C程序設計在工業機器人中的應用

王才德

(南京江寧高等職業技術學校 江蘇南京 211100)

工業機器人的應用范圍近年來有所擴大，部分原因是開發離線編程(OLP)系統使程序開發能夠在虛擬環境中進行所帶來的編程能力的進步。然而，OLP 系統應用中的關鍵因素是其對物理機器人建模的準確性。理想的仿真模型與現實世界之間的偏差，導致OLP 系統產生具有較大位置誤差的機器人姿態。

一、工業機器人中的應用背景

機器人標定是一個被廣泛研究的領域，已經產生了各種各樣的解決方案。所提出的大多數方法都是通過建立模型結構來解決振動問題，然后是間接的，往往是不好的數值參數識別。本文介紹了一種新的基于C 程序規劃的逆靜態運動學標定技術，用于建立和識別模型結構和參數。該技術具有識別真實標定模型的潛力，避免了傳統方法存在的問題。介紹了該方法的基本原理，并給出了實驗結果。任何成功的離線程序都必須包括一種補償仿真和實際機器人之間的誤差的方法。機器人校準技術是為了改進機器人的軟件模型而設計的，以便它能夠更好地反映實際機器人的行為。這些技術可以分為靜態校準和動態校準。本文討論靜態校準的問題，更具體地說是反相校正。目的是改進機器人末端執行器位置與關節位置相關的運動學模型，傳感器讀數，以便更準確地表示其實際位置。[1]

建立的機器人標定方法是基于經典的數學回歸技術。它們通常適用于由用戶預先指定的1 非線性參數回歸模型。這項工作中所采用的方法是完全不同的。模型關聯系統輸入到輸出不是預先規定的，而是用C 程序規劃方法發展的非符號形式。該技術的主要優點是它并不局限于預先定義的模型結構，因此有可能產生一個比傳統方法更完整、更精確的校準模型。

(一)傳統建模技術

最大的靜態機器人標定研究是基于參數模型的，其目的是描述關節結構與末端執行器姿態之間的真實關系。該領域的大部分工作都是在applied tothefoRWard kinematicmodelP=f(θ，ф)的正向校準方法上進行的。This 利用f 模型的方程，利用參數向量ф 進行標定，由關節構型計算末端效應位姿P。校準過程通常采用以下步驟進行：

1.建立了一種基于先驗工程知識的模型，該模型提供了模型的結構和標稱參數值。

2.建立了一套采樣器位置，并對其實際位置進行了測量。[2]

3.采用基于最小二乘擬合的數值方法，根據測量結果確定模型參數。實現了識別模型?；诰_參數的機器人標定模型開發中的重要問題是運動學模型的完備性和比例性，以及非幾何效應的引入。當物理代數測量中的小變化可以用相應的相關模型參數的小變化來表示時，運動學模型被定義為成比例的。為了使模型完整，它必須能夠充分描述運動鏈中連續關節的所有空間代數。基于Denavit 和Hartenberg 變換的基于樣本的模型缺乏完備性和相稱性，這導致了用非線性優化方法進行參數辨識時的不穩定性。如果該模型包含不足以精確描述機械手幾何形狀的參數，則該參數將同時考慮建模和未建模的影響。因此，物理參數和模型參數之間沒有適當的關系。辨識算法可以找到最優的參數值，但是這些值是針對特定的不完全模型進行優化的，并且不能反映機器人的物理特性。連桿長度、關節方向、編碼器偏差等幾何參數的變化對定位誤差的貢獻最大，且假定為時不變，便于建立補償方案以提高定位精度。非幾何效應如關節偏心和柔度、靜撓度和熱效應對誤差的貢獻較小，但意義重大。然而，他們的影響。是一個參數化的滴定模型，并且經常依賴于操縱器和有效載荷。[3]

(二)確定性建模技術

同時建模幾何和非幾何的困難導致了各種交替技術。其中，位置誤差是用1 種非參數模型來近似的。泛函逼近理論提供了各種基于單位多項式和多元多項式的逼近模型和方法。題名/責任者：Reach，Spline，Bezier 曲線，小波，Fourier 級數，人工神經網絡。根據數據在一定區間內的逼近特性，選擇了一個近似模型，并對該數據進行擬合或訓練。然而，由于這些近似模型是非參數的，因此，模型參數與待逼近數據的物理性質之間沒有任何關系。他們只有在他們接受訓練的時間范圍內才能有效，并且無力或無力外推或推廣到這些范圍以外的范圍內。[4]

二、C程序設計在工業機器人中的應用

C 程序編程涉及原始實體計算機程序的進化綜合。得到的結果是能夠解決問題的符號計算機程序。C 程序編程和itsterminology 的主要原理(基于LISP 編程語言)是由Koza 開發的。該技術已被廣泛應用，包括結構化過程建模，非線性系統參數辨識。機器學習和人工智能，但其在機器人校準領域的應用被認為是全新的。[5]

(一)正在適應的結構

C 程序算法被設計用來修改或調整解的編碼，通常是字符串，通常是固定長度的結構。例如，這些字符串可能對應于一個特定變量或一組變量的數值。在C 程序學編程中，個體結構經歷了適應性，是按層次結構的計算機程序。因此，從那時起。編寫一個計算機程序來解決任何問題都是可能的，這些程序具有跨越applied tothefoRWard kinematicmodelP=f(θ，ф)任意大范圍的能力。搜索空間。由Koza 提出的被稱為s 表達式的進化程序表示由終端節點和非終端節點組成的根標記樹。終端和非終端集是由該問題定義的，是農業編程算法用于編寫程序的唯一資源。終端集通常包含常量、變量或其他原語問題域依賴的實體，例如沒有參數的函數或命令。使用本文中使用的符號回歸，終端集還可以包含臨時隨機常數9i，它在每次選擇終端時在指定范圍內返回一個隨機數，非終端集可能包含算術；三角函數、布爾函數、條件算子和依賴于問題域的函數，例如機器人中的運動語句。[6]

（二）使用運算符

對于這兩個集合來說，擁有解決問題的程序所必需的所有組件是很重要的。此外，所有節點，特別是函數節點，都必須遵守閉包屬性；因此，任何節點的計算結果總是定義良好，對于任何參數組合都是有效的。由于C 程序規劃在程序的構造方式上通常是不受約束的(除了定義了最大樹深外)，因此需要通過重新定義所有可能在某些情況下導致未定義結果的操作符來防止可能的無效操作。例如，在使用除法運算符時，必須引入受保護的除法a%b，以防止因可能的除法而產生的無效結果為零。平方根SQRTp(X)和對數mlogp(X)可能需要類似的保護版本。

三、結束語

綜上所述，機器人標定是一個被廣泛研究的領域，已經產生了各種各樣的解決方案。通過C 語言程序設計課程與工業機器人控制技術結合，這些都需要我們不斷加深研究。