CN110193829B - 一种耦合运动学与刚度参数辨识的机器人精度控制方法 - Google Patents
一种耦合运动学与刚度参数辨识的机器人精度控制方法 Download PDFInfo
- Publication number
- CN110193829B CN110193829B CN201910333688.8A CN201910333688A CN110193829B CN 110193829 B CN110193829 B CN 110193829B CN 201910333688 A CN201910333688 A CN 201910333688A CN 110193829 B CN110193829 B CN 110193829B
- Authority
- CN
- China
- Prior art keywords
- robot
- joint
- kinematics
- parameter identification
- tail end
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000008878 coupling Effects 0.000 title claims abstract description 11
- 238000010168 coupling process Methods 0.000 title claims abstract description 11
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000005070 sampling Methods 0.000 claims description 15
- 230000036544 posture Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 206010023230 Joint stiffness Diseases 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- 238000009795 derivation Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 238000003754 machining Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000003801 milling Methods 0.000 abstract description 2
- 238000005520 cutting process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1638—Programme controls characterised by the control loop compensation for arm bending/inertia, pay load weight/inertia
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种耦合运动学与刚度参数辨识的机器人精度控制方法，属于工业机器人精度补偿技术领域。该方法通过辨识工业机器人运动学参数修正机器人运动学模型的误差，并通过刚度辨识方法实现机器人刚度建模，结合六维力传感器在线动态感知作业负载，提出一种机器人几何误差以及负载状态下柔性误差补偿的二阶补偿方案，实现工况状态下的机器人的精确定位。本发明方法通过机器人几何误差与柔性误差的精确计算，可以实现机器人加工状态下的绝对定位误差的高精控制，满足机器人在制孔、铣削等高精制造加工领域的技术需求。
Description
技术领域
本发明属于机器人精度补偿技术领域，具体指代一种耦合运动学与刚度参数辨识的机器人精度控制方法，能实现机器人作业状态下绝对定位精度的有效提升。
背景技术
工业机器人作为典型的柔性高精作业载体，具有作业柔性高、自动化程度高、空间要求低、运行成本低的特点，配合多功能末端执行器可以实现制孔、铣削、打磨等加工任务，是高端制造业尤其是航空航天等高附加值制造装配领域的核心加工装备。但是工业机器人串联链式结构导致机器人本体的刚度和绝对定位精度不高，而弱刚性属性也会导致度机器人作业载荷较低的耐受能力，影响加工状态下末端定位精度与作业质量。因此，对机器人作业状态下的绝对定位误差的计算与补偿是十分必要的。
机器人精度补偿技术是提升机器人定位精度的最常用手段，而机器人在空载状态下的机器人精度补偿技术国内外已经有了一定的研究，由于运动学参数误差是机器人定位误差的主要误差源，大多数研究者都从运动学模型的标定来展开研究，通过修改机器人控制器参数校准机器人模型实现本体误差补偿。在文献“ZAK G,BENHABIB B,FENTON R,etal.Application of the weighted least squares parameter estimation method tothe robot calibration.Journal of Mechanical Design,1994,116(3):890–893.”以及“GONG C,YUAN J,NI J.Nongeometric error identification and compensation forrobotic system by inverse calibration.International Journal of Machine Toolsand Manufacture,2000,40(14):2119–2137.”等都采用最小二乘法识别机器人的参数误差。但是运动学标定方法作为前置离线定位误差处理方法，存在以下不足：
(1)将机器人作为刚体，忽略了柔度对机器人定位误差的影响，机器人在作业状态下的定位精度不仅取决于机器人本体结构参数误差，而且会受到作业过程所受载荷作用产生末端柔性误差，缺乏进一步提高机器人精度的能力；
(2)加工试验结果表明使用该标定方法对机器人绝对定位精度的提升不能满足高精作业领域的作业要求。
在文献“Slavkovic N R,Milutinovic D S,Glavonjic M M.A method for off-line compensation of cutting force-induced errors in robotic machining bytool path modification.The International Journal of Advanced ManufacturingTechnology,2014,70(9-12):2083-2096.”中研究了切削状态下的机器人定位精度，在机器人刚度模型的基础上，提出了一种定位误差几何预测方法，但是在实际应用中，该方法存在以下不足：
(1)机器人刚度模型的建立是基于机器人运动学模型的，运动学模型的准确性并没有做出探讨与研究；
(2)离线补偿需要建立切削力作用模型，数学模型与机器人切削过程中的实际所受载荷的相近程度难以保证，降低了实际的补偿效果上限，实际应用效果并没有达到预期效果。
发明内容
针对于上述现有技术的不足，本发明的目的在于提供一种耦合运动学与刚度参数辨识的机器人精度控制方法，以解决现有的机器人标定方法对实际加工任务适应性不足以及离线定位误差预测方法精度难以保证的问题。
为达到上述目的，本发明采用的技术方案如下：
本发明的一种耦合运动学与刚度参数辨识的机器人精度控制方法，包括步骤如下：
步骤1：在给定机器人有效工作空间内，按照给定的步长把整个作业空间划分成一系列的均匀立方体网格，选择各立方体网格的八个顶点作为采样点位置，在各个目标位置规划一系列可达姿态，并设计末端负载模拟加工受力，用激光跟踪仪测量在不同位姿下负载前后机器人末端的位姿变化，通过六维力传感器获得不同位姿所受载荷信息；
步骤2：通过对机器人的各项运动学参数求偏导，建立机器人运动学参数误差模型，确定机器人输入端的微小变化dq与末端位姿微小变换dP之间的内在关联：
其中，dx，dy，dz，δx，δy，δz分别为机器人末端的定位和姿态误差在工具坐标系的投影，Ja、Jα、Jd、Jθ是机器人分别对关节连杆长度、关节扭转角、关节偏置距离、关节转角求导的雅可比矩阵，Δa、Δα、Δd、Δθ分别为关节连杆长度、关节扭转角、关节偏置距离、关节转角求导的误差；定义J(q)为扩展雅可比矩阵，通过阻尼最小二乘法对ΔP(q)＝J(q)Δq求解，获得运动学参数误差，实现机器人运动学模型修正；
步骤3：选择作业范围均匀分布的不少于8个采样位置，各位置选择不少于3个可达姿态，实现全作业空间的机器人关节刚度辨识；在修正的机器人运动学模型基础上建立雅可比矩阵；结合末端受载前后位姿转换矩阵、力传感器信息以及机器人修正运动学模型，利用机器人静刚度模型F＝KD＝J-TKθJ-1D实现机器人的关节刚度辨识；
步骤4：在修正过的运动学模型基础上实现机器人刚度精确建模，并在实际加工作业中对机器人作业位姿下的末端受力实时感知，从而实现机器人作业定位误差的在线预测，通过对机器人末端作业定位误差反向补偿实现机器人工况状态下的精确定位控制。
进一步地，所述步骤1中将机器人末端有效作业空间划分为立体网格，采样点同时满足运动学参数辨识和刚度参数辨识的技术需求。
进一步地，所述步骤1中根据作业类型选定机器人绕末端旋转轴向，模拟机器人实际作业姿态，考虑了采样姿态选择的多样性与可靠性。
进一步地，所述步骤2中对机器人各项运动学参数求偏导，建立机器人前端运动学误差源与机器人末端位姿误差的转换关系。
进一步地，所述步骤2中的各项运动学参数包括关节连杆长度、关节扭转角、关节偏置距离、关节转角。
进一步地，所述步骤1中利用激光跟踪仪测量安装在机器人法兰盘上的一组靶球位置，来拟合得到机器人的末端位姿变化，通过安装在机器人法兰盘上的六维力传感器感知末端载荷。
进一步地，所述步骤3中通过基于奇异值分解的最小二乘法拟合得到法兰盘位姿在加载负载前后的转换关系。
进一步地，所述步骤3中通过微分变换法，利用机器人运动学参数辨识修正的机器人结构参数建立雅可比矩阵，提高关节刚度辨识准确性。
进一步地，所述步骤4中通过离线参数辨识和在线柔度误差预测二阶式补偿方法实现机器人作业状态下的高精度定位控制。
本发明的有益效果：
1、本发明针对给定型号的工业机器人，都可以确定划分网格空间的步长，同时实现运动学和关节刚度的目标采样，减少了前期工作量；
2、本发明在运动学参数修正的机器人结构模型的基础上完成机器人刚度建模，建立的刚度模型更接近机器人实际刚度特征，有效提升了机器人刚度模型的准确度；
3、本发明可以大幅提高工业机器人刚度建模的准确性，提升对机器人切削作业中的末端变形量的预测能力，可以有效提升机器人作业精度，满足机器人在航空航天等高精加工领域应用的技术要求。
附图说明
图1为机器人作业网格空间划分及采样点位姿示意图。
图2为机器人连杆坐标系与运动学参数模型示意图。
图3为对25个试验点的机器人定位补偿效果示意图。
具体实施方式
为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。
步骤1：将激光跟踪仪置于合适位置，以方便测量。利用激光跟踪仪测量并构建由机器人基坐标系Base、法兰盘坐标系Flange、工具坐标系Tool、六维力传感器坐标系Force等组成的坐标系***。
步骤2：在机器人有效工作空间内，按照给定的网格步长将作业空间划分为一系列立方体网格，将网格的定点作为运动学和关节刚度辨识的采样点目标位置(见图1中Tag1到Tag8,其中Xi、Yi、Zi分别为末端位置对应的姿态下工具坐标系Tool的三个方向轴)，并通过绕某一坐标轴(如作业轴方向即目标点坐标的X方向)选择合适的角度旋转，规划各个位置的机器人的一系列采样姿态，激光跟踪仪完成目标位姿采样，并设计末端负载大小以及连接方式，模拟工况环境，通过六维力传感器完成机器人不同位姿的末端受力大小与方向。
步骤3：建立机器人运动学模型，见图2(其中x0、y0、z0构成机器人base坐标系，x1、y1、z1到x5、y5、z5构成机器人前五个关节的连杆坐标系，xf、yf、zf构成机器人法兰盘坐标系，和第六个关节的连杆坐标系一致)，并将机器人几何参数的微小变化作为误差源引入运动学模型，经过矩阵微分变换，建立机器人前端运动学误差源dq与机器人末端位姿误差dP的转换关系：
其中，dx，dy，dz，δx，δy，δz分别为机器人末端的定位和姿态误差在工具坐标系的投影，Ja、Jα、Jd、Jθ是机器人分别对关节连杆长度、关节扭转角、关节偏置距离、关节转角求导的雅可比矩阵，Δa、Δα、Δd、Δθ分别为关节连杆长度、关节扭转角、关节偏置距离、关节转角求导的误差；定义J(q)为扩展雅可比矩阵，通过阻尼最小二乘法对ΔP(q)＝J(q)Δq求解，获得运动学参数误差，实现机器人运动学模型修正；
计算机器人的雅可比矩阵和单步误差变化向量矩阵：
Δqi＝-{[J(qi)]T·J(qi)+μi·I}·[J(qi)]T·ΔP(qi)
i表示迭代次数，I表示单位矩阵；Δqi表示第i次迭代时参数误差的改变值，qi表示第i次迭代的参数误差，ΔP(qi)表示迭代到当前qi参数误差状态下与实际位置之间的误差向量，μi表示第i次迭代时的阻尼因子，通过以下法则获取：
每次迭代完成时通过qi+1＝qi+Δqi更新机器人的几何参数，最终实现机器人的运动学参数辨识和机器人运动学模型的精确建立。
步骤4：在该网格空间选择不少于8个在全作业空间均匀分布的采样点，各位置选取不少于3个可达姿态，通过测量负载前后的位姿信息以及力传感信息，辨识机器人关节刚度：
通过测量得到的负载前后机器人法兰盘上安装的靶标球位置信息，通过奇异值分解拟合机器人法兰盘受载前后的位姿变化，并将所测受力信息同时转换到同一坐标系下。
利用机器人静刚度模型辨识机器人关节刚度，其计算公式表达为：
F＝KD＝J-TKθJ-1D
其中，F与D为机器人末端法兰盘受到的广义载荷矩阵与末端变形矩阵，K与Kθ分别为机器人末端刚度矩阵与机器人关节刚度矩阵，J为机器人雅可比矩阵，通过微分变换法建立，在雅可比矩阵建立过程中使用运动学参数辨识的修正过的运动学参数；修改上式为：
D＝JKxJTF＝AKx
其中，
到
是机器人6个关节刚度的倒数，A是与作用力矩阵和雅可比矩阵相关的矩阵，表示为：
其中，Fi为外力F的第i行。
关节刚度可通过Kx＝(ATA)-1ATD计算获得，实现机器人的关节刚度的精确辨识。
步骤5：按照上述完成机器人运动学参数和关节刚度参数的辨识，可以实现机器人刚度模型的精确建立，实际加工作业中在机器人对应作业位姿下对末端受力实时感知，通过D＝JKxJTF实现机器人作业定位误差的在线预测，并通过定位误差反向补偿实现机器人工况状态下的作业定位的精确控制。
下面以KUKA-KR500工业机器人为例来说明本发明的具体实施方法：
首先，使用机器人建立坐标系***，在800mm×800mm×800mm的空间内，按照200mm为网格步长，将机器人作业空间划分为64个空间立体网格；
其次，在离线编程软件里规划并确定所有网格8个目标位置的机器人位姿坐标信息，通过将初始姿态绕工具坐标系X轴分别旋转±10°获得不同的三个位姿，模拟一定范围内的机器人加工任务；
再次，通过在空载状态下对目标位姿采样，通过激光跟踪仪记录法兰盘上靶球的位置；在末端通过固连的方式安装50KG负载模拟机器人作业过程的末端受力，在负载状态下重新完成目标位姿采样，并通过激光跟踪仪记录法兰盘上靶球在机器人负载状态下的位置信息；
最后，处理采集到的负载信息和位姿信息，通过辨识算法计算获得机器人运动学参数和关节刚度，如表1、表2所示，从而实现机器人全作业空间的关节刚度辨识和机器人刚度精确建模。
表1机器人各连杆参数误差辨识结果
表2机器人关节辨识结果
在刚度建模的基础上，在加工过程中结合六维力传感器对压紧载荷在线实测，可以实现机器人加工状态下的定位误差在线预测与补偿，随机选择25个机器人作业位姿，实现机器人这些位姿的负载状态下的定位补偿，结果如图3所示，补偿后的误差由1.8～3mm提高到0.4mm以内，精度提升达到70％以上。
本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。
Claims (8)
1.一种耦合运动学与刚度参数辨识的机器人精度控制方法，其特征在于，包括步骤如下：
步骤1：在给定机器人有效工作空间内，按照给定的步长把整个作业空间划分成一系列的均匀立方体网格，选择各立方体网格的八个顶点作为采样点位置，在各个目标位置规划一系列可达姿态，并设计末端负载模拟加工受力，用激光跟踪仪测量在不同位姿下负载前后机器人末端的位姿变化，通过六维力传感器获得不同位姿所受载荷信息；
步骤2：通过对机器人的各项运动学参数求偏导，建立机器人运动学参数误差模型，确定机器人输入端的微小变化dq与末端位姿微小变换dP之间的内在关联：
其中，dx，dy，dz，δx，δy，δz分别为机器人末端的定位和姿态误差在工具坐标系的投影，Ja、Jα、Jd、Jθ是机器人分别对关节连杆长度、关节扭转角、关节偏置距离、关节转角求导的雅可比矩阵，Δa、Δα、Δd、Δθ分别为关节连杆长度、关节扭转角、关节偏置距离、关节转角求导的误差；定义J(q)为扩展雅可比矩阵，通过阻尼最小二乘法对ΔP(q)＝J(q)Δq求解，获得运动学参数误差，实现机器人运动学模型修正；
步骤3：选择作业范围均匀分布的不少于8个采样位置，各位置选择不少于3个可达姿态，实现全作业空间的机器人关节刚度辨识；在修正的机器人运动学模型基础上建立雅可比矩阵；结合末端受载前后位姿转换矩阵、六维力传感器信息以及机器人修正运动学模型，利用机器人静刚度模型F＝KD＝J-TKθJ-1D实现机器人的关节刚度辨识；其中，F与D为机器人末端法兰盘受到的广义载荷矩阵与末端变形矩阵，K与Kθ分别为机器人末端刚度矩阵与机器人关节刚度矩阵，J为机器人雅可比矩阵；
步骤4：在修正过的运动学模型基础上实现机器人刚度精确建模，并在实际加工作业中对机器人作业位姿下的末端受力实时感知，从而实现机器人作业定位误差的在线预测，通过对机器人末端作业定位误差反向补偿实现机器人工况状态下的精确定位控制；
所述步骤2中的各项运动学参数包括关节连杆长度、关节扭转角、关节偏置距离、关节转角。
2.根据权利要求1所述的耦合运动学与刚度参数辨识的机器人精度控制方法，其特征在于，所述步骤1中将机器人末端有效作业空间划分为立体网格，采样点同时满足运动学参数辨识和刚度参数辨识的技术需求。
3.根据权利要求1所述的耦合运动学与刚度参数辨识的机器人精度控制方法，其特征在于，所述步骤1中根据作业类型选定机器人绕末端旋转轴向，模拟机器人实际作业姿态。
4.根据权利要求1所述的耦合运动学与刚度参数辨识的机器人精度控制方法，其特征在于，所述步骤2中对机器人各项运动学参数求偏导，建立机器人前端运动学误差源与机器人末端位姿误差的转换关系。
5.根据权利要求1所述的耦合运动学与刚度参数辨识的机器人精度控制方法，其特征在于，所述步骤1中利用激光跟踪仪测量安装在机器人法兰盘上的一组靶球位置，来拟合得到机器人的末端位姿变化，通过安装在机器人法兰盘上的六维力传感器感知末端载荷。
6.根据权利要求5所述的耦合运动学与刚度参数辨识的机器人精度控制方法，其特征在于，所述步骤3中通过基于奇异值分解的最小二乘法拟合得到法兰盘位姿在加载负载前后的转换关系。
7.根据权利要求1所述的耦合运动学与刚度参数辨识的机器人精度控制方法，其特征在于，所述步骤3中通过微分变换法，利用机器人运动学参数辨识修正的机器人结构参数建立雅可比矩阵，提高关节刚度辨识准确性。
8.根据权利要求1所述的耦合运动学与刚度参数辨识的机器人精度控制方法，其特征在于，所述步骤4中通过离线参数辨识和在线柔度误差预测二阶式补偿方法实现机器人作业状态下的高精度定位控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910333688.8A CN110193829B (zh) | 2019-04-24 | 2019-04-24 | 一种耦合运动学与刚度参数辨识的机器人精度控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910333688.8A CN110193829B (zh) | 2019-04-24 | 2019-04-24 | 一种耦合运动学与刚度参数辨识的机器人精度控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110193829A CN110193829A (zh) | 2019-09-03 |
| CN110193829B true CN110193829B (zh) | 2020-04-07 |
Family
ID=67752069
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910333688.8A Active CN110193829B (zh) | 2019-04-24 | 2019-04-24 | 一种耦合运动学与刚度参数辨识的机器人精度控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110193829B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112949103A (zh) * | 2019-11-26 | 2021-06-11 | 中国科学院沈阳自动化研究所 | 一种协作机器人非线性刚度建模方法 |
| CN111007804B (zh) * | 2019-12-05 | 2023-06-02 | 齐鲁工业大学 | 一种切削加工机器人的动态误差补偿与控制方法 |
| CN112959354B (zh) * | 2019-12-13 | 2022-03-15 | 中国科学院沈阳自动化研究所 | 一种引入弹性变形的机械臂标定方法 |
| CN111168717B (zh) * | 2019-12-20 | 2021-11-16 | 北京卫星制造厂有限公司 | 基于工业机器人刚度测量加载装置和关节刚度辨识方法 |
| CN111267143A (zh) * | 2020-02-18 | 2020-06-12 | 清华大学 | 六自由度工业串联机器人关节刚度辨识方法及*** |
| CN111633645A (zh) * | 2020-05-15 | 2020-09-08 | 成都飞机工业（集团）有限责任公司 | 一种用于移动式机器人***的精度补偿方法 |
| CN111618857B (zh) * | 2020-05-28 | 2021-04-20 | 杭州键嘉机器人有限公司 | 一种机械臂的多负载自适应重力补偿方法 |
| CN111590594B (zh) * | 2020-06-22 | 2021-12-07 | 南京航空航天大学 | 基于视觉引导的机器人轨迹跟踪控制方法 |
| CN111702762B (zh) * | 2020-06-23 | 2021-11-30 | 南京航空航天大学 | 一种工业机器人作业姿态优化方法 |
| CN111783248A (zh) * | 2020-07-01 | 2020-10-16 | 南京航空航天大学 | 一种工业机器人动力学建模及动力学参数识别方法 |
| CN111912310B (zh) * | 2020-08-10 | 2021-08-10 | 深圳市智流形机器人技术有限公司 | 校准方法、装置、设备 |
| CN112318498B (zh) * | 2020-09-23 | 2022-06-24 | 天津大学 | 一种考虑参数耦合的工业机器人标定方法 |
| CN112873199B (zh) * | 2021-01-08 | 2022-07-19 | 西北工业大学 | 基于运动学与空间插值的机器人绝对定位精度标定方法 |
| CN113927599B (zh) * | 2021-11-05 | 2023-12-19 | 上海新时达电气股份有限公司 | 绝对精度补偿方法及***、设备和计算机可读存储介质 |
| CN114474070A (zh) * | 2022-03-18 | 2022-05-13 | 河北工业大学 | 一种基于刚柔耦合的建筑机器人误差分析方法及验证方法 |
| CN114952861B (zh) * | 2022-06-27 | 2024-05-03 | 西南交通大学 | 基于位姿测量数据的机器人运动学参数误差精准辨识方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8152699B1 (en) * | 2008-06-19 | 2012-04-10 | Arrowhead Center, Inc. | Apparatus and method for reduced-gravity simulation |
| CN106247932A (zh) * | 2016-07-25 | 2016-12-21 | 天津大学 | 一种基于摄影***的机器人在线误差补偿装置及方法 |
| CN106737855A (zh) * | 2016-08-22 | 2017-05-31 | 南京理工大学 | 一种综合位姿误差模型与刚度补偿的机器人精度补偿方法 |
| CN107414834A (zh) * | 2017-08-10 | 2017-12-01 | 上海大学 | 一种多机器人协同***静刚度实时性能评价方法 |
| CN107607918A (zh) * | 2017-08-24 | 2018-01-19 | 北京航空航天大学 | 一种基于机器人的柱面近场测量馈源定位及偏焦方法 |
| CN108406768A (zh) * | 2018-03-09 | 2018-08-17 | 汇川技术（东莞）有限公司 | 一种基于自重和负载变形补偿的机器人标定方法以及*** |
| CN108908327A (zh) * | 2018-04-25 | 2018-11-30 | 成都飞机工业（集团）有限责任公司 | 一种机器人定位误差分级补偿方法 |
-
2019
- 2019-04-24 CN CN201910333688.8A patent/CN110193829B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8152699B1 (en) * | 2008-06-19 | 2012-04-10 | Arrowhead Center, Inc. | Apparatus and method for reduced-gravity simulation |
| CN106247932A (zh) * | 2016-07-25 | 2016-12-21 | 天津大学 | 一种基于摄影***的机器人在线误差补偿装置及方法 |
| CN106737855A (zh) * | 2016-08-22 | 2017-05-31 | 南京理工大学 | 一种综合位姿误差模型与刚度补偿的机器人精度补偿方法 |
| CN107414834A (zh) * | 2017-08-10 | 2017-12-01 | 上海大学 | 一种多机器人协同***静刚度实时性能评价方法 |
| CN107607918A (zh) * | 2017-08-24 | 2018-01-19 | 北京航空航天大学 | 一种基于机器人的柱面近场测量馈源定位及偏焦方法 |
| CN108406768A (zh) * | 2018-03-09 | 2018-08-17 | 汇川技术（东莞）有限公司 | 一种基于自重和负载变形补偿的机器人标定方法以及*** |
| CN108908327A (zh) * | 2018-04-25 | 2018-11-30 | 成都飞机工业（集团）有限责任公司 | 一种机器人定位误差分级补偿方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110193829A (zh) | 2019-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110193829B (zh) | 一种耦合运动学与刚度参数辨识的机器人精度控制方法 | |
| CN110161850B (zh) | 一种工业机器人变参数刚度辨识与建模方法 | |
| CN108748159B (zh) | 一种机械臂工具坐标系自标定方法 | |
| CN109822574B (zh) | 一种工业机器人末端六维力传感器标定的方法 | |
| CN112873199B (zh) | 基于运动学与空间插值的机器人绝对定位精度标定方法 | |
| CN111367236B (zh) | 一种面向加工过程的移动机器人***标定方法及*** | |
| Conrad et al. | Robotic calibration issues: Accuracy, repeatability and calibration | |
| CN106777656B (zh) | 一种基于pmpsd的工业机器人绝对精度校准方法 | |
| CN108406771A (zh) | 一种平面约束误差模型及机器人自标定方法 | |
| CN108789404A (zh) | 一种基于视觉的串联机器人运动学参数标定方法 | |
| CN113580148B (zh) | 基于等效运动链的并联机器人运动学标定方法 | |
| CN104890013A (zh) | 一种基于拉线编码器的工业机器人标定算法 | |
| CN110154022B (zh) | 一种基于定向刚度模型的机器人制孔径向定位修正方法 | |
| CN111426270B (zh) | 一种工业机器人位姿测量靶标装置和关节位置敏感误差标定方法 | |
| Saund et al. | High accuracy articulated robots with CNC control systems | |
| CN107053216A (zh) | 机器人和末端执行器的自动标定方法及*** | |
| CN114147726A (zh) | 一种几何误差与非几何误差相结合的机器人标定方法 | |
| CN110450165B (zh) | 一种基于零力控制的机器人标定方法 | |
| CN114833834A (zh) | 一种基于多源误差建模的工业机器人精度补偿方法 | |
| CN113211436B (zh) | 基于遗传算法的六自由度串联机器人误差标定方法 | |
| CN114029982A (zh) | 一种相机在机器臂外的手眼标定装置及其标定方法 | |
| CN112894814B (zh) | 一种基于最小二乘法的机械臂dh参数辨识方法 | |
| CN112720480B (zh) | 一种基于分级误差的机器人轨迹修正方法及*** | |
| CN112277002B (zh) | 基于非完整位姿信息的机器人运动学标定装置及标定方法 | |
| Lee et al. | Torque sensor calibration using virtual load for a manipulator |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |