CN110842927A - 一种基于多元回归的机器人关节几何误差补偿方法 - Google Patents

一种基于多元回归的机器人关节几何误差补偿方法 Download PDF

Info

Publication number
CN110842927A
CN110842927A CN201911206090.9A CN201911206090A CN110842927A CN 110842927 A CN110842927 A CN 110842927A CN 201911206090 A CN201911206090 A CN 201911206090A CN 110842927 A CN110842927 A CN 110842927A
Authority
CN
China
Prior art keywords
joint
error compensation
error
representing
driving
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911206090.9A
Other languages
English (en)
Other versions
CN110842927B (zh
Inventor
黄田
尹福文
田文杰
刘海涛
肖聚亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201911206090.9A priority Critical patent/CN110842927B/zh
Publication of CN110842927A publication Critical patent/CN110842927A/zh
Application granted granted Critical
Publication of CN110842927B publication Critical patent/CN110842927B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1679Programme controls characterised by the tasks executed
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J17/00Joints
    • B25J17/02Wrist joints
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1656Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1661Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Numerical Control (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种基于多元回归的机器人关节几何误差补偿方法:采用理想关节变量的多元线性函数构建驱动关节误差补偿函数;采用有限位形下的末端位姿误差检测数据估计驱动关节误差补偿函数的系数,并通过显著性检验确定驱动关节误差补偿函数的系数;采用驱动关节误差补偿函数修正驱动关节的理想指令,实现机器人末端位姿误差的补偿。本发明直接用简单的多元线性函数的线性映射来预测关节几何误差源对末端位姿误差的影响,可补偿由随位形变化误差源引起的末端位姿误差,进而有利于提高机器人末端执行器的几何精度。

Description

一种基于多元回归的机器人关节几何误差补偿方法
技术领域
本发明涉及机器人的误差补偿技术,特别涉及一种基于关节空间多元回归的机器人误差补偿方法。
背景技术
几何精度是机器人系统的重要性能指标,其主要受到机器人关节运动误差和结构误差,即关节几何误差源的影响。在通过制造和装配等手段保证了机器人重复性精度的前提下,运动学标定是提高机器人几何精度的重要手段。运动标定的步骤包含误差建模、误差测量、参数辨识和误差补偿四个彼此紧密连接的环节。其中,利用可靠的参数辨识结果来准确预测末端在任意位形下的位姿误差是运动学标定的关键问题。
在传统的运动学标定方法中,通常将关节的几何误差源作为待辨识的参数。这种处理方法存在的局限性有二:一是必须建立考虑全部关节结构误差且满足完备性、连续性和最小性要求的误差模型,过程非常复杂;二是无法辨识和补偿由随位形变化的误差源(如移动副的直线度误差)引起的末端位姿误差,导致末端执行器的位姿精度不高。因此,亟需一种无需关节结构误差建模,且可补偿由随位形变化误差源引起末端位姿误差的运动学标定方法。
发明内容
本发明的目的是克服现有技术中的不足,提供一种基于多元回归的机器人关节几何误差补偿方法,本发明直接用简单的多元线性函数的线性映射来预测关节几何误差源对末端位姿误差的影响,可补偿由随位形变化误差源引起的末端位姿误差,进而有利于提高机器人的几何精度。
本发明所采用的技术方案是:一种基于多元回归的机器人关节几何误差补偿方法,包括以下步骤:
采用理想关节变量的多元线性函数构建驱动关节误差补偿函数;
采用有限位形下的末端位姿误差检测数据估计驱动关节误差补偿函数的系数,并通过显著性检验确定驱动关节误差补偿函数的系数;
采用驱动关节误差补偿函数修正驱动关节的理想指令,实现机器人末端位姿误差的补偿。
进一步地,所述的采用理想关节变量的多元线性函数构建驱动关节误差补偿函数包括:
将f自由度机器人的末端位姿误差旋量ξ表示为:
ξ=Taρa+ζ (1)
式中,
Figure BDA0002296966970000021
表示f自由度机器人的末端位姿误差旋量,f≤6;
Figure BDA0002296966970000022
表示运动误差雅可比,为名义驱动关节变量q1,q2,…,qf的函数;ρa表示关节运动误差向量;
Figure BDA0002296966970000023
表示由系统中所有关节结构误差和其它未建模误差所引起的末端误差旋量;
用机器人的驱动力雅可比Wa的转置左乘式(1)两端,得:
Figure BDA0002296966970000024
式中,
Figure BDA0002296966970000025
表示机器人的驱动力雅可比;
令驱动关节的误差补偿向量△q恒满足:
△q≡-ρaa -1Wa Tζ (3)
式中,△q=(△q1 △q2 ... △qf)T,表示驱动关节的误差补偿向量;
则有
Figure BDA0002296966970000026
采用多元线性函数构造关节误差补偿函数向量来逼近式(3)中的驱动关节的误差补偿向量△q,其中:
式中,△qi表示第i个驱动关节的误差补偿函数;ni表示第i个驱动关节的误差补偿函数的系数数量;
Figure BDA0002296966970000028
表示第i个驱动关节的补偿函数的第ni个多项式;
Figure BDA0002296966970000031
表示多项式
Figure BDA0002296966970000032
的系数;zi表示由
Figure BDA0002296966970000033
组成的向量;βi表示由
Figure BDA0002296966970000034
组成的向量;
将式(6)改写为:
Figure BDA0002296966970000035
式中,Z表示驱动关节误差补偿矩阵;β表示驱动关节误差补偿函数的系数向量;
将式(7)代入式(3)后再代入式(2),得:
Figure BDA0002296966970000036
进一步地,所述的采用有限位形下的末端位姿误差检测数据估计驱动关节误差补偿函数的系数,并通过显著性检验确定驱动关节误差补偿函数的系数包括:
在机器人工作区域内历遍K个位形;在第k≤K个位形处,检测末端的6维位姿误差旋量ξk,并由式(8)得到总体线性回归模型如式(9)所示:
式中,y表示回归模型的观测量;X表示回归设计矩阵;β表示回归系数向量,即驱动关节误差补偿函数的系数向量;ε~N(0σ2IK),表示服从零均值标准正态分布的测量噪声;yk表示第k个位型的观测量;Xk表示第k个位型的回归设计矩阵;Wa,k表示第k个位型的驱动力雅可比;Ta,k表示第k个位型的运动误差雅可比;Zk表示第k个位型的驱动关节误差补偿矩阵;对于f自由度的机器人系统共有
Figure BDA0002296966970000041
个回归系数;
采用以下步骤保证回归模型的解释能力和预测效果:
步骤1,重构回归设计矩阵X和驱动关节误差补偿函数的系数向量β,使得回归设计矩阵X列满秩;
步骤2,采用正则化方法估计驱动关节误差补偿函数的系数向量β:
Figure BDA0002296966970000042
式中,表示驱动关节误差补偿函数的系数向量β的估计值;λ是正则参数,根据广义交叉检验准则或L-曲线法确定;I表示与矩阵XTX维数相同的单位阵;
步骤3,构造统计检验量tj
Figure BDA0002296966970000044
式中,m1表示重构后的系数数量;cj表示C=(XTX)-1的第j个主对角元;yk
Figure BDA0002296966970000045
表示第k个位形的观测值和预测值;表示重构后第j和m1个系数的估计值;给定检验水平κ,查找t检验分布表给出的临界值tκ,若|tj|≤tκ,则令βj=0,反之,保留βj,其中,βj为重构后的驱动关节误差补偿函数的系数向量β中的第j项;
步骤4,构造统计量R2
给定检验水平则回归模型拟合度满足要求;否则重复步骤3直至
Figure BDA00022969669700000411
进一步地,所述的采用驱动关节误差补偿函数修正驱动关节的理想指令,实现机器人末端位姿误差的补偿包括:
按照粗插补周期将操作空间连续轨迹离散为位姿指令集{p}写入数据缓冲区;
通过位置逆解将位姿指令集{p}中的每一条指令转换为关节名义指令向量q,并计算当前位形的驱动关节误差补偿矩阵Z及驱动关节的误差补偿向量△q:
Figure BDA0002296966970000051
式中,
Figure BDA0002296966970000052
表示驱动关节误差补偿函数的系数向量β的估计值;
采用驱动关节的误差补偿向量△q修正关节名义指令向量q,得到关节实际指令向量qm
qm=q+△q (14)
将关节实际指令向量qm写入数据缓冲区,生成修正指令集{qm},并经精插补发至各驱动关节。
本发明的有益效果是:本发明一种基于多元回归的机器人关节几何误差补偿方法,直接用简单的多元线性函数的线性映射来预测关节几何误差源对末端位姿误差的影响,可补偿由随位形变化误差源引起的末端位姿误差,进而有利于提高机器人的几何精度。
附图说明
图1:本发明嵌入式误差补偿模块示意图;
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下:
一种基于多元回归的机器人关节几何误差补偿方法,包括以下步骤:
步骤一、驱动关节误差补偿函数的构建
采用理想关节变量的多元线性函数构造驱动关节的误差补偿函数。
在关节运动误差相对其名义值足够小的前提下,将f(f≤6)自由度机器人的末端位姿误差旋量ξ
Figure BDA0002296966970000061
表示为:
Figure BDA0002296966970000062
式中,
Figure BDA0002296966970000063
表示运动误差雅可比,其是名义驱动关节变量q1,q2,…,qf的函数,可由机器人系统的瞬时运动分析得到;ρa表示关节运动误差向量;ρa,i
Figure BDA0002296966970000064
表示第i个(i=1,2,…,f)驱动关节运动误差的大小以及末端关于参考点的单位微小位移旋量;表示由系统中所有关节结构误差和其它未建模误差源引起的末端关于其参考点的误差旋量。
根据机器人的拓扑构型和尺度参数构造驱动力雅可比Wa
Figure BDA0002296966970000066
的具体表达式,并用其转置左乘式(1)两端,得:
Figure BDA0002296966970000067
令驱动关节的误差补偿向量△q(△q=(△q1 △q2 ... △qf)T)恒满足:
Figure BDA0002296966970000068
则有
Figure BDA0002296966970000069
采用幂多项式、正交多项式作为驱动关节误差补偿函数向量,使之逼近式(3)中的驱动关节的误差补偿向量△q。针对不同的机器人拓扑构型,以二次幂多项式为例,构造串联机器人以及各主动支链结构相同的并联机器人第i个驱动关节的误差补偿函数△qi
对于串联机器人,有
Figure BDA00022969669700000610
式中,α0,i表示零阶项的系数;αj,i表示与第j个驱动关节的运动变量相关的一阶项的系数;αj,k,i表示与第j和k个驱动关节的运动变量相关的二阶项的系数;qj和qk表示第j和k个驱动关节的运动变量。
对于并联机器人,有
Figure BDA0002296966970000071
将式(4)和(5)作变量替换,统一写成多元线性函数的形式,有:
Figure BDA0002296966970000072
式中,△qi表示第i个驱动关节的误差补偿函数;ni表示第i个驱动关节的误差补偿函数的系数数量;表示第i个驱动关节的补偿函数的第ni个多项式;
Figure BDA0002296966970000074
表示多项式
Figure BDA0002296966970000075
的系数;zi表示由
Figure BDA0002296966970000076
组成的向量;βi表示由
Figure BDA0002296966970000077
组成的向量。
将式(6)改写为:
Figure BDA0002296966970000078
式中,Z表示驱动关节误差补偿矩阵;β表示驱动关节误差补偿函数的系数向量;
将式(7)代入式(3)后再代入式(2),得:
步骤二、驱动关节误差补偿函数的系数估计
采用有限位形下的末端位姿误差检测数据估计并通过显著性检验确定误差补偿函数的系数。
以单轴逐一驱动或多轴联动的方式,在机器人工作区域内历遍K个位形。在第k≤K个位形处,采用测量仪器(如激光跟踪仪器)检测末端相对世界坐标系的6维位姿误差旋量ξk,并由式(8)得到总体线性回归模型如式(9)所示:
Figure BDA0002296966970000081
式中,y表示回归模型的观测量;X表示回归设计矩阵;β表示回归系数向量,即驱动关节误差补偿函数的系数向量;ε~N(0σ2IK),表示服从零均值标准正态分布的测量噪声;yk表示第k个位型的观测量;Xk表示第k个位型的回归设计矩阵;Wa,k表示第k个位型的驱动力雅可比;Ta,k表示第k个位型的运动误差雅可比;Zk表示第k个位型的驱动关节误差补偿矩阵;对于f自由度的机器人系统共有
Figure BDA0002296966970000082
个回归系数。
采用以下步骤保证回归模型的解释能力和预测效果。
(1)重构回归设计矩阵X和驱动关节误差补偿函数的系数向量β,使得回归设计矩阵X列满秩。采用如下步骤重构回归设计矩阵X和驱动关节误差补偿函数的系数向量β:
a)令X=:[g1 … gm],m=:dim(β),X0=:g1,β0=:β1,i=:2
其中,g1和gm表示矩阵X的第1和第m个列向量;X0和β0表示该算法的过渡矩阵及其系数向量。
b)构造[X0 gi],若rank[X0 gi]=rank(X0)+1,则X0=:[X0 gi],
Figure BDA0002296966970000091
i=:i+1,重复此步直至i>m
其中,gi表示矩阵X的第i个列向量;βi表示向量β的第i个系数。
c)X=:X0,β=:β0,m1=:dim(β)
其中,m1表示重构后的系数数量。
(2)为了改善因辨识矩阵复共线性所造成辨识结果稳定性差的问题,采用正则化方法估计驱动关节误差补偿函数的系数向量β:
Figure BDA0002296966970000092
式中,
Figure BDA0002296966970000093
表示系数向量β的估计值;λ是正则参数,可根据广义交叉检验准则或L-曲线法确定;I表示与矩阵XTX维数相同的单位阵。
(3)令βj(j=1,2,…,m1)表示重构后的系数向量β中的第j项,zj表示与系数βj一一对应的多项式。为了描述变量zj对观测量y的解释能力,假设回归系数βj=0,并构造统计检验量tj
Figure BDA0002296966970000094
式中,cj表示C=(XTX)-1的第j个主对角元;yk
Figure BDA0002296966970000095
表示第k个位形的观测值和预测值;
Figure BDA0002296966970000096
Figure BDA0002296966970000097
表示重构后第j和m1个系数的估计值。给定检验水平κ,查找t检验分布表给出的临界值tκ,若|tj|≤tκ,则令βj=0,反之,保留βj
(4)为了检验回归模型的预测效果,构造统计量R2
Figure BDA0002296966970000098
给定检验水平
Figure BDA0002296966970000099
Figure BDA00022969669700000910
则回归模型拟合度满足要求;否则重复步骤(3)和(4)直至
Figure BDA0002296966970000101
步骤三、机器人末端位姿误差的补偿
采用驱动关节误差补偿函数直接修正驱动关节的理想指令,实现机器人末端位姿误差的补偿。
如图1所示,在开放式数控系统环境下开发嵌入式误差补偿模块,将驱动关节误差补偿矩阵Z写入运动控制卡位置逆解程序缓冲区,同时将最终确定的
Figure BDA0002296966970000102
写入变量寄存器,以备调用。误差补偿的具体实施方法如下:
首先按照粗插补周期,将操作空间连续轨迹离散为位姿指令集{p},并写入数据缓冲区;然后通过位置逆解将位姿指令集{p}中的每一条指令转换为关节名义指令向量q(q=(q1 q2 … qf)T),并调用预存的嵌入式误差补偿模块,计算当前位形的驱动关节误差补偿矩阵Z及驱动关节的误差补偿向量△q:
采用驱动关节的误差补偿向量△q修正关节名义指令向量q,得到关节实际指令向量qm
qm=q+△q (14)
最后将关节实际指令向量qm写入数据缓冲区,生成修正指令集{qm},并经精插补发至各驱动关节,进而实现机器人末端执行器在全轨迹段上的位姿误差补偿。
尽管上面结合附图对本发明的优选实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,并不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可以做出很多形式,这些均属于本发明的保护范围之内。

Claims (4)

1.一种基于多元回归的机器人关节几何误差补偿方法,其特征在于,包括以下步骤:
采用理想关节变量的多元线性函数构建驱动关节误差补偿函数;
采用有限位形下的末端位姿误差检测数据估计驱动关节误差补偿函数的系数,并通过显著性检验确定驱动关节误差补偿函数的系数;
采用驱动关节误差补偿函数修正驱动关节的理想指令,实现机器人末端位姿误差的补偿。
2.根据权利要求1所述的一种基于多元回归的机器人关节几何误差补偿方法,其特征在于,所述的采用理想关节变量的多元线性函数构建驱动关节误差补偿函数包括:
将f自由度机器人的末端位姿误差旋量ξ表示为:
ξ=Taρa+ζ (1)
式中,
Figure FDA0002296966960000011
表示f自由度机器人的末端位姿误差旋量,f≤6;
Figure FDA0002296966960000012
表示运动误差雅可比,为名义驱动关节变量q1,q2,…,qf的函数;ρa表示关节运动误差向量;表示由系统中所有关节结构误差和其它未建模误差所引起的末端误差旋量;
用机器人的驱动力雅可比Wa的转置左乘式(1)两端,得:
Figure FDA0002296966960000014
式中,表示机器人的驱动力雅可比;
令驱动关节的误差补偿向量△q恒满足:
式中,△q=(△q1 △q2 ... △qf)T,表示驱动关节的误差补偿向量;
则有
Figure FDA0002296966960000017
采用多元线性函数构造关节误差补偿函数向量来逼近式(3)中的驱动关节的误差补偿向量△q,其中:
Figure FDA0002296966960000021
式中,△qi表示第i个驱动关节的误差补偿函数;ni表示第i个驱动关节的误差补偿函数的系数数量;
Figure FDA0002296966960000022
表示第i个驱动关节的补偿函数的第ni个多项式;
Figure FDA0002296966960000023
表示多项式
Figure FDA0002296966960000024
的系数;zi表示由
Figure FDA0002296966960000025
组成的向量;βi表示由
Figure FDA0002296966960000026
组成的向量;
将式(6)改写为:
Figure FDA0002296966960000027
式中,Z表示驱动关节误差补偿矩阵;β表示驱动关节误差补偿函数的系数向量;
将式(7)代入式(3)后再代入式(2),得:
Figure FDA0002296966960000028
3.根据权利要求1所述的一种基于多元回归的机器人关节几何误差补偿方法,其特征在于,所述的采用有限位形下的末端位姿误差检测数据估计驱动关节误差补偿函数的系数,并通过显著性检验确定驱动关节误差补偿函数的系数包括:
在机器人工作区域内历遍K个位形;在第k≤K个位形处,检测末端的6维位姿误差旋量ξk,并由式(8)得到总体线性回归模型如式(9)所示:
y=Xβ+ε (9)
式中,y表示回归模型的观测量;X表示回归设计矩阵;β表示回归系数向量,即驱动关节误差补偿函数的系数向量;ε~N(0σ2IK),表示服从零均值标准正态分布的测量噪声;yk表示第k个位型的观测量;Xk表示第k个位型的回归设计矩阵;Wa,k表示第k个位型的驱动力雅可比;Ta,k表示第k个位型的运动误差雅可比;Zk表示第k个位型的驱动关节误差补偿矩阵;对于f自由度的机器人系统共有个回归系数;
采用以下步骤保证回归模型的解释能力和预测效果:
步骤1,重构回归设计矩阵X和驱动关节误差补偿函数的系数向量β,使得回归设计矩阵X列满秩;
步骤2,采用正则化方法估计驱动关节误差补偿函数的系数向量β:
Figure FDA0002296966960000032
式中,
Figure FDA0002296966960000033
表示驱动关节误差补偿函数的系数向量β的估计值;λ是正则参数,根据广义交叉检验准则或L-曲线法确定;I表示与矩阵XTX维数相同的单位阵;
步骤3,构造统计检验量tj
Figure FDA0002296966960000034
Figure FDA0002296966960000035
式中,m1表示重构后的系数数量;cj表示C=(XTX)-1的第j个主对角元;yk
Figure FDA0002296966960000036
表示第k个位形的观测值和预测值;
Figure FDA0002296966960000037
Figure FDA0002296966960000038
表示重构后第j和m1个系数的估计值;给定检验水平κ,查找t检验分布表给出的临界值tκ,若|tj|≤tκ,则令βj=0,反之,保留βj,其中,βj为重构后的驱动关节误差补偿函数的系数向量β中的第j项;
步骤4,构造统计量R2
Figure FDA0002296966960000041
给定检验水平
Figure FDA0002296966960000042
Figure FDA0002296966960000043
则回归模型拟合度满足要求;否则重复步骤3直至
Figure FDA0002296966960000044
4.根据权利要求1所述的一种基于多元回归的机器人关节几何误差补偿方法,其特征在于,所述的采用驱动关节误差补偿函数修正驱动关节的理想指令,实现机器人末端位姿误差的补偿包括:
按照粗插补周期将操作空间连续轨迹离散为位姿指令集{p}写入数据缓冲区;
通过位置逆解将位姿指令集{p}中的每一条指令转换为关节名义指令向量q,并计算当前位形的驱动关节误差补偿矩阵Z及驱动关节的误差补偿向量△q:
式中,
Figure FDA0002296966960000046
表示驱动关节误差补偿函数的系数向量β的估计值;
采用驱动关节的误差补偿向量△q修正关节名义指令向量q,得到关节实际指令向量qm
qm=q+△q (14)
将关节实际指令向量qm写入数据缓冲区,生成修正指令集{qm},并经精插补发至各驱动关节。
CN201911206090.9A 2019-11-30 2019-11-30 一种基于多元回归的机器人关节几何误差补偿方法 Active CN110842927B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911206090.9A CN110842927B (zh) 2019-11-30 2019-11-30 一种基于多元回归的机器人关节几何误差补偿方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911206090.9A CN110842927B (zh) 2019-11-30 2019-11-30 一种基于多元回归的机器人关节几何误差补偿方法

Publications (2)

Publication Number Publication Date
CN110842927A true CN110842927A (zh) 2020-02-28
CN110842927B CN110842927B (zh) 2022-07-08

Family

ID=69606761

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911206090.9A Active CN110842927B (zh) 2019-11-30 2019-11-30 一种基于多元回归的机器人关节几何误差补偿方法

Country Status (1)

Country Link
CN (1) CN110842927B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113334388A (zh) * 2021-07-08 2021-09-03 清华大学 基于局部线性回归的机器人运动学标定方法及标定装置
CN113459104A (zh) * 2021-07-12 2021-10-01 清华大学 基于支持向量回归的机器人定位误差预测方法及预测装置
CN113500585A (zh) * 2021-07-16 2021-10-15 清华大学 用于运动学标定的机器人测量位姿评价方法及评价装置
CN115648228A (zh) * 2022-12-28 2023-01-31 广东隆崎机器人有限公司 工业机器人多源误差补偿方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6408224B1 (en) * 1999-11-10 2002-06-18 National Aerospace Laboratory Of Science Technology Agency Rotary articulated robot and method of control thereof
CN102736558A (zh) * 2011-04-07 2012-10-17 姚晓栋 基于时间序列算法的数控机床热误差实时补偿建模方法
CN105404237A (zh) * 2015-11-10 2016-03-16 湖北文理学院 一种基于空间网格补偿方式的数控机床空间误差建模方法
US20160346931A1 (en) * 2013-02-04 2016-12-01 Johannes Gottlieb Method and arrangement for the correction of pose errors in kinematics and a corresponding computer program and a corresponding computer-readable storage medium
CN106406277A (zh) * 2016-09-23 2017-02-15 贵州珞石三盛科技有限公司 机器人运动学参数误差优化补偿方法及装置
CN109746920A (zh) * 2019-03-06 2019-05-14 南京航空航天大学 一种基于两步法的工业机器人几何参数误差标定方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6408224B1 (en) * 1999-11-10 2002-06-18 National Aerospace Laboratory Of Science Technology Agency Rotary articulated robot and method of control thereof
CN102736558A (zh) * 2011-04-07 2012-10-17 姚晓栋 基于时间序列算法的数控机床热误差实时补偿建模方法
US20160346931A1 (en) * 2013-02-04 2016-12-01 Johannes Gottlieb Method and arrangement for the correction of pose errors in kinematics and a corresponding computer program and a corresponding computer-readable storage medium
CN105404237A (zh) * 2015-11-10 2016-03-16 湖北文理学院 一种基于空间网格补偿方式的数控机床空间误差建模方法
CN106406277A (zh) * 2016-09-23 2017-02-15 贵州珞石三盛科技有限公司 机器人运动学参数误差优化补偿方法及装置
CN109746920A (zh) * 2019-03-06 2019-05-14 南京航空航天大学 一种基于两步法的工业机器人几何参数误差标定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
田文杰: "精密卧式加工中心几何精度设计及误差补偿方法研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113334388A (zh) * 2021-07-08 2021-09-03 清华大学 基于局部线性回归的机器人运动学标定方法及标定装置
CN113334388B (zh) * 2021-07-08 2022-12-02 清华大学 基于局部线性回归的机器人运动学标定方法及标定装置
CN113459104A (zh) * 2021-07-12 2021-10-01 清华大学 基于支持向量回归的机器人定位误差预测方法及预测装置
CN113459104B (zh) * 2021-07-12 2023-09-05 清华大学 基于支持向量回归的机器人定位误差预测方法及预测装置
CN113500585A (zh) * 2021-07-16 2021-10-15 清华大学 用于运动学标定的机器人测量位姿评价方法及评价装置
CN113500585B (zh) * 2021-07-16 2023-09-05 清华大学 用于运动学标定的机器人测量位姿评价方法及评价装置
CN115648228A (zh) * 2022-12-28 2023-01-31 广东隆崎机器人有限公司 工业机器人多源误差补偿方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN110842927B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN110842927B (zh) 一种基于多元回归的机器人关节几何误差补偿方法
CN108908327B (zh) 一种机器人定位误差分级补偿方法
Nguyen et al. A calibration method for enhancing robot accuracy through integration of an extended Kalman filter algorithm and an artificial neural network
Klimchik et al. Identification of the manipulator stiffness model parameters in industrial environment
US20240019839A1 (en) Methods for quickly optimizing geometric error compensation data of translational axes of five-axis numerically controlled machine tools
US5555347A (en) Method and apparatus for controlling a robot using a neural network
Klimchik et al. Optimal pose selection for calibration of planar anthropomorphic manipulators
CN112733296A (zh) 基于grnn的混联机器人铣削加工误差预测及补偿方法
CN113160334A (zh) 一种基于手眼相机的双机器人系统标定方法
Hafezipour et al. An uncertainty analysis method for error reduction in end-effector of spatial robots with joint clearances and link dimension deviations
EP3745310A1 (en) Method for calibrating a multi-sensor system using an artificial neural network
CN112318498A (zh) 一种考虑参数耦合的工业机器人标定方法
CN114131611A (zh) 机器人重力位姿分解的关节误差离线补偿方法、系统及终端
Tan et al. Geometrical error compensation of precision motion systems using radial basis function
CN113878581A (zh) 一种五自由度混联机器人误差预测及实时补偿技术
Gao et al. Kinematic calibration of industrial robots based on distance information using a hybrid identification method
Zhou et al. Adaptive hierarchical positioning error compensation for long-term service of industrial robots based on incremental learning with fixed-length memory window and incremental model reconstruction
CN113158135A (zh) 一种含噪声的暂降源定位数据缺失值估计方法
CN114932542B (zh) 一种工业机器人距离误差补偿方法、系统
Barari et al. NURBS representation of estimated surfaces resulting from machining errors
Tan et al. Geometrical error modeling and compensation using neural networks
CN114643582A (zh) 一种面向冗余机械臂的无模型关节容错控制方法及装置
JP2005157784A (ja) 小型アーティファクトを用いた運動機構の校正方法
CN112847441B (zh) 基于梯度下降法的六轴机器人坐标偏移检测方法和装置
M. Esmaeili et al. Generation of a 3D error compensation grid from ISO 230-1 error parameters obtained by a SAMBA indirect calibration and validated by a ball-bar spherical test

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant