一种选择机器人最优标定构型集合的方法技术

本发明专利技术公开一种选择机器人最优标定构型集合的方法，包括以下步骤：步骤1、建立机器人位置误差模型；步骤2、数据采集与冗余参数剔除；步骤3、建立综合评价指标；步骤4、通过获得可观测指标，确定最优标定构型集合的大小；步骤5、通过二进制模拟退火算法选择最优标定构型集合。本发明专利技术提出的综合观测指标很好的满足了两方面的需求，既能够评价所选构型集合的可观测性的综合能力，又能够使所选构型集合对应末端位置尽量均匀分布，即满足了构型的全局性。性。性。

【技术实现步骤摘要】
一种选择机器人最优标定构型集合的方法


[0001]本专利技术涉及一种选择机器人最优标定构型集合的方法。

技术介绍

[0002]在机器人生产过程中，由于加工、装配等因素，机器人的运动学参数实际值与名义值之间会存在偏差，从而导致机器人的绝对定位精度下降。为提高机器人的绝对定位精度，对其运动学参数进行标定是一种有效的方法。运动学参数标定的步骤可以分为四步：首先是建立机器人的运动学模型和误差模型；接着采用更高精度的测量仪器收集机器人标定所需的数据；然后利用辨识算法求解出准确的机器人运动学参数；最后使用得到的参数来补偿机器人末端的定位误差。在这其中，第二步直接影响着机器人最终的标定结果。鉴于机器人的参数众多，并为了提高标定结果的准确性，选择足够多的校准构型是非常必要的。然而，要采取一组能够完全覆盖整个机器人工作空间的校准构型是不现实的。由于测量设备的范围有限或机器人自身结构的遮挡，一些构型根本无法用于标定。因此，在前期阶段，我们需要进行大量测量，并从测量得到的整个构型集合中选择一个子集作为最优的标定集合。
[0003]据前人研究表明，机器人标定用构型集合的评价指标总共有五种，然而每个指标只能反映构型集合的可观测性的某一个方面。实际上，在机器人标定中，我们需要使用一组具有最佳综合能力的构型；除了可观测性之外，我们还需要考虑构型集合的另一个评价指标，即构型的全局性。机器人的校准后的参数可以用来计算末端位置误差，即校准残差。这些校准残差在标定构型处是最小的，但对于其他构型来说相对较大。因此，在选择标定用构型集合时，每个构型对应的机器人末端位置应尽量均匀地分布在所选的工作空间内，以确保标定后的机器人在该工作空间内具有较高的定位精度。

技术实现思路

[0004]本专利技术的内容是为了解决关于机器人标定用构型集合的评价指标可观测性以及构型的全局性的技术问题，本专利技术提出的综合观测指标很好的满足了两方面的需求，既能够评价所选构型集合的可观测性的综合能力，又能够使所选构型集合对应末端位置尽量均匀分布，即满足了构型的全局性。
[0005]为实现本专利技术的专利技术目的，本专利技术提供的技术方案是：一种选择机器人最优标定构型集合的方法，包括以下步骤：
[0006]步骤1、建立机器人位置误差模型；
[0007]步骤2、数据采集与冗余参数剔除；
[0008]步骤2.1、数据采集；
[0009]步骤2.2、冗余参数剔除；
[0010]步骤3、建立综合评价指标；
[0011]步骤3.1、通过奇异值分解获得可观测指标；
[0012]步骤3.2、建立临近距离指标；
[0013]对于已知的标定构型，通过机器人运动学模型计算得到机器人末端位置坐标；
[0014]步骤3.3、对步骤3.1和步骤3.2的指标通过反正切函数进行归一化，得到综合观测指标；
[0015]步骤4、通过获得可观测指标，确定最优标定构型集合的大小；
[0016]步骤5、通过二进制模拟退火算法选择最优标定构型集合；
[0017]步骤5.1、初始化参数；
[0018]步骤5.2、生成初始解；
[0019]步骤5.3、降温迭代；
[0020]步骤5.4、将对应的构型中提取出来并形成最优标定构型集合；
[0021]得出机器人最优标定构型集合。
[0022]本专利技术提供的优选技术方案为：
[0023]所述的步骤1中，所述的机器人位置误差模型具体为：
[0024]对需要标定的机器人建立运动学模型，则机器人某个构型对应的末端位置可以用如下公式表示：
[0025][0026]其中p代表机器人某个构型对应的末端位置，θ为机器人处于该末端位置时对应的关节角向量，包含(θ1L θ6)6个关节角弧度值，f代表机器人末端位置与各关节角(θ1Lθ6)和各运动学参数ε＝[ε
1 ε
2 L ε
k
]T
之间的函数映射，T代表矩阵转置；k代表未进行冗余参数剔除前待标定运动学参数的个数；各运动学参数包括机器人转角误差和各连杆参数。则这个构型对应的末端位置误差的计算公式为：
[0027][0028]其中
△
ε是机器人运动学参数的误差的向量形式，x、y、z为空间坐标值，i为第i个需要标定的参数的序号，k为未进行冗余参数剔除前待标定运动学参数的个数，代表机器人末端位置与各关节角和各运动学参数之间的函数映射f对第i个待标定参数ε
i
求偏微分；J是这个标定构型对应的雅可比矩阵，其具体形式为：
[0029][0030]本专利技术提供的进一步的优选技术方案为：
[0031]所述的步骤2.1具体为：
[0032]将激光反射靶球通过特制夹具固定在机器人末端，控制机器人携带激光反射靶球到达提前设置好的名义位置坐标，通过激光跟踪仪测量激光反射靶球实际位置坐标，并通过上位机软件获得机器人关节构型，以上操作要重复多次(N次)以获得大量坐标和关节构型数据，N为重复以上操作的次数；
[0033]之后将激光反射靶球的各个位置坐标储存在矩阵laser
N
×3中，将对应关节构型储存在矩阵angle
N
×6中，angle即为构型候选池。
[0034]本专利技术提供的另外的优选技术方案为：
[0035]所述的步骤2.2具体为：
[0036]对于angle中任意m个机器人构型，根据式(3)得到m个构型对应的雅可比矩阵，该雅可比矩阵的维数为3m
×
k，m为机器人构型的个数；
[0037]依据雅可比矩阵列与列之间的相关性剔除线性相关的列和列对应的冗余参数，剔除之前雅可比矩阵的列数与待辨识运动学参数的个数都是k，剔除后都变为n，n为剔除线性相关的列和列对应的冗余参数之后雅可比矩阵的列数与待辨识运动学参数的个数。
[0038]本专利技术提供的进一步的优选技术方案为：所述的步骤3.1通过奇异值分解获得可观测指标具体为：
[0039]对剔除冗余列之后的雅可比矩阵进行奇异值分解，即J＝UΣV，其中：
[0040][0041]其中U为J的左奇异矩阵,V为J的右奇异矩阵,m为机器人构型的个数,σ1、σ2,L,σ
n
是矩阵J的奇异值，且满足σ1≥σ2L≥σ
n
≥0。
[0042]利用得到的奇异值可以得到可观测指标O1和O3。
[0043]O1为：
[0044][0045]O3为：
[0046]O3＝σ
n
ꢀꢀꢀꢀ
(6)
[0047]本专利技术提供的进一步的优选技术方案为：
[0048]所述的步骤3.2建立临近距离指标具体为：
[0049]已知对于任意m个标定构型，通过机器人运动学模型计算得到m个机器人末端位置坐标。
[0050]步骤3.2.1、设定K值，K代表的意思是：步骤3.2.4中计算每个点与其临近点之间的平均距离时选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种选择机器人最优标定构型集合的方法，其特征在于，包括以下步骤：步骤1、建立机器人位置误差模型；步骤2、数据采集与冗余参数剔除；步骤2.1、数据采集；步骤2.2、冗余参数剔除；步骤3、建立综合评价指标；步骤3.1、通过奇异值分解获得可观测指标；步骤3.2、建立临近距离指标；对于已知的标定构型，通过机器人运动学模型计算得到机器人末端位置坐标；步骤3.3、对步骤3.1和步骤3.2的指标通过反正切函数进行归一化，得到综合观测指标；步骤4、通过获得可观测指标，确定最优标定构型集合的大小；步骤5、通过二进制模拟退火算法选择最优标定构型集合；步骤5.1、初始化参数；步骤5.2、生成初始解；步骤5.3、降温迭代；步骤5.4、将对应的构型中提取出来并形成最优标定构型集合；得出机器人最优标定构型集合。2.根据权利要求1所述的一种选择机器人最优标定构型集合的方法，其特征在于，所述的步骤1中，所述的机器人位置误差模型具体为：对需要标定的机器人建立运动学模型，则机器人某个构型对应的末端位置可以用如下公式表示：其中p代表机器人某个构型对应的末端位置，θ为机器人末端处于该位置时对应的关节角向量，包含(θ
1 L θ6)6个关节角弧度值，f代表机器人末端位置与各关节角(θ
1 L θ6)和各运动学参数ε＝[ε
1 ε
2 L ε
k
]
T
之间的函数映射，T代表代表矩阵转置；k代表未进行冗余参数剔除前待标定运动学参数的个数；各运动学参数包括机器人转角误差和各连杆参数；则这个构型对应的末端位置误差的计算公式为：其中
△
ε是机器人运动学参数的误差的向量形式，x、y、z为空间坐标值，i为第i个需要标定的参数的序号，k为未进行冗余参数剔除前待标定运动学参数的个数，代表机器人末端位置与各关节角和各运动学参数之间的函数映射f对第i个待标定参数ε
i
求偏微分；J是这个标定构型对应的雅可比矩阵，其具体形式为：
3.根据权利要求1所述的一种选择机器人最优标定构型集合的方法，其特征在于，所述的步骤2.1具体为：将激光反射靶球通过特制夹具固定在机器人末端，控制机器人携带激光反射靶球到达提前设置好的名义位置坐标，通过激光跟踪仪测量激光反射靶球实际位置坐标，并通过上位机软件获得机器人关节构型，以上操作要重复多次(N次)以获得大量坐标和关节构型数据，N为重复以上操作的次数；之后将激光反射靶球的各个位置坐标储存在矩阵laser
N
×3中，将对应关节构型储存在矩阵angle
N
×6中，angle即为构型候选池。4.根据权利要求1所述的一种选择机器人最优标定构型集合的方法，其特征在于，所述的步骤2.2具体为：对于angle中任意m个机器人构型，根据式(3)得到m个构型对应的雅可比矩阵，该雅可比矩阵的维数为3m
×
k，m为机器人构型的个数；依据雅可比矩阵列与列之间的相关性剔除线性相关的列和列对应的冗余参数，剔除之前雅可比矩阵的列数与待辨识运动学参数的个数都是k，剔除后都变为n，n为为剔除线性相关的列和列对应的冗余参数之后雅可比矩阵的列数与待辨识运动学参数的个数。5.根据权利要求1所述的一种选择机器人最优标定构型集合的方法，其特征在于，所述的步骤3.1通过奇异值分解获得可观测指标具体为：对剔除冗余列之后的雅可比矩阵进行奇异值分解，即J＝UΣV，其中：其中U为J的左奇异矩阵,V为J的右奇异矩阵,m为机器人构型的个数,σ1、σ2,L,σ
n
是矩阵J的奇异值，且满足σ1≥σ2L≥σ
n
≥0；利用得到的奇异值可以得到可观测指标O1和O3；O1为：O3为：O3＝σ
n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)。
6.根据权利要求1所述的一种选择机器人最优标定构型集合的方法，其特征在于，所述的步骤3.2建立临近距离指标具体为：已知对于任意m个标定构型，通过机器人运动学模型计算得到m个机器人末端位置坐标；步骤3.2.1、设定K值，K代表的意思是：步骤3.2.4中计算每个点与其临近点之间的平均距离时选取的临近点的数量；；步骤3.2.2、计算m个坐标点两两之间的欧几里得距离，并储存到矩阵D中，其中D(i,j)代表第i个点和第j个点之间的欧几里得距离；步骤3.2.3、对D中每行元素进行升序排序，将排序后的矩阵命名为D_sort；步骤3.2.4、对D_sort中每一行的第2列到第K+1列的元素求平均值也即计算每个点与其最近的K个邻近点之间的平均距离，也即计算每个点的K临近距离；步骤3.2.5、计算所有点K临近距离的方差var_d；步骤3.2.6、临近距离指标为：O
d
＝1/var_d
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)临近距离指标越大说明这m个点的分布越均匀。7.根据权利要求1所述的一种选择机器人最优标定构型集合的方法，其特征在于，所述的步骤3.3具体为：步骤3.3、对三个指标通过反正切函数进行归一化，得到综合观测指标：O
c
＝2/π
×
(atan(O1)+at...

【专利技术属性】
技术研发人员：于连栋，张继彦，贾华坤，高荣科，陆洋，陈孝喆，王飞飞，金浩，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：