[发明专利]基于遗传算法的六自由度串联机器人误差标定方法

摘要

基于遗传算法的六自由度串联机器人误差标定方法，本发明涉及机器人误差标定方法。本发明是要解决现有技术无法处理多数据得到的误差参数有一定的局限性以及引入一些误差很大的数据，从而影响了整个数据组的准确性增加了测量难度和时间的问题，而提出的基于遗传算法的六自由度串联机器人误差标定方法。该方法是通过一、建立机器人的实际模型；二、计算机器人的机器人误差模型以及获得矩阵：三、建立误差优化模型；四、获得机器人的误差参数X；五寻找机器人的最优误差参数；六将获得的最优误差参数按照误差补偿策略反馈给机器人等步骤实现的。本发明应用于机器人误差标定方法领域。

主权项

1.基于遗传算法的六自由度串联机器人误差标定方法，其特征在于，该方法具体是按照以下步骤进行的：步骤一、建立机器人D‑H误差模型，并引入平行误差角β来建立机器人的实际模型；步骤二、根据机器人的实际模型计算机器人工具中心实际位置P_G，根据P_G和机器人机器臂末端的理论位置点P计算机器人的机器人误差模型即偏差ΔP：ΔP＝M_θΔθ+M_αΔα+M_aΔa+M_dΔd+M_βΔβ；其中，M_θ为关节角系数矩阵；M_α为扭角系数矩阵；M_a为关节偏移量系数矩阵；M_d为连杆偏距系数矩阵；M_β为平行误差角系数矩阵；Δα表示机器人D‑H误差模型中扭角参数误差；Δθ表示机器人D‑H误差模型中关节角参数误差；Δa表示机器人D‑H误差模型中关节偏移参数误差；Δd表示机器人D‑H误差模型中连杆偏距参数误差；Δβ表示机器人D‑H误差模型中平行误差角参数误差；步骤三、简化机器人误差模型ΔP的表达方式获得矩阵等式：步骤四、使用激光跟踪仪来获得机器人末端位置数据；根据机器人末端位置数据建立误差优化模型：其中，μ为按照P_G‑P相加和得到加和后的值；θ₁～θ₆为关节1～6的关节角；步骤五、采用广义逆矩阵的方法来对偏差ΔP进行求解，获得机器人的误差参数X；采用广义逆矩阵的方式对矩阵等式进行求解即运用满秩分解法来求解ΔP＝M_θΔθ+M_αΔα+M_aΔa+M_dΔd+M_βΔβ；将ΔP＝M_θΔθ+M_αΔα+M_aΔa+M_dΔd+M_βΔβ写成AX＝B的形式；矩阵A的广义逆矩阵记为A⁺，A⁺的表达式表示为：A⁺＝C^T(CC^T)^‑1(B^TB)^‑1B^T，其中，A⁺＝A^T(AA^T)^‑1；A、B和C为广义逆矩阵求解过程中的中间变量；X为机器人的误差参数；步骤六、根据机器人的误差参数X，采用遗传算法在P_G中寻找机器人的最优误差参数；步骤七、观察最优误差参数是否满足误差要求，满足就输出最优误差参数转至步骤八，否则重复步骤六；步骤八、将获得的最优误差参数按照误差补偿策略反馈给机器人。