_视觉引导地装配机器人平面定位补偿方法.pdf

《_视觉引导地装配机器人平面定位补偿方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第41卷第1期激光技术Vol．41，No．12017年1月LASEＲTECHNOLOGYJanuary，2017文章编号:1001-3806(2017)01-0079-06视觉引导的装配机器人平面定位补偿方法11*2沈程慧，白瑞林，李新(1．江南大学轻工过程先进控制教育部重点实验室，无锡214122;2．无锡信捷电气股份有限公司，无锡214072)摘要:为了提高选择顺应性装配机器手臂(SCAＲA)机器人平面定位的精度，采用网格模型结合最小距离误差逼近的方法，首先构建SCAＲA机器人平面定位的简化模型，概述网格模型构建原理，然后通过视觉采集机器

2、人末端第1次到达的实际点与期望点相对位置关系，构建可变参量的起始网格模型，再采用最小距离误差逼近，求解下一步构建可变参量网格模型起始点，最后由期望点在网格模型中位置分布情况决定模型粒度点的收敛更新方向。结果表明，视觉引导的定位补偿策略弥补了因模型不精准而造成的平面定位精度不高的现象;空间插值补偿法定位精度为1mm～3mm，平面定位补偿精度较之有较大提高。该方法调节的参量单一、机器末端移动次数明确、工业应用性强。关键词:信息光学;视觉引导;SCAＲA机器人;网格模型;最小距离误差逼近;平面定位精度中图分类号:O438;TP242文献标志码:Ad

3、oi:10.7510/jgjs.issn.1001-3806.2017.01.017Planepositioningcompensationmethodforassemblyrobotwithvisualguiding112SHENChenghui，BAIＲuilin，LIXin(1．KeyLaboratoryofAdvancedProcessControlforLightIndustry(MinistryofEducation)，JiangnanUniversity，Wuxi214122，China;2．XinjeElectronicCo．

4、Ltd．，Wuxi214072，China)Abstract:Inordertoimprovetheplanepositioningaccuracyofselectivecomplianceassemblyrobotarm(SCAＲA)robot，themethodcombinedcompensationstrategybasedongridmodelandtheminimumerrorapproximationprinciplewasproposed．Firstly，asimplifiedmodelforSCAＲArobotwasestab

5、lishedandgridmodelprinciplewassummarized．Secondly，aninitialgridmodelwasconstructedbyanalyzingthelocationrelationshipbetweenthefirst-timereachedactualpointandthedesiredpoint．Thestartingpointofthevariableparametergridmodelinthenextstepwasconstructedbyusingtheminimumdistanceer

6、rorapproximationmethod．Finally，theconvergenceandupdatedirectionweredeterminedbythelocationofthedesiredpointingridmodel．Theresultsshowthatthepositioningcompensationstrategyofvisualguidancemakesupthephenomenonthattheplanepositioningaccuracyisnothighbecauseoftheinaccuracyofthe

7、model．Theaccuracyofthepositioningcompensationstrategyismuchbetterthan1mm～3mmofthespatialinterpolationcompensationmethod．Theproposedmethodhasbriefparameterregulation，clearlymobiletimesandstrongindustrialapplication．Keywords:informationoptics;visualguide;selectivecomplianceas

8、semblyrobotarmrobot;gridmodel;minimumerrorapproximation;planepositioningaccuracy精度