机器人逆标定方法研究_王东署

收稿日期:2006-06-01 基金项目:国家863计划资助项目(2004AA001090)

作者简介:王东署(1973-),男,河南舞钢人,讲师,博士,主要研究方向:机器人标定及离线编程技术;　付志强(1971-),男,河南林州人,讲师,主要研究方向:电工电子.

文章编号:1001-9081(2007)01-0071-03

机器人逆标定方法研究

王东署1

,付志强

2

(1.郑州大学电气工程学院,河南郑州450001;

2.河南交通职业技术学院计算机科学系,河南郑州450005)

(wangdongshu@ )

摘　要:在分析传统机器人位姿标定方法的基础上,提出了一种新的机器人标定方法:基于神经网络的逆标定方法。这种标定方法把机器人实际位姿和相应的关节角误差分别作为前馈神经网络的输入和输出来训练网络,从而获得机器人任意位姿时的关节角误差值,通过修改关节值来提高机器人的位姿精度。这种标定方法把所有因素引起的误差均归结为关节角误差,无须求解机器人逆运动学方程,实现了误差的在线补偿。把标定结果与基于运动学模型的参数法的标定结果进行了比较分析。仿真和试验结果均证明了这种方法比传统方法标定效果更好,且更方便简单,避免了其他传统标定方法繁琐的建模及参数辨识过程。

关键词:机器人;位姿误差;神经网络;逆标定中图分类号:TP242 文献标识码:A

Study on robot i n verse ca li bra ti on

WANG Dong 2shu 1

,F U Zhi 2qiang

2

(1.School of Electrical Engineering,Zhengzhou U niversity,Zhengzhou Henan 450001,China ;

2.D epart m ent of Co m puter Science,Henan Co mm unication V ocational Technology College,Zhengzhou Henan 450005,China )

Abstract:An innovative r obot calibrati on app r oach:inverse r obot calibrati on based on neural net w ork,was p r oposed in this paper,based on the analysis of traditi onal calibrati on app r oach .This method t ook the r obot actual poses and corres ponding j oint err ors as inputs and out puts of a feed 2for ward neural net w ork res pectively,s o as t o achieve the real 2ti m e j oint err ors in arbitrary pose thr ough the neural net w ork,and pose accuracy was i m p r oved only thr ough correcting the j oints angles .This calibrati on came down all err or effects t o j oint err ors and need not res olve the inverse kinematics model,and achieved arbitrary j oint err ors real 2ti m e compensati on .

Calibrati on results were compared with those obtained by traditi onal para metric

methodol ogies .Si m ulati on and experi m ental results show that this method is more effective compared with the traditi onal calibrati on methods,and avoids the comp lex modeling and para meters identificati on .

Key words:r obot;pose err or;neural net w ork;inverse calibrati on

0　引言

虽然工业机器人的重复精度很高,但其绝对精度却很差,对于没有标定的机器人,绝对精度误差可以达到几毫米。因此在很多应用中必须对机器人进行精确的标定。

机器人静态标定的传统方法是基于运动学模型的参数标定法[1～5]。该方法可以达到很高的精度,很多情况下能够达到机器人的重复精度。但这些方法几乎都没有考虑非几何尺寸因素引起的位姿误差,且需要建立复杂的误差模型,进行繁琐的离线标定,在动态变化的环境中缺乏柔性[6]。同时由于测量仪器的限制,对机器人姿态误差的标定研究较少。

为克服参数法存在的不足,有学者提出基于神经元网络的机器人逆运动学标定法[7～11]。该方法以关节角值和其对应误差分别作为神经网络的输入和输出来训练网络,得到在任意关节角时的误差值,通过修正关节角来实现位姿误差的补偿。和参数标定法相比,该方法更简单使用,精度更高。但由于要求解逆运动学方程,该方法计算量大且在奇异点附近标定效果不理想。

针对上述逆标定方法存在的不足,本文从机器人整个位姿的角度出发,提出了一种新的基于前馈神经网络的机器人逆标定法,对一激光加工机器人的位姿进行了精确的标定。该方法不需要求解逆运动学问题,计算量小,实现了误差的在线补偿,对于不存在退化问题的机器人的标定有一定的借鉴作用。

1　

激光加工机器人运动学模型

图1　机器人结构示意图

第27卷第1期

2007年1月

计算机应用

Computer App licati ons

Vol .27No .1Jan .2007