串联式六自由度机器人运动学标定方法研究

摘要

机器人的绝对定位精度和重复定位精度是机器人误差的衡量指标，在示教机器人中，机器人的重复定位精度作为主要指标衡量系统的误差值，而在机器人离线编程系统中，绝对定位精度为主要指标衡量系统误差值。但是，工业机器人重复精度较高而绝对精度较低，难以满足离线编程工作时的精度，迫切需要对机器人进行运动学标定来提高其绝对精度。
　　以Kawasaki RA010N机器人为对象，鉴于DH模型的奇异点问题，采用MDH修正模型建立机器人模型，并在该模型的基础上，采用机器人空间位置姿态理论完成了机器人本体在同一坐标系与不同坐标系间的转换，应用矩阵形式确定了机器人末端执行机构在基坐标系的位置与姿态，并根据机器人微分运动建立微分运动方程，分析末端执行机构微分运动与关节运动的映射关系，为后续实验建立理论基础。
　　结合机器人正运动学模型，分析以往机器人运动学逆解求法，提出了神经网络进行机器人求逆解的方法。网络以机器人正解为训练样本,训练以traingd为训练函数、tansig与 purelin为激活函数的神经网络，实现从机器人工作变量空间到关节变量空间的非线性映射，从而避免复杂的公式推导和计算，并根据该算法设计了GUI界面。
　　确立了视觉测量与机器人标定技术的结合方式，即eye off hand形式，采用双目视觉的方法对机器人进行标定实验，并针对机器人末端目标板圆点的识别算法进行了实验分析，通过数据处理软件得到标定结果，并根据NR补偿算法进行机器人位姿补偿，位姿距离误差均值由标定前的0.41mm减少为0.11mm，证实了该方法的可行性。

目录

声明

第一章 绪论

1.1 引言

1.2 工业机器人运动学标定技术研究的背景和意义

1.3 工业机器人运动学标定国内外现状

1.4 本文内容安排

第二章 工业机器人误差补偿的理论分析

2.1 机器人的空间位姿描述和变换

2.2 机器人多关节之间位姿关系

2.3 微分运动

2.4 机器人运动学中的雅克比矩阵

2.5 本章小结

第三章 串联式六自由度机器人运动学模型及误差模型建立

3.1 Kawasaki RA010N机器人系统简介

3.2 机器人运动学模型

3.3 机器人误差模型

3.4 本章小结

第四章 基于神经网络机器人逆运动学求解及其仿真

4.1 神经网络算法

4.2 复合神经网络BP法的机器人逆运动学求解

4.3 仿真实验

4.4 本章小结

第五章 基于NR补偿法的机器人视觉标定实验

5.1 双目视觉的机器人末端位置测量系统

5.2 机器人视觉标定实验平台搭建

5.3 机器人末端移动距离测量实验

5.4 误差结果分析

5.5 本章小结

结论与展望

结论

展望

参考文献

致谢