定后UR5机器人位置误差模和姿态误差模的平均值分别减小了91.07%和89.16%。

基于距离误差的机器人运动学参数标定方法

根据指数积公式中关节旋量坐标的理论值和实际值之间的伴随变换关系,将机器人运动学方程改写成包含有关节约束条件的等价形式.对运动学方程取微分得到末端连杆定位误差与关节旋量误差及零位位置误差间的线性化模型.利用距离精度的定义给出了指数积形式的机器人距离误差模型,避免了标定过程中坐标测量结果从测量设备坐标系向机器人基础坐标系变换带来的误差.基于最小二乘法给出了一种机器人运动学参数标定模型.采用激光跟踪仪作为测量手段完成了一种5自由度机械臂运动学参数标定实验.测试结果表明,经过参数标定在随机产生的测试点上机器人距离误差的平均值降低了近3.5倍.

一种基于指数积的串联机器人标定方法

给出了一种基于指数积公式的串联机器人运动学参数标定方法.根据关节旋量坐标的理论值和实际值之间的伴随变换关系将指数积公式改写成包含有关节约束条件的等价形式.对运动学方程取微分得到末端执行器误差与关节旋量误差及零位旋量误差间的线性化模型.给出一种基于最小二乘法的串联机器人运动学参数标定模型,并通过伴随变换的方法实现运动学参数识别过程中关节旋量坐标的更新.一种6自由度串联机器人的标定仿真实验表明参数标定过程能够快速地收敛到稳定值,标定结果能有效地补偿末端执行器的位姿误差.

基于局部指数积的模块化机器人运动学参数标定

针对模块化可重构机器人系统展开基于局部指数积法的运动学参数标定研究,提出一种基于子装配体的模块化机器人标定方法.首先,采用旋量的指数形式对子装配体进行数学描述,建立子装配体的运动学模型.然后,采用局部指数积方法,建立基于子装配体、包含关节约束条件的模块化机器人实际运动学模型.通过对运动学模型取微分,根据指数映射微分公式的显式表达式,给出模块化机器人末端位置误差与子装配体的关节旋量误差、末端子装配体的局部位置误差之间映射关系的显式表达.最后,以一套模块化可重构机械臂系统为试验平台,采用激光跟踪仪为测量设备进行试验.试验结果表明标定过程能够收敛到稳定值,经参数标定后用于试验的6自由度模块化机械臂定位误差模的平均值降低了近95%,最大值降低了近92%.

基于指数积的自重构机器人的运动误差校准

模块化自重构机器人在重构过程中,由于模块的装配、连接、传动、悬臂变形、关节柔性都会影响末端执行模块的位姿误差,导致相邻模块不能正常连接,必须对末端模块位姿进行校准.为此,在模块化自重构机器人M-Cubes的"L"结构上,利用建立在连杆坐标系上的名义坐标系,将误差因素引起的旋转坐标变换和平移坐标变换对名义坐标系进行修正,推导出正向指数积误差校准模型.将此校准模型运用到自重构机器人M-Cubes的"L"结构中,很好地校准了末端执行模块旋转关节轴和孔的位姿误差,保证了和相邻关节的正确连接,为自重构奠定了基础.

基于指数积公式的机器人标定方法

工业机器人的运动学参数误差是影响机器人绝对定位精度的最主要因素。为提高机器人的绝对定位精度,建立了MOTOMAN机器人的旋量模型,并提出了一种基于指数积(POE)公式的误差模型以及基于最小二乘的参数辨识方法。然后利用Leica激光跟踪仪及其配套的Spatial Analyzer软件对MOTOMAN-MH80机器人进行测量。最后利用POE误差模型对机器人进行运动学标定。实验结果表明标定后的运动学参数使机器人绝对定位精度提高了80%以上,从而验证了该方法的准确性。

一种新型机器人自标定装置及其算法

针对传统基于几何约束的机器人自标定装置仅能对局部工作空间内的机器人位型进行标定测量的问题,提出了一种由安装于机器人末端的球心位置测量装置和可移动球杆组成的新型便携式机器人自标定装置,通过利用球面约束和距离约束,可在较大工作空间内对机器人进行标定测量,从而提高标定结果的可靠性.根据可移动球杆的单、双球布置方式,分别建立了基于向量差和距离差的2种机器人自标定模型及其算法.通过采用局部指数积公式并引入位置伴随变换矩阵,简化了2种自标定模型,从而降低了对运动学方程线性化的计算量.最后,对一种6自由度串联机器人进行了仿真实验,实验结果表明2种自标定算法均能够快速收敛,验证了2种算法的有效性和鲁棒性.