论文部分内容阅读
六自由度工业机器人代表着工业自动化的先进性,是工业生产中应用最多的制造装备。机器人的精度已经成为比较工业机器人性能好坏的关键指标,工业机器人精度分为绝对定位精度和重复定位精度。目前,重复定位精度已达到了不错水平0.1mm数量级,然而绝对定位精度并不理想难以满足工业上实用化的需求。由此,研究并提高机器人的绝对定位精度用以工业生产是很有必要的。本文利用学校KUKA机器人在运动学建模、误差分析、参数辨识和误差补偿等方面,详细的研究了机器人精度的补偿方法,并进行了实验验证。主要研究内容和结论归纳如下:1)根据机器人的运动学原理,对六自由度关节型机器人的位姿进行分析。使用传统DH建模方法给KUKA型机器人建立起对应运动学模型,推导出与该机器人相对应的名义运动学几何参数,进而得到机器人末端位姿的转换公式。2)在运动学模型的基础上,考虑加入对工业机器人定位精度影响最大的几何误差因素,采用微分法建立了几何偏差模型,并对该模型进行了仿真验证,确定了模型的有效性和准确性。3)在对工业机器人定位误差补偿方法的研究时,首先利用所建立的工业机器人几何误差模型,使用N-R迭代算法进行了仿真验证。考虑到使用误差模型进行定位误差补偿的局限性,先是设计了合适的BP神经网络,并再对其进行了改进即PSO-BP算法,仿真对比了KUKA机器人的误差模型进行网络逼近并进行误差补偿,证实改进的精确性。对比两次仿真结果表明,采用PSO-BP神经网络进行定位误差补偿比基于误差模型进行定位误差补偿的补偿精度更高。4)最后,考虑到传统PSO-BP神经网络的PSO部分收敛速率慢等问题,提出改进的PSO算法,利用四个经典函数证实了改进PSO的优越性。使用改进PSO结合BP神经网络进行优化,使KUKA机器人定位误差补偿的效果更佳。