36、工业机器人配置数据采集规划的改进正交实验方法

工业机器人配置数据采集规划的改进正交实验方法

1. 引言

近年来，随着工业自动化和灵活性的发展，工业机器人的需求迅速增长，对机器人精度的要求也日益提高。机器人的定位精度分为绝对定位精度和重复定位精度，工业机器人的绝对精度较低，通常只有2 - 3mm，但基于绝对定位精度的工业应用却越来越广泛。研究发现，运动学参数误差约占机器人总误差的90%，因此运动学标定能有效提高绝对定位精度。

当前机器人标定领域的研究主要集中在运动学建模和参数识别，很少有研究关注参数识别中使用的配置数据，而配置数据对标定结果有重要影响。一些研究提出了不同的优化策略和算法，如基于圆点分析方法的优化策略、使用集合构造方法寻找最优配置、改进的最优配置选择算法等。然而，这些方法大多先获取大量配置数据再进行筛选，实际中机器人配置数据的获取需要大量时间，且大部分获取的数据因可观测性差而被丢弃。同时，配置的获取通常基于个人经验或随机方法，难以控制随机配置的可观测性，存在获取配置后优化的缺陷。

正交实验方法是一种多因素、多水平的实验规划方法，可解决多因素优化问题。已有研究将正交实验方法用于样本数据采集和配置数据选择，但尚未有将其用于机器人标定的报道。传统正交实验方法假设给定范围内的值呈平均分布，直接应用于机器人标定可能会削弱标定效果。因此，提出了一种基于粒子群优化（PSO）的正交实验方法的配置数据采集规划方法，旨在提高运动学标定的稳定性和泛化能力。

2. 机器人建模

2.1 机器人运动学建模

以6R通用协作机器人为研究对象，基于MD - H规则建立机器人的坐标系，进而得到机器人的运动学参数。机器人的运动学参数、理论关节角度范围和实际关节角度范围如下表所示： <