基于末端转角误差的并联机器人运动学标定方法研究

《基于末端转角误差的并联机器人运动学标定方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、天津大学硕士学位论文基于末端转角误差的并联机器人运动学标定方法研究KinematicCalibrationofParallelRobotBasedontheRotaryAngleErrorsofEnd-effector学科专业：机械工程研究生：贺媛指导教师：梅江平副教授天津大学机械工程学院2017年12月摘要本文密切结合并联机器人在工业领域中的应用需求，研究一种由外转动副驱动、含平行四边形支链的四自由度并联机器人（Cross-IV机器人）的机构运动学建模、末端误差检测与参数辨识等运动学标定方面的相关理论和方法，为提高其末端精度提供重要的技术基础

2、。以下为全文研究成果：在误差建模方法研究方面，借助空间闭环矢量链和一阶摄动法，提出一种通过首先构造单支链几何误差模型，然后推广到其余结构相同的支链，进而快速建立Cross-IV机器人全参数几何误差模型的方法。有效分离影响末端可控和不可控精度的几何误差源，进而建立了仅包含可补偿误差的误差模型，为后续的运动学标定提供统一的数学理论模型。在误差测量方法研究方面，通过对误差传递矩阵的分解分析，提出一种基于末端转角误差的测量方法。针对测量点优选问题，提出兼顾测量点数量和辨识矩阵性态的测量点位形优选方法。仿真验证了利用优选测量点得出的误差辨识结果更准确、可

3、靠。该误差测量方法的测量仪器成本低，测量效率高，测量过程简单。在参数辨识方法研究方面，辨识模型中考虑随机误差的影响，结合几何误差源与末端转角误差间的映射模型，建立包括最小二乘法(LS)、截断奇异值分解(TSVD)、基于主元分析(PCA)、卡尔曼滤波(KF)、岭回归(RR)和Liu估计等多种参数辨识算法的数学模型。仿真分析得出采用KF、RR和Liu估计算法的参数辨识结果准确，鲁棒性强，误差补偿效果良好。3种算法同样适用于辨识参数较多、辨识矩阵性态较差的情况。验证实验结果表明所述运动学标定方法满足Cross-IV机器人快速测量和精确补偿的工程需求。

4、在误差补偿方法研究方面，构造一种关节线性补偿器，实现对Cross-IV机器人末端误差的实时补偿。采用分步误差补偿策略，首先通过辨识零点误差实施粗标定，而后通过辨识全部可补偿几何误差实施精标定。实验结果表明，Cross-IV机器人的末端最大体积/转角误差绝对值经运动学标定后可降为0.250mm/1.382°。关键词：并联机器人，运动学标定，几何误差建模，测量点优选，辨识算法IABSTRACTThisdissertationdealswiththekeyissuesrelevanttomechanism,errormeasuringandparam

5、eteridentificationofa4-DOFparallelrobot(Cross-IVrobot)withagoaltoestablishakinematiccalibrationmethodwhichcanensurethegeometricaccuracyoftherobot.Thefollowingcontributionshavebeenaccomplished.Withaidoftheclosed-loopvectorialchainandthefirst-orderperturbationtechnique,asystem

6、aticapproachisproposedbymodelinggeometricerrorofonelimbandthenpromotingtoalllimbs.Theestablishederrormodelsallowthesourceerrorsaffectingthecompensatableanduncompensatableposeaccuracytobeseparatedinanexplicitmanner,andthenanerrormodelonlyincludingerrorsthatcancompensateisesta

7、blished,enablingtheprocessesofkinematiccalibrationtobeintegratedintoaunifiedmathematicframework.Bythedecompositionoftheerrortransfermatrixandmeasuringtherotaryangleerrorsbytherotaryencoder,afasterroridentificationmodelisconstructed.Tofurthermaximizethemeasureefficiencyandimp

8、rovetherobustnessoftheidentificationmatrix,anoptimizedselectionschemeofthem