工业机器人多工具中心点及零点标定方法

技术领域

本发明涉及机器人标定领域，特别涉及工业机器人多工具中心点及零点标定方法。

背景技术

经过了几十年的技术更新、产品升级，工业机器人作为集机电一体化、精密传感器、计算机、人工智能等多交叉学科技术于一体的现代自动化设备，是现代重要的加工运输装备。工业机器人的离线编程能力是其在敏捷制造中发挥强大作用的重要武器，而工业机器人绝对定位精度直接决定了离线编程应用的效果。工业机器人的运动学参数标定可以补偿机器人零件设计、制造精度和装配精度等因素耦合造成的末端误差，从而满足工业机器人加工应用的精度要求。末端执行器作为工业机器人运动学模型的末端延伸，其工具中心点（Tool Center Point，TCP）的精度将直接影响绝对定位精度，随着应用方向的增广，机器人所装配的末端执行器功能也越来越丰富，一个复杂的末端执行器上有多TCP相互协作从而共同完成一个任务的情况愈发频现。由于机器人工作时间长，受环境和外加载荷的影响，机器人极有可能发生碰撞或其他事故，这将导致机器人运动学模型和多TCP参数产生偏差，其中机器人本体的关节刚度和末端执行器与机器人法兰盘连接件的刚度远远低于其他零部件的刚度，因而更容易产生误差。这些偏差即使很小也会造成工业机器人末端的精度下降，导致生产线暂停、生产周期延长并造成经济损失。因此，需要在现场立即对这两类参数进行标定以恢复生产。

基于高精密测量仪器的标定方法，标定的末端执行器为测量仪器的接收设备而非现场加工装备，因此补偿零点后还需对多TCP依次进行标定，造成效率的降低。自标定方法相较于基于高精密测量仪器的标定方法，适合车间级现场进行标定。在机器人的末端执行器处，基于点、平面或球面约束建立机器人运动参数标定的约束方程。

学者们已经提出了很多成熟可用的标定方法，其中还有许多是已经商用化的自动标定方法，但是：

（1）在车间级现场中发生TCP失效通常是发生了碰撞或其他事故，这会使得机器人本体中刚性较低的关节偏移，从而造成零点失效，只针对TCP标定的算法不能解决零点失效的问题；

（2）若采用运动学参数标定方法校准零点，以上的研究都是针对末端执行器上只有单TCP的情况，且其标定过程中的校准的TCP是测量仪器的TCP（例如激光跟踪仪的靶球），其他的TCP要在零点标定后进行单TCP标定，对于末端执行器上具有多TCP的标定问题只能通过单TCP逐一标定进行解决，这在生产流水线中的耗时是无法接受的。

发明内容

本发明的旨在解决上述问题而提出工业机器人多工具中心点及零点标定方法，解决现有标定方法不能同时标定多TCP，导致标定效率不高，浪费大量生产时间的问题。

为达此目的，本发明采用以下技术方案：

工业机器人多工具中心点及零点标定方法，包括如下步骤：

S1：实际误差测量：对多个TCP分别测量其实际位置误差向量

S2：误差模型建立：建立多TCP及零点误差模型，并对所建误差模型进行优化处理，剔除冗余参数；

S3：参数辨识：将优化后的多TCP及零点误差模型进行归一化处理，再将归一化处理后的多TCP及零点误差模型进行参数辨识和补偿，得到多TCP零点偏差值向量

S4：数值比较：将所得多TCP零点偏差值向量

优选的，所述步骤S1中对多TCP实际位置误差向量

优选的，所述步骤S2中建立多TCP及零点误差模型包括以下两步骤：

S21：构建单TCP及零点误差模型，选取其中一TCP，通过将DH运动学模型和微分运动法的运动学参数误差模型结合，得到所需的单TCP及零点误差模型

其中，

S22：构建多TCP及零点误差模型，在单TCP零点偏差值向量

其中，

优选的，采用截断奇异值分解的方法对所述多TCP及零点误差模型中的冗余参数进行剔除优化，使得多TCP零点偏差值向量

优选的，将步骤S3中优化后的多TCP及零点误差模型进行归一化处理。

优选的，所述步骤S3中对多TCP及零点误差模型进行参数辨识和补偿采用的是迭代卡尔曼滤波器，得到多TCP零点偏差值向量

优选的，所述步骤S4中当多TCP零点偏差值向量

优选的，还包括名义TCP模块，所述步骤S1中得到的多TCP实际位置误差向量

优选的，所述步骤S4中当多TCP零点偏差值向量

本发明的贡献在于：本发明提出基于车间级多工具中心点及零点标定方法，以同时对多TCP及零点参数进行标定补偿，降低成本同时提升标定率，并采用了改进的辨识算法提升了多TCP及零点误差模型的鲁棒性，提高其后续参数辨识的稳定性和可靠性，得到的标定参数更加准确。

附图说明

图1是本发明标定方法流程图。

具体实施方式

下列实施例是对本发明的进一步解释和补充，对本发明不构成任何限制。

如图1所示，工业机器人多工具中心点及零点标定方法，包括如下步骤：

S1：实际误差测量：对多个TCP分别测量其实际位置误差向量

S2：误差模型建立：建立多TCP及零点误差模型，并对所建误差模型进行优化处理，剔除冗余参数；

S3：参数辨识：将优化后的多TCP及零点误差模型进行归一化处理，再将归一化处理后的多TCP及零点误差模型进行参数辨识和补偿，得到多TCP零点偏差值向量

S4：数值比较：将所得多TCP零点偏差值向量

本发明的工作原理如下：首先，将机器人末端上的所有TCP进行初步的对尖操作，得到多TCP的实际位置误差向量

多TCP的零点偏差值向量

第二种情况：一部分TCP零点偏差值向量小于阈值向量，另一部分的TCP的零点偏差值向量大于阈值向量，则表明这些零点偏差值向量大于阈值向量的TCP的对尖测量结果不符合标定要求，需要重新对尖测量，具体的，重新对尖测量包括如下步骤：

将所有TCP的零点偏差值向量均补偿到机器人控制器上（更新关节零点误差雅克比矩阵、基坐标误差雅克比矩阵、工具坐标误差雅克比矩阵），接收步骤S1中的多TCP实际位置误差向量后的名义TCP模块会进行更新并输出新的名义末端位置给机器人，机器人接收新的名义末端位置后在人工控制下按照新的名义末端位置对所有的TCP进行新的对尖测量，由于人工操作存在误差，对尖测量操作结束后的TCP的新实际末端位置与名义末端位置之间存在一定的偏差，通过机器人的中心处理器计算可以得到新实际末端位置与名义末端位置之间的新实际位置误差向量

本发明提出基于车间级多工具中心点及零点标定方法，以同时对多TCP及零点参数进行标定补偿，降低成本同时提升标定率，并采用了改进的辨识算法提升了多TCP及零点误差模型的鲁棒性，使得其后续参数辨识的稳定性和可靠性提升，得到的标定参数更加准确。

更进一步的说明，所述步骤S1中对多TCP实际位置误差向量

对于TCP实际位置误差的测量，首先需要对所有TCP进行对尖操作，完成对尖操作后能够得到多TCP实际位置误差向量

更进一步的说明，所述步骤S2中建立多TCP及零点误差模型包括以下两步骤：

S21：构建单TCP及零点误差模型，选取其中一TCP，通过将DH运动学模型和微分运动法的运动学参数误差模型结合，得到所需的单TCP及零点误差模型

其中，

单TCP及零点误差模型

（1）实现自标定，由于校准的操作是使TCP与

（2）减少待标定参数，由矩阵描述的齐次变换可知，

建立以上坐标系后再通过DH运动学模型与各个运动学参数模型（相邻连杆坐标系位姿误差模型、单连杆零点至末端误差模型、TCP及基坐标系误差模型）并通过雅可比矩阵实现单TCP及零点误差模型

（1）

上式中

其中，单TCP零点偏差值向量

是机器人极坐标系的位置偏差，/>

S22：构建多TCP及零点误差模型，在单TCP零点偏差值向量

其中，

将其余TCP的零点偏差值向量代入待识别的单TCP的零点偏差值向量

其中，

更进一步的说明，采用截断奇异值分解的方法对所述多TCP及零点误差模型中的冗余参数进行剔除优化，使得待识别的多TCP的零点偏差值向量

上述建立的单TCP及零点误差模型和多TCP及零点误差模型都归为多元回归问题，在此类问题中两个及以上预测变量之间精确或高度显著相关的情况被称为多重共线性，这意味着预测变量之间存在耦合且是冗余的，这将导致辨识过程中出现潜在的奇异性问题。因此，分析并剔除冗余参数，使得待辨识参数（即

具体的优化方法为采用截断奇异值分解（简称TSVD）作用在数据矩阵上而非协方差矩阵，截断奇异值分解更符合本发明建立的误差模型方程，并且计算效率更高，因此将使用TSVD分析并去除冗余参数。

具体的，对其做几何解释，首先生成误差方程系数矩阵的列宽方阵，记为

式中

根据TSVD理论，特征维数右奇异矩阵可用于压缩列数，也即压缩待辨识的几何误差参数。因此，冗余参数的数量为

由于列宽方阵

更进一步的说明，所述步骤S3中优化后的多TCP及零点误差模型进行归一化处理后，其回归矩阵的条件数大大减小，鲁棒性提升，提高了后续参数辨识的稳定性和可靠性。

归一化处理主要是对回归方程即多TCP及零点误差模型的鲁棒性进行提升，通过观察待辨识的多TCP零点偏差值向量

因此，需要对经过截断奇异值分解后的雅可比矩阵

具体的，归一化处理步骤如下：

记

其中，

因此可以得到新的矩阵

更进一步的说明，所述步骤S3中对多TCP及零点误差模型进行参数辨识和补偿采用的是迭代卡尔曼滤波器，得到多TCP的零点偏差值向量

经过归一化处理的多TCP及零点误差模型再通过迭代卡尔曼滤波器（IKF）对其进行参数辨别，因为KF系列是一种在线算法，所以每次计算都只针对所有TCP的一次对尖测量点位，因此需要将式子(6)中

其中，

假设正在计算第k（k

其中

误差模型的参数偏差状态转移方程可表示为：

其中，

协方差矩阵

是第k-1个测量点位的系统噪声的协方差矩阵；

卡尔曼增益可以表示为：

和/>

设第k个TCP的对尖测量后的实际位置误差为

Riccati方程用于更新协方差矩阵

是与/>

在每一轮计算完所有测量点位后，即每轮迭代结束后进行参数补偿。该轮迭代最终计算结果

多TCP的实际参数

更进一步的说明，所述步骤S4中当多TCP零点偏差值向量

更进一步的说明，还包括名义TCP模块，所述步骤S1中得到的多TCP实际位置误差向量

所述步骤S4中当多TCP零点偏差值向量

尽管通过以上实施例对本发明进行了揭示，但本发明的保护范围并不局限于此，在不偏离本发明构思的条件下，对以上各构件所做的变形、替换等均将落入本发明的权利要求范围内。