基于数据融合IMU的工业机器人姿态测量和SVD标定方法
随着智能制造技术发展的逐渐深入，工业生产对机器人的绝对定位精度提出了更高的要求。然而，当前机器人的绝对定位精度较低，而且会随着机器人的长期工作和磨损而急剧下降，无法满足精密加工的要求，极大限制了机器人在高精度制造场合的进一步应用。因此，为提高机器人绝对定位精度，文中以ABBIRB2600型工业机器人为研究对象，对机器人运动学标定进行了相关技术研究。 首先，建立机器人运动学模型和误差模型。根据IRB2600型工业机器人自身结构特点，建立了机器人修正型D-H（MD-H）运动学模型，在此基础上，完成了机器人正逆运动学分析。使用微分变换法推导出机器人误差模型，并进行了仿真验证。 其次，设计自适应拓展卡尔曼滤波（EKF）改进算法。该算法基于EKF模型，通过构建二级量测噪声方差阵，降低有害加速度（除重力加速度以外的其他加速度）对测量结果影响，实时跟踪采样数据量测噪声。同时，该算法采用姿态更新的四元数算法，对陀螺仪和加速度计输出数据进行数据融合，修正陀螺仪漂移产生的误差，有效提高了姿态的动态测量精度。 然后，进行相关坐标系的转换。通过激光跟踪仪获取机器人多点位置信息，使用最小二乘法对机器人法兰盘坐标系和工具坐标系进行了转换。针对测量过程中测量粗差的引入对坐标系转换的影响，设计一种加权奇异值分解（SVD）算法，根据补偿前位置误差大小对测量数据重新分配权重，实现了测量坐标系和机器人基坐标系的统一。 最后，搭建实验平台，开发上位机软件，完成机器人几何误差参数的辨识和补偿。设计合作靶标，使用激光跟踪仪、惯性测量单元（IMU）实时获取机器人末端位姿信息。将算法集成于软件，设计开发了机器人位姿测量软件和运动学参数标定软件。使用列文伯格-马夸尔特（L-M）算法辨识出机器人25个几何误差参数，并通过误差外部补偿的方法验证了补偿效果，标定后机器人绝对定位精度得到了明显提高。
工业机器人;绝对定位精度;运动学标定;数据融合;奇异值分解
中国计量大学
硕士
控制工程
王凌;王斌锐;任国营
2021
中文
TP242.2
2022-06-10（万方平台首次上网日期，不代表论文的发表时间）