CN116834009A - 一种分布式虚实孪生的机器人位姿误差在线补偿系统 - Google Patents
一种分布式虚实孪生的机器人位姿误差在线补偿系统 Download PDFInfo
- Publication number
- CN116834009A CN116834009A CN202310896593.3A CN202310896593A CN116834009A CN 116834009 A CN116834009 A CN 116834009A CN 202310896593 A CN202310896593 A CN 202310896593A CN 116834009 A CN116834009 A CN 116834009A
- Authority
- CN
- China
- Prior art keywords
- compensation
- pose
- robot
- virtual
- time
- 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.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 230000033001 locomotion Effects 0.000 claims description 22
- 238000005259 measurement Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000644 propagated effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000012821 model calculation Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000003698 laser cutting Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种分布式虚实孪生的机器人位姿误差在线补偿系统，包括：虚实轴组、第一运算介质、第二运算介质和驱动器；所述虚实轴组包括虚拟数控插补笛卡尔轴、虚拟位姿补偿笛卡尔轴和实际关节角轴，所述实际关节角轴与机器人关节电机通过驱动器连接；所述第一运算介质，用于获取虚拟位姿补偿笛卡尔轴的补偿量；所述第二运算介质，用于对G代码进行插补，将补偿量与虚拟数控插补笛卡尔轴的理论位姿叠加，得到实际位姿，对实际位姿进行逆运动学计算得到实际关节角轴的实际关节角度，将实际关节角度传递至驱动器；所述驱动器，用于使用实际关节角度驱动机器人关节电机运动。本发明可以实现高精度的误差补偿，补偿可靠性高，效率高。
Description
技术领域
本发明属于机器人误差补偿领域，更具体地，涉及一种分布式虚实孪生的机器人位姿误差在线补偿系统。
背景技术
机器人位姿误差是机器人系统所面临的不可避免的问题，严重制约着机器人高精度应用，开展机器人位姿误差补偿是提升机器人精度，支撑机器人高质量应用的重要手段。
现有的发明已经公开了大量关于位姿误差补偿的方法，但大多聚集在离线补偿范畴中，如通过各种手段，得到机器人状态(关节位置和空间位置)与误差的关系，利用前馈补偿的方式直接在离线编程过程中修改目标点位，实现误差的补偿，不同发明在获取机器人状态与误差关系步骤中存在显著的区别。但这类方法效率低，难以适用于复杂的机器人任务。
此外，离线补偿这种方式聚焦的是宏观位置尺度的补偿，开展的逻辑为在运动规划阶段修改G代码所对应的理论点位姿从而实现机器人作业精度的提升，但这种方式由于仅能在宏观位置尺度实施补偿，无法兼顾相邻位置之间的细观状态，因此补偿效果有限。这种补偿方式是建立在相邻位置之间误差满足线性关系的假设上的，与实际机器人的误差变化情况不符，因此导致补偿后的机器人仍然存在较大的误差，补偿的可靠性低。
由此可见，现有技术存在效率低、误差大、可靠性低的技术问题。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种分布式虚实孪生的机器人位姿误差在线补偿方法和系统，由此解决现有技术存在效率低、误差大、可靠性低的技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种分布式虚实孪生的机器人位姿误差在线补偿系统，包括：虚实轴组、第一运算介质、第二运算介质和驱动器；
所述虚实轴组包括虚拟数控插补笛卡尔轴、虚拟位姿补偿笛卡尔轴和实际关节角轴，所述实际关节角轴与机器人关节电机通过驱动器连接；
所述第一运算介质，用于获取虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量并传递至第二运算介质，相邻两个补偿时刻之间的时间差为补偿周期T2；
所述第二运算介质，用于对机器人在笛卡尔空间运动轨迹对应的G代码进行插补，得到虚拟数控插补笛卡尔轴在每个插补时刻t的理论位姿，在aT2≤≤t＜(a+1)T2时，补偿量均为aT2补偿时刻的补偿量，将aT2补偿时刻的补偿量与虚拟数控插补笛卡尔轴在aT2≤t＜(a+1)T2内各插补时刻的理论位姿叠加，得到在aT2≤t＜(a+1)T2内各插补时刻的实际位姿，对实际位姿进行逆运动学计算得到实际关节角轴的实际关节角度，将实际关节角度传递至驱动器；
所述驱动器，用于使用实际关节角度驱动机器人关节电机运动；
其中，T2＝nT1，n表示补偿周期T2与插补周期T1之比，相邻两个插补时刻之间的时间差为插补周期T1，n为≥1的整数，口为≥0的整数。
本发明中插补周期，反映了插补的速度，例如，插补周期为1ms。
进一步地，所述第一运算介质，用于在每个补偿时刻下使用外部测量设备测量机器人位姿，将每个补偿时刻下测量的机器人位姿与对应补偿时刻下机器人内部控制器记录的位姿之间的差值作为虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量。
外部测量设备为激光跟踪仪、双目相机或激光位移传感器，外部测量设备也可以是其他可以测量机器人位姿的设备。
激光跟踪仪可以高精度的测量出机器人上固定的反射物在空间中的绝对位姿，并且与理论位置作比较，从而得到对应的误差，精度较高，误差获取的速度较快。
双目相机是通过测量机器人上张贴的编码标识实现机器人空间位姿的获取，精度略低于激光跟踪仪。
激光位移传感器仅可以测量一个方向的相对位置，常用于切削深度测量等问题。
进一步地，所述第一运算介质，用于使用模型计算虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量。
进一步地，所述第一运算介质，用于利用预先辨识的机器人运动学参数，通过正运动学计算每个补偿时刻下的机器人位姿，将在每个补偿时刻下计算的机器人位姿与对应补偿时刻下机器人内部控制器记录的位姿之间的差值作为虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量。
进一步地，所述第一运算介质，用于在每个补偿时刻下使用测力仪测量机器人受到的外部力，将每个补偿时刻下测量的机器人受到的外部力代入力致误差模型，得到虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量。
进一步地，所述第一运算介质，用于将每个补偿时刻的机器人理论位姿输入预测模型，将预测模型预测的结果作为虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量；
所述预测模型为训练好的神经网络或深度置信网络，将预先计算的机器人理论位姿及其对应的位姿误差测量值作为训练数据，训练时将预测的误差与位姿误差测量值之间的差值反向传播更新网络参数，训练至收敛得到训练好的神经网络或深度置信网络。
进一步地，所述虚拟位姿补偿笛卡尔轴中轴的数量取值范围是1-6。
进一步地，所述实际关节角轴中轴的数量与机器人关节电机的数量相等，虚拟数控插补笛卡尔轴中轴的数量为六个。
进一步地，所述n为≥T_all/T1的整数；
其中，时间和T_all＝获取一个补偿量所需时间+补偿量传递给第二运算介质所需时间+实际位姿经过逆运动学计算得到实际关节角度并发送给驱动器所需的时间+安全时间，通过调整安全时间的大小，使得T_all/T1为整数。
进一步地，所述n为T_all/T1。
按照本发明的另一方面，提供了一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现一种分布式虚实孪生的机器人位姿误差在线补偿系统的处理步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明所提出的位姿误差在线补偿系统，聚焦机器人执行任务过程中，在插补层面的细观状态，并设计相应的分布式虚实孪生轴，实现了对于机器人任务各时刻误差的获取和补偿，因此可以实现高精度的误差补偿效果，补偿可靠性高。并且这种方法无需在机器人执行任务前的准备工作，仅直接对于理论G代码执行任务即可，因此补偿效率更高。本发明在实现在线补偿的过程中，希望在插补周期层面细观地对误差进行实时的补偿，因此设计了一套虚实孪生轴组，包含虚拟数控插补笛卡尔轴、虚拟位姿补偿笛卡尔轴和实际关节角轴。这些轴的设计巧妙地将理论机器人任务(即机器人在笛卡尔空间运动轨迹对应的G代码)、机器人误差和实际的机器人运动以虚实轴组的形式关联起来。这些轴组各司其职，分别被用作机器人任务轨迹插补时间的细化，机器人补偿周期补偿量的获取，和叠加补偿量之后实际关节运动的下发驱动，通过这种虚实孪生轴的设计，充分地保证了误差补偿的可靠性和在线补偿的准确对应关系。本发明提出了分布式思路，一方面是运算介质的分布式，将补偿量的获取与G代码插补、误差叠加、逆运动学计算实际位姿对应的关节角这两个部分分别部署在两个介质上，实现了运算介质的屏蔽，避免了由于运算资源的分配导致的时间不稳定，另外分布式还表现在对理论G代码、补偿量和实际运动这三者的分而治之和基于时间一致性的统一，高效可靠的实现了机器人误差的在线补偿。
(2)本发明提出了多种获取补偿量的技术手段，包括外部测量和模型计算，其中外部测量需要借助外部测量设备，由此获取的补偿量精度较高；按照模型的不同，模型计算分为理论模型计算和智能算法预测，对于理论模型计算，包括运动学模型和力致误差模型，分别对应机器人的空间运动和机器人受力任务。智能算法预测可以在保证精度的同时提高获取补偿量的效率。本发明获取补偿量的方式多样，这说明本发明的补偿手段灵活。
(3)本发明中实际轴组不仅要参与计算还需要与实际物理轴绑定，因此，实际关节角轴中轴的数量与机器人关节电机的数量相等。虚拟数控插补笛卡尔轴和虚拟位姿补偿笛卡尔轴只参与计算，虚拟数控插补笛卡尔轴中轴本质上是第二运算介质中对于轴变量的定义规则，因为虚拟数控插补笛卡尔轴对应着机器人在笛卡尔空间的位置和姿态，因此数量恒定为六个。虚拟位姿补偿笛卡尔轴用于补偿，根据位姿补偿的不同需求，可以对其中1-6个参数进行补偿，因此，虚拟位姿补偿笛卡尔轴中轴的数量取值范围是1-6。例如，当虚拟位姿补偿笛卡尔轴中轴的数量为1时，具体是指仅补偿一个误差分量，一般情况下，在槽加工过程中，需要补偿机器人沿z方向的误差，来确保槽加工的深度满足预设的要求，此时虚拟补偿轴的数量为1。当虚拟位姿补偿笛卡尔轴中轴的数量为3时，具体是指，仅补偿三个误差分量，一般情况下，这种多用于位置调整或者姿态调整的任务中，比如机器人激光切割任务，仅需要满足激光头在空间执行的轨迹在三个方向的位置很准确即可。因此仅需要设置三个虚拟轴用于补偿沿着x，y，z方向的位置误差，即可满足实际需求。当虚拟位姿补偿笛卡尔轴中轴的数量为6时，具体是指，机器人的六个误差分量都需要补偿，一般情况下多用于机器人曲面加工，机器人精密装配过程中。为了使刀具相对于工件坐标系有准确的位姿和姿态，或者为了保证被装配的两个零件准确无碰撞的完成装配，需要对机器人运动过程中的位姿误差同时考虑，此时就需要设置六个虚拟轴用于补偿沿着x，y，z方向的位置误差和绕x，y，z轴的三向姿态误差。
(4)本发明对补偿周期T2与插补周期T1之比进一步限定为≥T_all/T1的整数，此时，充分考虑了获取一个补偿量所需时间、补偿量传递给第二运算介质所需时间、实际位姿经过逆运动学计算得到实际关节角度并发送给驱动器所需的时间和安全时间，保证了在线补偿的可靠性和准确率。当n为T_all/T1时，是将满足条件的最小整数作为补偿周期，这样为系统运动时间的波动提供了一个安全裕度，确保补偿周期的严格等间隔，另外一方面最小的整数间接的保证了系统处在可实现的最高频率上，确保了位姿补偿的可靠高效。
附图说明
图1是本发明实施例提供的一种分布式虚实孪生的机器人位姿误差在线补偿系统的结构示意图；
图2(a)是本发明实施例提供的理论轨迹插补所用到的7段S型运动规划算法在位置上的示意图；
图2(b)是本发明实施例提供的理论轨迹插补所用到的7段S型运动规划算法在速度上的示意图；
图2(c)是本发明实施例提供的理论轨迹插补所用到的7段S型运动规划算法在加速度上的示意图；
图3是本发明实施例提供的在补偿量获取阶段可供选择的策略示意图；
图4是本发明实施例提供的误差补偿过程示意图；
图5是本发明实施例提供的在实际位姿叠加过程，按照时间的变化，位置叠加的示意图；
图6是本发明实施例提供的在逆解过程中关节角度的对应关系示意图；
图7是本发明实施例提供的分布式虚实孪生轴系统数据传输和运算介质分配方式示意图；
图8是本发明实施例提供的每一个插补位置获得一个补偿值所需要的时间示意图；
图9是本发明实施例提供的在验证效果阶段所运行的ISO 9283-1998中的轨迹图；
图10中(a)是本发明实施例提供的对国标轨迹开展总体位置误差补偿前后的误差表现；
图10中(b)是本发明实施例提供的对国标轨迹开展x向位置误差补偿前后的误差表现；
图10中(c)是本发明实施例提供的对国标轨迹开展y向位置误差补偿前后的误差表现；
图10中(d)是本发明实施例提供的对国标轨迹开展z向位置误差补偿前后的误差表现。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，一种分布式虚实孪生的机器人位姿误差在线补偿系统，包括：虚实轴组、第一运算介质、第二运算介质和驱动器；
所述虚实轴组包括虚拟数控插补笛卡尔轴、虚拟位姿补偿笛卡尔轴和实际关节角轴，所述实际关节角轴与机器人关节电机通过驱动器连接；
所述第一运算介质，用于获取虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量并传递至第二运算介质，相邻两个补偿时刻之间的时间差为补偿周期T2；
所述第二运算介质，用于对机器人在笛卡尔空间运动轨迹对应的G代码进行插补，得到虚拟数控插补笛卡尔轴在每个插补时刻t的理论位姿，在aT2≤t＜(a+1)T2时，补偿量均为aT2补偿时刻的补偿量，将aT2补偿时刻的补偿量与虚拟数控插补笛卡尔轴在aT2≤t＜(a+1)T2内各插补时刻的理论位姿叠加，得到在aT2≤t＜(a+1)T2内各插补时刻的实际位姿，对实际位姿进行逆运动学计算得到实际关节角轴的实际关节角度，将实际关节角度传递至驱动器；
所述驱动器，用于使用实际关节角度驱动机器人关节电机运动；
其中，T2＝nT1，n表示补偿周期T2与插补周期T1之比，相邻两个插补时刻之间的时间差为插补周期T1，n为≥1的整数，a为≥0的整数。
通过本发明系统，实现了机器人位姿误差的在线补偿，并且第一运算介质为不同位姿误差预测框架的实施提供了支持，可被广泛的应用于机器人铣削、激光切割、打磨、焊接等对机器人位姿精度要求高的场景中。
实施例1
一种分布式虚实孪生的机器人位姿误差在线补偿系统，包括：虚实轴组、第一运算介质、第二运算介质和驱动器；
所述虚实轴组包括虚拟数控插补笛卡尔轴、虚拟位姿补偿笛卡尔轴和实际关节角轴，所述实际关节角轴与机器人关节电机通过驱动器连接；
本发明中虚拟数控插补笛卡尔轴中轴的数量为六个，用于对笛卡尔空间位姿进行插补，插补所采用的运动规划为7段S型规划，在位置、速度和加速度上的规划如图2(a)、图2(b)和图2(c)所示。所述七段，具体是指：①加加速、②匀加速、③减加速、④匀速、⑤加减速、⑥匀减速和⑦减减速七个阶段。图2(a)、图2(b)和图2(c)中，分别表示的是这种规划方式在位置、速度和加速度上的曲线变化情况。这种规划方式也是目前机器人运动规划中最常见的规划方式。
虚拟位姿补偿笛卡尔轴中轴的数量在实施例1中取3，即仅对位置误差进行补偿，补偿量获取的方式如图3所示。一类是测量，一类是计算。对于测量，这里称为外部测量，这种方法要借助外部测量设备，测量得到机器人的误差，才可以将误差用于后续的补偿。对于计算，在这里称为模型计算，具体而言，按照模型的不同，又可以细分为理论模型计算和智能算法预测两大类。对于理论模型计算，是指运动学模型和力致误差模型，分别对应机器人的空间运动和机器人受力任务。对于智能算法预测，可用的方法层出不穷，本发明使用的就是神经网络或深度置信网络。
在本发明实施例1中选用智能算法预测。将每个补偿时刻的机器人理论位姿输入预测模型，将预测的误差作为虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量；
所述预测模型为训练好的神经网络，将预先计算的机器人理论位姿及其对应的位姿误差测量值作为训练数据，训练时将预测的误差与位姿误差测量值之间的差值反向传播更新网络参数，训练至收敛得到训练好的神经网络。
如图4所示，G代码对应着机器人需开展的理论轨迹所对应的程序，并且G代码都是在笛卡尔空间描述的，一般情况下为“X__Y__Z__RxRy__Rz__”形式，因此对应上层的虚拟数控插补笛卡尔轴。将G代码对应的虚拟数插补笛卡尔轴的数据与补偿量获取对应的虚拟位姿补偿笛卡尔轴的数据按照对应的关系叠加之后，即可得到实际的笛卡尔轴的数据。而对于机器人，在实施例1中，其运动是由六个关节的角度变化实现的，因此在此处，利用逆运动学，将笛卡尔空间的实际位姿转化为关节空间的角度，从而得到各个实际关节角轴的数据。
图5中有两个时间轴，定义为t，上面的对应理论轨迹插补，下面的对应补偿量获取。由于理论轨迹插补的时间频率不总是和补偿量获取的时间频率相等，即存在时间差，并且绝大多数情况都是理论轨迹插补的时间频率远大于补偿量获取的时间频率。这里所展现的就是补偿量获取的频率是理论轨迹插补频率的1/4，因此可以看到每四个点，会获取到一个新的补偿量，在相邻补偿量获取时刻期间，补偿量保持不变。
将虚拟数控插补笛卡尔轴和虚拟位姿补偿笛卡尔轴按照图5所示的对应关系叠加后，得到实际的笛卡尔轴，并利用机器人逆运动学，得到对应机器人六个轴的旋转角度，并利用其作为实际关节角轴的位置数据驱动机器人运动。
如图6所示，在机器人关节角逆解的二叉树结构下，所要解决的就是位姿X下的各个关节角的求解依赖关系，可以看出，对于关节1、关节2和关节4的求解会存在多解的问题，并且后一个关节角的计算会依赖前一个关节的取值，因此就得到了图6所述结构。具体的，如果关节角1选择第一个解，那么在此基础上，可以得到两个关节角2，在任意一个取值下，又可以得到一个唯一的关节角3，后续以此类推。
建立机器人正、逆运动学模型的方式为：
以六自由度史陶比尔机器人TX2-90L为例，介绍正运动学的构建规则，相邻连杆的奇次变换矩阵为：
则正运动学可以表示为
其中θ＝[θ1 L θ6]T，ai、di、αi、θi为第i连杆的运动学参数，[·]*是运动算子，用于将奇次变换矩阵转化为X＝[x y z α β γ]T。所研究的机器人各连杆的参数如表1所示。
表1
| Link | ai(mm) | di(mm) | αi(°) | θi(°) |
| 1 | 50 | 0 | -90 | 0 |
| 2 | 500 | 0 | 0 | -90 |
| 3 | 0 | 50 | 90 | 90 |
| 4 | 0 | 550 | -90 | 0 |
| 5 | 0 | 0 | 90 | 0 |
| 6 | 0 | 100 | 0 | 0 |
为了后续计算方便，将原始的拆分为
再定义机器人期望到达的空间位姿X＝[x y z α β γ]T构成的奇次变换矩阵为：
θ1求解：
对正运动学进行转换，得到下面的式子：
其中有：
对上式子进行求解可得：
φ＝atan2(py-100z2，px-100z1)
θ2求解：
对正运动学进一步转换，可以得到下面的式子：
其中有：
对上式求解可得：
s.t.A＝((px-100z1)cos(θ1)-50+(py-100z2)sin(θ1))
B＝(-100z3+pz)
θ3求解：
由上述对于θ1和θ2的求解可以直接计算出θ3，表示为：
θ3＝arctan(A cos(θ2)-B sin(θ2)，A sin(θ2)+B cos(θ2)-500)
其中A和B与上述计算θ2中的一致。
θ4求解：
对正运动学进一步转换，可以得到下面的式子：
其中有：
对上式求解可得：
θ4，1＝arctan(C，D)，θ4，2＝arctan(-C，-D)
s.t.C＝cos(θ1)z2-sin(θ1)z1
D＝((cos(θ1)z1+sin(θ1)z2)cos(θ3)-sin(θ3)z3)cos(θ2)-sin(θ2)(z3cos(θ3)+sin(θ3)(cos(θ1)z1+sin(θ1)z2))
θ5求解：
对正运动学进一步转换，可以得到下面的式子：
其中有：
对上式求解可得：
θ5＝arctan(E，F)
s.t.E＝(z1(-sin(θ2)sin(θ3)+cos(θ2)cos(θ3))cos(θ1)+(cos(θ3)sin(θ1)z2-sin(θ3)z3)cos(θ2)-sin(θ2)(sin(θ1)sin(θ3)z2+z3cos(θ3)))cos(θ4)-sin(θ4)(sin(θ1)z1-cos(θ1)z2)
F＝cos(θ1)z2-sin(θ1)z1
θ6求解：
对正运动学进一步转换，可以得到下面的式子：
其中有：
对上式求解可得：
θ6＝arctan(G，H)
H＝(cos(θ4)((cos(θ1)x1+sin(θ1)x2)cos(θ3)-sin(θ3)x3)cos(θ2)-cos(θ4)sin(θ2)cos(θ3)x3-sin(θ2)sin(θ3)(cos(θ1)x1+sin(θ1)x2)cos(θ4)-sin(θ4)(sin(θ1)x1-cos(θ1)x2))cos(θ5)-sin(θ5)((x3cos(θ3)+sin(θ3)(cos(θ1)x1+sin(θ1)x2))cos(θ2)+sin(θ2)((cos(θ1)x1+sin(θ1)x2)cos(θ3)-sin(θ3)x3))
由上述的计算可以看出，在计算过程中θ1、θ2和θ4存在多解的情况，这与机器人的轴配置有关，各轴解的依赖关系如图6所示。在实际运动过程中，按照总体旋转量最小为准则进行选择。
在实施例1中，分布式运算介质分配方式如图7所示。在这个图中，机器人和机器人的驱动器通过Cable(电缆)连接，机器人驱动器和外部控制器之间通讯，外部控制器又与工控机通讯。具体的数据流可以描述为：在第二运算介质(外部控制器)上，机器人运动轨迹对应的G代码被插补，并发送至第一运算介质(工控机)上，在第二运算介质上，TwinCAT3将得到的G代码对应的理论位姿数据发送给ONNX智能推理框架，该框架中存储着预先训练好的位置误差预测模型，得到补偿值。该补偿值通过TwinCAT3又被发送回第二运算介质(外部控制器)，在该运算介质上，完成叠加和逆运动学，将逆运动学计算后的实际关节角发送给机器人驱动器，用来驱动机器人按照实际关节角执行运动。
实施例1中补偿周期的设置是有考虑的，在这里误差值的获取手段其实有很多，一个补偿量获取所需要的时间，记录为Time_1，获得的补偿量传递给第二运算介质所需的时间记录为Time_2，叠加之后的实际位姿经过逆运动学计算得到实际关节角度并发送给驱动器所需的时间为Time_3，为了设置可靠的补偿周期，需要给定一个安全时间，定义为Time_Safe，Time_1+Time_2+Time_3+Time_Safe＝T_all，通过调整安全时间的大小，使得T_all/T1为整数，当n为T_all/T1时，是将满足条件的最小整数作为补偿周期。
图8记录的是每一个插补位置获得一个补偿值所需要的时间，可以看出平均时间为0.998ms，最大时间为1.299ms，而将获得的误差传递给第二介质所对应的时间为通讯的时间，经过测试恒定为Time_2＝2ms，实际位姿经过计算并发送给实际关节角轴对应的时间Time_3＝0.600ms，则此处，以最大时间为例，设置安全时间为Time_Safe＝0.101ms，T_all＝4ms，插补周期为T1＝1ms，因此确定最小整数为4，即n为4。
实施例1中提及的机器人逆运动学是按照理论运动学参数开展的，因此不会出现由于运动学参数误差导致机器人实际构型不满足piper准则所导致的逆解不存在封闭解的问题。同时，提供了最小补偿周期，为系统运动时间的波动提供了一个安全裕度，确保补偿周期的严格等间隔，另外一方面最小的整数间接的保证了系统处在可实现的最高频率上，确保了误差补偿的可靠高效。
实施例2
对国标ISO 9283-1998中800mm×800mm范围的标准轨迹进行位姿误差补偿，国标的轨迹如图9所示。
在线补偿的频率为250Hz(T2＝4ms)，补偿前后的总体位置误差和各个方向的位置误差示意图如图10中(a)-(d)所示，具体的对比如下表2所示。
表2
图10中(a)是对国标轨迹开展总体位置误差补偿前后的误差表现，图10中(b)是对国标轨迹开展x向位置误差补偿前后的误差表现，图10中(c)是对国标轨迹开展y向位置误差补偿前后的误差表现，图10中(d)是对国标轨迹开展z向位置误差补偿前后的误差表现；其中，蓝色曲线为没有补偿之前的结果，橘色曲线为补偿之后的曲线，所绘制的图为误差随时间变化的图，可以看出，在线补偿之后的位置误差显著减小，在平均值方面，从未补偿的0.965mm减少为补偿后的0.077mm，减小约92.02％。由此说明，本发明所提出的位姿误差在线补偿方法，聚焦机器人执行任务过程中，在插补层面的细观状态，并设计相应的分布式虚实孪生轴，实现了对于机器人任务各时刻误差的获取和补偿，因此可以实现高精度的误差补偿效果，补偿可靠性高。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种分布式虚实孪生的机器人位姿误差在线补偿系统，其特征在于，包括：虚实轴组、第一运算介质、第二运算介质和驱动器；
所述虚实轴组包括虚拟数控插补笛卡尔轴、虚拟位姿补偿笛卡尔轴和实际关节角轴，所述实际关节角轴与机器人关节电机通过驱动器连接；
所述第一运算介质，用于获取虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量并传递至第二运算介质，相邻两个补偿时刻之间的时间差为补偿周期T2；
所述第二运算介质，用于对机器人在笛卡尔空间运动轨迹对应的G代码进行插补，得到虚拟数控插补笛卡尔轴在每个插补时刻t的理论位姿，在aT2≤t＜(a+1)T2时，补偿量均为aT2补偿时刻的补偿量，将aT2补偿时刻的补偿量与虚拟数控插补笛卡尔轴在aT2≤t＜(a+1)T2内各插补时刻的理论位姿叠加，得到在aT2≤t＜(a+1)T2内各插补时刻的实际位姿，对实际位姿进行逆运动学计算得到实际关节角轴的实际关节角度，将实际关节角度传递至驱动器；
所述驱动器，用于使用实际关节角度驱动机器人关节电机运动；
其中，T2＝nT1，n表示补偿周期T2与插补周期T1之比，相邻两个插补时刻之间的时间差为插补周期T1，n为≥1的整数，a为≥0的整数。
2.如权利要求1所述的一种分布式虚实孪生的机器人位姿误差在线补偿系统，其特征在于，所述第一运算介质，用于在每个补偿时刻下使用外部测量设备测量机器人位姿，将每个补偿时刻下测量的机器人位姿与对应补偿时刻下机器人内部控制器记录的位姿之间的差值作为虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量。
3.如权利要求1所述的一种分布式虚实孪生的机器人位姿误差在线补偿系统，其特征在于，所述第一运算介质，用于使用模型计算虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量。
4.如权利要求3所述的一种分布式虚实孪生的机器人位姿误差在线补偿系统，其特征在于，所述第一运算介质，用于利用预先辨识的机器人运动学参数，通过正运动学计算每个补偿时刻下的机器人位姿，将在每个补偿时刻下计算的机器人位姿与对应补偿时刻下机器人内部控制器记录的位姿之间的差值作为虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量。
5.如权利要求3所述的一种分布式虚实孪生的机器人位姿误差在线补偿系统，其特征在于，所述第一运算介质，用于在每个补偿时刻下使用测力仪测量机器人受到的外部力，将每个补偿时刻下测量的机器人受到的外部力代入力致误差模型，得到虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量。
6.如权利要求3所述的一种分布式虚实孪生的机器人位姿误差在线补偿系统，其特征在于，所述第一运算介质，用于将每个补偿时刻的机器人理论位姿输入预测模型，将预测模型预测的结果作为虚拟位姿补偿笛卡尔轴在每个补偿时刻的补偿量；
所述预测模型为训练好的神经网络或深度置信网络，将预先计算的机器人理论位姿及其对应的位姿误差测量值作为训练数据，训练时将预测的误差与位姿误差测量值之间的差值反向传播更新网络参数，训练至收敛得到训练好的神经网络或深度置信网络。
7.如权利要求1-6任一所述的一种分布式虚实孪生的机器人位姿误差在线补偿系统，其特征在于，所述实际关节角轴中轴的数量与机器人关节电机的数量相等，虚拟数控插补笛卡尔轴中轴的数量为六个，所述虚拟位姿补偿笛卡尔轴中轴的数量取值范围是1-6。
8.如权利要求1-6任一所述的一种分布式虚实孪生的机器人位姿误差在线补偿系统，其特征在于，所述n为≥T_all/T1的整数；
其中，时间和T_all＝获取一个补偿量所需时间+补偿量传递给第二运算介质所需时间+实际位姿经过逆运动学计算得到实际关节角度并发送给驱动器所需的时间+安全时间，通过调整安全时间的大小，使得T_all/T1为整数。
9.如权利要求8所述的一种分布式虚实孪生的机器人位姿误差在线补偿系统，其特征在于，所述n为T_all/T1。
10.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1至9中任一项所述的一种分布式虚实孪生的机器人位姿误差在线补偿系统的处理步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310896593.3A CN116834009A (zh) | 2023-07-19 | 2023-07-19 | 一种分布式虚实孪生的机器人位姿误差在线补偿系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310896593.3A CN116834009A (zh) | 2023-07-19 | 2023-07-19 | 一种分布式虚实孪生的机器人位姿误差在线补偿系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116834009A true CN116834009A (zh) | 2023-10-03 |
Family
ID=88170618
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310896593.3A Pending CN116834009A (zh) | 2023-07-19 | 2023-07-19 | 一种分布式虚实孪生的机器人位姿误差在线补偿系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116834009A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117021118A (zh) * | 2023-10-08 | 2023-11-10 | 中北大学 | 一种并联机器人数字孪生轨迹误差动态补偿方法 |
-
2023
- 2023-07-19 CN CN202310896593.3A patent/CN116834009A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117021118A (zh) * | 2023-10-08 | 2023-11-10 | 中北大学 | 一种并联机器人数字孪生轨迹误差动态补偿方法 |
| CN117021118B (zh) * | 2023-10-08 | 2023-12-15 | 中北大学 | 一种并联机器人数字孪生轨迹误差动态补偿方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4680519A (en) | Recursive methods for world-to-joint transformation for a robot manipulator | |
| Wang et al. | Neural-network-based contouring control for robotic manipulators in operational space | |
| CN112698625B (zh) | 一种面向联动轨迹误差预测的五轴机床数字孪生建模方法 | |
| US20040093119A1 (en) | Pathcorrection for an industrial robot | |
| JPS59708A (ja) | 適合速度制御を行なう経路運動マニピユレ−タ | |
| CN111702762A (zh) | 一种工业机器人作业姿态优化方法 | |
| CN112417755A (zh) | 一种主从式手术机器人轨迹预测控制方法 | |
| CN116834009A (zh) | 一种分布式虚实孪生的机器人位姿误差在线补偿系统 | |
| CN114131611B (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 | |
| CN113580148B (zh) | 基于等效运动链的并联机器人运动学标定方法 | |
| CN111775145B (zh) | 一种串并联机器人的控制系统 | |
| Sun et al. | An on-line tool path smoothing algorithm for 6R robot manipulator with geometric and dynamic constraints | |
| CN108274472A (zh) | 一种工业机器人加工工艺自适应的空间运动方法 | |
| KR102405096B1 (ko) | 자동화된 작업 셀에 커맨드하기 위한 방법 | |
| CN114290147B (zh) | 基于双工业机器人协作的汽车轮毂打磨系统及其方法 | |
| CN114055467B (zh) | 基于五自由度机器人的空间位姿在线仿真系统 | |
| CN114839921A (zh) | 一种基于数据驱动的五轴轮廓控制方法 | |
| CN108490874B (zh) | 一种双轴运动控制系统的非线性pid交叉耦合控制方法 | |
| JP2006053789A (ja) | 多軸数値制御装置用のｎｃポストプロセッサ装置 | |
| CN115157272B (zh) | 一种基于视觉扫描的自动化编程系统 | |
| CN108549323B (zh) | 一种五轴数控工具磨床通用后置处理方法 | |
| CN114713890B (zh) | 基于双臂协作的环面蜗轮滚刀前刀面加工系统及其方法 | |
| CN114888793B (zh) | 一种多臂双光束激光焊接机器人双层协同控制方法 | |
| CN114833848A (zh) | 一种刚度约束的机器人铣削加工刀轴矢量和冗余度集成规划方法 | |
| CN111347678B (zh) | 一种多关节工业机器人3d打印路径优化方法 |
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 |