[发明专利]基于粒度模型的SCARA机器人精准定位方法

说明书

技术领域

本发明涉及SCARA机器人绝对定位精度领域，具体是指通过视觉传感器捕获到期望点坐标位置并驱动SCARA机器人末端第一次运动到此点，实际位置点和期望点有偏差，针对减少偏差提出有效的误差补偿策略，提高机器人的绝对定位精度。

背景技术

SCARA机器人在平面上的定位取决于轴1和轴2的共同作用。决定SCARA机器人性能指标分别是：机器人的重复定位精度、系统的绝对定位精度。许多工业机器人本体重复定位精度为20μm左右，但是系统的绝对定位精度一般为1-3mm。

影响SCARA机器人绝对定位精度的因素很多，且最终的绝对定位精度又是由多种因素共同作用的结果。现有的提高机器人定位精度的研究方法也称为机器人标定。机器人标定可以分为机器人运动学标定和机器人非运动学标定。机器人运动学标定一般分为四个步骤：建模、测量、参数辨识、误差补偿。传统的机器人标定方法需要建立复杂的运动学模型且侧重考虑几何参数带来的主要影响，即偏重标定的前三个步骤。误差补偿是机器人标定中的最后一个步骤，当辨识出运动学参数后，需要附加一定的控制算法或者修改机器人原有的控制系统参数来提高机器人的绝对定位精度。误差补偿方法可以分为如下几类：基于神经网络补偿法、基于插补思想补偿法、微分误差补偿法、关节空间补偿法；基于神经网络补偿法解决了选择误差模型的困难，但是训练样本集需要大量的测量工作。基于插补思想补偿法插补方式的选择带有一定的偶然性，依赖工程师的实际经验，工业适应性不强。微分误差补偿法需要测量几何参数微小偏差，这对测量仪器精度要求过高，测量的结果与环境的变化以及操作者的操作水平有较大依赖。传统的关节空间补偿法只能针对一种固定情况下提高定位精度，某一环节由外部带来的干扰，没有很好的抑制作用。

对于视觉伺服SCARA控制系统而言，从图像中获取到期望点的图像坐标通过坐标变换成机器人关节空间的角度，按照变换后的关节空间的角度驱动机器人运动，但是由于标定(相机坐标与机器人基坐标关系)带来的误差，会使实际点和期望点有不可消除的偏差。以缩小这种偏差为目的，希望设计一种工业适应性强、控制效果明显、位姿调整次数明确的误差补偿控制策略，使机器人明确具体的补偿量，从而使实际点的位置越来越趋近期望点的位置。从而整体上提高SCARA机器人的绝对定位精度。

发明内容

本发明针对SCARA视觉伺服控制系统在通过视觉传感器得到期望点的坐标，驱动SCARA机器人移动到期望点，发现实际点和期望点有一定偏差。为了减小偏差，提出了一种满足提高SCARA机器人绝对定位精度的基于粒度模型结合最小距离误差逼近的方法。

为达到此目的，本发明的技术方案如下：首先通过视觉传感器得到期望点的图像坐标，通过坐标变换把期望点的图像坐标变换成笛卡尔空间坐标，再通过变换把笛卡尔空间坐标变换成机器人关节空间坐标。根据求解出的关节空间坐标驱动机器人运动，根据实际点与期望点坐标位置关系确定起始粒度模型参数，计算模型四个粒度点与期望点的距离误差，选择最小距离误差的粒度点为下一步构建可变参数粒度模型起始点。最后根据期望点在粒度模型区域内的坐标位置，分情况的调整粒度模型参数，最终使得期望位置点与实际位置点的距离偏差小于电机最小指令单位步长的距离，从而满足机器人绝对定位精度的要求。整个流程包括：确定模型起始粒度点的关节位置、确定起始粒度模型参数、设计基于粒度模型位姿调整策略。

(1)根据SCARA机器人的结构特性，1轴和2轴决定机器人末端平面定位。构建机器人1轴和2轴简化模型。

(2)由视觉传感器得到期望点的笛卡尔坐标P₀(x₀，y₀)，再由第一步所知的关节空间坐标和笛卡尔坐标的转换关系，得到期望点的关节空间坐标P₀(θ_1，0，θ_2，0)。