优化辨识参数的机器人标定方法技术

本发明专利技术公开了一种优化辨识参数的机器人标定方法，包括：根据机器人的理论辨识参数，生成M组机器人位姿集合，其作为遗传算法的初始群体A；计算各位姿下的机器人末端工具坐标系总变换矩阵T

【技术实现步骤摘要】
优化辨识参数的机器人标定方法
本专利技术涉及机器人标定领域，具体涉及一种优化辨识参数的机器人标定方法。
技术介绍
现代制造业对工业机器人性能的要求在不断地提高，机器人性能的两个主要评价指标为:重复定位精度和位姿准确性。现今机器人厂家生产的机器人重复定位精度比较高，机器人位姿准确性却很低，体现为机器人每次的位姿都处于错误位置，这主要是由于机器人实际辨识参数(连杆长度、连杆扭角、连杆偏距、减速比)与理论辨识参数之间存在差异，造成这种差异的原因有：机器人关节加工误差、关节装配误差。为了提高机器人的位姿准确性，国内外相关技术人员相继提出了一些机器人标定算法，这些算法主要利用一些高精度的测量设备来获取机器人末端的位姿，从而建立方程关系来辨识机器人运动学参数，其主要缺陷为标定过程中机器人位姿点位为随机选取，并没有对位姿点位进行优化分析，从而导致辨识参数的准确性受到影响以及辨识参数在机器人其他位置处精度低。
技术实现思路
针对上述问题，本专利技术提出一种优化辨识参数的机器人标定方法，通过对理论辨识参数施加随机误差的方式，多次模拟实际辨识参数信息，通过迭代计算获取理论值与实际值两者之间的偏差，基于偏差计算适应度函数，再利用遗传算法，不断优化机器人各位姿处的关节角度集合，得出最优的关节角度，从而提高了机器人位姿的准确性。一种优化辨识参数的机器人标定方法，包括如下步骤：1)根据机器人的理论辨识参数，生成M组机器人位姿集合，其作为遗传算法的初始群体A；每组机器人位姿集合中均包含N个位姿，N为正整数；单个位姿包含随机生成的各个关节的角度；设置观测位置，其与机器人基坐标系之间的变换矩阵为Tv；从所述M组机器人位姿集合中任意选取一组机器人位姿集合记为集合I；2)将集合I中的各个位姿记为位姿Wi，i＝1,2……N；利用机器人MDH/DH模型，分别计算各位姿下的机器人末端工具坐标系相对于机器人基坐标系的总变换矩阵Ti；将Ti乘以Tv，得到各个位姿下机器人的末端工具相对于观测位置的变换矩阵，进而得出末端工具在观测位置坐标系中的位置Gi；将所述理论辨识参数加入预先设定取值范围的随机误差并将新的辨识参数记为辨识参数I；3)利用辨识参数I和所述位姿Wi，再次计算各个位姿下的机器人末端工具坐标系相对于机器人基坐标系的总变换矩阵Ti＇，并求取末端工具在观测位置坐标系中的位置Gi＇；4)计算各个总变换矩阵Ti和Ti＇之间的位置误差传递矩阵，并根据位置误差传递矩阵得出机器人末端位置误差向量dpi；根据机器人末端位置误差向量和距离误差模型，得到如下等式：其中，Δli-1＝ΔGi-1'-ΔGi-1，ΔGi-1表示两个位置Gi之间的距离值，对应的，ΔGi-1'表示两个位置Gi＇之间的距离值；xR(i)、yR(i)、zR(i)表示Gi在机器人基坐标系中的直角坐标值；xR'(i)、yR'(i)、zR'(i)表示Gi＇在机器人基坐标系中的直角坐标值；qi＝(Δα1,Δa1,Δd1···Δβ4)T表示一组待求解的辨识参数，Bi表示待求解辨识参数对应得雅克比系数矩阵，其通过对机器人末端矩阵求导得出，其中xα1、yα1、zα1分别表示第一个待求解待辨识参数Δα1在x、y、z方向的导数；xd1、yd1、zd1分别表示第二个待求解辨识参数Δd1在x、y、z方向的导数；xβ4、yβ4、zβ4分别表示最后一个待求解辨识参数Δβ4在x、y、z方向的导数；联立N-1个等式(1)、(2)，通过最小二乘法解算得出一组辨识参数qi，并替换掉辨识参数I；5)利用替换后的辨识参数I重复步骤3)、4)，直到重复次数Q等于预设次数，计算最后一次重复步骤4)时矩阵Bi的条件数Cond；将重复过程收敛得出的辨识参数I记为辨识参数II；所述预设次数设置为5～10次；计算所述辨识参数II与所述理论辨识参数之间的欧式距离，将其记为偏差Dev；6)计算当前组机器人位姿集合I的个体适应度f：其中，权重参数h＝0.2～0.5；7)利用另一组机器人位姿集合替换集合I，并重复步骤2)～6)；直到遍历完所有组的机器人位姿集合、得出每组机器人位姿集合的个体适应度和选择概率；8)采取赌轮选择原则，根据各组的适应度从初始群体A中选取部分组机器人位姿集合进行交叉变异，得到一组新的机器人位姿集合记为集合II，迭代次数加1；9)采用相同方法，再次计算集合II的个体适应度，判断适应度是否达到给定的阈值g，若是，则将当前集合II记为集合B并作为最优解输出，终止遗传过程，进行步骤10)；若否，判断当前迭代次数值是否达到预设迭代次数T，若是，则将迭代进化过程中取得最大个体适应度的一组机器人位姿集合记为集合B并作为最优解输出，终止遗传过程，进行步骤10)；若否，继续迭代步骤8)；10)利用遗传过程得出的机器人位姿集合B，依次示教机器人的各个位姿，通过测量设备测量各个位姿下机器人末端工具位置信息，得出其相对于机器人基坐标系的总变换矩阵T”i以及各个位置G”i；根据步骤4)的计算，得出实际辨识参数，将实际辨识参数存储到机器人控制器中，完成机器人标定。进一步，所述辨识参数包括机器人全部或部分的固有参数，所述固有参数包括各个连杆长度、连杆扭角、连杆偏距和减速比等。进一步，数量M设置为辨识参数总数的2～5倍。进一步，预先设定：所述连杆长度和连杆偏距的随机误差取值范围：0.5～1mm；连杆扭角的随机误差取值范围：0.05～5°；减速比的随机误差取值范围：1～1.2。进一步，所述步骤10)中测量设备为激光跟踪仪、全站仪或三坐标机。进一步，ΔGi-1表示相邻两组位置Gi+1、Gi之间的距离值，或，将N个Gi中的任意一个记为第一基准位置，此时，ΔGi-1表示当前位置Gi与所述第一基准位置之间的距离值；对应的，ΔGi-1'表示相邻两组位置Gi+1＇、Gi＇之间的距离值，或，将N个Gi＇中的任意一个记为第二基准位置，此时，ΔGi-1'表示当前位置Gi＇与所述第二基准位置之间的距离值。经实验对比，本方法机器人位姿精度误差小于0.2mm，相比于传统方法精度提升0.2mm。附图说明图1本专利技术方法流程示意图；图2具体实施方式中未经标定的机器人与经标定机器人的精度对比折线图。具体实施方式以下结合附图和具体实施方式对本专利技术的技术方案进行详细描述。一种优化辨识参数的机器人标定方法，如图1所示，包括如下步骤：1)根据机器人的理论辨识参数(辨识参数包括机器人全部或部分的固有参数，固有参数包括各个连杆长度、连杆扭角、连杆偏距和减速比)；生成M组机器人位姿集合，其作为遗传算法的初始群体A；每组机器人位姿集合中均包含N个位姿，N为正整数；单个位姿包含随机生成的各个关节的角度；设置观测位置，其与机器人基坐标系之间的变换矩阵为Tv；从M组机器人位姿集合中任意选取一组机器人位本文档来自技高网...

【技术保护点】
1.一种优化辨识参数的机器人标定方法，其特征在于，包括如下步骤：/n1)根据机器人的理论辨识参数，生成M组机器人位姿集合，其作为遗传算法的初始群体A；每组机器人位姿集合中均包含N个位姿，N为正整数；单个位姿包含随机生成的各个关节的角度；/n设置观测位置，其与机器人基坐标系之间的变换矩阵为Tv；/n从所述M组机器人位姿集合中任意选取一组机器人位姿集合记为集合I；/n2)将集合I中的各个位姿记为位姿W

【技术特征摘要】
1.一种优化辨识参数的机器人标定方法，其特征在于，包括如下步骤：
1)根据机器人的理论辨识参数，生成M组机器人位姿集合，其作为遗传算法的初始群体A；每组机器人位姿集合中均包含N个位姿，N为正整数；单个位姿包含随机生成的各个关节的角度；
设置观测位置，其与机器人基坐标系之间的变换矩阵为Tv；
从所述M组机器人位姿集合中任意选取一组机器人位姿集合记为集合I；
2)将集合I中的各个位姿记为位姿Wi，i＝1,2……N；利用机器人MDH/DH模型，分别计算各位姿下的机器人末端工具坐标系相对于机器人基坐标系的总变换矩阵Ti；将Ti乘以Tv，得到各个位姿下机器人的末端工具相对于观测位置的变换矩阵，进而得出末端工具在观测位置坐标系中的位置Gi；
将所述理论辨识参数加入预先设定取值范围的随机误差并将新的辨识参数记为辨识参数I；
3)利用辨识参数I和所述位姿Wi，再次计算各个位姿下的机器人末端工具坐标系相对于机器人基坐标系的总变换矩阵Ti＇，并求取末端工具在观测位置坐标系中的位置Gi＇；
4)计算各个总变换矩阵Ti和Ti＇之间的位置误差传递矩阵，并根据位置误差传递矩阵得出机器人末端位置误差向量dpi；
根据机器人末端位置误差向量和距离误差模型，得到如下等式：






其中，Δli-1＝ΔGi-1'-ΔGi-1，ΔGi-1表示两个位置Gi之间的距离值，对应的，ΔGi-1'表示两个位置Gi＇之间的距离值；xR(i)、yR(i)、zR(i)表示Gi在机器人基坐标系中的直角坐标值；xR'(i)、yR'(i)、zR'(i)表示Gi＇在机器人基坐标系中的直角坐标值；
qi＝(Δα1,Δa1,Δd1…Δβ4)T表示一组待求解的辨识参数，Bi表示待求解辨识参数对应得雅克比系数矩阵，其通过对机器人末端矩阵求导得出，其中xα1、yα1、zα1分别表示第一个待求解待辨识参数Δα1在x、y、z方向的导数；xd1、yd1、zd1分别表示第二个待求解辨识参数Δd1在x、y、z方向的导数；xβ4、yβ4、zβ4分别表示最后一个待求解辨识参数Δβ4在x、y、z方向的导数；
联立N-1个等式(1)、(2)，通过最小二乘法解算得出一组辨识参数qi，并替换掉辨识参数I；
5)利用替换后的辨识参数I重复步骤3)、4)，直到重复次数Q等于预设次数，计算最后一次重复步骤4)时矩阵Bi的条件数Cond；将重复过程收敛得出的辨识参数I记为辨识参数II；所述预设次数设置为5～10次；
计算所述辨识参数II与所述理论辨识参数之间的欧式距...

【专利技术属性】
技术研发人员：尹仕斌，郭寅，刘海庆，崔鹏飞，郑超超，
申请(专利权)人：易思维杭州科技有限公司，
类型：发明
国别省市：浙江;33