基于运动模型的工业机器人定位误差补偿分析研究

摘要

汽车生产行业中轿车车身尺寸不断变化，以及人们对车身外观的要求不断提高，使得汽车生产线上车身激光检测系统得到了广泛应用。检测精度和轿车的生产质量紧密相关，而激光检测工业机器人的定位精度将影响系统检测精度，因此工业机器人定位精度研究具有非常重要的工程意义。
　　本文以激光检测系统中最常见的KUKA机器人为例，对其运动学问题进行了详细分析，根据KUKA通用机器人的实际结构建立了相应的运动模型，给出了正向运动学解和逆向运动学解的求取方法。并对常用的逆运动学求解方法和基于神经网络的求解方法进行了分析比较，并进行了仿真验证。
　　在建立运动学模型的基础上，本文综合考虑了实际生产应用中，车身定位精度对机器人定位精度的耦合影响，引入车身坐标系，将车身定位误差对激光检测工业机器人定位精度的影响转换为坐标系之间的微分变换，在几何误差的基础上，建立了基于激光检测系统的KUKA机器人定位误差模型，并对该误差模型进行了仿真验证，证明了模型的正确性。
　　最后，考虑到KUKA机器人定位误差补偿的实时性和环境温度的影响，采用RBF神经网络和空间插值算法对KUKA机器人的定位误差进行了补偿，并做了仿真验证，通过和牛顿拉夫逊迭代法作比较，证明综合补偿法补偿精度更高。

目录

摘要

第一章 绪论

1．1 课题来源及其背景意义

1．2 工业机器人简介

1．2．1 工业机器人的相关特点

1．2．2 工业机器人的发展与应用

1．2．3 工业机器人在轿车车身检测中的应用

1．3 工业机器人定位误差补偿研究现状

1．4 本论文主要研究内容

第二章 机器人运动模型分析

2．1 KUKA机器人介绍

2．2 工业机器人运动学分析

2．3 机器人正向运动学求解

2．4 机器人逆向运动学求解

2．4．1 概述

2．4．2 代数法求解KUKA机器人逆解

2．5 机器人运动学仿真

2．6 机器人工作空间求解

2．7 本章小结

第三章 基于神经网络算法的机器人逆运动学求解

3．1 概述

3．2 神经网络基本原理

3．2．1 神经网络概述

3．2．2 BP神经网络与RBF神经网络算法分析比较

3．3 基于RBF神经网络的机器人逆运动学求解

3．4 仿真实验

3．5 本章总结

第四章 机器人误差建模

4．1 概述

4．2 几何误差模型建立

4．3 基于车身激光检测系统的KUKA机器人定位误差模型建立

4．4 误差模型仿真验证

4．5 本章总结

第五章 机器人误差补偿

5．1 误差补偿概述

5．2 几何误差补偿

5．2．1 牛顿-拉夫逊迭代补偿法

5．2．2 仿真验证

5．3 基于神经网络的综合定位误差补偿

5．3．1 概述

5．3．2 基于RBF神经网络的综合补偿

5．4 仿真验证

5．5 本章总结

第六章 结论

致谢

参考文献

作者简介

攻读硕士学位期间研究成果

声明