考虑关节刚度的模块化协作机器人标定方法

《考虑关节刚度的模块化协作机器人标定方法》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考虑关节刚度的模块化协作机器人标定方法Calibrationmethodformodularcollaborativerobotconsideringjointstiffness学科专业：机械工程研究生：田聚峰指导教师：王攀峰副研究员天津大学机械工程学院2017年12月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人己经发表或撰写过的研究成果,也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工

2、作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。学位论文作者签名:9目础签字日期:2o∫7年∫2月丿多日瑁廴斧学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)'耘学位论文作者签名:涠聚导师签名:∫月签字日期:2丬7年

3、2月∫)日签字日期:J3日摘要随着

4、现代制造业对柔性化、智能化的需求不断提升，模块化协作机器人由于结构简单、持重/自重比大等优势在诸多工业领域展现出良好的应用前景。但该类机器人多采用谐波减速器作为关节的主要传动结构，由于其刚度较低，在机器人自身重力及末端负载作用下，关节变形严重影响了机器人的末端定位精度。在机器人标定方法上，仅考虑几何参数误差的运动学标定方法已不再适用。此外，谐波减速器的刚度具有高度非线性特征，故难以采用线性辨识的方法求解机器人关节刚度参数。为此，本文提出一种考虑关节刚度的模块化机器人标定方法以提高其定位精度。首先，基于D-H法建立模块化协作

5、机器人运动学模型，包括运动学正解和逆解，并利用MATLAB验证所建数学模型的正确性。同时，推导了机器人的速度与力雅克比矩阵。其次，基于连杆微分运动建立机器人几何误差映射模型。通过静力分析，考虑机器人臂杆重力及末端负载作用，建立机器人关节力矩模型。将谐波减速器刚度特性曲线分区间线性化后，求解机器人关节角变形量，并建立机器人整机刚度误差映射模型。然后，在机器人工作空间中，利用激光跟踪仪测量得到不同位型处机器人的末端综合位置误差。利用整机刚度误差模型预估由于关节柔性变形引起的位置误差分量，并从综合误差中分离，最终得到由几何参数误

6、差引起的末端位置误差子项。随后，采用最小二乘方法，基于分离得到的几何误差子项经误差辨识得到机器人几何误差参数，并在机器人控制器中加以修正，同时将由于关节柔性变形引起的关节角误差在关节空间予以补偿。最终，对自主研发的模块化协作机器人开展标定实验。实验结果表明：采用论文提出的标定方法可使机器人样机的位置精度提高约70%。关键词：模块化协作机器人，误差分离，谐波减速器，定位精度，运动学标定IABSTRACTWiththeincreasingdemandforflexibilityandintelligenceinmodernma

7、nufacture,modularcollaborativerobotsshowagoodapplicationprospectinmanyindustrialfieldsbecauseofitssimplestructureandhighload/self-weightratioandotheradvantages.However,thiskindofrobotsmostlyusetheharmonicreducerasthemaintransmissionstructureofthejoint,itsstiffness

8、isrelativelylow,undertheinfluenceofrobot’sgravityandexternalload,thejointdeformationseriouslyaffectsthepositioningaccuracyoftherobot.Thetraditionalthekinematiccalibrationmethodwhichonlyconsidersthegeometricparametererrorsisnolongerapplicable.Inaddition,thestiffnes

9、softheharmonicreducerishighlynonlinear,soitisdifficulttosolvethejointstiffnessparametersbylinearidentificationmethod.Forthisreason,akindofnewcalibration