基于ZRM-MDH模型转换的串联机器人运动学参数标定

运动学参数误差是影响工业机器人绝对定位精度的主要因素,通过误差标定能够有效地提高工业机器人的精度。运动学模型的完整性、连续性与冗余性对运动学参数的辨识精度影响较大。为尽可能地提高机器人的标定精度,并易于实现机器人误差补偿,本文提出一种基于ZRM-MDH模型转换的机器人运动学参数标定方法。首先,基于零参考模型(ZRM)建立TX60型串联工业机器人的位姿误差模型,结合测量位姿误差辨识ZRM的参数;其次,基于圆点分析法将ZRM转换成MDH模型。在TX60型机器人前侧工作区域内任意选择50个测量点,实施运动学参数误差标定。实验表明,基于MDH模型标定后的机器人平均综合定位误差为0.081 mm,而经过ZRMMDH模型转换后的机器人平均综合定位误差为0.062 mm。为验证标定方法的稳定性,在TX60型机器人前侧工作区域内,选择5个区域实施运动学参数误差标定,结果表明,基于ZRM-MDH模型转换获得的标定精度稳定性相对较好。     

2TPR&2TPS并联机器人结构参数辨识

并联机器人末端位姿精度对其工作性能影响较大，建立有效的标定算法是提高机器人位姿精度的重要保证。本文以一种2TPR&2TPS并联机构为研究对象，首先对机器人进行运动学分析，采用全微分法得出机器人的误差模型，根据该模型得出机器人结构参数误差与末端位姿误差的量化关系，以及各误差项误差变动对末端位姿误差的影响规律；接着，建立参数辨识模型和标定效果评价函数，验证了参数辨识模型的有效性，再用该模型辨识机器人的结构参数误差；最后，修正运动学模型完成了机器人的误差标定。实验结果显示，标定后机器人的平均位置精度提升68.62%,距离误差均值由7.710 mm降至2.350 mm,精度提升69.52%,实验结果证明本文的标定算法有效。     

基于距离误差的机器人参数辨识模型与冗余性分析

为避免机器人运动学参数辨识过程中,测量坐标系与机器人基坐标系之间繁琐的坐标变换,首先利用关节旋量的空间几何特性,提出了基于伴随变换的距离误差模型。其次,针对距离误差模型中可辨识参数的冗余性,通过辨识雅可比矩阵的零空间分析,确定了可辨识参数的数目与误差测量方式之间的关系。确定了绕对应关节旋转的测量方式和相对初始位形的测量方式下可辨识参数的数目。最后,对KUKA youBot机器人的运动学参数辨识进行了实验研究,实验结果验证了距离误差模型的有效性和参数冗余性分析的正确性。     

半对称三平移Delta-CU并联机构运动误差分析与标定

对提出的一种半对称三平移Delta-CU并联机器人机构进行误差建模和实验分析。在规划执行末端运动轨迹的基础上,采用外部直接标定和修正系统输入的方法对机构的运动学误差进行补偿。在外部直接标定的过程中,为降低系数矩阵中的随机测量误差对执行末端坐标精度的影响,利用整体最小二乘法求解坐标变换参数;以误差数据为样本,通过模糊神经网络模型进行训练,并将训练好的模糊神经网络模型用于Delta-CU并联机器人机构的误差值预测。实验表明,模糊神经网络模型能够对Delta-CU并联机器人机构误差进行精准的预测,有利于提高Delta-CU并联机器人机构的补偿精度,可为Delta-CU并联机器人机构误差补偿提供参照。补偿后其绝对位置精度由1.187 mm提高到0.4 mm,重复位置精度由0.037 mm提高到0.018 mm。     

Delta并联机构正向运动学标定方法研究

为提高Delta操纵机构位置测量精度,提出了一种离线参数辨识标定方法.根据机构结构和运动学模型,对影响操作端精度的各项误差源进行分析,建立了含误差参数的正向运动学模型;通过分析各项误差源对操作端位置误差的影响,发现12项装配误差对操作端的位置影响较大,提出对运动学模型中的装配误差进行参数辨析,以此修正正向运动学模型;试验结果表明,标定后的Delta机构提高了位置重复测量精度.     

大空间运动3-RRRU并联机器人运动学标定与误差分析

并联机器人具有高速、高刚度和大负载等明显优势,被广泛应用到农业和工业领域,但多关节导致该类机器人控制精度不高。针对大空间运动3-RRRU并联机器人的运动学建模和误差标定方法展开了系统、深入研究。综合应用DH法和空间矢量法建立了机器人的运动学模型,在此基础上,借助偏微分理论推导并建立机器人的误差模型;应用激光跟踪仪进行不同轨迹下机器人的空间位置数据采集,对一般遗传算法进行改进,以等步距搜索策略实现主要遗传算子的优化,并通过全局数值寻优获取机器人的误差补偿数据,完成标定和补偿工作。实验表明：基于直线标定方式,补偿后直线轨迹跟踪误差控制在0.14～1.34mm,但不适用于曲线轨迹补偿,其实测补偿后的最大误差高达5.08mm。曲线轨迹标定精度高于直线轨迹标定,补偿后将直线和曲线两种路径下的最大误差分别降低至1.18mm和1.56mm。该标定方法自动化程度高,适用于含有大量关节并联机器人的误差标定工作。     

大射电望远镜平台静态结构参数误差分析与标定研究

为了提高大射电望远镜精调stewart平台的定位精度,首先利用激光跟踪仪(API)获得stewart平台的位置和姿态,其次基于运动学微分法建立了stewart平台的误差模型,最后针对大射电望远镜精调stewart平台进行了实验验证,实验结果表明stewart平台结构参数修正后,位置精度提高到0.09mm,姿态精度提高到0.014度.     

崎岖山地环境履带机器人降维变系数控制方法研究

针对崎岖山地环境下自走式履带机器人自走姿态波动大、跟踪精度低等问题,研究了三维崎岖路面履带机器人控制方法。通过分析机器人在二维平整路面与三维崎岖路面的运动学模型,建立了降维运动学几何模型;设计了一种基于降维变系数的滑模控制方法,实现三维崎岖路面履带机器人的运动控制,并进行了平整路面与崎岖路面的路径跟踪仿真与试验。仿真结果表明,平整路面仿真中,行驶方向误差逐渐减小并趋近于0,侧向位置误差在±0. 2 m内波动,并可在1 s内完成姿态调整;崎岖路面仿真中,三轴位置误差均控制在±0. 1 m范围内,同样可在1 s内完成姿态调整。路径跟踪田间试验结果表明,平整路面和崎岖路面机器人跟踪稳定后的横向误差分别为-2. 9～8. 8 cm、-14. 3～21. 5 cm,姿态误差分别控制在±2°、±5°内,能够满足实际跟踪需求。     

直线驱动型并联机器人误差模型与灵敏度分析

为提高直线驱动型并联机器人动平台末端执行器位置精度,根据并联机构结构和运动学模型,对影响末端位置精度的各项误差源进行了分析,利用解析法建立动平台末端操作空间与关节空间之间的误差映射模型;在灵敏度误差模型的基础上,依据全域灵敏度评价指标,提出了一种误差源筛选方案,筛选影响位置精度的主要误差源,利用蒙特卡洛法随机模拟并联机器人中各零部件的尺寸误差、驱动误差和装配误差,得知筛选前后动平台位置误差基本一致,验证了评价指标的正确性。以激光跟踪仪为测量工具在任务空间中取点测量,对筛选后的主要误差源进行辨识,修正并联机构的正向运动学模型后,并联机构末端位置精度改善显著,验证了误差源筛选方案的有效性和可行性,减轻了误差参数辨识的复杂程度和计算量,对结构较复杂的机构误差补偿具有一定的指导意义。     

基于力传递模型的连续体机器人驱动误差补偿研究

针对绳索传动系统中的非线性摩擦、驱动线伸长及关节间耦合效应导致的连续体机器人控制精度较低的问题,提出了一种考虑非线性摩擦的连续体机器人误差补偿方法。基于虚功原理构建包含关节间耦合作用的连续体机器人静力学模型,分析不同预紧力、不同包角等参数对绳-轮传动系统力传递效率的影响规律,并基于改进的Capstan方程建立包含绳索弯曲刚度及非线性摩擦的力传递模型,提出一种基于力传递模型的驱动误差补偿方法,通过运动实验对所建模型及控制方法进行验证。结果表明,补偿前后连续体机器人运动控制精度得到明显提高,平均位置误差由补偿前5.94 mm降低至补偿后3.15 mm,补偿率达46.97%。     

温室高架栽培草莓空间姿态识别与采摘点定位方法

采摘目标空间位姿信息缺失和目标定位精度低是影响草莓采摘机器人采摘效果的关键因素之一。为此，本文首先设计了基于颜色信息和卷积神经网络的草莓图像目标定位与分割以及目标点云分割模型；其次，实现了基于图像的草莓可采摘性和遮挡程度识别模型；最后，设计了草莓空间定位和姿态估计模型并实现草莓采摘点定位方法。基于本文方法对完整草莓位姿估计平均误差为4.03%，对遮挡草莓位姿估计平均误差为9.06%，采摘定位综合误差为2.3mm。在实际采摘实验中，采摘成功率为92.6%，平均每个草莓的计算耗时约为92ms，单个草莓采摘动作的执行平均耗时约为5.7s。实验结果表明：本文提出的方法可在温室条件下较准确地估计草莓空间位姿和采摘点，为草莓采摘机器人提供有效的目标定位信息，有效满足实际采摘场景下的需求。     

基于改进YOLACT++的成熟芦笋检测-判别-定位方法

为解决芦笋采收机器人选择性采收过程中成熟芦笋的判别和采摘手准确定位难题，提出了一种改进YOLACT++(You only look at coefficients)算法，利用该方法对成熟芦笋进行检测判别并定位采收切割。通过引入CBAM(Convolutional block attention module)注意力机制以及SPP(Spatial pyramid pooling)结构改进传统的YOLACT++主干网络，提高了特征提取的有效性；设计了适用于芦笋目标检测的锚框长宽比以保证覆盖到不同姿态的芦笋，以提高网络检测速度和准确率。利用生成的芦笋掩膜分段计算芦笋长度和基部直径，来判定成熟芦笋，并通过空间位姿向量计算成熟芦笋基部区域切割点位置。采收机器人田间试验结果表明，经过训练的改进YOLACT++模型的检测准确率为95.22%,掩膜平均准确率为95.60%,640像素×480像素图像检测耗时53.65 ms,成熟芦笋判别准确率为95.24%,在X、Y、Z方向的切割点定位误差小于2.89 mm,滚转角和俯仰角误差最大为7.17°;与Mask R-CNN、SOLO和YOLACT++模型相比...     

片簧型柔顺并联机器人运动规划与轨迹跟踪技术

针对柔顺关节并联机器人系统存在的误差因素,为提高系统整体性能,开展运动规划及轨迹跟踪研究。根据性能要求,设计柔顺关节的结构参数,分析柔顺关节特性,建立机器人系统的分析模型并推导运动学方程。针对柔顺关节轴心漂移引起的杆长误差,提出一种机器人主动杆和从动杆实际杆长的计算方法,修正主动杆关节角的期望轨迹。为补偿系统振动及参数摄动误差,基于径向基(RBF)神经网络设计模型逼近控制算法,跟踪期望轨迹。基于Solid Works、ANSYS、ADAMS及Matlab/Simulink建立机器人系统的虚拟仿真模型。仿真结果表明,提出的运动规划和控制方法将未补偿柔顺关节误差时的机器人末端轨迹误差降低了84%以上,能够有效提高柔顺关节并联机器人系统的运行精度。     

柔顺关节并联机器人设计与实验

通过实验研究,运用结构参数化方法设计了满足要求的柔顺关节,用以代替传统运动副进行传动,建立了含有柔顺关节的柔顺并联机器人机构,并与控制系统和OPTOTRAK测量系统一起组成实验系统,开展柔顺关节并联机器人动力学建模、分析、设计、规划与控制等方面的系统研究.以3自由度柔顺并联机器人为研究对象,分别对用转动副传动的刚性并联机器人和用柔顺关节传动的柔顺并联机器人进行了实验研究.通过对实验数据的对比分析,各项实验指标相对误差均控制在允许之内,表明在并联机器人中用柔顺关节取代转动副的有效性.     

给定速度需求的移动机器人路径跟踪控制与实验

针对轮式移动机器人给定速度需求的非连续路径跟踪控制问题,将其转换为满足速度约束的轨迹规划和轨迹跟踪控制。首先,针对给定速度需求的路径跟踪问题,以运行时间和能量为优化目标,给定的路径和速度为约束条件,采用五次Bezier样条方法优化得到了满足需求的连续光滑轨迹。其次,利用轮式移动人系统的微分平坦特性,采用微分平坦方法设计前馈控制器;然后,将轮式移动机器人运动学模型在前馈控制的平衡点处进行一阶泰勒展开,得到了线性时变的误差模型,并通过定义新的状态变量,设计了具有Lyapunov稳定性的误差反馈控制器。结合前馈控制和反馈控制得到了二自由度轨迹跟踪控制器。同时将泰勒展开的高阶项考虑为有界的扰动输入,在输入到状态稳定性框架下证明了控制系统的鲁棒稳定性;最后,通过Pioneer 3-dx轮式移动机器人进行了实验验证,实验结果表明,提出的算法能够满足给定速度需求的非连续路径的跟踪控制需求。