工业机器人绝对定位精度优化方法综述

工业机器人绝对定位精度优化方法综述
杨文韬［，詹军3,余勇3,吴强2
（1.武汉理工大学汽车工程学院，湖北武汉430070；
2.现代汽车零部件技术湖北省重点实验室，湖北武汉430070；
3.湖北三环智能科技有限公司，湖北武汉430070）
［摘要］现今工业生产中，工业机器人的应用越来越广泛。

从对定位精度要求较低的搬运和弧焊，到对定位精度要求很高的精密装配和精密钻孔等作业中，均可以看到工业机器人参与其中。

但是随着智能化、自动化生产的不断发展，对工业机器人的绝对定位精度要求越来越高。

本文说明了造成工业机器人重复定位精度较高而绝对定位精度较低的原因，介绍了目前国内外用于提高其绝对定位精度的方法，并比较了两种方法各自优劣势。

［关键词］工业机器人；重复定位精度；绝对定位精度
0引言
工业机器人是一种复杂的智能化工具，也是现代智能制造业不可或缺的一部分，它集成了传感器、精密机械、控制和人工智能等多种前沿科技［1］。

在装配、化工清洁、弧焊、钻孔、搬运、喷漆、抛光和模具成型等工作中均可以使用工业机器人来代替人工［1］。

在全球范围内，工业机器人的应用范围越来越广泛。

不仅仅是在工业制造中，甚至在娱乐产业中设计师把工业机器人和VR设备组合起来形成新型娱乐方式。

机器人的定位精度对其在工业制造中的应用有着不可忽视的影响。

机器人定位精度可根据末端执行器位置（定位精度）和末端执行器路径（路径精度）来衡量［2］。

较低的绝对定位精度会使其无法完成许多既定工作，譬如：在精密装配过程中会使末端装配零件和精密零件发生碰撞，导致损伤；飞机钻铆等应用对孔的位置精度要求更是非常高，机器人的绝对定位精度尚不能满足要求；在焊接过程中，机器人需要完成难度较高且精度要求较高的危险作业，如果其绝对定位精度不能满足作业要求，将会直接影响焊接质量；还有医疗手术中也会应用到机器手臂，其对绝对定位精度要求非常高，低的绝对定位精度可能会造成手术失败［3］。

此外，搬运、喷漆和抛光等作业对机器人绝对定位精度要求也都很高，因此，提高机器人绝对定位精度势在必行。

湖北省技术创新专项重大项目（编号2017AAA008）
28
本文介绍了工业机器人绝对定位精度的现状及其 提高方法，并重点讨论了离线误差补偿和在线误差补
偿两种方法［4］。

最后展望了未来绝对定位精度改良方法 的发展趋势并为其研究提供参考。

1国内外工业机器人定位精度现状及原因
机器人定位精度可以划分为重复定位精度和绝对 定位精度，它们是决定机器人综合性能好坏的主要因
素之一［5］。

当前各个品牌的工业机器人，如KUKA 、
ABB 和安川等，均拥有较高的重复定位精度，达到了 0.01mm 冏。

然而，工业机器人的一个技术障碍就是减
少或消除实际位置和目标位置之间的误差，也就是绝
对定位精度不足的体现［7］。

造成这一误差的主要原因是 控制器与机器人之间的建模误差，它是机械加工误 差、装配误差、零部件磨损、末端负载变化以及温度
影响的共同作用冏。

图1表示工具位置和目标位置（工 件位置）的关系［9］，可以通过制造刚度更大的机器人或
者提高加工精度、装配精度和控制精度来提高机器人
的定位精度。

但是由于需要更多资源和更高成本，且 机器人工作时间长之后，由于机械原件的磨损或末端
负载导致的几何参数变化，仍会产生较大误差。

因
此，这种被称为误差预防法的方法是不实用的。

图1标准机器人框架［9］
机器人精度取决于构建机器人的各种组件（关节
链接、电机、编码器等）、构造过程以及驱动执行器 和控制器的性能。

其分辨率是通过控制系统来定义 的，但也受作业过程、机械手刚度、结构柔性和编码
器等因素的影响。

分辨率的定义为机器人所能产生的 最小增量移动。

重复定位精度是指机器人末端执行器 —次又一次地回到相同位置和方向的能力。

绝对定位
精度是指机器人的末端执行器在三维空间中精确地移 动到所需位置的能力，如图2所示。

图2绝对定位精度和重复定位精度［7］
许多研究人员、团队和公司都渴望提高工业机器 人的精度。

一方面，作为这一目标的关键，分析和辨 识其潜在机制是不同科学研究的重心。

对于齿轮间
隙、摩擦和温度等的影响开展了详细的研究工作。

然
而，不同的机器人得到的结果不尽相同。

另一方面， 研究工作者用数学描述表达这些结果，用以定位校正
或达到模型与实际系统更加接近。

文献⑵把这些影响分为机械影响和控制影响，从 而导致了随机误差和系统误差。

机械影响可以从齿 轮、关节和连杆的几何偏差的角度分析。

另外，操作
和制造相关原因也可以导致误差的产生。

操作效果还 受到机器人的工作环境和使用条件的影响。

由于机器
人的实际尺寸和生产者公布的尺寸有所偏差，从而导 致了制造相关的误差。

温度作为一个间接因素，对运动学结构也有影
响。

机器人部件（如执行器和连杆元件）与环境之间
的复杂的传热机理，在很大程度上取决于系统和环境 条件［11l o 因此，连杆温度的升高可导致机器人元件的膨 胀。

此外，摩擦和载荷引起的磨损对机器人关节的性
能也有影响［12l o 另外，由于传动系中的齿轮间隙、刚度
29 2019年第2期•总第105
期
和摩擦力等因素，传动系统也会导致定位误差［13l o 源于控制系统的影响主要是因为硬件上传感器的特性和软件上模型特性。

机器人编码器是机器人控制器和运动链的交互点。

因此，运动链的控制受到传感器特性的限制，如线性、分辨率和偏移量［14l o
综上所述，工业机器人的绝对定位精度较低是由于许多因素耦合起来对其造成影响。

因此，直接消除或者减少这些因素的影响是成本极高而且不易实现的。

目前主要还是通过补偿的方法来提高绝对定位精度，下面将介绍几种方法。

2工业机器人绝对定位精度优化方法在目前的研究现状中，工业机器人绝对定位精度的提高方法大致分成两种：离线误差补偿和在线误差补偿［15］，离线误差补偿就是在机器人开始作业前，使用某些方法补偿机器人的定位精度，比如数学逼近法［16］、运动模型参数标定法［17-18l s神经网络方法［19-21\空间插值方法［6l等。

在线误差补偿［22切一般加装一个实时反馈装置，这样，机器人可以不断获得末端处理器位置信息从而进行调整使其到达理想位置，在线补偿通常可以获得较高精度。

在线补偿利用实时反馈设备不断地获取机器人末端执行器的位置信息，然后与理论值比较获得误差值，再由处理器分析，得到机器人调整方式而执行，并实现补偿。

在线补偿要求装配精度很高的实时反馈设备，成本较高。

离线误差补偿通过一定的方法获得较为准确的机器人结构参数，从而使得其运动学模型更加精确，最终达到提高机器人绝对定位精度的目的。

表1两种补偿方法对比
比较离线误差补偿在线误差补偿
是否需要实时反馈装置不需要需要
无繁琐计算且能
优点
成本低，不依赖够实时在线补偿由外部设备信息机器人内、外部因
素引起的误差
缺点
没有考虑非几何
参数引起的误差，
计算繁琐
成本较咼，需要
专门人员操作
2.1离线误差补偿方法
离线误差补偿是当实际轨迹与目标轨迹不同时，在已建立的误差模型的基础上，生成补偿后的新输入轨迹，从而使实际轨迹与目标轨迹相一致［25l o国内研究中，文献［26］研究了船体焊接工业机器人的刚度建模和柔度误差补偿问题。

在分析驱动、结构刚度外部在和机械臂重力的情形下，推算出笛卡尔刚度矩阵，并使用修改输入轨迹的方法来实现误差补偿的目的。

这种方法属于数学逼近方法。

另外还有运动模型参数标定法，例如文献［18］使用度量轴线的方法来标定，并采用径向排列约束标定方法(Radial-alignment-constraint,RAC)。

得出安装在机器人末端执行器上的摄像机中心相对于世界坐标系的坐标，从而得到关节轴线方程，还利用了大型的平面靶标和延长杆来扩展摄像机的视野。

文献［61介绍了一种基于空间插值的误差补偿方法，这种方法是改进了此前的普通标定方法。

此方式采用空间插值来估算出末端执行器在目标位置的定位误差，之后对其进行逆补偿进而提高机器人绝对定位精度，操作简便且效果良好。

文献［21］利用BP神经网络可以构建多因素非线性映射的特点，从而提出了通过神经网络的方法来进行误差补偿，并且使用了粒子群优化方法来改良它的初值，使其不会在训练中出现局部极值的现象。

国外研究中，文献［26l提出了一种离线误差补偿方法，其将工业机器人刀尖静位移作为切削力导致误差的主要部分。

此方法是基于使用几何图形代码的程序轨迹改良版。

根据建立的机器人柔度模型和机械模型预测的切削力和预测的静态刀尖位移，来对程序轨迹进行离线修改。

实验证明，此方法可以有效减少加工误差，并提高定位精度。

文献［27l提出了一种用于制造车间工业机器人系统标定的新方法。

为了标定机器人系统，在机器人末端执行器上安装了激光传感器，测量机器人工具与测量表面的距离，并在地板上建立网格。

得到了机器人末端执行器两个位置的指令脉冲，并利用两个指令脉冲之间的位置差，使用相对位置测量标定方法得到机器人的实际运动学参数。

该方法不需要得到世界坐标系到机器人基础坐标系的转换，就可以对机器人进行标定。

这样使得机器人标定更加简单，便于在制造地板上实现。

由于测量次数较少，此法可减少时间消耗。

这些校准装置还具有方便且成本低等优点。

文献［28l中，第一步测量了轨迹上各个特定点的位置误差；然后为所考虑的轨道上的所有点建立一个广义误差模型；最后建立一个反向模型，用来计算修正后标准坐标，从而实现末端执行器的最佳精度。

2.2在线误差补偿方法
在线误差补偿是使用外部设备(激光跟踪仪、三
坐测量仪等）实施跟踪机器人末端执行器的位置并实时反馈给计算机，计算机通过处理获得其三维坐标，再控制机器人达到预期理想坐标点，从而提高机器人的绝对定位精度。

国内研究中，文献［29］提出一种使用激光跟踪仪测量机器人位姿的方法，并利用KUKA机器人提供的机器人传感器接口但0|301:sensor interface,RSI）来在线补偿定位误差的方法。

最重要的是，不需要很复杂的计算过程就能完成在线补偿机器人内、外部因素所导致的误差，试验结果优于标定方法。

此外，机器人在执行某确定任务时，对所需要的位姿进行补偿后，可以记录下补偿数据，并编写相应的程序，这样，以后重复执行时可不需要激光跟踪仪的参与。

图3为此方法流程图。

图3机器人位姿补偿的流程图
文献［30］通过在工业机器人基座附近安装靶标球，建立了由于温度变化导致的误差模型。

并且研究了机器人构造特点，分析了连杆尺寸变化模式，得出会因温度变化而发生变化的参数。

经过此方法补偿之后，在单一方向上误差水平降低到了±0.10mm，使得机器人的重复定位精度达到标准水平。

文献［31］在对机器人的运动参数事先进行了离线补偿后，揭示机器人的动态误差的主要原因是机器人机体的细微形变和角速度的变化，利用自适应模糊神经推理系统（ANFIS）和附加控制算法的方式进行补偿。

还建立了机器人轨迹控制系统和动力学模型的机-电协同仿真模型；其试验结果证明，这套轨迹控制系统和算法可以很好地降低机器人的绝对定位误差，达到运动轨迹的高精度。

国外研究中，文献［32］提出了一种基于离线标定结果的工业机器人（闭环控制结构）的综合在线误差补偿方法，用来提高其绝对定位精度。

内容包括一种基于指数乘积公式的标定算法，一种用于实现工业机器人标定结果的在线补偿程序。

并且对ABB IRB-4400六自由度工业机器人和leica901-MR激光跟踪系统及其跟踪机控制传感器进行了试验研究。

实现了所提出的在线误差补偿方法，使ABB工业机器人的绝对定位精
312019年第2期•总第105期度提高到0.3mm。

文献［33］提出了一种在线校正生产线焊接过程中出现的不对准问题的模糊控制器方法。

该方法使用李永乐激光束和CCD摄像机进行结构照明。

误差评估在工作范围内（y轴方向上正负10mm，z轴方向上正负5mm）。

试验表明，其最大误差在1.6mm，可以用于实际生产任务中。

Tomas Kubela等人［34］分析了与机器人加工相关的各种误差来源。

在试验中，进一步研究了间隙误差，并根据实际情况开发出了一种在线控制器，基于末端执行器实际位置控制机器人的速度来补偿这种误差。

这个控制器的关键部分是KUKA RS I软件包，它允许实时获得机器人位置信息。

作者主要聚焦于间隙误差的研究与补偿。

换言之，消除间隙误差对于提高机器人的绝对定位精度来说是必要的。

3结语
对于如何提高工业机器人的绝对定位精度这一课题，国内学者进行了大量的研究，研究成果也颇为丰硕，但要将其应用到工业生产中还需要进一步的努力。

目前，提高绝对定位精度的方法主要有离线误差补偿和在线误差补偿两种方法：（1）离线误差补偿需要经过大量计算及复杂模型建立且每次补偿针对特定作业内容，更换其他作业内容时需要重复上述步骤，这种方法适用于工业生产中进行单一作业的工业机器人，这样可以减少不必要的工作。

离线误差补偿的优点在于成本低。

（2）在线误差补偿所实现的定位精度要优于离线方法所实现的定位精度，且可以适用于多种不同作业内容的工业机器人。

然而，在线补偿的成本较为昂贵，所以对于降低在线误差补偿成本还需要进一步的研究。

总的来说，经过国内外科研人员的不懈努力，补偿后机器人的绝对定位精度将会不断提高，成本也将会不断缩减，从而使工业机器人的应用前景更为广阔。

参考文献
［1］徐方.工业机器人产业现状与发展J］.机器人技术与应用,2007［5］:2-4.
［2］Ulrich M,Lux G,Piprek T.Analysis andVisualisation of the Positioning Accuracy and Underlying Effects of Industrial Robots［J］.Advanced Materials Research,2014,1018:15-22.
［3］赵瑞文.PR1400型焊接机器人结构优化与精度补偿［D］. 2017.
［4］高涵，张明路,张小俊，等.机械臂绝对定位精度标定关键技
术综述[Jl.计算机应用研究,2017(09):16-22.
⑸周炜.飞机自动化装配工业机器人精度补偿方法与实验研究[D].南京航空航天大学,2012
⑹周炜，廖文和，田威.基于空间插值的工业机器人精度补偿方法理论与试验[J].机械工程学报,2013, 49⑶:42-48.
[7]Shiakolas P S,Conrad K L,Yih T C.On the Accuracy, Repeatability,and Degree of Influence of Kinematics Parameters for Industrial Robots[J].International Journal of Modelling and Simulation, 2002, 22(4):10.
⑻王琨，骆敏舟,曹毅，等.基于遗传算法的串联机械臂运动学参数标定[Jl.系统科学与数学,2015,35(1):19-30.
[9]Rodd M G.Introduction to robotics:Mechanics and control:John J.Craig[J].Automatica,1987,23(2):263-264.
[10]Andre Carvalho Bittencourt,Wernholt E,Sander-Tavallaey S,et al.An extended friction model to capture load and temperature effects in robot joints[Cl〃Intelligent Robots and Systems(IROS),2010IEEE/RSJ International Conference on.IEEE,2010.
[11]Reinhart G,GrSer R G,Klingel R.Qualification of Standard Industrial Robots to Cope with Sophisticated Assembly Tasks[J].CIRP Annals一Manufacturing Technology,1998,47(1):1-4.
[12]Bittencourt A C,Axelsson P.Modeling and Experiment Design for Identification of Wear in a Robot Joint Under Load and Temperature Uncertainties Based on Friction Data[J]. IEEE/ASME Transactions on Mechatronics,2013,PP(5):1-13.
[13]Ruderman M,Hoffmann F,Bertram T.Modeling and Identification of Elastic Robot Joints With Hysteresis andBacklash[J].IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, 2009, 56(10):3840-3847.
[14]Chen H,Fuhlbrigge T,Choi S,et al.Practical industrial robot zero offset calibration[C]//IEEE International Conference on Automation Science&Engineering.IEEE, 2008.
[15]王龙飞，李旭，张丽艳，等.工业机器人定位误差规律分析及基于ELM算法的精度补偿研究[J].机器人，2018, 40(6):843-851.
[16]焦国太，李庆，冯永和，等.机器人位姿误差的综合补偿[J].中北大学学报(自然科学版),2003, 24(2):104-107.
[17]任永杰，邾继贵，杨学友，等.利用激光跟踪仪对机器人进行标定的方法[J].机械工程学报,2007,43⑼:195-200. [18]解则晓，辛少辉，李绪勇，等.基于单目视觉的机器人标定方法[Jl.机械工程学报,2011,47(5):35-39.
[19]Xu W L,Wurst K H,Watanabe T,et al.Calibrating a modular robotic joint using neural network approach[C]〃IEEE World Congress on IEEE International Conference on Neural Networks.IEEE,1994.
[20]Zhong X,Lewis J,Nnagy L F.Inverse Robot Calibration Using Artificial Neural Networks[J].Engineering Applications of Artificial Intelligence,1996,9(1):83-93.
[21]周炜，廖文和，田威，等.基于粒子群优化神经网络的机器人精度补偿方法研究[Jl.中国机械工程，2013,24⑵:174-179.
[22]史晓佳，张福民，曲兴华，等.KUKA工业机器人位姿测量与在线误差补偿[J].机械工程学报,2017(8).
[23]何庆稀，游震洲,孔向东.一种基于位姿反馈的工业机器人定位补偿方法[J].中国机械工程,2016,27(7):872-876. [24]曲巍歲，董辉跃,柯映林.机器人辅助飞机装配制孔中位姿精度补偿技术[Jl.航空学报,2011(10).
[25]Klimchik A,Pashkevich A,Chablat D,et pliance error compensation technique for parallel robots composed of non-perfect serial chains[J].Robotics and Computer-Integrated Manufacturing, 2012, 29(2):385-393.
[26]Slavkovic N R,Milutinovic D S,Glavonjic M M.A method for off-line compensation of cutting force-induced errors in robotic machining by tool path modification[J].The I nternational Journal of Advanced Manufacturing Technology,2014,70(9-12):2083-2096.
[27]Ha I C.Kinematic parameter calibration method for industrial robot manipulator using the relative position[J]. Journal of Mechanical Science&Technology,2008, 22(6):1084-1090.
[28]Vosniakos G C,Angelidis A.Prediction and compensation of relative position error along industrial robot end-effector paths[J].International Journal of Precision Engineering and Manufacturing,2014,15(1):66-73.
[29]史晓佳，张福民，曲兴华，等.KUKA工业机器人位姿测量与在线误差补偿[J].机械工程学报,2017(8).
[30]王一，任永杰，邾继贵，等.测量机器人在线动态温度误差补偿技术[Jl.光电子•激光,2009(4).
[31]蔡锦达，李军华，张剑皓，等.六轴工业机器人在线误差补偿方法的研究[J].控制工程，2014,21(5).
[32]Mustafa S K,Tao P Y,Yang G,et al.A geometrical approach for online error compensation of industrial manipulators[C]〃IEEE/ASME International Conference on Advanced Intelligent Mechatronics.IEEE,2011.
[33]Ignacio D a vila-R i os,Ismael L o pez-Ju a rez, Gerardo M Mendez,et al.A fuzzy approach for on-line error compensation during robotic welding[C]//International Conference on Computers Communications&Control.IEEE, 2016.
[34]Kubela T,Pochyly A,Singule V.Investigation of position accuracy of industrial robots and online methods for accuracy improvement in machining processes[C]//International Conference on Electrical Drives&Power Electronics.IEEE, 2015.。