关键词：智能制造；私工业机器人；位姿修正；初步研究
1.引言
传统机器人位姿误差控制方法通常采用离线标定技术对机器人关键参数进行辨识后，根据误差标定和预测情况进行补偿修正。一般来说，根据运动学误差标定结果实施补偿后，机器人绝对定位精度就能够得到明显的提升，达到一般精密加工要求。但是，在高精度大型装备原位制造过程中，由于在线工况复杂，机器人工作状态受到自重、载荷、温度、外力等外部作用影响显著增加，仅仅考虑修正预先标定误差并不能满足机器人原位制造定位精度要求。需要进一步考虑多种在线误差影响变化因素，进而实现工业机器人高精度在线位姿修正与引导。
由于机器人在线状态下动静态参量的影响因素多，非线性变化规律复杂，难以建立准确预测模型。通过对全工作空间域内机器人位姿误差的综合解算和动态标定，组合机器人位姿误差标定预测信息和在线实时测量信息，运用信息数据融合算法和在线微分运动补偿算法，可以实现机器人绝对位姿的精确在线修正与引导控制。
本文基于机器人位姿误差动静态特性描述、模型构建与标定方法、位姿变换算法以及六自由度在线测量方法等研究基础之上，进行综合运用和控制算法融合。基于对机器人位姿误差进行在线、实时、综合补偿的思想，提出了工业机器人绝对位姿误差标定预测值和在线观测值实时组合的动态修正方法。采用坐标系微分运动法建立机器人末端位姿误差修正数学模型，根据机器人关节空间微分运动和操作空间末端坐标系微分运动之间的雅可比映射关系，分析和合成各个关节运动变量的微分运动矢量。搭建机器人在线位姿测控实验平台，通过直接实时精密测量末端参考点空间坐标，融合末端执行器实时位姿预测估算值，采用微分运动变量实时反馈补偿方法对各个关节微分运动量进行等效补偿控制。
2.位姿误差补偿方法分析
在工业机器人误差修正方面，大量学者对机器人位姿误差机理和补偿方法进行了研究，提出了直接运动补偿和标定参数补偿等方法，通过分析各种误差因素影响，找出在一定空间范围或者一定状态影响下的最优参数或者最佳位姿。运动学误差补偿方法一般可以分为误差离线补偿法和在线误差补偿法。在线补偿是指应用激光跟踪测量系统、视觉测量系统等外部实时测量设备对机器人末端位姿进行高精度测量，同步获取位姿误差，并通过误差补偿算法修正末端执行器位姿的过程。误差离线补偿法一般和离线标定技术组合使用，可以通过三种途径进行误差修正。第一种是根据标定辨识出的参数偏差，通过修改机器人控制器参数进行运动学计算补偿。由于机器人逆运动学求解方法一般都存在计算量大、计算结果不精确且通用性较差等缺点，很难实现在线实时补偿。同时多数工业机器人的参数控制系统并不开放，使用范围受限。第二种是将误差变换到关节空间，通过补偿算法求得补偿转角后进行控制器运行修正。第三种是基于算法的空间插值补偿。通过采用神经网络、模糊法、遗传法等插值算法，能够较好的估计出局部空间位姿误差进行插值补偿，具有较高的补偿精度。基于神经网络的插值算法具有较强的自适应能力和容差能力，能够拟合复杂的非线性系统，在一定补偿范围内能够实现较强的补偿能力。该方法可以针对两种空间进行补偿。但机器人建立模型过程复杂，神经网络的层数、神经元数与标定采样空间数据量较大，分析较为复杂。Bai 等研究了在线动态误差模糊插值估计方法，经过对比实验证实补偿精度优于模型参数补偿法。该方法同样存在算法复杂、过程耗时长、计算量大以及精度可靠性较低等问题。南京航空航天大学周玮研究了基于空间插值的机器人精度补偿方法，对 KUKA 机器人进行标定补偿后绝对定位误差平均值降低到 0.156mm。
3.机器人位姿测控系统构建
根据上节所述机器人位姿误差标定预补偿引导在线修正的组合修正方法，构建位姿测控系统平台。选用标准6R串联型工业机器人作为测控对象，具有自动跟踪测量功能的激光全站仪或激光跟踪仪作为激光测量设备。机器人末端工具安装激光反射靶球和六自由度激光靶标，激光装置发出探测激光入射到靶标，通过空间球坐标测距和测角，配合激光六自由度靶标同步进行光束入射角、俯仰角和滚转角测量，可实现机器人末端工具位置和姿态的实时跟踪测量。
基于激光干涉测距、精密光栅测角、PSD光电位置探测和高速伺服驱动电机的激光跟踪仪具有良好的高精度、高速动态测量特性，测量精度在um 量级，采样频率1000Hz以上。相比之下，全站仪采用相位测距和CCD成像瞄准技术，测量距离可达上千米，但是测量精度和速度相比激光跟踪仪有较大差距。系统配置全站仪工作时，其采样频率一般为1Hz左右，适合于机器人静态点位测量和标定，或者低速点到点运动轨迹点修正测量，不能满足高速运动机器人末端工具的姿态测量采样频率要求。配置激光跟踪仪测量时，由于双轴倾斜传感器以大地水平面为基准，需要进行激光跟踪仪坐标系水平角和俯仰角的转换。
期刊文章分类查询,尽在期刊图书馆此外，当机器人运行中发生光束断光时，对于激光跟踪仪的跟踪测量过程会产生较大影响。
在本文中分别选用具有 ATR（自动目标识别）和跟踪锁定功能的 Leica TS15 型全站仪和 A 型激光跟踪仪进行了测量。经过激光干涉仪对比测试，Leica TS15 在近距离测量时测距精度小于0.1mm，测角精度 1"，能够用于机器人近距离静态位姿测量。
4.误差数据信息的融合与估计
利用上节中提出的微分运动变量综合补偿算法，基于激光跟踪实时位姿测量，实时获取机器人末端执行器六自由度位姿误差，可以实现工业机器人在线位姿误差修正与引导控制。然而，在实际进行机器人末端执行器位置和姿态跟踪测量时，由于姿态测量角度的局限给姿态在线实时数据的获取带来了困难。同时，由于机器人末端位姿与关节运动变量之间的非线性关系以及测量过程中存在的工作环境变化等外界扰动影响，测量数据往往存在白噪声和呈现出非线性特性。为了解决机器人位姿跟踪测量过程中的白噪声和非线性问题，提高在线获取机器人位姿数据的准确性，采用数据信息融合技术进行机器人位置和姿态的精确估计。
4.1 误差标定预测数据和实时测量数据的融合
通过误差解算和标定方法，可以较为精确地获取机器人运动目标点的位置和姿态误差。基于该误差预测结果，可以采用两种方法进行误差标定预测数据和实时测量数据的融合。第一种是进行在线实时测量后，分别设定标定预测数据和实时测量数据的权重值，根据误差权重估计实际误差修正值，代入修正补偿算法获取关节微变修正值进行修正。测量实际修正结果进行评价，并调整相应的误差数据权重后迭代修正以找出合适的权重值。第二种是首先根据误差标定预测数据进行补偿算法运算和机器人关节补偿角预先修正关节运行位置，然后实时测量在线位姿或位置误差并与理论目标值进行比较。对于测量结果初次评价后如果满足误差容限要求，即可结束该点的修正。如果超出最小误差容限，则在新的误差测量基础上再次进行补偿算法运算和机器人关节补偿角修正。如果超出最大误差容限，则说明原有标定预测值与机器人当前在线状态有较大误差，需要适当进行误差等效微分量函数表达式修正。
两种预标定数据与测量数据融合方法中，第一种方法理论上精度较高，但相比较而言需要较长的耗时和多次迭代修正。在实际应用中，第二种方法更便于实践操作和掌握，预标定修正结果可在机器人运行轨迹规划中直接实现，相当于预先进行了一次微分运动补偿，能够显著降低误差测量值变化，缩短修正时间，更适合于在线误差引导控制。
4.2 位置数据与姿态数据的滤波估计
卡尔曼滤波（Kalman filtering）算法可以根据前一个时刻的状态数据估计出下一个时刻的数据，通过连续的状态更新、估计和迭代运算，可以获得准确的物体运动数据。卡尔曼滤波算法的基本原理是通过系统输入输出的观测数据，利用线性系统的状态方程，对系统的状态进行最优估计。该算法要求过程噪声的先验概率和测量噪声是符合零阶的高斯分布。卡尔曼滤波主要用线性系统的最优估计。对于具有强非线性的机器人位姿运动并不适合。
为了改善对非线性问题进行滤波的效果，Julier 等提出了采用基于 unscented 变换的无迹卡尔曼滤波（UKF）方法。UKF 是一种对后验概率密度进行近似来得到次优的滤波算法。其算法的核心是UT变换。通过应用激光跟踪仪作为测量反馈系统，借助于激光跟踪仪实时跟踪测量固定在机器人末端执行器上的一个测量点坐标，采用基于无迹卡尔曼滤波器（UKF）的末端执行器位姿实时估算方法，对工业机器人运动过程末端执行器的位置和姿态数据同时进行快速精确估算。可以对位姿误差实时测量结果进行优化估计，提高测量精度，同时降低姿态在线测量要求。
5.结束语
本章基于标定预补偿引导在线修正的机器人位姿误差复合补偿与在线引导方法，实时获取机器人末端六自由度位姿误差，融合误差在线激光跟踪测量和标定预测信息，分析改进机器人位姿数据快速综合解算方法和位姿修正算法。经过误差标定预补偿值在线引导组合修正后，机器人末端位置平均误差为 0.022mm，姿态角平均误差为0.016°，达到原位智能制造机器人制孔加工中的末端位置和姿态引导精度要求。
参考文献
[1]Bai Y. On the comparison of model-based and modeless robotic calibration based on a fuzzy interpolation method[J]. Int. J. Adv. Des. Manuf. Technol., 2007, 31(11-12): 1243-1250.
[2]Bai Y, Wang D L. Improve the robot calibration accuracy using a dynamic online fuzzy error mapping system[J]. IEEE Trans. Syst. Man Cybern. Part B-Cybern., 2004, 34(2): 1155-1160.
[3]周炜, 廖文和, 田威. 基于空间插值的工业机器人精度补偿方法理论与试验[J]. 机械工程学报, 2013, (03): 42-48.
[4]Du G L, Zhang P. Online Serial Manipulator Calibration Based on Multisensory Process Via Extended Kalman and Particle Filters[J]. IEEE Trans. Ind. Electron., 2014, 61(12): 6852-6859.
论文作者:程文雅 白冲冲
论文发表刊物:《科学与技术》2019年16期
论文发表时间:2020/1/15
标签：误差论文; 机器人论文; 在线论文; 测量论文; 实时论文; 算法论文; 方法论文; 《科学与技术》2019年16期论文;