CN109773786A - 一种工业机器人平面精度标定方法 - Google Patents
一种工业机器人平面精度标定方法 Download PDFInfo
- Publication number
- CN109773786A CN109773786A CN201811642156.4A CN201811642156A CN109773786A CN 109773786 A CN109773786 A CN 109773786A CN 201811642156 A CN201811642156 A CN 201811642156A CN 109773786 A CN109773786 A CN 109773786A
- Authority
- CN
- China
- Prior art keywords
- robot
- calibration
- error
- kinematic
- plane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明提出一种工业机器人精度标定方法,建立机器人末端的相对位置误差模型,由标定点计算运动学误差,进而进行补偿,完成机器人运动学参数标定。本发明通过降低相对位置误差提高工业机器人的平面精度,满足机器人生产任务对精度的要求,该方法操作便捷,成本较低,并且能够有效提高机器人精度,适用于大多数串联型工业机器人。
Description
技术领域
本发明属于机器人运动学标定技术领域,涉及基于相对位置关系误差模型的工业机器人运动学标定方法,为一种工业机器人平面精度标定方法。
背景技术
机器人精度是评价机器人性能的一个重要指标,机器人精度包括重复定位精度和绝对定位精度。
现今的机器人重复定位精度较高,但绝对定位精度却很低,实际中机器人到达的末端位姿和理论值之间存在着一定的差异,导致机器人无法应用于精度要求较高的工作场合。在各种误差来源中,机器人结构参数和关节角度所产生的误差占所有误差来源的80%以上,因此对机器人运动学参数进行标定能够极大地提高机器人的绝对精度。
传统的机器人精度标定方法中多使用激光跟踪仪等精密测量设备进行标定,如文献《基于激光跟踪仪的机器人运动学参数标定方法[J]》(任永杰,邾继贵,杨学友,等.计量学报,2008,29(3):198-202.)中,存在标定成本较高,操作复杂,需要配备专业人员操作等问题。基于上述技术情况,本发明提出一种低成本的基于相对位置关系误差模型的工业机器人平面精度标定方法,能够有效地提高机器人的定位精度,标定成本低,标定过程操作简单,标定效率高,运动学模型通用性强。
发明内容
本发明要解决的问题是:现有机器人精度标定技术中,重复定位精度较高,但绝对定位精度却很低,标定成本较高,操作复杂,无法满足精度要求较高的工作场合的需求。
本发明的技术方案为:一种工业机器人平面精度标定方法,包括以下步骤:
1)建立机器人运动学模型:机器人使用改进的DH法建立模型,模型中包含四个运动学参数:连杆长度ai-1、连杆转角αi-1、关节偏置di和关节转角θi,机器人的单个连杆变换矩阵描述为:
Ai=Rot(x,αi-1)Trans(x,ai-1)Rot(z,θi)Trans(z,di)
机器人末端连杆坐标系相对于基坐标系的变换矩阵为:
其中N表示机器人自由度的个数,RN为3×3的旋转矩阵,PN为3×1的偏移矩阵;
2)建立相对位置误差模型:将相邻两连杆之间的连杆误差微分变化矩阵dAi看做是四个运动学误差参数δai-1δαi-1δdiδθi的线性函数,根据高数原理当误差足够小时忽略函数的高阶项:
机器人末端连杆坐标系相对于基座标系的连杆误差微分矩阵为:
机器人的末端位置误差描述为:
其中,Bdi、Bai-1和Bαi-1依此类推,iTN(1,4)表示iTN矩阵第一行第四列的元素
将机器人的末端位置误差dPt写成如下形式:
dPt=[Mθ]δθ+[Md]δd+[Ma]δa+[Mα]δα
机器人实际法兰末端坐标位置表示为Pt c=Pt+dPt;
那么在机器人工作空间内任意两点之间的相对位置误差为实际相对位置与名义相对位置之差:
推导出机器人的相对位置关系误差模型为:
dPt1-dPt2=[Mθ1-Mθ2]δθ+[Md1-Md2]δd+[Ma1-Ma2]δa+[Mα1-Mα2]δα
3)选取合适的标定点:在机器人工作空间内选择一个机器人工作平面作为标定平面,在标定平面内选取一组标定点,标定点均匀地分布在标定平面内,且标定点个数大于机器人运动学误差参数的个数;
4)采集标定所需的数据:让机器人的末端沿着每个标定点依次移动,保持机器人末端姿态不变,记录下每个标定点处机器人的关节角度,同时,使用距离测量设备记录机器人末端在笛卡尔坐标系下的各个标定点的坐标值;
5)计算运动学误差参数:机器人运动学参数的初始值使用名义DH参数值,同时将机器人关节角度和采集到的机器人末端坐标值代入机器人相对位置关系误差模型中,通过最小二乘法获得机器人运动学误差参数δaδαδdδθ的值;
6)更新机器人运动学参数:由得到的机器人运动学误差参数值更新机器人的DH参数值,重新计算机器人运动学误差模型,反复迭代直到相对位置均方根误差满足设定值;
7)机器人运动学参数补偿:将最终辨识出的运动学参数误差补偿到机器人的控制器中,完成机器人运动学参数标定。
本发明方法具有以下有益效果:
1)本发明所提出的机器人工作平面的标定,机器人末端实行点到点的移动,不需要预先进行轨迹规划,标定过程操作简单,同时标定后的机器人在该平面内的定位精度能够得到极大的提升。
2)本发明所提出的基于相对位置关系模型的机器人精度标定方法,使用低成本的距离测量设备测量机器人末端的相对位置距离,相比于使用激光跟踪仪等绝对距离标定采集设备进行机器人运动学参数标定,具有标定成本低,标定效率高,标定设备使用简单等优点。
3)本发明所提出的使用四个参数建立机器人运动学误差模型,降低了机器人运动学误差模型辨识的复杂程度,机器人模型通用性强,标定方法的实际工程应用价值较大。
4)本发明所提出的精度标定方法只需要测量机器人末端的相对位置关系,避免了因标定机器人基坐标系而引入的新的误差。
附图说明
图1是本发明基于相对位置误差模型的机器人标定过程流程图;
图2是本发明机器人末端相对位置关系误差示意图;
图3是本发明的机器人实验平台系统架构图;
图4是本发明一个实例中的机器人误差辨识前后对比图。
具体实施方式
本发明提出一种工业机器人精度标定方法,目的是通过降低相对位置误差提高工业机器人的平面精度,满足机器人生产任务对精度的要求,该方法操作便捷,成本较低,并且能够有效提高机器人精度,适用于大多数串联型工业机器人。
本发明提出了一种低成本的基于相对位置关系误差模型的工业机器人平面精度标定方法,步骤如下:
(1)建立机器人运动学模型:机器人使用改进的DH法建立模型,模型中包含四个运动学参数:连杆长度ai-1、连杆转角αi-1、关节偏置di和关节转角θi,模型具体参见教材《机器人技术基础》(熊友伦,华中科技大学出版社),因此机器人的单个连杆变换矩阵可以描述为:
Ai=Rot(x,αi-1)Trans(x,ai-1)Rot(z,θi)Trans(z,di)
Ai是单个连杆的变换矩阵,即该连杆相对于上一个连杆的变换矩阵,i表示第i个连杆,x、z表示x坐标轴z坐标轴。Rot是旋转变换,例如Rot(x,α)表示绕x轴旋转α角度。Trans是平移变换矩阵,例如Trans(z,d)表示沿z轴平移d距离。总的连杆变换矩阵TN由单个连杆变换矩阵相乘得到,机器人末端连杆坐标系相对于基坐标系的变换矩阵为:
其中N为机器人自由度的个数,即N个自由度的机器人就是由N个连杆变换矩阵相乘得到的。将TN矩阵分块,RN为旋转矩阵,即将TN的3×3矩阵表示为RN,PN为偏移矩阵,即将TN的3×1矩阵表示为PN。
(2)建立相对位置误差模型:将相邻两连杆之间的连杆误差微分变化矩阵dAi看做是四个运动学误差参数δai-1δαi-1δdiδθi的线性函数,当误差足够小时忽略函数的高阶项:
这里所述的足够小是高数中将函数微分化的一个术语,例如e^-8~e^-15都可以算作是足够小,需要注意与这里机器人误差参数辨识中的误差不是同一个概念。
机器人末端连杆坐标系相对于基座标系的连杆误差微分矩阵为:
因此,机器人的末端位置误差可以描述为:
其中,Bdi、Bai-1和Bαi-1依此类推。iTN(1,4)表示iTN矩阵第一行第四列的元素,iTN(1,4)、iTN(2,4)、iTN(3,4)是iTN这个齐次矩阵的偏移矩阵,即之前公式中提到的PN。
同时,机器人的末端位置误差dPt可以写成如下形式:
dPt=[Mθ]δθ+[Md]δd+[Ma]δa+[Mα]δα
机器人实际法兰末端坐标位置可以表示为Pt c=Pt+dPt。
因此,那么在机器人工作空间内任意两点之间的相对位置误差为实际相对位置与名义相对位置之差为:
其中,将第一个点记作t1,将第二个点记作t2,表示第一个点的实际位置,表示第二个点的实际位置,Pt1表示第一个点的理论位置,Pt2表示第二个点的理论位置。这里两点可以代表在机器人的工作空间中任意的两个点,具体的,可以理解为一组标定点中的任意两个标定点。
整合以上公式,可以推导出机器人的相对位置关系误差模型为:
dPt1-dPt2=[Mθ1-Mθ2]δθ+[Md1-Md2]δd+[Ma1-Ma2]δa+[Mα1-Mα2]δα
(3)选取合适的标定点:在机器人工作空间内选择合适的机器人工作平面作为标定平面,在标定平面内选取一组合适的标定点,使得其均匀地分布在该平面内。
所述合适的平面满足:1)、标定平面必须在机器人的工作空间内;2)、需要机器人在哪一个平面区域内的精度进行提高,就在该平面区域内进行标定;3)、标定平面的面积不宜过大或者过小,这个没有具体的标准,根据实际机器人和工况进行分析确定。
所述一组合适的标定点满足:“一组”必须要大于机器人运动学误差参数的个数,标定点个数越多,标定结果越准确,但是达到一定的个数,标定精度就不会改变。所以,也是结合实际情况进行判断确定。
(4)采集标定所需的数据:让机器人的末端沿着每个标定点依次移动,保持机器人末端姿态不变,记录下每个标定点处机器人的关节角度。同时,使用距离测量设备记录机器人末端在笛卡尔坐标系下的各个标定点的坐标值,常用的距离测量设备有栅格板、激光测距仪、视觉设备等,根据现场环境和实验条件选择合适的测量设备。
(5)计算运动学误差参数:机器人运动学参数的初始值使用名义DH参数值,同时将机器人关节角度和采集到的机器人末端坐标值代入机器人相对位置关系误差模型中,通过最小二乘法获得机器人运动学误差参数δa δα δd δθ的值。
(6)更新机器人运动学参数:由得到的机器人运动学误差参数值更新机器人的名义参数,重新计算机器人运动学误差模型。反复迭代直到相对位置均方根误差满足设定值,一般迭代2~4次就可以得到结果。此时,机器人在该平面内的精度得到极大的提升,通常能达到两到三个数量级。
(7)机器人运动学参数补偿:将最终辨识出的运动学参数误差补偿到机器人的控制器中,完成机器人运动学参数标定。
下面通过具体实施例来说明本发明的实施。
(1)建立机器人运动学模型:以六轴机器人为例,机器人使用改进的DH法建立模型,机器人的连杆变换矩阵可以描述为:
Ai=Rot(x,αi-1)Trans(x,ai-1)Rot(z,θi)Trans(z,di)
机器人的名义DH参数参照表1。
表1机器人名义DH参数
关节 | α(°) | a(mm) | d(mm) | θ(°) |
1 | 0 | 0 | 310 | θ<sub>1</sub> |
2 | -90 | 160 | 0 | θ<sub>2</sub> |
3 | 0 | 780 | 0 | θ<sub>3</sub> |
4 | -90 | 196 | 690 | θ<sub>4</sub> |
5 | 90 | 0 | 0 | θ<sub>5</sub> |
6 | -90 | 0 | 60 | θ<sub>6</sub> |
可以求出机器人末端连杆坐标系相对于基坐标系的变换矩阵为:
T6=A1·A2…A6
(2)建立相对位置误差模型:机器人末端名义位置Pt=F(a,α,d,θ),机器人末端实际位置为Pt c=F(a+Δa,α+Δα,d+Δd,θ+Δθ)。机器人的两点之间的相对位置误差为:
以此建立机器人相对位置误差模型:
dPt1-dPt2=[Mθ1-Mθ2]δθ+[Md1-Md2]δd+[Ma1-Ma2]δa+[Mα1-Mα2]δα
(3)选取合适的标定点:在机器人的工作空间内选取一个240*240mm的平面作为机器人的工作平面,将机器人的工作平面等分成大小相同的80*80mm的正方形,将每个小正方形的顶点作为机器人的标定点。
(4)采集标定所需的数据:让机器人的末端沿着每个标定点依次移动,保持机器人末端姿态不变,记录下每个标定点处机器人的关节角度。同时,使用栅格板记录机器人末端在笛卡尔坐标系下的各个标定点的坐标值。
(5)计算运动学误差参数:利用最小二乘法得到机器人的误差参数δaδαδdδθ的值。
(6)更新机器人运动学参数:将得到的机器人运动学误差参数值补偿到机器人的名义参数中,重新计算机器人运动学误差模型,经过2次迭代,相对位置均方根误差值即满足设定值。最终得到补偿后的机器人运动学参数见表2。
表2补偿后的机器人DH参数
关节 | α(°) | a(mm) | d(mm) | θ(°) |
1 | 0 | 0 | 310 | θ<sub>1</sub>+0.0017 |
2 | -90 | 156.7173 | 0.0377 | θ<sub>2</sub>-0.0625 |
3 | 0 | 781.3731 | 0 | θ<sub>3</sub>-0.0364 |
4 | -90 | 196 | 683.5724 | θ<sub>4</sub>-0.0717 |
5 | 90 | 0 | 2.4924 | θ<sub>5</sub>+0.0072 |
6 | -90 | 0 | 60 | θ<sub>6</sub> |
(7)机器人运动学参数补偿:将最终辨识出的运动学参数误差补偿到机器人的控制器中,再次进行验证,验证结果见表3。
表3机器人标定前后位置误差对比
最大误差 | 平均误差 | |
标定前 | 23.2522 | 12.1091 |
标定后 | 1.4514 | 0.4841 |
机器人的位置误差辨识前后对比如图4所示,可以看出经过标定,机器人的精度得到了极大的提高。
本发明将机器人的工作平面作为机器人标定数据的采集对象,可以简化标定测量步骤,标定后的机器人在其工作空间内的精度得到极大提升的同时,在其工作平面内的精度能够达到最优。
本发明可以采用低成本的距离测量设备来获得机器人末端的相对位置关系,包括但不限于栅格板、激光测距仪、视觉设备等距离测量设备,不需要昂贵的绝对距离测量设备,降低了标定成本。
本发明将机器人的工作平面选定为测量对象,机器人的平面精度可以达到最优,同时可以使用较便宜的距离测量设备,降低了标定成本。以上实例只作为本发明的一个优选实例,凡是不偏离本发明的技术实质,所作的任何修改、替换、改进等均属于本发明的保护范围。
Claims (3)
1.一种工业机器人平面精度标定方法,其特征是包括以下步骤:
1)建立机器人运动学模型:机器人使用改进的DH法建立模型,模型中包含四个运动学参数:连杆长度ai-1、连杆转角αi-1、关节偏置di和关节转角θi,机器人的单个连杆变换矩阵描述为:
Ai=Rot(x,αi-1)Trans(x,ai-1)Rot(z,θi)Trans(z,di)
机器人末端连杆坐标系相对于基坐标系的变换矩阵为:
其中N表示机器人自由度的个数,RN为3×3的旋转矩阵,PN为3×1的偏移矩阵;
2)建立相对位置误差模型:将相邻两连杆之间的连杆误差微分变化矩阵dAi看做是四个运动学误差参数δai-1 δαi-1 δdi δθi的线性函数,根据高数原理当误差足够小时忽略函数的高阶项:
机器人末端连杆坐标系相对于基座标系的连杆误差微分矩阵为:
机器人的末端位置误差描述为:
其中,Bdi、Bai-1和Bαi-1依此类推,iTN(1,4)表示iTN矩阵第一行第四列的元素
将机器人的末端位置误差dPt写成如下形式:
dPt=[Mθ]δθ+[Md]δd+[Ma]δa+[Mα]δα
机器人实际法兰末端坐标位置表示为Pt c=Pt+dPt;
那么在机器人工作空间内任意两点之间的相对位置误差为实际相对位置与名义相对位置之差:
推导出机器人的相对位置关系误差模型为:
dPt1-dPt2=[Mθ1-Mθ2]δθ+[Md1-Md2]δd+[Ma1-Ma2]δa+[Mα1-Mα2]δα
3)选取合适的标定点:在机器人工作空间内选择一个机器人工作平面作为标定平面,在标定平面内选取一组标定点,标定点均匀地分布在标定平面内,且标定点个数大于机器人运动学误差参数的个数;
4)采集标定所需的数据:让机器人的末端沿着每个标定点依次移动,保持机器人末端姿态不变,记录下每个标定点处机器人的关节角度,同时,使用距离测量设备记录机器人末端在笛卡尔坐标系下的各个标定点的坐标值;
5)计算运动学误差参数:机器人运动学参数的初始值使用名义DH参数值,同时将机器人关节角度和采集到的机器人末端坐标值代入机器人相对位置关系误差模型中,通过最小二乘法获得机器人运动学误差参数δa δα δd δθ的值;
6)更新机器人运动学参数:由得到的机器人运动学误差参数值更新机器人的DH参数值,重新计算机器人运动学误差模型,反复迭代直到相对位置均方根误差满足设定值;
7)机器人运动学参数补偿:将最终辨识出的运动学参数误差补偿到机器人的控制器中,完成机器人运动学参数标定。
2.根据权利要求1所述的一种工业机器人平面精度标定方法,其特征是步骤4)中使用的距离测量设备包括栅格板、激光测距仪和视觉设备,根据现场环境和实验条件选择合适的测量设备。
3.根据权利要求1所述的一种工业机器人平面精度标定方法,其特征是步骤3)中选择机器人的标定平面时选择原则为:1)、标定平面必须在机器人的工作空间内;2)、需要机器人在哪一个平面区域内的精度进行提高,就在该平面区域内选择标定平面;3)、标定平面的面积根据实际机器人和工况确定。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811642156.4A CN109773786B (zh) | 2018-12-29 | 2018-12-29 | 一种工业机器人平面精度标定方法 |
PCT/CN2019/112853 WO2020134426A1 (zh) | 2018-12-29 | 2019-10-23 | 一种工业机器人平面精度标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811642156.4A CN109773786B (zh) | 2018-12-29 | 2018-12-29 | 一种工业机器人平面精度标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109773786A true CN109773786A (zh) | 2019-05-21 |
CN109773786B CN109773786B (zh) | 2022-04-19 |
Family
ID=66499544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811642156.4A Active CN109773786B (zh) | 2018-12-29 | 2018-12-29 | 一种工业机器人平面精度标定方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109773786B (zh) |
WO (1) | WO2020134426A1 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111055289A (zh) * | 2020-01-21 | 2020-04-24 | 达闼科技(北京)有限公司 | 机器人的手眼标定方法、装置、机器人及存储介质 |
WO2020134426A1 (zh) * | 2018-12-29 | 2020-07-02 | 南京埃斯顿机器人工程有限公司 | 一种工业机器人平面精度标定方法 |
CN112318498A (zh) * | 2020-09-23 | 2021-02-05 | 天津大学 | 一种考虑参数耦合的工业机器人标定方法 |
CN112720457A (zh) * | 2020-12-03 | 2021-04-30 | 深圳众为兴技术股份有限公司 | 机器人标定方法、装置、电子设备及存储介质 |
CN113568369A (zh) * | 2021-07-16 | 2021-10-29 | 英诺威讯智能科技(杭州)有限公司 | 全自动机器人零点标定的系统内置测量相对精度方法 |
CN113618738A (zh) * | 2021-08-23 | 2021-11-09 | 上海大学 | 一种机械臂运动学参数标定方法及系统 |
CN114800501A (zh) * | 2022-04-26 | 2022-07-29 | 伟创力电脑(苏州)有限公司 | 一种用于机器人的平面内自动标定方法 |
CN115319756A (zh) * | 2022-09-20 | 2022-11-11 | 上海交通大学 | 一种基于参数重组神经网络的机器人残差补偿方法 |
CN115319748A (zh) * | 2022-08-26 | 2022-11-11 | 绍兴市上虞区武汉理工大学高等研究院 | 一种关节机器人的数字孪生系统及方法 |
CN115533888A (zh) * | 2021-06-30 | 2022-12-30 | 武汉联影智融医疗科技有限公司 | 机器人参数优化、标定方法、装置、系统、机器人及介质 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861317B (zh) * | 2021-01-11 | 2022-09-30 | 合肥工业大学 | 补偿旋转轴倾斜误差的关节式坐标测量机运动学建模方法 |
CN113146613B (zh) * | 2021-01-22 | 2022-11-04 | 吉林省计量科学研究院 | 一种工业机器人d-h参数三维自标定校准装置及方法 |
CN113094642B (zh) * | 2021-04-14 | 2023-03-31 | 电子科技大学 | 一种面向区域内机械臂定位误差估算的新增采样的方法 |
CN113733088B (zh) * | 2021-09-07 | 2024-05-14 | 河南大学 | 一种基于双目视觉的机械臂运动学自标定方法 |
CN113715062B (zh) * | 2021-09-14 | 2023-07-07 | 西安交通大学 | 一种机械臂连杆参数的标定方法 |
CN114170321A (zh) * | 2021-11-10 | 2022-03-11 | 上海交通大学 | 一种基于测距的相机自标定方法及系统 |
CN114488810B (zh) * | 2022-01-25 | 2023-12-12 | 上海交通大学 | 机器人末端姿态跟踪预测控制方法及系统和机器人 |
CN114523474B (zh) * | 2022-03-01 | 2023-06-27 | 合肥工业大学 | 一种距离限制的工业机器人运动学参数估计方法 |
CN114833834B (zh) * | 2022-06-01 | 2023-10-10 | 浙江大学 | 一种基于多源误差建模的工业机器人精度补偿方法 |
CN115107024A (zh) * | 2022-06-27 | 2022-09-27 | 北京工业大学 | 一种基于激光追踪仪多站位技术的工业机器人运动学参数辨识方法 |
CN115533876B (zh) * | 2022-10-28 | 2024-11-26 | 天津大学 | 基于内部传感信息的混联机器人运动学标定方法 |
CN115741720A (zh) * | 2022-12-13 | 2023-03-07 | 合肥工业大学 | 基于双目视觉技术及lm算法的机器人的零点标定系统及其方法 |
CN115797467B (zh) * | 2023-02-02 | 2023-07-28 | 深圳市德驰微视技术有限公司 | 车辆相机标定结果检测方法、装置、设备及存储介质 |
CN116787443B (zh) * | 2023-07-26 | 2023-11-21 | 中国科学院宁波材料技术与工程研究所 | 基于单位对偶四元数的并联机构运动学标定方法和系统 |
CN117349990B (zh) * | 2023-12-05 | 2024-02-13 | 武汉科技大学 | 一种机器人快速标定的方法及系统 |
CN117901122B (zh) * | 2024-03-19 | 2024-05-17 | 成都信息工程大学 | 基于Logistic-Tent混沌映射Levenberg Marquardt的机器人定位方法及系统 |
CN118596147A (zh) * | 2024-06-25 | 2024-09-06 | 珞石(山东)机器人集团有限公司 | 一种全生命周期工业机器人位置误差预测及补偿方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8918210B2 (en) * | 2011-03-18 | 2014-12-23 | Denso Wave Incorporated | Method of detecting an inter-axis offset of 6-axis robot |
CN104608129A (zh) * | 2014-11-28 | 2015-05-13 | 江南大学 | 基于平面约束的机器人标定方法 |
CN106737855A (zh) * | 2016-08-22 | 2017-05-31 | 南京理工大学 | 一种综合位姿误差模型与刚度补偿的机器人精度补偿方法 |
CN107369167A (zh) * | 2017-07-20 | 2017-11-21 | 江南大学 | 一种基于双平面约束误差模型的机器人自标定方法 |
CN108406771A (zh) * | 2018-03-09 | 2018-08-17 | 江南大学 | 一种平面约束误差模型及机器人自标定方法 |
CN108705531A (zh) * | 2018-04-17 | 2018-10-26 | 上海达野智能科技有限公司 | 工业机器人的运动学参数标定方法、标定系统、电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109773786B (zh) * | 2018-12-29 | 2022-04-19 | 南京埃斯顿机器人工程有限公司 | 一种工业机器人平面精度标定方法 |
-
2018
- 2018-12-29 CN CN201811642156.4A patent/CN109773786B/zh active Active
-
2019
- 2019-10-23 WO PCT/CN2019/112853 patent/WO2020134426A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8918210B2 (en) * | 2011-03-18 | 2014-12-23 | Denso Wave Incorporated | Method of detecting an inter-axis offset of 6-axis robot |
CN104608129A (zh) * | 2014-11-28 | 2015-05-13 | 江南大学 | 基于平面约束的机器人标定方法 |
CN106737855A (zh) * | 2016-08-22 | 2017-05-31 | 南京理工大学 | 一种综合位姿误差模型与刚度补偿的机器人精度补偿方法 |
CN107369167A (zh) * | 2017-07-20 | 2017-11-21 | 江南大学 | 一种基于双平面约束误差模型的机器人自标定方法 |
CN108406771A (zh) * | 2018-03-09 | 2018-08-17 | 江南大学 | 一种平面约束误差模型及机器人自标定方法 |
CN108705531A (zh) * | 2018-04-17 | 2018-10-26 | 上海达野智能科技有限公司 | 工业机器人的运动学参数标定方法、标定系统、电子设备 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020134426A1 (zh) * | 2018-12-29 | 2020-07-02 | 南京埃斯顿机器人工程有限公司 | 一种工业机器人平面精度标定方法 |
CN111055289B (zh) * | 2020-01-21 | 2021-09-28 | 达闼科技(北京)有限公司 | 机器人的手眼标定方法、装置、机器人及存储介质 |
CN111055289A (zh) * | 2020-01-21 | 2020-04-24 | 达闼科技(北京)有限公司 | 机器人的手眼标定方法、装置、机器人及存储介质 |
CN112318498A (zh) * | 2020-09-23 | 2021-02-05 | 天津大学 | 一种考虑参数耦合的工业机器人标定方法 |
CN112318498B (zh) * | 2020-09-23 | 2022-06-24 | 天津大学 | 一种考虑参数耦合的工业机器人标定方法 |
CN112720457A (zh) * | 2020-12-03 | 2021-04-30 | 深圳众为兴技术股份有限公司 | 机器人标定方法、装置、电子设备及存储介质 |
CN115533888A (zh) * | 2021-06-30 | 2022-12-30 | 武汉联影智融医疗科技有限公司 | 机器人参数优化、标定方法、装置、系统、机器人及介质 |
CN113568369A (zh) * | 2021-07-16 | 2021-10-29 | 英诺威讯智能科技(杭州)有限公司 | 全自动机器人零点标定的系统内置测量相对精度方法 |
CN113618738A (zh) * | 2021-08-23 | 2021-11-09 | 上海大学 | 一种机械臂运动学参数标定方法及系统 |
CN113618738B (zh) * | 2021-08-23 | 2024-04-19 | 上海大学 | 一种机械臂运动学参数标定方法及系统 |
CN114800501A (zh) * | 2022-04-26 | 2022-07-29 | 伟创力电脑(苏州)有限公司 | 一种用于机器人的平面内自动标定方法 |
CN114800501B (zh) * | 2022-04-26 | 2023-09-01 | 伟创力电脑(苏州)有限公司 | 一种用于机器人的平面内自动标定方法 |
CN115319748A (zh) * | 2022-08-26 | 2022-11-11 | 绍兴市上虞区武汉理工大学高等研究院 | 一种关节机器人的数字孪生系统及方法 |
CN115319756A (zh) * | 2022-09-20 | 2022-11-11 | 上海交通大学 | 一种基于参数重组神经网络的机器人残差补偿方法 |
CN115319756B (zh) * | 2022-09-20 | 2025-02-14 | 上海交通大学 | 一种基于参数重组神经网络的机器人残差补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020134426A1 (zh) | 2020-07-02 |
CN109773786B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109773786B (zh) | 一种工业机器人平面精度标定方法 | |
CN106338990B (zh) | 基于激光跟踪仪的工业机器人dh参数标定与零位标定方法 | |
CN104608129B (zh) | 基于平面约束的机器人标定方法 | |
CN106737855B (zh) | 一种综合位姿误差模型与刚度补偿的机器人精度补偿方法 | |
CN110193829B (zh) | 一种耦合运动学与刚度参数辨识的机器人精度控制方法 | |
CN112873199B (zh) | 基于运动学与空间插值的机器人绝对定位精度标定方法 | |
CN108406771B (zh) | 一种机器人自标定方法 | |
CN108789404B (zh) | 一种基于视觉的串联机器人运动学参数标定方法 | |
CN107972071B (zh) | 一种基于末端点平面约束的工业机器人连杆参数标定方法 | |
CN111367236A (zh) | 一种面向加工过程的移动机器人系统标定方法及系统 | |
CN111203861B (zh) | 一种机器人工具坐标系的标定方法及标定系统 | |
CN108731591A (zh) | 一种基于平面约束的机器人工具坐标系标定方法 | |
CN105773609A (zh) | 一种基于视觉测量及距离误差模型的机器人运动学标定方法 | |
CN111055273A (zh) | 一种用于机器人的两步误差补偿方法 | |
CN109737871B (zh) | 一种三维传感器与机械手臂的相对位置的标定方法 | |
CN104890013A (zh) | 一种基于拉线编码器的工业机器人标定算法 | |
CN108177145A (zh) | 一种无偏最优的工业机械臂绝对定位精度标定方法 | |
CN104833324A (zh) | 一种基于测量头的机器人标定方法 | |
CN111390914B (zh) | 一种机器人零位和工具坐标标定方法 | |
CN110962127B (zh) | 一种用于机械臂末端位姿辅助标定装置及其标定方法 | |
CN111360585B (zh) | 一种机器人铣削系统中刀具端实时位置误差的获取方法 | |
CN113843804B (zh) | 基于平面约束的机器人运动学标定方法及系统 | |
CN109176517A (zh) | 基于末端名义点约束的串联工业机器人连杆参数标定方法 | |
CN107471257A (zh) | 基于单拉线编码器的机器人几何标定方法 | |
CN112958960A (zh) | 一种基于光学靶标的机器人手眼标定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |