68、工业机器人运动学参数识别补偿与无人机嵌入式电缆路径规划

工业机器人运动学参数识别补偿与无人机嵌入式电缆路径规划

1 工业机器人运动学参数识别与补偿

1.1 误差参数识别

在数据中加入测量噪声后，对比一次迭代前后估计结果相对于预定义值的相对误差（百分比）。从结果可知，最小二乘法能够正确识别校准模型中的 27 个误差参数，并且经过一次迭代过程后，识别精度还能进一步提高，同时也证明了该算法的有效性和抗噪声性能。

1.2 误差补偿方法

1.2.1 补偿方法

利用识别出的运动学参数，可以直接修改机器人的正向运动学模型。但逆向运动学模型是在某些参数为理想标称值的条件下计算得出的，不能直接修改。只有采用合适的误差补偿方法，才能有效提高机器人的绝对定位精度。常见的补偿方法有：
- 关节空间中的牛顿 - 拉夫逊方法。
- 笛卡尔空间中的微分误差变换方法。

这些补偿方法的原理基于机器人运动学参数的微小变化会导致末端执行器位置相应变化，即正向运动学的连续性。牛顿 - 拉夫逊方法以此为原理，计算目标配置下关节角度的相应补偿，以补偿由所有运动学参数误差引起的机器人末端执行器的位置误差。不过，该方法在计算过程中需要进行逆向运动学计算。

算法 2 的具体步骤如下：
1. 根据标称运动学模型，为期望姿态 (T_n) 计算标称关节变量 (q_c)。
2. 基于修改后的运动学模型，使用 (q_c) 估计除关节变量误差外所有运动学误差导致的实际姿态 (T_r)。
3. 计算实际姿态相对于每个关节变量的偏微分 (\frac{\partial T_r}{\partial h_i} dh_i)（(i = 1, 2, \cdots, 6)）