基于KUKA工業(yè)機器人的運動學標定及誤差分析研究.pdf

1、隨著人工智能的飛速發(fā)展和生產力水平的不斷進步，工業(yè)機器人作為智能設備的代表被廣泛應用到了生產生活的諸多領域，如餐飲服務、制造、醫(yī)療、航天等，并在一些高技術領域扮演著不可替代的角色?，F(xiàn)如今，人們不僅需要機器人能完成一些簡單的工作任務，更需要它們能夠完成一些精細且復雜的工作。采用離線示教工作方式的機器人側重于重復精度指標，難以滿足高科技生產中對于絕對精度的要求。為了突破工業(yè)機器人絕對精度較低這一限制，因此進行機器人運動學標定顯得日益重要。<

2、br>　　本文首先對剛體位姿和微分運動進行理論剖析，為后續(xù)KUKA機器人運動學模型的建立和運動學標定奠定理論基礎。
　　本文以工業(yè)機器人車身激光檢測系統(tǒng)中最常用的KUKA工業(yè)機器人實際參數(shù)為基礎，依據D-H方法建立運動學模型，然后對D-H模型在運動學標定中存在的不足和缺陷進行分析，采用修正后的5參數(shù)M-DH模型建立本文用于標定的運動學模型，并討論運動學正、逆解問題。文章通過對機器人的誤差進行綜合分析，確定了誤差主要來源為幾何誤差，

3、并根據最終建立的M-DH模型建立機器人幾何誤差模型，即機器人定位誤差與機器人連桿幾何誤差的關系式。
　　鑒于代數(shù)法在求解機器人逆運動學問題上存在計算量大等缺點，本文選用神經網絡來求解機器人逆解。該方法以運動學模型為基礎計算出機器人正解，然后作為訓練樣本訓練經微分進化算法優(yōu)化的BP神經網絡(DE-BP網絡)，實現(xiàn)機器人末端操作手位姿與各關節(jié)變量的非線性映射關系，從而避免了繁瑣復雜的公式推導過程。
　　本文討論了點約束學標定方法