操作臂的雅可比讲义.pptVIP

* Hayati等人在D–H模型基础上，增加一个新的误差参数来建模型。即在(3.16)中引入附加转动项Rot(y, ?)，令它右乘原连杆变换式(3.16)，得 i–1Ti＝ 利用连杆变换和相应的运动学方程，可得到操作臂末端在操作空间的位置误差d和方位误差?分别为： 所谓“小误差模型’是指连杆变换的微小位姿误差可由连杆参数的微小偏差进行建模。当两相邻关节轴线平行时，必须在连杆变换式(3.16)中引入附加转动项Rot(y, ?)。 * d＝[M?]??＋[Md]?d＋[Ma]?a＋[M?]??＋[M?]?? (4.63) ?＝[R?]??＋[R?]??＋[R?]?? (4.64) 式中，??＝{??1, ??2，…，??n}；?d＝{?d1, ?d2，…，?dn}；……，是连杆参数误差向量。 M? (?＝?, d , a, a, b)、R? (?＝?, a b)都是3×n阶偏导数矩阵，分别表示末端位置和方位对运动误差参数求偏导，其分量是n个连杆参数的函数。 M?和R?的计算与雅可比十分相似，在此不再赘述。 * 对标定，可只测量参考点的直角坐标位置，也可同时测量参考点的位姿。 当仅测参考点的位置时，有4n＋3个独立的运动学误差参数待确定：连杆0～n－1的各4个参数，连杆n的3个参数；若同时测量参考点的位姿，建立操作臂的误差模型有4n＋6个独立的运动误差参数待定：连杆0～n－1各有4个，而连杆n有6个。 * 操作臂运动参数误差的标定是基于微分的移动和转动矢量与运动参数误差间的关系式(4.63)和(4.64)来完成的。由测量结果，可得观测方程： Bx＝b (4.65) 式中B是偏导数矩阵，b是k×1次观测矢量。若仅测量笛卡尔位置，则式(4.65)是由k/3次观测方程(4.63)组成的；若同时观测笛卡尔位姿。则式(4.65)是由k/6次观测的方程(4.63)和(4.64)联立而成的。 对n关节的操作臂，待标定的运动参数误差向量x是4n＋3维的(当仅测笛卡尔位置时)或4n＋6维的(当同时测笛卡尔位姿时)。 * ∵ 测量误差不可避免，∴位置的测量次数k/3 满足 k＞4n＋3。这样，方程组(4.65)将是不相容的。 若B的列向量线性独立，则可用最小二乘法求解待标定的运动参数误差x； 若B阵的列向量线性相关，则矩阵是奇异的，最小二乘解不定(多解性)。 同样，位置和方位的测量次数k/6 满足 k＞4n＋6。联立式(4.63)和式(4.64)组成观测方程(4.65)，并且是不相容的。在B列向量线性独立的情况下，可用最小二乘法求解待标定的运动参数误差。实际上也可由方程(4.64)单独标定转动误差项。 * 方程(4.65)相应的正则方程为： BTBx＝BTb? 若B的列线性独立，则x的最小二乘解为： x?ls＝(BTB)–1BTb? x?ls＝运动参数误差的近似解。据此修正B阵，再求x，若无测量误差，B→真实值。连杆参数误差标定算法如下： (1) 初始化，将连杆参数值调至名义值； (2) 计算微分运动d和d及相应的矩阵M?，根据名义值和测量的位姿数据，得到观测方程组； (3) 用最小二乘法解不相容的观测方程组，得运动参数误差估计x； * (4)根据连杆误差向量x的各分量、修改连杆参数值，例如?＝?＋??； (5)转向(2)，直至所得的连杆误差向量x的各分量都小于某一最小值； (6)连杆运动参数误差则为其初始名义值与最后所得值之差。 运动参数误差标定之后，即可利用某种方法修正这些误差。提高机器人的定位精度。显然，关节变量误差的补偿十分简单。其余运动参数误差的补偿应根据理想位姿，补加一关节变量之值来抵消这些参数误差。 通常，要补偿任意位姿误差，操作臂至少应有6个自由度。即6个独立的关节变量。 * 误差补偿方法是基于假设：在末端期望位置POSd附近，位置误差dPOS＝POSc－POSd(微分误差变换)随关节变量的微小变化不至引起巨大的改变。假设在计算正确位置时，无关节变量误差，则在算法最后一步进行补偿。微分误差变换补偿算法如下： (1) 利用名义关节解，估计POSd对应的关节变量； (2) 对上面所得的关节变量，考虑到除关节变量误差之外的所有运动误