基于改进傅里叶级数轨迹的运动学参数辨识.docxVIP

基于改进傅里叶级数轨迹的运动学参数辨识

摘要：针对高端制造领域焊接机器人焊接效率低、精度差、运行不平稳等多种问题，提出一种基于改进傅里叶级数轨迹的焊接机器人运动学参数辨识方法.首先，依据MDH（modifieddenavit-hartenberg）准则建立焊接机器人的运动学模型，并基于微分运动学建立焊接机器人的误差模型；随后，通过模式搜索算法找到最优的改进傅里叶级数轨迹，从中选出50个条件数最小的位姿点作为实验位姿集；最后，提出一种递归最小二乘方-差分进化混合（recursiveleastsquaresanddifferentialevolutionhybrid，RLS-DEH）算法，能够有效提高参数辨识的精度.以库卡（KUKA）的焊接机器人作为实验对象，验证上述方法的可行性.实验结果表明，将使用改进傅里叶级数轨迹方法得到的最优位姿集代入误差模型后，经过RLS-DEH算法辨识，焊接机器人的绝对位置平均误差从1mm降低到0.05mm以内，相比标定前精度提高了95%，证明了所提方法的高效性与实用性.

关键词：运动学标定；改进傅里叶级数轨迹；RLS-DEH；焊接机器人

中图分类号：TP242.2文献标志码：A

随着我国工业水平的快速提高，焊接机器人逐步进入工业市场并扮演着越来越重要的角色［1］.焊接机器人是主要从事焊接工作的工业机器人，一般由工业机器人在末端轴加装焊枪组成［2］，可以替代人工在恶劣工作环境下进行高质量的焊接工作.与国外相比，我国焊接机器人研究起步相对较晚，焊接精度相对较低，因此提高焊接机器人的绝对定位精度显得尤为重要［3-5］.

研究表明，影响焊接机器人绝对定位精度的主要因素有运动学参数误差、关节参数误差、刚度参数误差以及装配误差等，其中影响最大的是运动学参数误差［6］.机器人标定是降低运动学参数误差最常用的方法之一，一般包括运动学模型建立、位姿测量、运动学参数辨识、误差补偿［7］.运动学建模的基础是建立在DH（denavit-hartenberg，DH）准则［8］之上，该准则只用4个参数就可以确定连杆坐标系，但如果相邻两轴平行或者接近平行时运动学参数会发生突变，为了解决这一问题，Cao等［9］增加了一个绕y轴旋转的参数，改进了DH准则，提出了MDH准则.为了确保测量效率，保证后期辨识的准确率，位姿测量主要通过借助高精密仪器完成.目前市场的测量设备主要有激光跟踪仪、自动经纬仪、三坐标测量仪、球杆仪、拉线传感器等［10-12］.激光跟踪仪是测量位姿的主流设备，具有精度高、可测范围大、动态跟踪、占地小的优点，但其操作较为复杂，价格昂贵.刘保军［13］提出了一种基于激光跟踪仪的机器人运动学参数补偿的方法，为后续更深入研究机器人奠定了基础.王殿君等［14］使用激光跟踪仪对机器人进行运动学标定，最终将机器人的绝对定位精度提升了69.6%.运动学参数辨识是机器人标定中重要的环节，其中最经典的方法是最小二乘法辨识，但此方法容易造成矩阵的奇异导致无法求解.高贯斌等［15］克服了最小二乘法辨识噪声大、发散慢的缺点，提出一种卡尔曼滤波算法，实现了运动学参数的快速收敛，将绝对定位精度由1.039mm提高到了0.226mm.Huang等［16］提出了一种混合非线性参数辨识的LM（levenberg-marquarat）和递推最小二乘法的混合辨识算法并进行了仿真试验，证明了算法的稳定性.Fang等［17］提出了基于粒子分类和按维动态改变权重的改进粒子群算法，有效避免陷入局部最优，提高了算法的精度和收敛速度，具有更强的优化性能.Schnierle等［18］融合了遗传算法和禁忌算法使得该算法既有全局优化能力又跳出了局部最优解的困局，实现了模型误差的精确辨识.误差补偿［19-20］即将辨识出的运动学参数误差补偿到运动学参数中.梁兆东等［21］设计了一种误差补偿的运动学算法，将绝对位置误差的均值从0.5754mm降低到0.2779mm.高贯斌等［15］提出了一种关节空间插值误差补偿方法，建立网格形式的误差补偿数据库，并通过实验验证了方法的可行性.

本文主要对位姿测量中选取位姿点和运动学参数辨识中辨识算法进行研究，参照动力学参数辨识［22-24］中最优激励设计方法，提出一种五次多项式替代傅里叶轨迹中常数项的改进傅里叶级数轨迹［25-26］，由误差模型中雅可比矩阵的条件数作为优化函数，在确定了最优轨迹后从中选出50个条件数最小的位姿点作为实验的位姿集，即为最优位姿集.本文提出的RLS-DEH算法提高了参数辨识的精度，最后通过实验验证了本文所提方法的可行性.

1运动学建模

1.1MDH准则建模

在工业机器人的运动学建模中，DH准则是最经典的建模方式.然而DH准则遇到相邻两轴线平行或者近似平