圓柱坐標型工業(yè)機器人設計,圓柱,坐標,工業(yè),機器人,設計 應用坐標測量機的機器人運動學姿態(tài)的標定 Morris R. Driels, Lt W. Swayze USN and Lt S. Potter USN Department of Mechanical Engineering, Naval Postgraduate School, Monterey, California, US 這篇文章報到的是用于機器人運動學標定中能獲得全部姿態(tài)的操作裝置——坐標測量機（CMM）。運動學模型由于操作器得到發(fā)展, 它們關(guān)系到基坐標和工件。 工件姿態(tài)從實驗測量中的引出是討論, 同樣地是識別方法學。允許定義觀察策略的完全模擬實驗已經(jīng)實現(xiàn)。 實驗工作是描寫參數(shù)辨認和精確確認。推論原則是那方法能得到在重復時近連續(xù)地校準機器人。 關(guān)鍵字：機器人標定；坐標測量； 參數(shù)辨認；模擬學習； 精確增進 1. 前言 機器手有合理的重復精度 (0.3毫米)而知名, 仍有不好的精確(10.0 毫米)。為了實現(xiàn)機器手精確性，機器人可能要校準也是好理解 [1]. 在標定過程中， 幾個連續(xù)的步驟能夠精確地識別機器人運動學參數(shù)，提高精確性。 這些步驟為如下描述： 1 操作器的運動學模型和標定過程本身是發(fā)展，和通常有標準運動學模型的工具實現(xiàn)的[2]。 作為結(jié)果的模型是定義基于廠商的運動學參數(shù)設置錯誤量, 和識別未知的,實際的參數(shù)設置。 2 機器人姿態(tài)的實驗測量法(部分的或完成) 是拿走為了獲得聯(lián)系到實際機器人的參數(shù)設置數(shù)據(jù)。 3 實際的運動學參數(shù)識別是系統(tǒng)地改變參數(shù)設置和減少在模型階段錯誤量的定義。 一個接近完成辨認由分析不同中間姿態(tài)變量P和運動學參數(shù)K的微分關(guān)系決定： 于是等價轉(zhuǎn)化得： 兩者擇一, 問題可以看成為多維的優(yōu)化問題，這是為了減少一些定義的錯誤功能到零點，運動學參數(shù)設置被改變。這是標準優(yōu)化問題和可能解決用的眾所周知的[3] 方法。 4 最后一步是機械手控制中的機器人運動學識別和在學習之下的硬件系統(tǒng)的詳細資料。 包含實驗數(shù)據(jù)的這張紙用于標度過程。 可獲得的幾個方法是可用于完成這任務, 雖然他們相當復雜，獲得數(shù)據(jù)需要大量的成本和時間。這樣的技術(shù)包括使用可視化的和自動化機械 [4, 5, 6]，伺服控制激光干涉計 [7]，有關(guān)聲音的傳感器[8] 和視覺傳感器 [9]。理想測量系統(tǒng)將獲得操作器的全部姿態(tài)(位置和方向)，因為這將合并機械臂各個位置的全部信息。上面提到的所有方法僅僅用于唯一部分的姿態(tài), 需要更多的數(shù)據(jù)是為了標度過程到進行。 2．理論 文章中的理論描述，為了操作器空間放置的各自的位置，全部姿態(tài)是可測量的，雖然進行幾個中間測量，是為了獲得姿態(tài)。測量姿態(tài)使用裝置是坐標測量機(CMM),它是三軸的，棱鏡測量系統(tǒng)達到0.01毫米的精確。機器人操作器是能校準的，PUMA 560，放置接近于CMM，特殊的操作裝置能到達邊緣。圖1顯示了系統(tǒng)不同部分安排。在這部分運動學模型將是發(fā)展, 解釋姿態(tài)估算法，和參數(shù)辨認方法。 2.1 運動學的參數(shù) 在這部分，操作器的基本運動學結(jié)構(gòu)將被規(guī)定，它關(guān)系到完全坐標系統(tǒng)的討論, 和終點模型。從這些模型，用于可能的技術(shù)的運動學參數(shù)的識別將被規(guī)定，和描述決定這些參數(shù)的方法。 那些基礎的模型工具用于描寫不同的物體和工件操作器位置空間的關(guān)系的方法是Denavit-Hartenberg方法[2]，在Hayati [10]有調(diào)整計劃，停泊處[11] 和Wu [12] 當二連續(xù)的接縫軸是名義上地平行的用于說明不相稱模型 [13]。如圖2 這中方法存在于物體或相互聯(lián)系的操作桿結(jié)構(gòu)中，和運動學中需要從一個坐標到另一個坐標這種同類變化是定義的。這種變化是相同形式的 　　 上面的關(guān)系可以解釋通過四個基本變化操作實現(xiàn)坐標系n-1到結(jié)構(gòu)坐標系n的變化。只有需要找到與前一個的關(guān)系的四個變化是必需的，在那個時候連續(xù)的軸是不平行的，定義為零點。 當應用于一個結(jié)構(gòu)到下一個結(jié)構(gòu)的等價變化坐標系與更改Denavit-Hartenberg系相一致時，它們將被書寫成矩陣元素實現(xiàn)運動學參數(shù)功能的矩陣形狀。這些參數(shù)是變化的簡單變量：關(guān)節(jié)角，連桿偏置, 連桿長度，扭角，矩陣通常表示如下： 對于多連接的, 例如機械操作臂,各自連續(xù)的鏈環(huán)和兩者瞬間的位置描寫在前一個矩陣變化中。這種變化從底部鏈環(huán)開始到第n鏈環(huán)因此關(guān)系如下： 圖3表示出PUMA機器人在Denavit-Hartenberg系中每一連桿，完全坐標系和工具結(jié)構(gòu)。變化從世界坐標系到機器人底部結(jié)構(gòu)需要仔細考慮過，因為潛在的參數(shù)取決于被選擇的改變類型。 考慮到圖4,世界坐標，在D-H系中定義的從世界坐標到機器人基坐標，坐標是PUMA機器人定義的基坐標和機器人第二個D-H結(jié)構(gòu)中坐標。我們感興趣的是從世界坐標到必需的最小的參數(shù)數(shù)量。實現(xiàn)這種變化有兩種路徑：路徑1，從到D-H變化包括四個參數(shù)，接著從到的變化將牽連二個參數(shù)和的變化 圖3 圖4 最后，另外從到的D-H變化中有四個參數(shù)其中和兩個參數(shù)是關(guān)于軸Z0因此不能獨立地識別， 和是沿著軸Z0因此也不能是獨立地識別。因此，用這路徑它需要從世界坐標到PUMA機器人的第一個坐標有八個獨立的運動學參數(shù)。路徑2，同樣地二中擇一，從世界坐標到底部結(jié)構(gòu)坐標的變化可以是直接定義。因此坐標變換需要六個參數(shù)，如Euler形式： 下面是從到D－H變化中的四個參數(shù)，但與相關(guān)聯(lián)，與相關(guān)聯(lián)，減少成兩個參數(shù)。很顯然這種路徑和路徑1一樣需要八個參數(shù)，但是設置不同。 上面的方法可能使用于從世界坐標系到PUMA機器人的第二結(jié)構(gòu)的移動中。在這工作中，選擇路徑2。工具改變引起需要六個特殊參數(shù)的改變的Euler形式： 用于運動學模型的參數(shù)總數(shù)變成30，他們定義于表1 2.2 辨認方法學 運動學的參數(shù)辨認將是進行多維的消去過程, 因此避免了雅可比系統(tǒng)的標定，過程如下： 1. 首先假設運動學的參數(shù), 例如標準設置。 2. 為選擇任意關(guān)節(jié)角的設置。 3. 計算PUMA機器人末端操作器。 4. 測量PUMA機器人末端操作器的位姿如關(guān)節(jié)角，通常標準的和預言的位姿將是不同的。 5. 為了最好使預言位姿達到標準的位姿，在整齊的方式更改運動學的參數(shù)。 這個過程應用于不是單一的關(guān)節(jié)角設置而是一定數(shù)量的關(guān)節(jié)角，與物理測量數(shù)量等同的全部關(guān)節(jié)角設置是需要，必須滿足 在這兒 Kp是識別的運動學參數(shù)的數(shù)量 N是測量位姿的數(shù) Dr是測量過程中自由度的數(shù)量 文章中，給定了自由度的數(shù)量，贈值為 因此全部位姿是測量的。在實踐中，更多的測量應該是在實驗測量法去掉補償結(jié)果。優(yōu)化程序使用命名為ZXSSO，和標準庫功能的IMSL[14]。 2.3 位姿測量法 顯然它是從上面的方法確定PUMA機器人全部位姿是必需的為了實現(xiàn)標定。這種方法現(xiàn)在將詳細地描寫。如圖5所示，末端操作器由五個確定的工具組成。 考慮到借助于工具坐標和世界坐標中間各個坐標的形式，如圖6 這些坐標的關(guān)系如下： 是關(guān)于世界坐標結(jié)構(gòu)的第i個球的4x1列向量坐標, Pi是關(guān)于工具坐標結(jié)構(gòu)第i個球的4x1坐標的列向量, T是從世界坐標結(jié)構(gòu)到工具坐標結(jié)構(gòu)變化的4x4矩陣。 設定Pi，測量出，然后算出T，使用于在標定過程的位姿的測量。它是不會很簡單，但是不可能由等式(11)反求出T。上面的過程由四個球A, B, C和D來實現(xiàn)，如下： 或為 由于P`, T和P全部相符合，反解求的位姿矩陣 在實踐中當PUMA機器人放置在確定的位置上，對于CMM由四個球決定Pi是困難的。準確的測量三個球第四球根據(jù)十字相乘可以獲得 考慮到?jīng)Q定的球中心坐標的是基于球表面點的測量,沒有分析可獲到的程序。 另外，數(shù)字優(yōu)化的使用是為了求懲罰函數(shù)的最小解 這里是確定球中心，是第個球表面點的坐標且是球的半徑。在測試過程中，發(fā)現(xiàn)只測量四個表面上的點來確定中心點是非常有效的。 9