一种基于天牛须算法的工业机器人标定补偿方法

摘要

本发明涉及一种基于天牛须算法的工业机器人标定补偿方法，包括以下步骤：建立工业机器人运动学模型；操作工业机器人，利用测量工具获取采样点数据；根据工业机器人运动学模型定义适应度函数；对天牛须算法进行初始化；利用天牛须算法迭代求解工业机器人的运动学模型参数；迭代直至满足终止条件，输出标定后的工业机器人运动学模型参数，并利用此参数对工业机器人进行补偿。本发明可以有效、快捷地对工业机器人的运动学参数进行标定及补偿，其性能优越且鲁棒性强。

权利要求

1.一种基于天牛须算法的工业机器人标定补偿方法，其特征在于，包括以下几个步骤：步骤1：建立工业机器人的运动学模型；

在Denavit–Hartenberg规则上建立工业机器人的运动学模型，相邻连杆间的齐次变换矩阵 如式(1)所示，其中α为连杆扭角，a为连杆长度，d为连杆偏置，θ为关节转角，s和c分别表示sin和cos的缩写，将连杆变换矩阵相乘，即可得到工业机器人的运动学模型如式(2)所示：将工具坐标系的姿态设置为和工业机器人的法兰坐标系一致，工业机器人法兰坐标系{6}与工具坐标系{t}之间的变换矩阵 用三个参数(xt,yt,zt)即可描述，如式(3)所示：步骤2：操作工业机器人，利用测量工具获取采样点数据；

控制工业机器人依次到达各个采样点并记录每个采样点在笛卡尔坐标系下的位置数T据Pli＝[xli,yli,zli]，并记录相对应的工业机器人的各个关节角度Xi＝[θi1,θi2,…,θin]；

步骤3：根据工业机器人运动学模型定义适应度函数；

T

将利用测量工具获得的采样点位置Pli＝[xli,yli,zli]定义为实际位置，将利用工业机T器人运动学参数以及各个关节角度计算出的位置Pci＝[xci,yci,zci]定义为理论位置，所有采样点理论位置与实际位置之间的距离误差绝对值之和为适应度函数，如式(4)所示，适应度函数的值越小，则说明所标定的工业机器人运动学参数越接近真实值；

步骤4：对天牛须算法进行初始化；

对天牛须算法进行初始化，具体包括以下参数设定：所优化问题的维度n，最大迭代次数N，步长更新衰减系数ηs，天牛两须之间距离d0，天牛步长s0，搜索距离与步长关系系数c2，随机初始解x0；

步骤5：利用天牛须算法迭代求解工业机器人的运动学模型参数；

天牛须算法的具体迭代过程为：

产生一个随机方向向量，并进行标准化 根据公式(5)计算天牛左右须坐标；

计算天牛两须位置所对应的适应度函数值 根据公式(6)决定天牛下一刻移动的位置；

根据公(7)更新搜索距离与步长；

步骤6：迭代直至满足终止条件，输出标定后的工业机器人运动学模型参数；

步骤7：利用输出参数对工业机器人运动学模型进行修正，实现其精度补偿。

说明书

一种基于天牛须算法的工业机器人标定补偿方法

技术领域

[0001] 本发明涉及一种机器人标定技术，具体地说是一种基于天牛须算法的工业机器人标定补偿方法，属于先进制造与自动化领域。

背景技术

[0002] 随着机器人技术的发展，工业机器人已被广泛应用于汽车、电子、物流、化工等工业领域之中。然而重复定位精度达到甚至小于±0.1mm的工业机器人，其绝对定位精度只有±2～3mm，难以满足一些需要高精度定位的应用，因此，需要提高工业机器人的绝对定位精度。

[0003] 工业机器人的定位误差主要由机器人运动学参数误差、环境因素误差、控制系统误差以及载荷变形误差等组成。考虑到工业机器人的运动学参数误差占总定位误差的90％，对工业机器人进行运动学参数标定是提高其定位精度的重要方式。工业机器人的运动学参数标定与补偿通常按照以下四个步骤实施：建模、测量、参数辨识、误差补偿。基于运动学参数标定的精度补偿方法的机理在于通过识别精确的机器人模型提高机器人的定位
精度，主要分为线性化运动学模型参数识别以及非线性运动学模型参数识别。线性化运动模型参数识别方法虽然计算简单、效率高，但是其识别结果精度不高，因此，目前大多数研究集中在非线性运动学模型参数识别方法，例如遗传算法、模拟退火算法、禁忌搜索算法、粒子群算法等，但是这些算法的效果与算法参数选择关系较大，且当待优化的采样点较多时，会存在计算速度慢、效率低的问题。

[0004] 天牛须算法是最近提出的一种新型高效的生物启发式智能优化算法，该算法受到天牛觅食原理的启发。当天牛觅食时，会利用其两只长触角根据食物气味的强弱来判断食物的位置。如果左边触角收到的气味强度比右边大，那下一步天牛就往左飞，否则就往右飞。依据这一简单原理天牛就可以有效找到食物，即找到最优值。该算法不需要知道待优化函数的具体形式，不需要梯度信息，就可以实现高效寻优。相比与种群算法，天牛须搜索只需要一个个体，即一只天牛，运算量大大降低。

发明内容

[0005] 针对现有技术中存在的上述不足之处，为了使工业机器人绝对定位精度能够达到实际应用的要求，本发明要解决的技术问题是提供一种基于天牛须算法的工业机器人标定补偿方法，该方法方便快捷，能够实现工业机器人的有效高精度标定及补偿，且鲁棒性强。

[0006] 本发明的一种基于天牛须算法的工业机器人标定补偿方法包括以下步骤：

[0007] 步骤1：建立工业机器人的运动学模型；

[0008] 步骤2：操作工业机器人，利用测量工具获取采样点数据；

[0009] 步骤3：根据工业机器人运动学模型定义适应度函数；

[0010] 步骤4：对天牛须算法进行初始化；

[0011] 步骤5：利用天牛须算法迭代求解工业机器人的运动学模型参数；

[0012] 步骤6：迭代直至满足终止条件，输出标定后的工业机器人运动学模型参数；

[0013] 步骤7：利用输出参数对工业机器人运动学模型进行修正，实现其精度补偿。

[0014] 所述步骤1中的工业机器人的运动学模型是在Denavit‑Hartenberg规则上建立的，从连杆i‑1到连杆i的变换矩阵 如式(1)所示，其中α为连杆扭角，a为连杆长度，d为连杆偏置，θ为关节转角。s和c分别表示sin和cos的缩写。将连杆变换矩阵相乘，即可得到工业机器人的运动学模型。

[0015]

[0016] 所述步骤2中，需要利用测量工具获取每个采样点在笛卡尔坐标系下的位置数据T
Pli＝[xli，yli，zli]，以及记录相对应的工业机器人的各个关节角度Xi＝[θi1，θi2，…，θin]。

[0017] 所述步骤3中的适应度函数f是所有利用工业机器人运动学参数计算出的采样点T T
位置Pci＝[xci，yci，zci] 与通过测量工具获取的采样点位置Pli＝[xli，yli，zli]之间的距离偏差绝对值的总和，即 假设总采样点数是n。

[0018] 所述步骤4中天牛须算法需要进行以下参数设定：所优化问题的维度n，最大迭代次数N，步长更新衰减系数ηs，天牛两须之间距离d0，天牛步长s0，搜索距离与步长关系系数c2，随机初始解x0。

[0019] 所述步骤5中的天牛须算法迭代过程主要包括：

[0020] (1)产生一个随机方向向量，并进行标准化 根据公式(2)计算天牛左右须坐标。

[0021]

[0022] (2)计算天牛两须位置所对应的适应度函数值 根据公式(3)决定天牛下一刻移动的位置。

[0023]

[0024] (3)根据公(4)更新搜索距离与步长。

[0025]

[0026] 本发明的优点在于：

[0027] 1、本发明所使用的方法只需要建立工业机器人的运动学模型而不需要建立复杂的工业机器人运动学误差模型，大大减少了计算量。

[0028] 2、本发明将天牛须算法引入到工业机器人的运动学参数标定中。天牛须算法作为一种新型高效的生物启发式智能优化算法，具有良好的优化能力，该算法不需要知道待优化函数的具体形式，不需要梯度信息，就可以实现高效寻优。并且天牛须算法只需要一个个体，运算量很小。因此，利用天牛须算法对工业机器人进行标定补偿，能够有效、便捷、快速地对工业机器人的运动学参数进行标定及补偿，其性能优越且鲁棒性强。

附图说明

[0029] 图1是本发明的一种基于天牛须算法的工业机器人标定补偿方法的流程图。

[0030] 图2是本发明的具体实施例下工业机器人运动学模型示意图。

[0031] 图3是本发明的具体实施例下适应度函数值迭代变化曲线图。

具体实施方式

[0032] 下面将结合附图和实施例对本发明作进一步的详细说明。

[0033] 本发明是一种基于天牛须算法的工业机器人标定补偿方法，流程如图1所示，包括以下几个步骤：

[0034] 步骤1：建立工业机器人的运动学模型。

[0035] 本实施例中所使用的机器人为串联六自由度工业机器人，根据改进的D‑H法建立其运动学模型，如图2所示。相邻连杆间的齐次变换矩阵 如式(1)所示，其中α为连杆扭角，a为连杆长度，d为连杆偏置，θ为关节转角。s和c分别表示sin和cos的缩写。将连杆变换矩阵相乘，即可得到工业机器人的运动学模型如式(2)所示。

[0036]

[0037]

[0038] 值得说明的是，在本实施例中，由于实验中所使用的测量设备为激光跟踪仪，只获取了工具坐标系的位置信息，而无姿态信息，因此将工具坐标系的姿态设置取为和工业机器人的法兰坐标系一致。工业机器人法兰坐标系{6}与工具坐标系{t}之间的变换矩阵 用三个参数(xt，yt，zt)即可描述，如式(3)所示。

[0039]

[0040] 步骤2：操作工业机器人，利用测量工具获取采样点数据。

[0041] 在利用激光跟踪仪获取采样点数据之前，应当首先将机器人基座标系、激光跟踪仪坐标系以及工具坐标系建立关联，建立方法在此不做赘述。控制工业机器人依次到达各T个采样点并记录每个采样点在笛卡尔坐标系下的位置数据Pli＝[xli，yli，zli] ，以及记录相对应的工业机器人的各个关节角度Xi＝[θi1，θi2，…，θin]。

[0042] 步骤3：根据工业机器人运动学模型定义适应度函数。

[0043] 将利用激光跟踪仪测量获得的采样点位置Pli＝[xli，yli，zli]T定义为实际位置，将T利用工业机器人运动学参数以及各个关节角度计算出的位置Pci＝[xci，yci，zci]定义为理论位置。所有采样点理论位置与实际位置之间的距离综合为适应度函数，如式(4)所示，适应度函数的值越小，则说明所标定的工业机器人运动学参数越接近真实值。

[0044]

[0045] 步骤4：对天牛须算法进行初始化。

[0046] 对天牛须算法进行初始化，具体包括以下参数设定：

[0047] 所优化问题的维度n，最大迭代次数N，步长更新衰减系数ηs，天牛两须之间距离d0，天牛步长s0，搜索距离与步长关系系数c2，随机初始解x0。

[0048] 本实施例的初始化参数为：

[0049] n＝24，N＝200，ηs＝0.95，d0＝1，s0＝0.06，c2＝5。x0为工业机器人名义运动学参数，即x0＝[0，0，0，0，0，0，0，90，0，90，‑90，90，0，500，1300，55，0，0，1045，0，0，1525，0，290]。

[0050] 步骤5：利用天牛须算法迭代求解工业机器人的运动学模型参数。

[0051] 天牛须算法的具体迭代过程为：

[0052] 产生一个随机方向向量，并进行标准化 根据公式(5)计算天牛左右须坐标。

[0053]

[0054] 计算天牛两须位置所对应的适应度函数值 根据公式(6)决定天牛下一刻移动的位置。

[0055]

[0056] 根据公(7)更新搜索距离与步长。

[0057]

[0058] 步骤6：迭代直至满足终止条件，输出标定后的工业机器人运动学模型参数。

[0059] 迭代过程中适应度函数值的变化曲线如图3所示，迭代终止后，得到工业机器人的运动学模型参数如下表所示。

[0060] 表1标定后工业机器人运动学参数

[0061]

[0062] 步骤7：利用输出参数对工业机器人运动学模型进行修正，实现其精度补偿。

[0063] 利用基于天牛须算法的工业机器人标定补偿方法对工业机器人进行补偿，对于100个测试点，利用可将其绝对定位精度误差平均值从1.8211mm提高到了0.8341mm，将工业机器人的绝对定位平均精度提高了54.2％。

[0064] 结果分析：

[0065] 在利用天牛须算法迭代求解工业机器人的运动学模型参数过程中，当迭代次数到达60次时，就达到了收敛。由于天牛须算法具有良好的优化能力，且仅需要一只天牛，所以运算量很小，整个优化过程只需要20.16s的时间。利用本发明的方法对工业机器人进行标定补偿地结果表明可将工业机器人的绝对定位平均精度提高54.2％，因此本发明可以有效、便捷、快速地对工业机器人的运动学参数进行标定及补偿，其性能优越且鲁棒性强。