[发明专利]一种面向工业机器人的几何误差辨识方法

说明书

本发明公开了一种面向工业机器人的几何误差辨识方法，包括如下步骤：S1：建立机器人运动学几何误差模型；S2：获取机器人的测量位姿；S3：建立测量位姿综合层次评价指标，综合考虑位姿观测性指标、位姿分布离散性指标和均匀性指标，得到最优测量位姿解集，基于改进的序列浮动前向选择算法，从最优测量位姿解集中，确定最优测量位姿；S4：计算得到不同关节角参数对应的理论位姿；S5：实际测量位姿与理论位姿之差为机器人末端定位误差，根据已建立的机器人运动学几何误差模型，基于自适应临界值的抗差估计的方法进行辨识，迭代进行几何误差辨识，得到最终的几何参数误差。

技术领域

本发明涉及机器人运动学、机器人误差辨识领域，尤其是涉及一种面向工业机器人的几何误差辨识方法。

背景技术

随着工业技术的高速发展，工业机器人广泛应用在现代制造业的许多领域，在搬运、喷涂、焊接、装配等众多领域发挥了重要的作用，极大的提高了生产效率，有利的促进了经济与社会的发展。在一些新兴的行业和领域，例如无人化工厂、太空探索、人机交互协作等，工业机器人也发挥了重要的作用，工业机器人越来越成为现在制造业不可缺少的重要角色。

在复杂度高或精度要求高的领域，例如柔性制造、磨削、钻孔等领域，对工业机器人定位精度要求高。机器人定位精度分为绝对定位精度和重复定位精度，目前，机器人的重复定位精度可达0.01mm，基本满足使用要求，影响机器人定位精度的主要是绝对定位精度，也就是机器人实际位置与目标位置之间的误差。造成这一误差的原因有很多，机械加工过程中的误差、装配误差、零件使用中的磨损以及机器人工作温度和工作负载的变化等等都会引起机器人末端定位精度的降低。根据误差源的特点，误差分类可分为几何误差和非几何误差。其中，几何误差是指机器人运动学描述参数，例如连杆长度、连杆扭角、关节偏置、关节转角等参数实际值与名义值之间的误差。经过机器人的机械机构，误差在各连杆间进行误差传递和积累，最终导致机器人定位精度降低。非几何误差包括热效应、连杆刚度变化导致的变形，相较于几何误差，非几何误差难以量化。就精度问题而言，几何误差是造成机器人末端定位精度降低的主要因素，针对几何误差进行辨识是提高机器人定位精度的有效途径。

机器人几何误差辨识精度与所选测量位姿关系密切，不同的测量位姿对几何参数误差的反映能力不同。针对测量位姿的评价指标，常用的观测性指标没有考虑位姿的分布性；综合考虑观测性和位姿分布性的综合评价指标，由于归一化的操作降低了指标的敏感度。针对测量位姿的选择，广泛使用的选择算法存在局部收敛问题，算法的收敛效果受参数初始值影响。进行几何误差辨识时，辨识精度也容易受到测量过程测量仪器以及粗差影响而降低。

发明内容

为解决现有技术的不足，实现提高工业机器人几何误差辨识精度的目的，本发明采用如下的技术方案：

一种面向工业机器人的几何误差辨识方法，包括如下步骤：

S1：建立机器人运动学几何误差模型：ΔX＝A·ΔQ，其中ΔX为机器人末端定位误差，ΔQ为机器人几何参数误差，A为描述定位误差与机器人参数误差相互关系的系数矩阵；

S2：控制机器人在空间运动，利用激光跟踪仪测量机器人末端执行器位置坐标，同时获取机器人关节角参数，得到机器人大量的测量位姿；

S3：建立测量位姿综合层次评价指标O_c，综合考虑位姿观测性指标O₁、位姿分布离散性指标δ和均匀性指标U，得到最优测量位姿解集S₂，基于改进的序列浮动前向选择算法，从最优测量位姿解集S₂中，确定最优测量位姿，算法包括如下步骤：

S31：初始化空的最优测量位姿解集ω，初始化算法参数包括：待选位姿集合φ、需求的位姿数m、迭代次数e、随机交换删除的位姿数量P以及初始解的位姿数量m等参数，从待选位姿集合φ中随机选择l个位姿作为初始解，开始算法迭代工作；