基于GPS的机器人几何参数标定及其不确定度评定研究

As robots are widely used in high-end manufacturing, the requirement for robot accuracy has been more and more higher. Because the error of geometry parameters is the main factor that affects the precision of robot localization, whether or not it is calibrated and its uncertainty is evaluated accurately will directly affect the accuracy of the robot operation. The project focuses on geometry parameters calibration and its uncertainty evaluation for industrial robot under the new generation geometrical product specification (GPS). Key problems to be investigated include laser tracker measurement method, hybrid parameter identification method and parameter error compensation method. The measurement method of laser tracker single station for geometry parameters based on robot MDH model is researched. Sequential multi station measurement method is explored and proposed in order to improve accuracy. Hybrid parameter identification method which dot analysis method is adopted to achieve early identification and chaos particle swarm hybrid intelligent algorithm is developed to achieve accurate identification will be researched. A parameter error compensation method based on immune evolutionary neural network is proposed. Owing to the defect and deficiency of the standard, testing and certification of the product quality assessment for robot industry, the uncertainty evaluation method of geometry parameters calibration based on the new generation GPS and the testing techniques for the applications of these methods in practice are developed. The resulting achievements will not only improve the robot operation accuracy and promote the development of robot precision evaluation theory and method, but also it is expected to integrate function, specification and measurement verification and provide theory and method guidance for the standardization of robot industry.

随着工业机器人在高端制造业广泛应用，对其精度要求越来越高，而几何参数误差是影响机器人定位精度的主要因素，能否对其精确标定及不确定度评定直接影响机器人作业精度。本项目在新一代几何产品技术规范（GPS）框架下，针对工业机器人几何参数标定及其测量不确定度的关键问题，研究基于机器人MDH模型的激光跟踪仪单站式测量方法，探索提出顺序多站式高精度测量新方法，研究采用改进圆点分析法实现初辨识、混沌粒子群混合智能算法实现精辨识的混合参数辨识方法，提出基于免疫进化神经网络的参数误差补偿方法；针对机器人产业在标准、检测与认证技术规范等产品质量评估依据方面的缺失和不足，研究基于新一代GPS的几何参数标定测量不确定度评定方法及上述理论方法应用验证技术。本项目研究成果不仅能够提高机器人作业精度，促进机器人精度评估理论方法的发展，而且有望将机器人的功能、规范与测量认证集成于一体，为机器人产业标准化提供理论与方法指导。

随着工业机器人在高端制造业广泛应用，对其精度要求越来越高，而几何参数误差是影响机器人定位精度的主要因素，能否对其精确标定及不确定度评定直接影响机器人作业精度。在国家自然科学基金（No.51675259）的资助下，课题组从工业机器人标定装置、几何参数优化辨识、测量系统建模、几何参数及末端位置不确定度评定方法、机器人几何参数标定误差建模、全位姿测量优化、标定点选取优化策略等多个方面进行了深入的理论分析和实验研究，取得了如下重要研究成果：研究设计了应用于工业机器人的TCP在线快速标定方法与装置；研究了基于圆点分析法与最小二乘法相结合的混合优化几何参数辨识方法；研究了新一代GPS下机器人几何参数不确定度评定方法，提出了基于自适应蒙特卡洛的机器人末端位置不确定度评估方法；提出了用于机器人全位姿测量优化的改进乌鸦算法，经该方法标定后的机器人其平均绝对位置和姿态误差由标定前的0.3096mm和0.2322°减小为标定后的0.0926mm和0.0829°，满足了末端位置和姿态同时有高精度要求的场合；为实现大型串联工业机器人的高精度标定，研究了单激光跟踪仪顺序多站式测量系统建模与分析方法；为解决常用DH、MDH几何参数模型当机器人相邻两轴线垂直及接近垂直时存在奇异性，提出了零参考模型用于实现串联工业机器人标定，其末端平均绝对定位精度提升75%-90%；发明设计了三自由度主动式靶标装置及精度补偿方法，用于实现大型串联机器人大范围、高精度末端位置测量；开展了标定点选取优化策略研究，增强了标定结果稳定性和泛化能力等。将提出的机器人标定技术拓展推广应用于自主研发的六自由度串联机器人、六自由度自平衡平台、机械腿及移动机器人设计中，实验结果证实：本项目的研究不仅可以在不改变硬件设备的前提下提高机器人设计及作业精度，而且能够促进机器人精度评估理论与方法的发展，为实现机器人产业标准化提供理论与方法依据，研究成果具有重要的理论意义和良好的应用前景。