工業(yè)機器人運動學(xué)模型標(biāo)定方法

楊磊

【摘 要】隨著工業(yè)制造對高精度產(chǎn)品需求的不斷增加，提高工業(yè)機器人絕對定位精度是目前研究的重點和熱點。本文主要對機器人運動學(xué)模型研究現(xiàn)狀進(jìn)行了闡述，可為今后研究提供參考。

【關(guān)鍵詞】工業(yè)機器人；絕對定位精度；運動學(xué)模型

【Abstract】With the increasing demand for industrial manufacturing of high precision products， improving the industrial robot absolute positioning accuracy is the focus of the present research. This paper mainly aims at the kinematics model of current research as to provide a reference for the future research.

【Key words】Industrial robot； Absolute positioning accuracy； Kinematic model

0 引言

工業(yè)機器人在現(xiàn)代制造中的應(yīng)用越來越廣泛，對于現(xiàn)代制造企業(yè)降本增效、產(chǎn)品升級、質(zhì)量控制、工人勞動條件改善等都具有十分重要的作用。隨著先進(jìn)制造對高速、高精度、大承載工業(yè)機器人的需要，要求機器人系統(tǒng)本身須有較高的控制精度，控制精度主要通過位姿特性、軌跡特性及負(fù)載特性等指標(biāo)來體現(xiàn)，這些是工業(yè)機器人的共性關(guān)鍵指標(biāo)[1]。GB/T中關(guān)于機器人的位姿特性主要包括位姿準(zhǔn)確度和位姿重復(fù)性[2]。位姿重復(fù)定位精度已經(jīng)可以滿足工業(yè)需求，但是在工作環(huán)境中，由于機械加工精度、裝配誤差、傳動誤差、磨損、環(huán)境影響等因素，造成機器人的實際運動學(xué)模型與理論運動學(xué)模型之間存在誤差，從而影響機器人絕對定位精度[3]。隨著對機器人的絕對定位精度要求越來越高，對提高機器人絕對定位精度的研究也成為了研究重點，通過標(biāo)定技術(shù)來提高機器人絕對定位精度是國內(nèi)外研究的熱點。本文主要針對工業(yè)機器人運動學(xué)模型標(biāo)定中不同方法的參數(shù)建模和參數(shù)識別特點進(jìn)行了比較。

1 運動學(xué)模型標(biāo)定

運動學(xué)模型標(biāo)定主要是將影響機器人末端位姿偏差的因素歸因于機器人連桿參數(shù)誤差和關(guān)節(jié)角度誤差，通過對運動學(xué)參數(shù)誤差進(jìn)行建模并借助一定的測量手段測量機器人末端位姿誤差，結(jié)合參數(shù)辨識算法或數(shù)值優(yōu)化算法識別出理論模型參數(shù)的誤差，最后將各參數(shù)誤差修正至模型參數(shù)的理論值。研究文獻(xiàn)表明，機器人的定位誤差95%都是由于所建運動學(xué)模型不準(zhǔn)確所造成的[4]。機器人運動學(xué)模型標(biāo)定通常包括參數(shù)建模、誤差測量、參數(shù)辨識、誤差補償四個步驟。通過對運動學(xué)模型的參數(shù)辨識方法辨識出串聯(lián)機械臂的準(zhǔn)確參數(shù)，并對機械臂的結(jié)構(gòu)誤差進(jìn)行補償，從而提高機器人的絕對定位精度。

2 參數(shù)建模

參數(shù)建模是建立描述機器人幾何特性和運動性能的數(shù)學(xué)模型。目前研究主要涉及到的運動學(xué)模型主要有DH模型、MDH模型、修正DH模型、S模型、CPC模型和POE模型，其中運用較廣泛的是DH模型、MDH模型和POE模型。

DH模型是最早被提出來的，其參數(shù)定義少、模型過程建立方便被廣泛應(yīng)用，但是模型奇異和冗余等問題突出，而且不滿足誤差模型完整性和連續(xù)性的要求。為了克服模型中的奇異問題，Hayati和Judd[5]提出MDH模型，是在DH模型基礎(chǔ)上加入了一個繞Y軸轉(zhuǎn)動的旋轉(zhuǎn)參數(shù)，解決了相鄰連桿軸線平行時的奇異問題，但同時又引入兩軸相互垂直時的奇異問題。Zhuang[6]等人之后提出了CPC模型，該模型強調(diào)了參數(shù)的連續(xù)性和完整性，且避免了奇異問題，但是加入了冗余的參數(shù)因子。POE模型是由Chen等人提出[7]，引入運動旋量來描述機器人關(guān)節(jié)運動學(xué)模型，這種方法的優(yōu)點是：（1）運動學(xué)模型相對于關(guān)節(jié)運動是光滑變化的，可以很好的保證不會出現(xiàn)奇異性問題；（2）建立全局坐標(biāo)系和工具坐標(biāo)系而無需建立眾多局部坐標(biāo)系。（3）利用6參數(shù)對于運動進(jìn)行描述從而具有完備性。（4）從整體上對剛體進(jìn)行運動描述，避免了數(shù)學(xué)抽象符號的影響，從未大大簡化了復(fù)雜的機構(gòu)分析。但其缺點是：存在過多冗余量導(dǎo)致誤差模型過于復(fù)雜，不能快速收斂。

POE模型因其特有的優(yōu)勢被廣泛使用，目前的研究也更多轉(zhuǎn)向了使用該模型，參數(shù)冗余不能快速收斂的問題將會是未來研究者重點突破的瓶頸。雖然運動學(xué)模型不斷在發(fā)展、改進(jìn)、更新，但是如何建立一種不僅可以滿足完整性、連續(xù)性、精準(zhǔn)且又能朝著重構(gòu)模塊化方向發(fā)展的運動學(xué)模型仍是一個難題。

3 參數(shù)辨識

參數(shù)辨識是辨別機器人關(guān)節(jié)角與其末端執(zhí)行器末點位置之間的函數(shù)關(guān)系。機器人末端位姿的精度依賴于各關(guān)節(jié)幾何參數(shù)的精度，因此對運動學(xué)參數(shù)進(jìn)行準(zhǔn)確辨識是很重要的。

為了解決DH模型奇異和冗余問題，文獻(xiàn)[8]采用軸線法對辨識機器人DH參數(shù)模型，將DH參數(shù)轉(zhuǎn)換為最小完整連續(xù)運動學(xué)模型參數(shù)。文獻(xiàn)[9]利用最小二乘法對DH模型的參數(shù)進(jìn)行辨識并補償。考慮到機器人結(jié)構(gòu)需要滿足Pieper準(zhǔn)則，文獻(xiàn)[10]只考慮機器人關(guān)節(jié)旋轉(zhuǎn)角參數(shù)對末端誤差的影響，利用最小二乘法辨識出DH模型中的關(guān)節(jié)旋轉(zhuǎn)角參數(shù)。

文獻(xiàn)[11]在MDH模型中運用最小二乘法辨識出所需模型參數(shù)。王文龍分別利用最小二乘法和極大似然估計法對MDH模型參數(shù)進(jìn)行辨識。文獻(xiàn)[12]基于MDH模型提出使用遺傳禁忌搜索算法的參數(shù)辨識方法。為了解決POE模型存在過多冗余量不能快速收斂問題，文獻(xiàn)[13]改進(jìn)POE模型基礎(chǔ)上進(jìn)行辨識從而使校準(zhǔn)準(zhǔn)確快速。張曉平分別建立MDH模型和POE模型，并通過迭代最小二乘法對幾何參數(shù)誤差進(jìn)行辨識。文獻(xiàn)[5]分別建立DH、MDH、CPC、MCPC四種模型，并分別對四種模型比較了最小二乘法、參數(shù)優(yōu)化法、遺傳算法和模擬退火法這四種參數(shù)辨識方法，得出為了在較短時間內(nèi)得到穩(wěn)定的結(jié)果值，選擇合適的最小二乘法和牛頓迭代算法進(jìn)行參數(shù)辨識還是一個較好的策略的結(jié)論。以上這些方法都為機器人的參數(shù)辨識提供了有益的借鑒，但如何尋找一種快速、精準(zhǔn)的方法對機器人參數(shù)進(jìn)行辨識仍是目前需要研究的內(nèi)容。

4 結(jié)束語

本文主要對運動學(xué)建模中的參數(shù)建模與辨識特點進(jìn)行了闡述。目前機器人絕對定位精度的研究是業(yè)內(nèi)的熱點也是重點，從總的發(fā)展趨勢來看，標(biāo)定方法主要有以下幾個發(fā)展方向：

a）運動學(xué)標(biāo)定過程幾乎沒有考慮非幾何誤差因素對機器人末端位姿誤差的影響，當(dāng)待標(biāo)定的機器人處于特殊環(huán)境時，必須考慮非幾何因素（比如摩擦、齒輪間隙等）引起的誤差。

b）在機器人參數(shù)建模中，上述模型都沒有考慮負(fù)載因素，如何建立一種具備完整性和連續(xù)性，且能針對負(fù)載效應(yīng)快速自適應(yīng)的運動學(xué)模型是未來研究方向之一。

【參考文獻(xiàn)】

[1]徐志玲.一種工業(yè)機器人軌跡檢測裝置[P].中國：201610144262.4，2016.03.14.

[2]GB/T 12642-2013，工業(yè)機器人性能規(guī)范及其試驗方法[S].北京：中國標(biāo)準(zhǔn)出版社，3013.

[3]王琨.提高串聯(lián)機械臂運動精度的關(guān)鍵技術(shù)研究[D].安徽：中國科學(xué)技術(shù)大學(xué)，2013.

[4]張虎.面向標(biāo)定的工業(yè)機器人建模及參數(shù)辨識方法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2015.

[5]Hayati，S，A.Robot arm geometrical link parameter estimation[C].Proceedings of the 22nd IEEE conference on decision and control，1999：1447-1483.

[6]Judd R.P，Knasindki A.B.A Technique to calibrate industrial robots with experimental verification[J].IEEE Transaction on robotics and automation，2004，6（1）：20-30.

[7]ZHUANG Han-qi，ROTH ZS.A completeand parametrically continuous kinematic model for robot manipulators[J].IEEET ransactionson Robotics and Automation，1992，8（4）：451-463.

[8]CHEN IM，YANG Gui-lin，TANCT.Local POE model for robot kinematic calibration[J].Mechanism and Machine Theory，2001，36（11）：1215-1239.

[9]張旭.6自由度串聯(lián)機器人D-H模型參數(shù)辨識及標(biāo)定[J].ROBOT，2016，38（3）：360-370.

[10]楊麗紅.工業(yè)機器人定位精度標(biāo)定技術(shù)的研究[J].控制工程，2013，20（4）：785-788.

[11]齊飛.工業(yè)機器人參數(shù)辨識及誤差補償方法研究[J].機械傳動，2015，39（9）：32-36.

[12]龔星如.工業(yè)機器人的絕對定位誤差模型及其補償算法.南京航空航天大學(xué)學(xué)報，2012，44：60-64.

[13]劉潔.基于視覺跟蹤的就氣若測量方法與實現(xiàn)[J].應(yīng)用光學(xué)，2016，37（5）：686-692.

[14]戚禎祥.基于MDH模型的工業(yè)機器人標(biāo)定算法與實驗研究[J].制造業(yè)自動化，2015，37（2）：15-17.

[責(zé)任編輯：朱麗娜]