摘要:一種新的校準方法,使用動作捕捉作為測量工具,利用ELM神經網絡作為非幾何誤差源補償,提升工業機器人的絕對精度。
工業機器人的絕對精度是評估其綜合性能的重要指標之一。然而,由于機器人受到多種因素的影響,如加工誤差、裝配誤差、零部件磨損、末端負載變化和溫度影響等,其精度可能會受到影響。這對于衛星高精度組裝和飛機集成組裝等應用來說是不利的。隨著工業機器人的不斷發展和應用,對其運動精度的要求也越來越高。因此,提高機器人的絕對精度是當前亟待解決的問題之一。
同濟大學航力學院的研究人員提出了一種新的標定方法,利用運動捕捉系統和人工神經網絡(ELM)來增加工業機器人的絕對精度。所提出的方法與傳統校準方法相比,在姿態精度方面可以實現較大改進。研究為改善工業機器人在各個領域中的性能和效率提供了新途徑。
驗證實驗
將機器人布置在8臺動作捕捉鏡頭的幾何中心。用螺栓將一個鋁制空心裝置固定在末端執行器上,在機器人的每個關節點和末端執行器上布置約15個反光標識點,共90個。實驗過程中,隨機選擇機器人的500個位姿動作作為研究對象。使用NOKOV度量運動捕捉系統測量機器人的連續運動狀態,獲得機器人各個關節的位置和姿態信息,并用于后續的DH參數校準。最后使用標準差的范數評估了標定方法,并將其與傳統和改進的運動學校準方法進行了比較。
實驗結果表明,隨著幾何誤差和非幾何誤差等來源的增加,定位精度從定位精度由3.073度提高到0.077度。證實了算法的有效性,驗證了預期結果。
參考文獻:Tianchi Gao, Fan Meng, Xiaoyu Zhang, Zhicheng Tian1, Hanwen Song, An operational calibration approach of industrial robots througha motion capture system and an arti?cial neural network ELM, [J/OL]The International Journal of Advanced Manufacturing Technology, DOI:10.1007/s00170-023-10856-w
原文鏈接:https://doi.org/10.1007/s00170-023-10856-w
想要了解更多動作捕捉相關信息,可點擊NOKOV度量動作捕捉官網