并混联机器人的几何误差建模方法及装置制造方法及图纸

本发明专利技术公开了一种并混联机器人的几何误差建模方法及装置，其中，方法包括：根据摄动理论和D‑H矩阵法推导出并混联机器人的原始几何误差模型，确定并混联构型中的被动误差和结构误差；根据机器人关节链的闭环约束确定并混联构型的结构误差内生约束，确定求解相应约束关系数学表达的流程；根据被动误差、结构误差、流程和终端动平台位姿误差的传递关系，基于矩阵分解和仿真方法提取线性无关并符合误差内生约束关系的最优结构误差组合。该方法解决了并混联机器人的几何误差建模问题，从而更准确、通用地建立并混联机器人的几何误差模型，进而能够为并混联机器人的运动学标定等精度研究领域提供更有效更方便的先验几何误差模型，简单易实现。

Geometric error modeling method and device of parallel hybrid robot

【技术实现步骤摘要】
并混联机器人的几何误差建模方法及装置
本专利技术涉及机器人
，特别涉及一种并混联机器人的几何误差建模方法及装置。
技术介绍
运动精度是面向工业的并混联机器人最重要的指标。相对于传统串联机器人和机床，并混联机器人因较少的误差累积，在理论上具有更高的运动精度，因此很多并混联机器人构型被相继提出，但大多数并混联机器人在实际中位姿精度过低，还不能达到传统串联机床的精度。因此需要对并混联机器人的精度问题开展更深入的研究，这其中，并混联机器人的几何误差建模是一项核心内容。在并混联机器人的运动过程中，由于装配、加工等造成的机器人的几何误差，会对机器人终端动平台的位姿精度造成影响，因此需要对并混联机器人的几何误差进行建模，良好的几何误差模型是后续运动学标定等提高精度方法的重要保证。目前对并混联机器人的几何误差建模存在两个显著问题：1)模型不够准确，不能完全符合并混联机器人的关节闭环的特性，对后续精度提升存在潜在的负面影响；2)建模方法不够通用，需要针对机构进行特定的建模过程，几何误差建模的效率较低，难以自动化构造误差模型。
技术实现思路
本申请是基于专利技术人对以下问题的认识和发现做出的：(1)目前针对并混联机器人的几何误差建模方法较少，为更好地分析、建立并混联机器人的几何误差模型，需要基于摄动理论和机器人D-H矩阵传动模型，进一步提出新的准确且通用的几何误差模型建立方法。(2)目前还没有普遍适用于并混联机器人的几何误差建模方法，针对并混联机器人的特点，提出一种准确通用的几何误差建模方法对改善并混联机器人的精度具有重要意义。本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种并混联机器人的几何误差建模方法，该方法解决了并混联机器人的几何误差建模问题，从而更准确、通用地建立并混联机器人的几何误差模型，进而能够为并混联机器人的运动学标定等精度研究领域提供更有效更方便的先验几何误差模型，简单易实现。本专利技术的另一个目的在于提出一种并混联机器人的几何误差建模装置。为达到上述目的，本专利技术一方面实施例提出了一种并混联机器人的几何误差建模方法，包括；根据摄动理论和D-H矩阵法推导出并混联机器人的原始几何误差模型，确定并混联构型中的被动误差和结构误差；根据机器人关节链的闭环约束确定所述并混联构型的结构误差内生约束，确定求解相应约束关系数学表达的流程；根据所述被动误差、结构误差、流程和终端动平台位姿误差的传递关系，基于矩阵分解和仿真方法提取线性无关并符合误差内生约束关系的最优结构误差组合。本专利技术实施例的并混联机器人的几何误差建模方法，将最优结构误差组合及其终端位姿误差映射关系作为几何误差模型，克服了传统并混联装备几何误差建模不准确、不通用的问题，即解决了并混联机器人的几何误差建模问题，从而更准确、通用地建立并混联机器人的几何误差模型，进而能够为并混联机器人的运动学标定等精度研究领域提供更有效更方便的先验几何误差模型，简单易实现。另外，根据本专利技术上述实施例的并混联机器人的几何误差建模方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述原始几何误差模型为：其中，δbE、ωE分别代表终端的位置、姿态误差，∈I、∈II代表机构被动误差、结构误差组成的列矢量，Mi,I、Mi,II是相应的映射矩阵。进一步地，在本专利技术的一个实施例中，所述结构误差内生约束为：CII∈II＝0，其中，CII行数代表结构误差需要满足的约束数量。进一步地，在本专利技术的一个实施例中，在所述原始几何误差模型，不同支链间映射的终端误差一致：进一步地，在本专利技术的一个实施例中，所述根据所述被动误差、结构误差、流程和终端动平台位姿误差的传递关系，包括：根据所述原始几何误差模型和所述结构误差内生约束得到符合约束关系的结构误差矢量与终端位姿误差间的映射关系，得到最终几何误差模型及相应终端的误差映射矩阵。为达到上述目的，本专利技术另一方面实施例提出了一种并混联机器人的几何误差建模装置，包括；推导模块，用于根据摄动理论和D-H矩阵法推导出并混联机器人的原始几何误差模型，确定并混联构型中的被动误差和结构误差；确定模块，用于根据机器人关节链的闭环约束确定所述并混联构型的结构误差内生约束，确定求解相应约束关系数学表达的流程；提取模块，用于根据所述被动误差、结构误差、流程和终端动平台位姿误差的传递关系，基于矩阵分解和仿真方法提取线性无关并符合误差内生约束关系的最优结构误差组合。本专利技术实施例的并混联机器人的几何误差建模装置，将最优结构误差组合及其终端位姿误差映射关系作为几何误差模型，克服了传统并混联装备几何误差建模不准确、不通用的问题，即解决了并混联机器人的几何误差建模问题，从而更准确、通用地建立并混联机器人的几何误差模型，进而能够为并混联机器人的运动学标定等精度研究领域提供更有效更方便的先验几何误差模型，简单易实现。另外，根据本专利技术上述实施例的并混联机器人的几何误差建模装置还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述原始几何误差模型为：其中，δbE、ωE分别代表终端的位置、姿态误差，∈I、∈II代表机构被动误差、结构误差组成的列矢量，Mi,I、Mi,II是相应的映射矩阵。进一步地，在本专利技术的一个实施例中，所述结构误差内生约束为：CII∈II＝0，其中，CII行数代表结构误差需要满足的约束数量。进一步地，在本专利技术的一个实施例中，在所述原始几何误差模型，不同支链间映射的终端误差一致：进一步地，在本专利技术的一个实施例中，所述提取模块进一步用于根据所述原始几何误差模型和所述结构误差内生约束得到符合约束关系的结构误差矢量与终端位姿误差间的映射关系，得到最终几何误差模型及相应终端的误差映射矩阵。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术实施例的并混联机器人的几何误差建模方法的流程图；图2为根据本专利技术一个实施例的并混联机器人的几何误差建模方法的流程图；图3为根据本专利技术实施例的典型的并混联机器人构型示意图；图4为根据本专利技术实施例的并混联机器人的几何误差建模装置的结构示意图。附图标记说明：1-第一滑块；2-第二滑块；3-第三滑块；4-动平台；5-第一杆件；6-第二杆件；7-第三杆件。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。下面参照附图描述根据本专利技术实施例提出的并混联机器人的本文档来自技高网...

【技术保护点】
1.一种并混联机器人的几何误差建模方法，其特征在于，包括；/n根据摄动理论和D-H矩阵法推导出并混联机器人的原始几何误差模型，确定并混联构型中的被动误差和结构误差；/n根据机器人关节链的闭环约束确定所述并混联构型的结构误差内生约束，确定求解相应约束关系数学表达的流程；以及/n根据所述被动误差、结构误差、流程和终端动平台位姿误差的传递关系，基于矩阵分解和仿真方法提取线性无关并符合误差内生约束关系的最优结构误差组合。/n

【技术特征摘要】
1.一种并混联机器人的几何误差建模方法，其特征在于，包括；
根据摄动理论和D-H矩阵法推导出并混联机器人的原始几何误差模型，确定并混联构型中的被动误差和结构误差；
根据机器人关节链的闭环约束确定所述并混联构型的结构误差内生约束，确定求解相应约束关系数学表达的流程；以及
根据所述被动误差、结构误差、流程和终端动平台位姿误差的传递关系，基于矩阵分解和仿真方法提取线性无关并符合误差内生约束关系的最优结构误差组合。


2.根据权利要求1所述的方法，其特征在于，所述原始几何误差模型为：



其中，δbE、ωE分别代表终端的位置、姿态误差，∈I、∈II代表机构被动误差、结构误差组成的列矢量，Mi,I、Mi,II是相应的映射矩阵。


3.根据权利要求2所述的方法，其特征在于，所述结构误差内生约束为：
CII∈II＝0，
其中，CII行数代表结构误差需要满足的约束数量。


4.根据权利要求3所述的方法，其特征在于，在所述原始几何误差模型，不同支链间映射的终端误差一致：





5.根据权利要求1所述的方法，其特征在于，所述根据所述被动误差、结构误差、流程和终端动平台位姿误差的传递关系，包括：
根据所述原始几何误差模型和所述结构误差内生约束得到符合约束关系的结构误差矢量与终端位姿误差间的映射关系，得到最终几何误差模型及相应终端的误差映射矩阵。

【专利技术属性】
技术研发人员：吴军，叶豪，王冬，王立平，崔恒春，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11