[发明专利]基于数字图像相关技术的工业机器人刚度辨识方法有效
申请号: | 201911268266.3 | 申请日: | 2019-12-11 |
公开(公告)号: | CN111125843B | 公开(公告)日: | 2022-02-11 |
发明(设计)人: | 闵峻英;李永记;胡家皓;林建平 | 申请(专利权)人: | 同济大学 |
主分类号: | G06F30/17 | 分类号: | G06F30/17;G06F119/14;B25J17/02 |
代理公司: | 上海光华专利事务所(普通合伙) 31219 | 代理人: | 徐迪怡 |
地址: | 200092 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 数字图像 相关 技术 工业 机器人 刚度 辨识 方法 | ||
本发明公开了一种基于数字图像相关技术的工业机器人刚度辨识方法,包括:建立基于数字图像相关技术的工业机器人刚度辨识测试系统;根据预设方式在工业机器人刚度辨识测试系统中进行刚度辨识实验,采集刚度辨识实验中工业机器人末端的载荷数据及对应情况的散斑图数据,并从散斑图数据中提取出对应的散斑图坐标数据;计算基坐标系下工业机器人的六维载荷数据和六维变形数据;基于六维载荷数据和六维变形数据,根据刚度辨识模型获取工业机器人的关节刚度值。本发明提高工业机器人的刚度辨识精度,从而用于关节变形补偿,对提高工业机器人的作业精度、拓展工业机器人的应用领域具有重要的意义。
技术领域
本发明涉及工业机器人的刚度辨识技术领域,尤其涉及基于数字图像相关技术的工业机器人刚度辨识方法。
背景技术
工业机器人具有高度的灵活性,可以在空间内实现复杂的位姿变换,在机器人末端安装不同的执行器,可以执行不同的任务,例如抓取、喷涂、焊接等。另外,工业机器人末端安装主轴,还可用于机加工,相较于传统机床具有灵活性高、加工范围大、成本低的优点,并且通过位姿变换能够轻易加工零件的复杂部位,避免主轴与零件产生干涉。但是当工业机器人应用于机加工时,由于其自身串联多连杆的特性,刚度远低于传统数控机床,在加工过程中经常受到颤振问题的困扰,导致加工零件精度不足,表面粗糙度高等问题。
目前,工业机器人机加工系统主要用于航空航天、汽车等领域中的塑料、铝制零件的倒角、去毛刺和抛光等工艺,当待加工工件硬度较低、切削过程中去除量较小且加工精度要求不是很高时更为适用。为了进一步提高加工精度、拓展工业机器人机加工在高硬度材料切削中的应用,需要对工业机器人的刚度特性和运动学建模开展研究,而刚度辨识则是运动学建模的重要一步。
工业机器人末端变形的检测精度是刚度辨识精度的关键。目前应用于机器人末端变形测量的仪器主要是激光跟踪仪,但激光跟踪仪的测量需要在机器人末端安装靶标,靶标内反射镜的安装精度会大大影响测量精度,并且激光容易受到外界环境的干扰,因此激光跟踪仪的测试精度十分有限。
发明内容
为了克服现有技术刚度辨识精度差、操作繁琐的不足,本发明提供一种基于数字图像相关技术的工业机器人刚度辨识方法,对工业机器人的关节刚度进行高精度辨识。
为了解决上述技术问题,本发明提供了一种基于数字图像相关技术的工业机器人刚度辨识方法,包括:
建立基于数字图像相关技术的工业机器人刚度辨识测试系统;
根据预设方式在所述工业机器人刚度辨识测试系统中进行刚度辨识实验,采集所述刚度辨识实验中所述工业机器人末端的载荷数据及对应情况的散斑图数据,并从所述散斑图数据中提取出对应的散斑图坐标数据;
根据所述载荷数据和所述散斑图坐标数据计算基坐标系下所述工业机器人的六维载荷数据和六维变形数据;
将所述工业机器人的关节近似为线性扭转弹簧,构建所述工业机器人的刚度辨识模型,并基于所述六维载荷数据和六维变形数据,根据所述刚度辨识模型获取所述工业机器人的关节刚度值。
优选地,建立基于数字图像相关技术的工业机器人刚度辨识测试系统步骤包括:
设定所述工业机器人刚度辨识测试系统包括工业机器人、设置于所述工业机器人末端的六维力传感器、负载以及对应于所述工业机器人和负载设置的数字图像装置;
设定所述数字图像装置包括固定于所述六维力传感器上的散斑板、摄像视野平行于所述散斑板的工业相机以及对应所述工业相机设置的摄影灯。
优选地,所述数字图像装置包括的工业相机不少于两个,相邻两个所述工业相机的光轴夹角大于15°。
优选地,根据预设方式在所述工业机器人刚度辨识测试系统中进行刚度辨识实验,采集所述刚度辨识实验中所述工业机器人末端的载荷数据及对应情况的散斑图数据包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911268266.3/2.html,转载请声明来源钻瓜专利网。