融合加权SVD算法的工业机器人运动学标定

摘要

针对环境或人为因素引入的测量粗差对测量坐标系和机器人基坐标系的转换存在较大影响的问题,对奇异值分解(SVD)算法进行了改进,并将其应用于机器人运动学标定中.以ABB-IRB2600型机器人为研究对象,建立修正型D-H(MD-H)运动学模型和误差模型;通过激光跟踪仪测量得到机器人末端靶球位置坐标,在SVD算法中,根据补偿前位置误差大小对测量数据重新分配权重,转换测量坐标系和机器人基坐标系;使用Levenberg-Marquart (L-M)算法进行了误差参数辨识,并在Matlab中对机器人25个运动学参数进行了仿真补偿.仿真和实验结果表明,加权SVD算法稳定性更优,能够减小测量粗差影响,经标定后机器人的平均绝对误差降低了65.10％,均方根误差降低了65.85％,其绝对定位精度得到了明显提高.