本书详细介绍了工业机器人精度补偿的基础理论和关键技术，阐述了机器人精度及精度补偿的基本概念，主要内容包括：机器人运动学建模、机器人采样点规划方法、基于定位误差模型的机器人精度补偿技术、基于误差相似度的机器人精度补偿技术、基于神经网络的机器人精度补偿技术、基于关节空间闭环反馈的机器人精度补偿技术以及基于笛卡儿空间闭环反馈的机器人精度补偿技术。
样章试读
目录
- 目录
第2版前言
第1版前言
第1章 绪论 1
1.1 背景 1
1.2 机器人精度基本概念 3
1.3 机器人精度评估与检测 5
1.3.1 位姿精度评估 5
1.3.2 多方向位姿精度变动评估 7
1.3.3 轨迹精度评估 7
1.3.4 机器人精度检测标准 8
1.4 机器人精度的影响因素及分类 10
1.5 机器人精度补偿的重要性 12
1.6 机器人精度补偿技术发展现状 12
1.6.1 离线补偿技术 13
1.6.2 在线补偿技术 17
1.7 机器人精度补偿技术发展趋势 18
习题 19
第2章 机器人运动学建模 20
2.1 位姿描述与齐次变换 20
2.1.1 位置与姿态的描述 20
2.1.2 平移与旋转 21
2.2 RPY角与欧拉角 22
2.2.1 RPY角 22
2.2.2 z-y-x欧拉角 23
2.2.3 z-y-z欧拉角 24
2.3 机器人正向运动学 25
2.3.1 机器人D-H模型 25
2.3.2 机器人MD-H模型 28
2.4 机器人逆向运动学 32
2.4.1 含有关节约束的唯一封闭解求解方法 32
2.4.2 典型KUKA工业机器人的逆向运动学模型 33
习题 36
第3章 机器人采样点规划方法 40
3.1 基于能观性指标的随机采样点规划方法 40
3.1.1 能观测度概念 40
3.1.2 能观测度指标 41
3.1.3 基于能观性指标的采样点规划 44
3.2 空间网格化的均匀采样点规划方法 47
3.2.1 最优网格步长 47
3.2.2 基于空间网格的均匀采样点规划 50
3.3 多目标优化的最优采样点规划方法 59
3.3.1 最优采样点数学模型 59
3.3.2 多目标优化问题与非劣解集 61
3.3.3 遗传算法与NSGA-II算法 63
3.3.4 基于NSGA-II算法的机器人最优采样点多目标优化 69
习题 72
第4章 机器人定位误差建模及精度补偿技术 73
4.1 机器人定位误差建模基础 73
4.1.1 机器人微分运动学模型 73
4.1.2 相邻连杆的微分变换 75
4.2 含运动学参数误差的机器人定位误差建模 78
4.3 含坐标系建立误差的机器人定位误差建模 80
4.4 含关节传动误差的机器人定位误差建模 83
4.5 含关节回差的机器人定位误差建模 85
4.6 含柔度变形误差的机器人定位误差建模 86
4.6.1 机器人关节柔度分析 86
4.6.2 机器人自重柔度误差模型 87
4.6.3 耦合柔度误差的机器人定位误差模型 88
4.7 变参数误差的运动学精度补偿技术 90
4.8 参数误差辨识 91
4.9 机器人定位误差补偿方法 94
4.10 应用实例 97
4.10.1 耦合柔度误差和工具坐标系建立误差的机器人精度补偿试验 97
4.10.2 变参数误差的运动学精度补偿试验 101
习题 107
第5章 机器人误差相似度精度补偿技术 109
5.1 机器人定位误差相似度的基本概念 109
5.1.1 定位误差相似度的定性分析 109
5.1.2 定位误差相似度的定量分析 111
5.2 基于误差相似度的权重度量的精度补偿方法 116
5.2.1 反距离加权法 116
5.2.2 融合误差相似度和反距离加权的精度补偿方法 118
5.3 基于误差相似度的线性无偏最优估计精度补偿方法 121
5.3.1 基于误差相似度的机器人定位误差映射 122
5.3.2 机器人定位误差的线性无偏最优估计法 124
5.4 应用实例 130
5.4.1 机器人定位误差相似度试验 130
5.4.2 基于误差相似度的权重度量的机器人精度补偿试验 136
5.4.3 基于误差相似度的线性无偏最优估计精度补偿试验 140
习题 142
第6章 机器人神经网络精度补偿技术 143
6.1 BP神经网络 143
6.1.1 人工神经网络概述 143
6.1.2 BP神经网络模型 145
6.1.3 BP算法 146
6.1.4 BP神经网络的优点和缺点 148
6.2 粒子群优化算法 150
6.2.1 算法概述 150
6.2.2 算法原理 150
6.3 基于遗传粒子群优化算法的BP神经网络 152
6.4 基于粒子群优化神经网络的机器人精度补偿方法 154
6.4.1 考虑姿态影响的神经网络定位误差建模与预测 154
6.4.2 考虑温度影响的神经网络定位误差建模与预测 156
6.4.3 神经网络模型交叉验证方法 166
6.5 应用实例 167
6.5.1 考虑姿态影响的神经网络精度补偿试验 167
6.5.2 考虑温度影响的神经网络精度补偿试验 176
习题 182
第7章 关节空间闭环反馈的精度补偿技术 184
7.1 定位误差估计 184
7.1.1 切比雪夫多项式误差估计模型 184
7.1.2 关节映射模型 188
7.2 关节反馈装置的选型、安装及标定 189
7.2.1 选型与安装 189
7.2.2 标定 191
7.3 关节回差对TCP定位精度的影响 193
7.3.1 关节回差的变化规律 193
7.3.2 多方向位置精度 195
7.4 基于前馈补偿与反馈控制的精度补偿策略 200
7.5 应用实例 202
7.5.1 空载试验 203
7.5.2 钻孔试验 205
习题 206
第8章 笛卡儿空间闭环反馈的精度补偿技术 208
8.1 双目相机成像模型 208
8.2 双目相机测量误差源分析 210
8.2.1 双目相机结构参数误差 211
8.2.2 相机标定误差 212
8.2.3 双目相机量化匹配误差 213
8.3 基于双目视觉传感器的位姿测量 213
8.3.1 工作空间坐标系描述 213
8.3.2 位姿测量原理 215
8.3.3 跟踪坐标系位姿对测量精度的影响 217
8.4 基于卡尔曼滤波的位姿估计 220
8.4.1 经典卡尔曼滤波 220
8.4.2 卡尔曼滤波器设计 222
8.5 视觉伺服控制系统设计 227
8.5.1 机器人视觉伺服控制系统模型设计 228
8.5.2 机器人运动补偿流程与位姿误差计算 228
8.5.3 基于模糊PID的视觉伺服控制器设计 232
8.6 应用实例 236
8.6.1 试验平台 236
8.6.2 空载试验 237
8.6.3 加工试验 241
习题 245
主要参考文献 247
京公网安备 11010102004214号