一种面向工业机器人位姿参数补偿的点位布局优化方法技术

本发明专利技术公开的一种面向工业机器人位姿参数补偿的点位布局优化方法，属于工业机器人校准领域。本发明专利技术通过模拟多个工业机器人的误差位姿矩阵，并使用步进式搜索方法生成输入样本库，避免局部最优对数据收敛结果的影响。模拟工业机器人末端执行器的位姿数据，根据工业机器人运动学模型构建机器人位姿参数补偿的布局计算模型，应用该模型对工业机器人不同的位姿布局进行计算和对比，针对指定工业机器人和位姿参数补偿方法，给出相应点位布局。动态调整输入样本矩阵集的规模、误差允许范围以及返回合格布局的数量，输出工业机器人位姿参数补偿的柔性化布局。本发明专利技术适用于工业机器人领域，能够使用尽量少的点位提高对工业机器人误差补偿的效率和准确性。差补偿的效率和准确性。差补偿的效率和准确性。

【技术实现步骤摘要】
一种面向工业机器人位姿参数补偿的点位布局优化方法


[0001]本专利技术涉及一种面向工业机器人位姿参数补偿的点位布局优化方法，属于工业机器人校准领域。

技术介绍

[0002]工业机器人因自动化程度高、定位精度好等优势，已成为我国工业智能化的攻关方向之一，并将逐步替代人工，在智能制造领域发挥着不可替代的作用。但是在使用过程中，由于众多的不可控因素，导致工业机器人精度下降，并将直接影响其在叶片研磨、高精度钻铆等高精尖领域的应用。随着生产和制造工艺需求的不断提高，对于工业机器人的精度要求也越来越高。国内外研究机构都针对工业机器人的精度及性能保障，特别是针对补偿方法和校准技术方面开展了深入研究。目前，主要是通过构建工业机器人的误差模型对工业机器人进行误差补偿，并完成工业机器人的校准。但是，需要进行多次实验以保证最终工业机器人位姿参数补偿的准确性。为了提高工业机器人位姿参数补偿的有效性，需要找到一种面向工业机器人位姿参数补偿的点位布局优化方法，以达到能快速准确的补偿工业机器人位姿参数的目的。

技术实现思路

[0003]针对现有技术在对工业机器人进行误差补偿时需要多次验证的问题，本专利技术的主要目的是提供一种面向工业机器人位姿参数补偿的点位布局优化方法，通过对工业机器人进行快速准确的位姿参数补偿，提高对工业机器人进行误差补偿的效率和准确性。
[0004]本专利技术的目的是通过以下技术方案实现的：
[0005]本专利技术公开的一种面向工业机器人位姿参数补偿的点位布局优化方法，模拟多个工业机器人的误差位姿矩阵，并使用步进式搜索方法生成输入样本库，避免局部最优对数据收敛结果的影响。通过模拟工业机器人末端执行器实际的位姿数据，根据工业机器人运动学模型构建机器人位姿参数补偿的布局计算模型，应用所构建的布局计算模型对工业机器人不同的位姿布局进行计算和对比，针对指定工业机器人和位姿参数补偿方法，能够给出相应的点位布局。根据工业机器人的具体工作环境需要，动态调整输入样本矩阵集的规模、误差允许范围以及返回合格布局的数量，输出工业机器人位姿参数补偿的柔性化布局，提高对工业机器人进行误差补偿的效率和准确性。
[0006]本专利技术公开的一种面向工业机器人位姿参数补偿的点位布局优化方法，具体包含以下步骤：
[0007]step1:确定工业机器人末端执行器的运动空间；
[0008]step2:获取m个理论位姿，形成理论位姿矩阵；
[0009]布局计算模型中应用的机器人运动学模型为D
‑
H模型，其主要的构建过程如下：
[0010]机器人D
‑
H模型几何参数的连杆扭角为α
i
，关节距离为d
i
，杆件长度为a
i
，关节转角为θ
i
，Trans()代表坐标系平移，Rot()代表坐标系旋转，机器人相邻连杆坐标系之间的旋
转矩阵为A
n
：
[0011][0012]则n轴机器人末端执行器间的齐次变换矩阵为：
[0013][0014]式中：矩阵T的n、o、a列分别为机器人末端执行器坐标系的旋转量，p列为其末端执行器坐标系的平移量，则机器人末端执行器的笛卡尔坐标O(x
o
,y
o
,z
o
,a
o
,b
o
,c
o
)。
[0015]机器人在轴坐标系下，各个轴以τ的角度值进行转动到达下一位姿点，进而构建机器人理论位姿矩阵
O
T，
[0016]step3:随机从标准不确定度中选择误差形成误差位姿矩阵
E
T；
[0017]根据机器人末端位姿的标准不确定度U
σ
，结合step2的理论位姿矩阵得出随机误差位姿矩阵
E
T,
[0018]其中，
[0019][0020]为避免单一机器人数据导致实验结果的特异性和偶然性，随机从标准不确定度中选择q个误差，q中的每个误差均会形成m个误差位姿以形成位姿误差矩阵。
[0021]step4:根据机器人末端执行器位姿值的最大允许误差，逆向推导以求解出机器人运动学模型的各参数补偿的最大允许误差，即结合机器人末端位姿的最大误差，对运动学模型进行逆运动学D
‑
H'分析，能够得到运动学模型各参数的最大有效补偿范围
[0022]step5:将step4的输出值作为阈值；
[0023]step6:使用理论位姿矩阵与误差位姿矩阵构建样本库，应用步进式搜索方法形成输入样本集；
[0024]样本集中样本数不少于6个，每次的样本数为a，故应迭代的最大样本集数量为
[0025]步进式搜索方法为：理论位姿矩阵中有m个理论位姿，要生成的样本空间数为a，随机从局部标准不确定度中选择误差，每个误差均会形成一组位姿误差矩阵，然后采用组合
方法构建输入样本集。
[0026]step7:将样本集中的样本依次应用到工业机器人位姿参数补偿模型中，求解运动学模型各参数的补偿值；
[0027]step8:将step7的补偿值与step5的阈值进行比较，若符合阈值要求，则布局合格进入布局待选区，否则忽略此布局；
[0028]将所有样本集带入到已知的工业机器人位姿参数补偿模型中，求解各样本集对应的模型参数γ
i
，如果不大于γ
i
，将这一样本集放入到合格布局待选区。
[0029]step9:若仍有未计算的布局，则返回step7继续迭代，否则迭代结束；
[0030]step10:输出step8的n个合格布局；
[0031]step11:应用相似度方法对n个合格布局进行过滤，确定最终的最优布局。
[0032]构建位姿点位布局计算模型，输出点位布局，T'为最终输出的布局矩阵，T'中的位姿点位属于0T。
[0033]step12:应用校准方法对该布局进行验证，根据验证后的布局使用尽量少的点位以及布局方法对工业机器人位姿参数进行补偿，以提高工业机器人位姿参数的补偿效率。
[0034]有益效果：
[0035]1、本专利技术公开的一种面向工业机器人位姿参数补偿的点位布局优化方法，通过模拟多个工业机器人的误差位姿矩阵，避免由单一机器人数据导致实验结果的特异性和偶然性，提高工业机器人误差补偿的准确率。
[0036]2、本专利技术公开的一种面向工业机器人位姿参数补偿的点位布局优化方法，使用步进式搜索方法生成输入样本库，避免局部最优对数据收敛的结果的影响，同时也避免相关工作人员进行大量的重复性工作，既保证试验数据的可靠性，又提高实验的效率。
[0037]3、本专利技术公开的一种面向工业机器人位姿参数补偿的点位布局优化方法，模拟工业机器人末端执行器实际的位姿数据，避免使用真实的工业机器人位姿数据所带来的数据上的特异性和偶然性，保障试验数据的有效性和可靠性。...

【技术保护点】

【技术特征摘要】
1.一种面向工业机器人位姿参数补偿的点位布局优化方法，其特征在于：包括如下步骤，step1:确定工业机器人末端执行器的运动空间；step2:获取m个理论位姿，形成理论位姿矩阵；step3:随机从标准不确定度中选择误差，形成误差位姿矩阵；step4:根据机器人末端执行器位姿值的最大允许误差，逆向推导以求解出机器人运动学模型的各参数补偿的最大允许误差，即结合机器人末端位姿的最大误差，对运动学模型进行逆运动学D
‑
H'分析，能够得到运动学模型各参数的最大有效补偿范围step5:将step4的输出值作为阈值；step6:使用理论位姿矩阵与误差位姿矩阵构建样本库，应用步进式搜索方法形成输入样本集；step7:将样本集中的样本依次应用到工业机器人位姿参数补偿模型中，求解运动学模型各参数的补偿值；step8:将step7的补偿值与step5的阈值进行比较，若符合阈值要求，则布局合格进入布局待选区，否则忽略此布局；step9:若仍有未计算的布局，则返回step7继续迭代，否则迭代结束；step10:输出step8的n个合格布局；step11:应用相似度方法对n个合格布局进行过滤，确定最终的最优布局；step12:应用校准方法对该布局进行验证，根据验证后的布局使用尽量少的点位以及布局方法对工业机器人位姿参数进行补偿，以提高工业机器人位姿参数的补偿效率。2.如权利要求1所述的一种面向工业机器人位姿参数补偿的点位布局优化方法，其特征在于：step2的实现方法为，布局计算模型中应用的机器人运动学模型为D
‑
H模型，其主要的构建过程如下：机器人D
‑
H模型几何参数的连杆扭角为α
i
，关节距离为d
i
，杆件长度为a
i
，关节转角为θ
i
，Trans()代表坐标系平移，Rot()代表坐标系旋转，机器人相邻连杆坐标系之间的旋转矩阵为A
n
：则n轴机器人末端执行器...

【专利技术属性】
技术研发人员：宫思远，赵子越，瞿剑苏，刘倩頔，贾志婷，
申请(专利权)人：中国航空工业集团公司北京长城计量测试技术研究所，
类型：发明
国别省市：