28、利用运动学校准和变形估计优化机器人定位精度

利用运动学校准和变形估计优化机器人定位精度

一、引言

协作机器人在对位置精度要求较高的应用场景中具有很大的应用潜力。与传统工业机器人相比，协作机器人更具柔顺性，更适合与物体或环境接触的任务。然而，要使机器人达到所需的位置精度仍然具有挑战性。

机器人校准是提高其位置精度的常用方法。校准广义上是指识别影响机器人末端执行器位姿（位置和方向）确定精度的机器人参数，主要包括四个步骤：
1. 建模 ：建立描述机器人运动学和动力学特性的数学模型。
2. 测量 ：获取机器人末端执行器的实际位置和姿态数据。
3. 估计 ：根据测量数据估计模型中的参数。
4. 补偿 ：根据估计的参数对机器人的运动进行补偿。

末端执行器期望位姿与实际位姿之间的偏差可能由运动学参数和非运动学参数的误差引起。运动学参数描述机器人结构的几何形状，通常由制造商提供的名义参数与实际参数存在偏差，如连杆长度、关节偏移距离和关节轴未对准等。非运动学误差源包括关节柔性、连杆柔性、齿轮箱误差等。由于非运动学误差可能具有高度非线性，开发包含所有误差源的模型并不容易，因此在大多数情况下，非运动学误差未被考虑。

为了提高机器人的定位精度，我们提出了一种考虑变形相关误差的校准策略，通过补偿重力引起的误差来优化机器人的整体定位精度。

二、机器人误差建模

（一）运动学误差

使用Denavit - Hartenberg（DH）约定来描述机器人运动学。对于每个关节 $i$，使