基于参数辨识的并联机器人误差模型研究

误差模型是保障机器人定位精度的重要前提,本文提出了一种基于参数辨识的并联机器人误差模型验证方法。搭建参数辨识模型以获取机器人实际结构参数,使用偏微分理论建立实际误差模型,并对模型中的误差参数进行定量分析。随后将各误差参数对末端执行器位姿的影响映射到关节输入量上,从而驱动机器人执行误差模型验证实验。以3-PUU并联机器人为对象进行误差分析并开展实验验证,对比激光跟踪仪采集的末端执行器位置数据与误差模型分析结果,结果表明两者之间最大偏差为0.50mm,平均偏差在0.31mm以内,验证了所建误差模型的合理性与正确性。     

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。     

2UPR-RPS型并联机构精度设计

几何误差对并联机构末端位姿精度产生重要影响。为揭示几何误差对并联机构末端位姿精度的影响规律,并据此确定其最优区间,以2UPR-RPS型并联机构为例,进行过约束并联机构的精度设计。采用一阶摄动法建立该并联机构的几何误差模型,获得对末端位姿误差有影响的几何误差源。利用区间分析理论建立末端位姿精度关于几何误差源的灵敏度指标,通过灵敏度分析揭示几何误差源对末端位姿精度的影响程度。以灵敏度指标作为权重建立精度综合模型,采用均匀设计法确定在任务空间内精度综合的位姿点,推导各几何误差源的最优区间,并据此制定关键零部件的精度等级及配合公差。采用Sobol序列的拟蒙特卡洛法预估该并联机构的末端位姿精度,仿真结果表明,经过精度综合得到的几何误差区间数满足预设的末端位姿精度要求,从而验证了该精度设计方法的可行性。     

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POE模型的工业机器人运动学参数二次辨识方法研究

针对工业机器人在高度制造领域精度不高的问题,本文提出了一种基于POE模型的工业机器人运动学参数二次辨识方法。阐述了基于指数积(Product of exponential,POE)模型的运动学误差模型构建方法,并建立基于POE误差模型的适应度函数;为实现高精度的参数辨识,提出了一种二次辨识方法,先利用改进灰狼优化算法(Improved grey wolf optimizer, IGWO)实现运动学参数误差的粗辨识,初步将Staubli TX60型机器人的平均位置误差和平均姿态误差分别从(0.648mm,0.212°)降低为(0.457mm,0.166°);为进一步提高机器人的精度性能,再通过LM(Levenberg-Marquard)算法进行参数误差的精辨识,最终将Staubli TX60型机器人平均位置误差和平均姿态误差进一步降低为(0.237mm,0.063°),机器人平均位置误差和平均姿态误差分别降低63.4%和70.2%。为了验证上述二次辨识方法的稳定性,随机选取5组辨识数据集和验证数据集进行POE误差模型的参数误差辨识,结果表明提出的二次辨识方法能够稳定、精确地辨识工业机器人运动学参数误差。     

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...     

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。     

风洞6_PUS并联支撑机器人运动误差建模与补偿

针对风洞6自由度并联支撑机器人,利用单支链D-H参数方法和摄动法建立了其运动误差模型,编写了误差模型仿真程序。根据风洞实验所需的6种典型运动模式,分析了不同模式下并联支撑机器人输出运动位姿的误差,得到了典型运动模式的误差变化规律。在风洞并联支撑机器人的构件设计和装配过程进行了针对性的误差控制,使设计和制造的并联支撑机器人精度达到了风洞实验的要求,并通过在风洞实验中嵌入与运动误差仿真类似的误差估算程序,再对风洞实验中被试模型的位姿误差进行补偿,实验证明这种方法提高了风洞实验数据的精度。     

移动并联式六自由度转运调姿方法研究

针对大型航天相机长距离转运和快速精确自动调姿需求,提出一种基于全向移动平台和3-RPS并联调姿机构的移动并联式六自由度调姿方法。首先,测得相机当前姿态和目标姿态,推导二者位姿矩阵;通过运动学模型反解全向移动平台和并联调姿机构的各轴运动参数,将多轴耦合的空间六自由度完全解耦;建立全向移动平台和并联机构的运动学模型,实现上述运动参数的驱动;最后,进行了调姿算法试验,结果表明,调姿设备能够快速精准实现大型相机任意姿态向目标姿态的自动化柔性姿态调整,全向移动平台移动精度优于0.3mm,旋转精度优于0.05°,并联机构杆长精度优于0.5mm,验证了自动调姿的准确性。     

三平移并联机器人坐标测量机精度研究

提出一种三平移并联机器人坐标测量机的设计方法。根据机构型的解耦性与控制和误差软件补偿的关系，选择非对称型三平移弱耦合并联机构用于坐标测量机，分析了该机构位置的正反解，建立了误差模型。由于该机型具有弱耦合特性，使得用软件补偿精度的方法变得方便可行。研究了影响该坐标测量机精度的机构因素．探讨了运动学参数软件逐步标定的方法。     

基于关节力传感器的并联六自由度机构标定方法

提出了一种基于关节力传感器的并联六自由度机构结构参数标定方法.从力学角度出发,通过测量并联六自由度机构各关节驱动力,利用并联六自由度机构自身的运动学和动力学模型构造相应的辨识模型,实现其结构参数的标定.通过标定仿真验证了该方法的实用性和有效性.     

考虑连杆和关节柔性的工业机器人大臂静动态性能优化

为提高工业机器人整体性能,减小其静动态性能误差,提出一种综合考虑工业机器人连杆和关节柔性的拓扑优化方法。将机器人动力学与拓扑优化相结合,以变密度法(Solid isotropic material with penalization,SIMP)为基础,通过线性加权和法建立工业机器人大臂的多目标拓扑优化函数模型,基于柔性多体动力学理论,利用有限元软件和多体动力学软件建立含关节、连杆柔性的机器人刚柔耦合动力学仿真模型,获得机器人在极限工况下大臂载荷谱,最后,利用层次分析法确定优化目标函数中各子目标的权重系数,并对函数进行求解。优化结果显示,优化后机器人大臂刚度和固有频率都得到提高,并且质量下降18.71%。通过虚拟样机技术重构机器人模型,并对其整体进行分析,结果表明,最大负载作用下,机器人最大变形量从0.208mm降至0.188mm,静态变形量误差减小9.62%;动态定位误差从0.777mm降至0.687mm,定位精度提高11.58%。上述拓扑优化方法为提升工业机器人整体静动态性能提供了有效的理论参考。     

天然橡胶割胶机器人视觉伺服控制方法与割胶试验

自动化割胶不仅可以把胶工从繁重的体力劳动和恶劣的工作环境中解放出来，还能降低对胶工的技术依赖，极大地提高生产效率。实现非结构环境下作业信息自主获取及割胶位置伺服控制是割胶机器人的关键技术。针对工作环境复杂多变、作业信息叠加交互、目标背景特征相近、亚毫米级作业精度要求等技术难点，本研究以人工橡胶林中橡胶树为割胶对象研发割胶机器人，通过建立割胶轨迹的空间数学模型，规划机器人快速接近和远离操作空间的运动路径；采用双目立体视觉技术获取树干和割线结构参数，融合机器人运动学、机器视觉技术和多传感器反馈控制技术研制了割胶机器人模块化样机。割胶机器人主要由轨道式机器人移动平台、多关节机械臂、双目立体视觉系统和末端执行器等组成。在海南天然橡胶林进行的割胶试验结果表明，在割胶机器人切割1 mm厚的橡胶树皮时，耗皮量误差约为0.28 mm，切割深度误差约为0.49 mm。该研究可为探索天然橡胶树的自动化割胶作业提供技术参考。     

基于345-修正梯形运动规律的4-RR-(SS)2并联机器人运动轨迹规划

研究了一种新型四自由度高速并联机器人运动轨迹规划方法。该机器人采用单动平台结构以减轻末端平台质量,提升机器人加减速性能。建立机器人机构运动学逆解模型,通过融合345多项式和梯形运动规律的优点,构造一种可兼顾运动时长和运动平稳性的345-修正梯形运动规律。在此基础上,通过插补叠加轨迹过渡传统门形轨迹的直角部分,并统筹考虑总运动时长最短以及角加速度峰值最小为目标完成插补叠加时机的优选,最后在样机上开展运动频次试验。试验结果显示,采用优化后的运动规律和轨迹样机运动频次可提升至218次/min,工作效率较传统Adept门形轨迹提高55.7%。