CN110039528A - 一种基于动态学习的工业机器人零点标定方法 - Google Patents

Abstract

本发明涉及一种基于动态学习的工业机器人零点标定方法，包括：利用简易的标定尖端采集工业机器人的多个姿态数据，记录每个姿态的关节角度和工具坐标系的XYZ距离；由关节角度和XYZ距离得到每个姿态的末端位置表达式，并根据末端位置求得多个姿态下的最小距离误差；求最小距离误差对关节角度偏量和XYZ偏量的偏微分；重复前述两个步骤，根据动态学习率对偏微分进行迭代，直到最小距离误差小于1mm；将关节角度偏量和XYZ偏量补偿到机器人完成零点标定。该方法利用简易的标定尖端采集工业机器人的多个姿态数据，并利用动态学习算法对数据进行快速迭代处理，使标定时间控制在30分钟以内，而且标定精度在1mm以内。

Description

一种基于动态学习的工业机器人零点标定方法

技术领域

本发明涉及工业机器人的标定方法技术领域，尤其涉及一种基于动态学习的工业机器人零点标定方法。

背景技术

零点是工业机器人判断自身位置的基准。机器人出厂之前，厂家会根据零位标志手动设置机器人的零点。然而，由于机器人加工过程存在差异性，导致每台机器人的真实零点位置并不相同，所以还需要对机器人进行精确的零点标定。目前主要的零点标定方法有激光跟踪仪标定法、厂家专用辅助工具标定法等。此类技术有以下缺点：

(1)需要的装置价格昂贵，标定过程繁琐。以激光跟踪仪为例，虽然标定精度很高，但是装置的价格普遍在200万以上，而且需要专业的技术人员进行标定，标定时间平均在1小时左右。

(2)现有的各类标定方法基本只适用单一种类的机器人。比如厂家专用辅助工具标定方法，一般只针对某种机器人专门设定的方法(比如SCARA标定，六轴焊接标定等)，这种方法不具普遍性，也不一定适用于其他厂家的机器人。

发明内容

本发明提出一种基于动态学习的工业机器人零点标定方法，利用简易的标定尖端采集工业机器人的多个姿态数据，并利用动态学习算法对数据进行快速迭代处理，使标定时间控制在30分钟以内，而且标定精度在1mm以内，解决现有标定方法装置昂贵和标定过程复杂的缺点。

为解决上述技术问题，本发明的技术方案是：

一种基于动态学习的工业机器人零点标定方法，包含以下步骤：

1)利用标定尖端采集工业机器人的多个姿态数据，记录每个姿态的关节角度和工具坐标系的XYZ距离；

2)由关节角度和XYZ距离得到每个姿态的末端位置表达式，并根据末端位置求得多个姿态下的最小距离误差；

3)求最小距离误差对关节角度偏量和XYZ偏量的偏微分；

4)重复步骤2)和步骤3)，根据动态学习率对偏微分进行迭代，直到最小距离误差小于1mm；

5)将关节角度偏量和XYZ偏量补偿到机器人完成零点标定。

进一步地，上述技术方案中，所述步骤1)包括以下步骤：

11)准备两个单端尖的标定杆，一个标定杆安装到机器人末端，另一个安装到机器人外固定位置；

12)让机器人末端标定杆对准外置标定杆，旋转工业机器人并采集多个工业机器人的姿态数据，记录每个姿态的关节角度和工具坐标系的XYZ距离。

进一步地，上述技术方案中，所述步骤2)包括以下步骤：

21)建立机器人的DH坐标系，根据各个DH计算得到每个姿态的末端位置在机器人基坐标系下的表达式1，

P＝f(a₀,d₀,a₁,θ₁,...,a_n,d_n,a_n,θ_n,X,Y,Z) 式1

其中，a_i,d_i是机器人的连杆参数，θ_i是各轴关节角度，XYZ是工具坐标系距离；

22)由于机器人末端一直与固定点接触，所以各个姿态的XYZ值相同，假设姿态数为N，则最小距离误差可以表示为：

上述技术方案中，所述步骤3)中“求最小距离误差对关节角度偏量和XYZ偏量的偏微分”具体为根据上述式1及式2计算最小距离误差对关节角度偏量和XYZ偏量的偏微分ΔΦ。

上述技术方案中，所述步骤4)具体包括：

41)对关节角度和XYZ设定分别动态学习率k，M是迭代次数，则：

43)不断进行更新迭代，直到最小距离误差小于1mm。

综上所述，本发明提供了一种基于动态学习的工业机器人零点标定方法，利用简易的标定尖端采集工业机器人的多个姿态数据，并利用动态学习算法对数据进行快速迭代处理，可以使标定时间控制在30分钟以内，而标定精度在1mm以内。该种标定方法不需要昂贵的设备装置，也不需要复杂的标定步骤，大大简化了标定流程，缩短了标定时间，提高了标定精度。同时，本发明提出的方法适用于各种四轴及六轴垂直多关节工业机器人，具有普遍适用性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法的步骤流程图；

图2为本发明的工业机器人旋转姿态示意图。

具体实施方式

为了更好地介绍本发明提供的方法，以下结合附图及表格和具体实施例来介绍本发明的技术方案。

如图1所示，本发明提供了一种基于动态学习的工业机器人零点标定方法，包含以下步骤：

1)利用简易的标定尖端采集工业机器人的多个姿态数据，记录每个姿态的关节角度和工具坐标系的XYZ距离；

2)由关节角度和XYZ距离得到每个姿态的末端位置表达式，并根据末端位置求得多个姿态下的最小距离误差；

3)求最小距离误差对关节角度偏量和XYZ偏量的偏微分；

4)重复步骤2)和步骤3)，根据动态学习率对偏微分进行迭代，直到最小距离误差小于1mm；

5)将关节角度偏量和XYZ偏量补偿到机器人完成零点标定。

进一步地，上述技术方案中，所述步骤1)包括以下步骤：

11)准备两个单端尖的标定杆，一个标定杆安装到机器人末端，另一个安装到机器人外固定位置；

12)让机器人末端标定杆对准外置标定杆，旋转工业机器人并采集多个工业机器人的姿态数据，记录每个姿态的关节角度和工具坐标系的XYZ距离。

进一步地，上述技术方案中，所述步骤2)包括以下步骤：

21)建立机器人的DH坐标系，根据各个DH计算得到每个姿态的末端位置在机器人基坐标系下的表达式1，

P＝f(a₀,d₀,a₁,θ₁,...,a_n,d_n,a_n,θ_n,X,Y,Z) 式1

其中，a_i,d_i是机器人的连杆参数，θ_i是各轴关节角度，XYZ是工具坐标系距离；

22)由于机器人末端一直与固定点接触，所以各个姿态的XYZ值相同，假设姿态数为N，则最小距离误差可以表示为：

上述技术方案中，所述步骤3)中“求最小距离误差对关节角度偏量和XYZ偏量的偏微分”具体为根据上述式1及式2计算最小距离误差对关节角度偏量和XYZ偏量的偏微分ΔΦ。

上述技术方案中，所述步骤4)具体包括：

41)对关节角度和XYZ设定分别动态学习率k，M是迭代次数，则：

44)不断进行更新迭代，直到最小距离误差小于1mm。

具体地举例如下：

以6轴机器人为例。

步骤1):

准备两个单端尖的标定杆，一个标定杆安装到机器人末端，一个安装到机器人外固定位置,让机器人末端标定杆对准外置标定杆，旋转工业机器人并采集若干个工业机器人的姿态数据，此处采集10个数据为例。记录每个姿态的关节角度θ和工具坐标系的XYZ距离。

工业机器人旋转姿态示例如图2所示。

步骤2)：

建立机器人的DH坐标系，生成如表1中的参数表。

表1

i

α<sub>i-1</sub>(°)

a<sub>i-1</sub>(mm)

d<sub>i</sub>(mm)

θ<sub>i</sub>

θ<sub>i</sub>初始值

减速比

1

0°

0

0

θ<sub>1</sub>

0°

121

2

α<sub>1</sub>＝-90°

a<sub>1</sub>＝180

0

θ<sub>2</sub>

-90°

121

3

0°

a<sub>2</sub>＝570

d<sub>3</sub>＝0

θ<sub>3</sub>

0°

121

4

α<sub>3</sub>＝-90°

a<sub>3</sub>＝155

d<sub>4</sub>＝730

θ<sub>4</sub>

0°

100

5

α<sub>4</sub>＝90°

0

0

θ<sub>5</sub>

0°

80

6

α<sub>5</sub>＝-90°

0

0

θ<sub>6</sub>

0°

80

根据各个DH计算得到每个姿态的末端位置在机器人基坐标系下的表达式1，

p_x＝c₁(a₁+a₂c₂+a₃c₂₃-d₄s₂₃)-d₃s₁

p_y＝s₁(a₁+a₂c₂+a₃c₂₃-d₄s₂₃)+d₃c₁

p_z＝-a₃s₂₃-a₂s₂-d₄c₂₃

其中，c1表示cosθ1，s1表示sinθ1，c12表示cos(θ1+θ2)，s12表示sin(θ1+θ2)。

由于机器人末端一直与固定点接触，所以各个姿态的XYZ值相同，假设姿态数为10，则最小距离误差可以表示为：

步骤3)：

求最小距离误差对关节角度偏量和XYZ偏量的偏微分。

具体地，根据式1和式2计算最小距离误差对关节角度偏量和XYZ偏量的偏微分ΔΦ。

步骤4)：

重复前述步骤2)和步骤3)，根据动态学习率对偏微分进行迭代，直到最小距离误差小于1mm。

具体地，对关节角度和XYZ设定分别动态学习率k，则：

其中M是迭代次数，不断进行更新迭代，直到最小距离误差小于1mm。

步骤5)：

将关节角度偏量和XYZ偏量补偿到机器人完成零点标定。

综上所述，本发明提供的一种基于动态学习的工业机器人零点标定方法，利用简易的标定尖端采集工业机器人的多个姿态数据，并利用动态学习算法对数据进行快速迭代处理，可以使标定时间控制在30分钟以内，而标定精度在1mm以内。该种标定方法不需要昂贵的设备装置，也不需要复杂的标定步骤，大大简化了标定流程，缩短了标定时间，提高了标定精度。同时，本发明提出的方法适用于各种四轴及六轴垂直多关节工业机器人，具有普遍适用性。

以上显示和描述了本发明的基本原理、主要特征及本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种基于动态学习的工业机器人零点标定方法，其特征在于，包括以下步骤：

1)利用标定尖端采集工业机器人的多个姿态数据，记录每个姿态的关节角度和工具坐标系的XYZ距离；

2)由关节角度和XYZ距离得到每个姿态的末端位置表达式，并根据末端位置求得多个姿态下的最小距离误差；

3)求最小距离误差对关节角度偏量和XYZ偏量的偏微分；

4)重复步骤2)和步骤3)，根据动态学习率对偏微分进行迭代，直到最小距离误差小于1mm；

5)将关节角度偏量和XYZ偏量补偿到机器人完成零点标定。

2.根据权利要求1所述的基于动态学习的工业机器人零点标定方法，其特征在于，所述步骤1)包括以下步骤：

11)准备两个单端尖的标定杆，一个标定杆安装到机器人末端，另一个安装到机器人外固定位置；

12)让机器人末端标定杆对准外置标定杆，旋转工业机器人并采集多个工业机器人的姿态数据，记录每个姿态的关节角度和工具坐标系的XYZ距离。

3.根据权利要求2所述的基于动态学习的工业机器人零点标定方法，其特征在于，所述步骤2)包括以下步骤：

21)建立机器人的DH坐标系，根据各个DH计算得到每个姿态的末端位置在机器人基坐标系下的表达式1，

P＝f(a₀,d₀,a₁,θ₁,...,a_n,d_n,a_n,θ_n,X,Y,Z) 式1

其中，a_i,d_i是机器人的连杆参数，θ_i是各轴关节角度，XYZ是工具坐标系距离；

22)由于机器人末端一直与固定点接触，所以各个姿态的XYZ值相同，假设姿态数为N，则最小距离误差可以表示为：

4.根据权利要求3所述的基于动态学习的工业机器人零点标定方法，其特征在于：

所述步骤3)中“求最小距离误差对关节角度偏量和XYZ偏量的偏微分”具体为根据上述式1及式2计算最小距离误差对关节角度偏量和XYZ偏量的偏微分ΔΦ。

5.根据权利要求1所述的基于动态学习的工业机器人零点标定方法，其特征在于，所述步骤4)具体包括：

41)对关节角度和XYZ设定分别动态学习率k，M是迭代次数，则：

42)不断进行更新迭代，直到最小距离误差小于1mm。