基于粒子群算法的串联工业机器人运动学误差补偿技术制造技术

本发明专利技术公开了一种基于粒子群算法的串联工业机器人运动学误差补偿技术，包括数据批量采集

【技术实现步骤摘要】
基于粒子群算法的串联工业机器人运动学误差补偿技术


[0001]本专利技术涉及一种串联工业机器人，尤其是涉及一种使用于串联工业机器人上的基于粒子群算法的串联工业机器人运动学误差补偿技术
。

技术介绍

[0002]串联工业机器人作为智能制造装备的典型代表，其精度受到加工
、
装配
、
连杆变形等误差的影响，难以实现向高精度和高智能化的转型升级
。
目前有两种方法来提高工业机器人末端定位精度，第一种是误差预防法，利用先进的加工方法提高零件加工和装配的精度；第二种是误差补偿法，通过标定技术来提高机器人的末端定位精度，是一种软件的补偿方式
。
然而误差预防法需要高精度的加工技术与条件，成本高，具有很大的局限性，不能对机器人的机械磨损和元件性能改变等因素造成的末端误差进行补偿
。
[0003]误差补偿法的核心是参数辨识，参数辨识的过程就是对误差方程组求解获取机器人运动学参数误差的过程，由于误差模型中的待求参数较多，所以需要多组机器人末端位姿数据来构成参数辨识的方程组
。
目前参数辨识最常用的方法是最小二乘法，该方法是用来寻找使理论数据和实际数据之间的误差最小化的最优解的方法，
[0004]当前串联工业机器人运动学误差补偿存在两个显著的问题：
[0005](1)
误差补偿过程选取的数据点随机分布在工作空间内，这种选点方式属于随机选点，容易造成误差雅各比矩阵的条件数过大从而导致辨识结果不准确；
[0006](2)
针对大批量的工业机器人误差补偿，没有一种高效的辨识手段；

技术实现思路

[0007]本专利技术为解决现有串联工业机器人存在着在提高末端定位精度时容易造成误差雅各比矩阵的条件数过大从而导致辨识结果不准确，难以满足大批量串联工业机器人误差补偿需求等现状而提供的一种可提高辨识结果准确性，可满足大批量工业机器人误差补偿需求，提高大批量工业机器人误差补偿效率的基于粒子群算法的串联工业机器人运动学误差补偿技术
。
[0008]为解决上述技术问题，本专利技术采用了一种基于粒子群算法的串联工业机器人运动学误差补偿技术，包括：
[0009]数据批量采集：执行单个工业机器人末端位姿数据采集，根据单个工业机器人的采集数据，重复执行对其余工业机器人的数据采集任务，完成数据批量采集；在单个工业机器人的数据采集任务中，包括如下工业机器人末端位姿数据采集方法：
[0010]A1.
搭建实验平台正确安装激光跟踪仪系统；
[0011]A2.
预热并校准激光跟踪仪；
[0012]A3.
完成基坐标系与工具坐标系的建立；
[0013]A4.
选取机器人末端位置采集点；
[0014]A5.
通过机器人示教器控制机器人运动完成关节角度的输出；
[0015]数据存储：执行对单个工业机器人末端位姿数据采集后的数据存储，在数据存储库中建立包括但不限于位姿点对应数据
、
机器人关节角度和末端位姿坐标数据的机器人数据，重复执行对其余工业机器人的采集数据存储，形成数据存储库；
[0016]数据处理：串联机器人运动学误差通用模型，使用粒子群算法寻找雅各比矩阵条件数据为目标函数，对上述部分的所有工业机器人循环执行寻优误差矩阵，得到最优运动参数误差雅各比矩阵；
[0017]参数辨识及误差补偿：执行参数辨识及大批量误差补偿得到高精度
MDH
参数
。
[0018]可快速
、
高效实现大批量串联工业机器人的运动学误差补偿
,
为一般机器人制造商对现有型号的焊接机器人进行升级和改进，进一步提高机器人的定位精度，提高升级研发效率
。
可提高辨识结果准确性，可满足大批量工业机器人误差补偿需求，提高大批量工业机器人误差补偿效率
。
[0019]优选的，所述的数据批量采集采用方法为首先对第一台机器人进行数据采集，使用激光跟踪仪测量串联机器人的末端位姿，先搭建实验平台，其中包括了激光跟踪仪的安装和测试夹具的安装，随后对系统通电，使系统进行预热以达到设定温度；预热结束后，对激光跟踪仪进行校准；准备工作完成后，下开始对机器人位姿进行测量，首先需要分别建立激光跟踪仪的测量坐标系和机器人的基坐标系并对两者之间进行坐标变换，随后需要建立机器人工具坐标系使机器人示教器中显示的末端位姿是末端所安装的靶球球心的位姿；最后对机器人末端位姿点进行采集并将每个末端位姿点对应的关节角传递出来；数据采集点选取
1000
±
100
个位姿，使这些位姿尽可能的均匀分布在整个工作空间；然后对第2‑
n
台机器人重复上述步骤
。
[0020]为后续的数据存储
、
数据处理
、
参数辨识及误差补偿提供基础数据支撑
。
[0021]优选的，所述的数据存储采用为首先对第一台机器人进行数据存储，使用
Excel
存储采集的机器人数据，将第一台机器人的数据存储在
Excel
的第一个
sheet
中，以六轴串联机器人为例，以单个机器人数据存储为样例：在
Excel
的其中第一列存放数据编号，一个位姿点对应一组数据，第2‑7列存放机器人关节角度，最后三列存放机器人末端位姿坐标数据
。
[0022]为后续的数据处理
、
参数辨识及误差补偿提供数据支撑，并为后续大批量的数据处理
、
参数辨识及误差补偿提供效率支撑
。
[0023]优选的，所述的数据处理包括如下处理方法
[0024]B1.
首先串联机器人运动学误差通用模型
[0025]误差模型的建立基于
MDH
参数法坐标的
MDH(
修改
DH
参数法
)
参数法进行的，
[0026]误差通用模型如下：
[0027]Δ
P
＝
J(q)
ε
ꢀꢀꢀꢀ
(1)
[0028]J(q)
＝
[J1(q)
…
J
I
(q)]ꢀꢀꢀꢀ
(2)
[0029]Δ
P
＝
P
r
‑
P
n
ꢀꢀꢀꢀ
(3)
[0030]其中
:J
i
(q)
为参数误差的雅各比误差矩阵，
P
r
表示机器人末端实际位姿，
i
＝
1...I
表示串联工业机器人的1‑
I
个关节，
P
n
为机器人理论位姿，...

【技术保护点】

【技术特征摘要】
1.
一种基于粒子群算法的串联工业机器人运动学误差补偿技术，其特征在于：包括数据批量采集：执行单个工业机器人末端位姿数据采集，根据单个工业机器人的采集数据，重复执行对其余工业机器人的数据采集任务，完成数据批量采集；在单个工业机器人的数据采集任务中，包括如下工业机器人末端位姿数据采集方法：
A1.
搭建实验平台正确安装激光跟踪仪系统；
A2.
预热并校准激光跟踪仪；
A3.
完成基坐标系与工具坐标系的建立；
A4.
选取机器人末端位置采集点；
A5.
通过机器人示教器控制机器人运动完成关节角度的输出；数据存储：执行对单个工业机器人末端位姿数据采集后的数据存储，在数据存储库中建立包括但不限于位姿点对应数据
、
机器人关节角度和末端位姿坐标数据的机器人数据，重复执行对其余工业机器人的采集数据存储，形成数据存储库；数据处理：串联机器人运动学误差通用模型，使用粒子群算法寻找雅各比矩阵条件数据为目标函数，对上述部分的所有工业机器人循环执行寻优误差矩阵，得到最优运动参数误差雅各比矩阵；参数辨识及误差补偿：执行参数辨识及大批量误差补偿得到高精度
MDH
参数
。2.
按照权利要求1所述的基于粒子群算法的串联工业机器人运动学误差补偿技术，其特征在于：所述的数据批量采集采用方法为首先对第一台机器人进行数据采集，使用激光跟踪仪测量串联机器人的末端位姿，先搭建实验平台，其中包括了激光跟踪仪的安装和测试夹具的安装，随后对系统通电，使系统进行预热以达到设定温度；预热结束后，对激光跟踪仪进行校准；准备工作完成后，下开始对机器人位姿进行测量，首先需要分别建立激光跟踪仪的测量坐标系和机器人的基坐标系并对两者之间进行坐标变换，随后需要建立机器人工具坐标系使机器人示教器中显示的末端位姿是末端所安装的靶球球心的位姿；最后对机器人末端位姿点进行采集并将每个末端位姿点对应的关节角传递出来；数据采集点选取
1000
±
100
个位姿，使这些位姿尽可能的均匀分布在整个工作空间；然后对第2‑
n
台机器人重复上述步骤
。3.
按照权利要求1所述的基于粒子群算法的串联工业机器人运动学误差补偿技术，其特征在于：所述的数据存储采用为首先对第一台机器人进行数据存储，使用
Excel
存储采集的机器人数据，将第一台机器人的数据存储在
Excel
的第一个
sheet
中，以六轴串联机器人为例，以单个机器人数据存储为样例：在
Excel
的其中第一列存放数据编号，一个位姿点对应一组数据，第2‑7列存放机器人关节角度，最后三列存放机器人末端位姿坐标数据
。4.
按照权利要求1所述的基于粒子群算法的串联工业机器人运动学误差补偿技术，其特征在于：所述的数据处理包括如下处理方法
B1.
首先串联机器人运动学误差通用模型误差模型的建立基于
MDH
参数法坐标的
MDH(
修改
DH
参数法
)
参数法进行的，误差通用模型如下：
Δ
P=J(q)
ε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)J(q)=[J1(q)
…
J
I
(q)]
...

【专利技术属性】
技术研发人员：林肖，宋延奎，李彬，施孝新，刘敏，李俊阳，
申请(专利权)人：浙江今飞机械有限公司，
类型：发明
国别省市：