论文部分内容阅读
随着电子科技的发展与生产技术的提高,机器人越来越多地应用于社会服务和工业生产。机器人定位精度作为评估机器人性能的一个重点指标,对机器人运动的稳定性、准确性和可靠性具有重大影响。尤其是在工业生产上,由于机械系统随着科技的发展变得越来越精密和复杂,加工、形变等因素造成工业机器人精度误差较大的问题越来越受重视。本文以标定方法对六自由度工业机器人的几何参数误差问题进行参数辨识和误差补偿研究,提高机器人的定位精度,主要研究内容包括以下三个方面。(1)基于D-H法构建IRB-1410型工业机器人的运动学模型并进行正逆运动学分析。介绍D-H建模原理,结合机器人性能参数求得机器人的几何参数,建立IRB-1410型机器人正运动模型。采用封闭解法计算多组逆解,结合最短路径原理选取最优解得到逆运动学模型,利用MATLAB对运动学模型的正确性进行验证。(2)针对各参数误差对末端位置误差具有不同影响程度这一问题,提出一种基于MD-H误差模型计算各参数误差对末端位置误差的影响权重的方法。基于MD-H法和微分变换原理建立误差模型,再构建六个关节角随时间统一变化的函数,确保每个连杆几何参数都参与运动造成误差积累。基于误差模型在相同关节组样本情况下计算各参数误差造成末端位置误差的最大值、绝对平均值和均方根值,以此为评估项赋值计算影响权重,分析不同参数误差对末端位置误差的影响程度。计算结果得出角度类参数误差对末端位置误差变化影响较大,尤其是关节角误差造成的影响最显著,约占影响权重的80%。(3)针对标定中如何能够更有效和完全的辨识出参数达到更好误差补偿这一问题,提出一种递推最小二乘法和遗传算法共同参与辨识且相互对比的标定方法。采用QR分解法对误差模型进行分析,找出冗余参数得到独立模型参与辨识,设置100组数据样本,利用递推最小二乘法对模型的参数进行辨识。为了完全辨识出参数,利用遗传算法的全局最优搜索性质辨识所有参数,且设置动态的交叉和变异算子使结果更优化。对比分析两种方法辨识解的有效性和准确度,并修正机器人参数进行误差补偿。仿真分析结果表明两种方法都能有效辨识参数,误差补偿后采用递推最小二乘法降低位置误差86.45%,采用遗传算法降低位置误差94.1%。遗传算法的辨识度要比递推最小二乘法的辨识度更精确,提高定位精度更显著。