基于SIR降维DH模型的串联机器人自适应误差建模的标定方法技术

本发明专利技术公开了一种基于SIR降维DH模型的串联机器人自适应误差建模的标定方法，包括以下步骤：基于DH模型建立运动学模型；根据预构建的运动学模型建立运动学自适应误差模型；对运动学自适应误差模型的运动学参数进行标定。本发明专利技术可实现减少机械臂运动学自适应误差模型中需要辨识的参数个数，减少迭代次数，提高运算效率，实现在相邻关节不平行情况下串联机器人的运动学参数标定，提高机械臂的运动精度。降维DH运动学误差模型可减少模型中需要辨识的参数个数，减少迭代次数，简化计算，提高机器人的运动精度。人的运动精度。人的运动精度。

【技术实现步骤摘要】
基于SIR降维DH模型的串联机器人自适应误差建模的标定方法


[0001]本专利技术涉及一种标定方法，尤其涉及一种基于SIR降维DH模型的串联机器人自适应误差建模的标定方法，属于机器人标定


技术介绍

[0002]机器人在工业生产中的应用日益普及，但由于零件加工制造误差、连杆和关节柔性变形误差等影响，机器人的定位精度较低。这大大限制了机器人在高精密加工领域中的应用和发展，因此要对机器人定位误差进行补偿，从而提高机器人定位精度以满足生产过程中所需要的灵活性和高精度的要求。其中，对串联机器人运动学参数的标定尤为重要。现有技术中主要有两种标定方法：基于结构参数识别的标定方法和非结构参数的标定方法。进行串联机器人的标定一般分为四个步骤：建模，测量，识别和补偿。
[0003]针对机器人运动学参数的标定问题，国内外学者开展了大量的研究工作。Stone提出了6个参数的S模型，并应用到机械臂运动学标定中。Chen提出了指数积模型，该模型被认为是一种零参照的位模型。Zhuang提出了6参数的CPC模型和4参数的MCPC模型，其中MCPC模型在建模过程中引入的运动学参数过多，导致运动学误差模型建立过程复杂。因此急需设计一种标定方法，可以使建模过程更简单。对于一些相邻关节不存在平行情况的串联机器人而言，使用DH模型建模相对简单，也易于进行后期标定工作。
[0004]为了提高参数辨识运算效率，可通过降维处理减少机械臂误差模型中需要辨识的参数个数。统计学界提出一系列降维方法，如切片平均方差估计(SAVE)、投影追踪回归(PPR)等。目前一些标定方法已经被用来获取运动学参数，如遗传算法，粒子群算法等。

技术实现思路

[0005]本专利技术的目的在于克服现有技术中运动学误差模型建模复杂、无法实现自适应的不足，提供一种基于SIR降维DH模型的串联机器人自适应误差建模的标定方法，技术方案如下：
[0006]基于SIR降维DH模型的串联机器人自适应误差建模的标定方法，包括以下步骤：
[0007]基于DH模型建立运动学模型；
[0008]根据预构建的运动学模型建立运动学自适应误差模型；
[0009]对运动学自适应误差模型的运动学参数进行标定。
[0010]进一步地，运动学模型的建立，包括以下步骤：
[0011]在串联机器人的各连杆的关节点分别建立多个连杆坐标系；
[0012]基于多个连杆坐标系，求解两两相邻连杆坐标系{i}到连杆坐标系{i+1}之间的由相对位置与姿态组成的齐次变换矩阵T
i
，具体公式如下：
[0013][0014]其中，θ,α,d,a分别代表关节角、连杆扭转角、连杆偏移、连杆长度，Rot(z,θ
i
)代表机械臂第i关节绕z轴旋转θ角度对应的齐次变换矩阵，Rot(x,α
i
)代表机械臂第i关节绕x轴旋转α角度对应的齐次变换矩阵，Trans(a
i
,0,d
i
)代表机械臂第i关节沿x,y,z轴平移a
i
,0,d
i
对应的齐次变换矩阵，cθ
i
,sθ
i
,cα
i
,sα
i
代表了cos(θ
i
),sin(θ
i
),cos(α
i
),sin(α
i
)；
[0015]采用递归方式获得参考坐标系相对于工具坐标系的齐次变换矩阵T，即机械臂DH运动学模型，公式如下：
[0016]T＝T0·
T1···
T
n-1
·
T
n
ꢀꢀꢀ
公式(2)
[0017]进一步地，运动学自适应误差模型的建立包括以下步骤：
[0018]基于DH运动学模型，采用SIR方法对DH运动学模型的机械臂运动学参数进行降维处理，求得有效降维空间的主方向；
[0019]基于有效降维空间，构建运动学自适应误差模型。
[0020]优选地，通过SIR方法对DH运动学模型的参数进行逐级降维。
[0021]进一步地，运动学自适应误差模型包括：
[0022]采用微分变换法对相邻关节之间的齐次变换矩阵T
i
进行全微分，可得各连杆间的连杆变换矩阵微分dT
i
，表示为:
[0023][0024]其中，T
iN
表示连杆坐标系i+1相对于坐标系i的理想运动学变换矩阵,理想运动学变换矩阵即齐次变换矩阵T
i
；
[0025]T
iA
表示连杆坐标系i+1相对于坐标系i的实际运动学变换矩阵，
[0026]δT
i
表示连杆坐标系i+1相对于坐标系i的位姿误差矩阵δT
i
；
[0027]由上述线性形式，确定各连杆参数对应的位姿误差矩阵T
θ
,T
α
,T
d
,T
a
；
[0028]根据变换矩阵微分dT
i
的表达形式，确定基于机械臂运动学参数有效降维空间的位姿误差矩阵δT
i
；
[0029]根据位姿误差矩阵δT
i
的表达形式，确定基于机械臂运动学参数有效降维空间的位置误差d
i
和姿态误差δ
i
；
[0030]根据从参考坐标系至工具坐标系中任意相邻连杆坐标系间的位姿误差，建立相对于工具坐标系的机械臂运动学自适应误差模型：
[0031]Δ
E
＝J
E
·
Ω
[0032]公式(27)
[0033]其中，Δ
E
为在工具坐标系下机械臂的末端位姿误差向量，J
E
为在工具坐标系下机械臂末端位姿误差与运动学参数误差的映射矩阵，Ω为机械臂运动学参数误差向量。
[0034]进一步地，对运动学参数进行标定，包括以下步骤：
[0035](1)使用激光跟踪仪来测量机械臂末端位姿的实际值，根据所建立的DH运动学模型来计算对应末端位姿的理论值，将两者之差作为末端位姿误差；
[0036](2)为保证方程的可求解性，选取足够多的末端姿态数据，构造超定方程组，并使用最小二乘法求解机械臂运动学参数误差向量Ω：
[0037][0038]其中，为在参考坐标系下机械臂的末端位姿误差向量，为在参考坐标系下机械臂末端位姿误差与运动学参数误差的映射矩阵；
[0039](3)根据最小二乘法进行有限次迭代，得到满足精度要求的运动学参数。
[0040]与现有技术相比，本专利技术所达到的有益效果：
[0041]本专利技术可实现减少机械臂运动学自适应误差模型中需要辨识的参数个数，减少迭代次数，提高运算效率，实现在相邻关节不平行情况下串联机器人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于SIR降维DH模型的串联机器人自适应误差建模的标定方法，其特征在于，包括以下步骤：基于DH模型建立运动学模型；根据预构建的运动学模型建立运动学自适应误差模型；对所述运动学自适应误差模型的运动学参数进行标定。2.根据权利要求1所述的标定方法，其特征在于，所述运动学模型的建立，包括以下步骤：在串联机器人的各连杆的关节点分别建立多个连杆坐标系；基于多个所述连杆坐标系，求解两两相邻所述连杆坐标系{i}到连杆坐标系{i+1}之间的由相对位置与姿态组成的齐次变换矩阵T
i
，具体公式如下：其中，θ,α,d,a分别代表关节角、连杆扭转角、连杆偏移、连杆长度，Rot(z,θ
i
)代表机械臂第i关节绕z轴旋转θ角度对应的齐次变换矩阵，Rot(x,α
i
)代表机械臂第i关节绕x轴旋转α角度对应的齐次变换矩阵，Trans(a
i
,0,d
i
)代表机械臂第i关节沿x,y,z轴平移a
i
,0,d
i
对应的齐次变换矩阵，cθ
i
,sθ
i
,cα
i
,sα
i
代表了cos(θ
i
),sin(θ
i
),cos(α
i
),sin(α
i
)；采用递归方式获得参考坐标系相对于工具坐标系的齐次变换矩阵T，即机械臂DH运动学模型，公式如下：T＝T0·
T1…
T
n-1
·
T
n
ꢀꢀꢀꢀꢀꢀ
公式(2) 。3.根据权利要求1所述的标定方法，其特征在于，所述运动学自适应误差模型的建立包括以下步骤：基于所述DH运动学模型，采用SIR方法对所述DH运动学模型的机械臂运动学参数进行降维处理，求得有效降维空间；基于所述有效降维空间，构建运动学自适应误差模型。4.根据权利要求3所述的标定方法，其特征在于，通过所述SIR方法对所述DH运动学模型的参数进行逐级降维。5.根据权利要求1所述的标定方法，其特征在于，所述运动学自适应误差模型包括：采用微分变换法对相邻关节之间的齐次变换矩阵T
i
进行全微分，可得各连杆间的连杆...

【专利技术属性】
技术研发人员：陈盛，严以哲，高翔，徐国政，黄康金，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：