串联6自由度机器人关节刚度辨识与误差补偿研究

芮平; 乔贵方; 温秀兰; 张颖; 王东霞

doi:10.16578/j.issn.1004.2539.2019.06.007

您当前的位置：

首页 >

文章列表页 >

串联6自由度机器人关节刚度辨识与误差补偿研究

理论研究 | 更新时间：2022-10-01

- 串联6自由度机器人关节刚度辨识与误差补偿研究
- Research on Joint Stiffness Identification and Error Compensation of the Serial Six DOF Robot
- 机械传动 2019年43卷第6期页码：37-42
- 作者机构：
  
  1.南京工程学院自动化学院，江苏南京 210096
- 作者简介：
  
  芮平（1992— ），男，江苏南京人，硕士研究生，研究方向为工业机器人标定。
- 基金信息：
  
  国家自然科学基金(51675259┫江苏省自然科学青年基金┣BK20170763);贵州省教育厅青年人才成长项目黔教合KY字[2018]319号
- DOI：10.16578/j.issn.1004.2539.2019.06.007
  中图分类号：
扫描看全文
芮平,乔贵方,温秀兰等.串联6自由度机器人关节刚度辨识与误差补偿研究[J].机械传动,2019,43(06):37-42.

Rui Ping,Qiao Guifang,Wen Xiulan,et al.Research on Joint Stiffness Identification and Error Compensation of the Serial Six DOF Robot[J].Journal of Mechanical Transmission,2019,43(06):37-42.
芮平,乔贵方,温秀兰等.串联6自由度机器人关节刚度辨识与误差补偿研究[J].机械传动,2019,43(06):37-42. DOI： 10.16578/j.issn.1004.2539.2019.06.007.

Rui Ping,Qiao Guifang,Wen Xiulan,et al.Research on Joint Stiffness Identification and Error Compensation of the Serial Six DOF Robot[J].Journal of Mechanical Transmission,2019,43(06):37-42. DOI： 10.16578/j.issn.1004.2539.2019.06.007.

摘要

为提高串联6自由度机器人的绝对定位精度，针对几何参数误差补偿后的工业机器人关节刚度参数展开研究。首先，基于虚拟关节模型建立了工业机器人一维关节刚度误差模型。其次，为提高关节刚度参数的辨识精度与效率，利用BP神经网络对刚度误差模型进行拟合，以优化遗传算法的初始种群适应度。最后，利用激光跟踪仪AT930和ER10L-C10机器人进行实验，验证以上误差模型与关节刚度参数辨识算法。实验结果表明，经过关节刚度误差补偿后，机器人的平均距离误差与最大距离误差分别为0.248 5 mm与0.333 2 mm。相比于补偿前的距离误差，机器人定位精度提高了33.7%。因此，通过改进遗传算法辨识得到的机器人关节刚度参数能够有效地提高机器人定位精度。

Abstract

To improve the absolute positional accuracy of the serial six-DOF robot， the joint stiffness error of industrial robots after geometric parameter error compensation is studied. Firstly，the one-dimensional joint stiffness error model of industrial robots is established based on the virtual joint model. Secondly，in order to improve the identification accuracy and efficiency of joint stiffness parameters, the BP neural network is applied to fit the stiffness error model to optimize the initial population fitness of genetic algorithm. Finally，the laser tracker AT930 and ER10L-C10 robot are used to verify the above error model and joint stiffness parameter identification algorithm. The experimental results show that the average distance error and maximum distance error of the robot are 0.248 5 mm and 0.333 2 mm respectively after the joint stiffness error compensation. Compared with the distance error before error compensation，the positional accuracy of robot is improved by 33.7%. Therefore，through the proposed improved genetic algorithm can identify the joint stiffness parameters accurately and improve the positional accuracy effectively.

关键词

工业机器人参数标定关节刚度误差补偿遗传算法

Keywords

Industrial robotParameter calibrationJoint stiffnessError compensationGenetic algorithm

references

互联网.“智能机器人”重点专项启动［J］. 机床与液压， 2017， 45（16）：210-210.

JUDD R P， KNASINSKI A B. A technique to calibrate industrial robots with experimental verification［J］. IEEE Transaction on Robotics & Automation， 1987， 6（1）：20-30.

WU Y， KLIMCHIK A， CARO S， et al. Geometric calibration of industrial robots using enhanced partial pose measurements and design of experiments ［J］. Robotics & Computer Integrated Manufacturing， 2015， 35（C）：151-168.

张旭，郑泽龙，齐勇. 6自由度串联机器人D-H模型参数辨识及标定［J］. 机器人， 2016， 38（3）：360-370.

GUILLO M， GUILLO M， COURTEILLE E， et al. Off-line compensation of the tool path deviations on robotic machining： Application to incremental sheet forming［J］. Robotics & Computer Integrated Manufacturing， 2013， 29（4）：58-69.

ALICI G， SHIRINZADEH B. Enhanced stiffness modeling， identification and caracterization for robot manipulators［J］. IEEE Transactions on Robotics， 2005， 21（4）：554-564.

ZHOU J， NGUYEN H N， KANG H J. Simultaneous identification of joint compliance and kinematic para-meters of industrial robots［J］. International Journal of Precision Engineering & Manufacturing， 2014， 15（11）：2257-2264.

王一，刘常杰，任永杰，等. 工业坐标测量机器人定位误差补偿技术［J］. 机械工程学报， 2011， 47（15）：31-36.

全国自动化系统与集成标准化技术委员会.工业机器人性能规范及其试验方法： GB/T 12642-2013［S］. 北京：中国标准出版社， 2014：4-24．

温秀兰，崔俊宇，芮平，等. 轴线测量与迭代补偿的机器人几何参数标定［J］. 计量学报， 2018， 39（4）： 449-454.

刘浩然，赵翠香，李轩，等. 一种基于改进遗传算法的神经网络优化算法研究［J］. 仪器仪表学报， 2016， 37（7）：1573-1580.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

工业机器人大负载刚度辨识及误差补偿研究

基于遗传算法的径向啮合章动磁齿轮转矩模型优化研究

一种立式联轴器扭转刚度测试台的误差补偿模型

摆线针轮传动的啮合区间计算方法研究

一种3自由度颈椎牵引康复机构的误差分析与补偿