导读:本文包含了运动学参数辨识论文开题报告文献综述及选题提纲参考文献，主要关键词:工业机器人,绝对定位精度,BP神经网络粒子群,离线编程
运动学参数辨识论文文献综述
刘飞[1]（2018）在《工业机器人运动学参数辨识及误差补偿研究》一文中研究指出工业机器人已逐步应用在各个领域,传统的工业机器人通常采用再现示教的编程方式,而随着智能制造技术的发展,离线编程已经成为工业机器人技术的重要发展方向。工业机器人离线编程方式要求机器人本身具有较高的绝对定位精度,但现有的工业机器人的绝对定位精度要远低于其重复定位精度。工业机器人运动学标定是提高机器人绝对定位精度的重要方法,参数辨识作为标定中的一个关键环节,旨在辨识出工业机器人的运动学参数误差,从而为误差补偿和精度校准提供依据。为解决粒子群优化(PSO)算法在高维空间求解收敛速度慢的问题,本文引入反向传播神经网络(BPNN),提出一种基于BP神经网络粒子群(BPNN-PSO)的工业机器人参数辨识和误差补偿方法,并通过仿真和实验分别验证了该方法的有效性。本文以某通用型工业机器人作为研究对象,采用Modified Denavit–Hartenberg(MDH)参数方法建立了机器人的运动学模型,对机器人运动学的正逆解进行了分析,利用Matlab Robotic Toolbox进行了机器人运动学模型的验证,进而建立了机器人运动学参数误差模型。为解决测量坐标系和机器人坐标系不一致的问题,提出了一种机器人预辨识误差模型,为后续参数辨识仿真和实验提供理论支撑。研究了传统的最小二乘法机器人参数辨识原理,为解决最小二乘法在非凸优化方面的缺陷,提出了一种基于粒子群算法的工业机器人参数辨识方法,但发现粒子群算法在高维空间求解具有迭代次数多、收敛慢的问题,进而提出一种基于BP神经网络粒子群算法的工业机器人参数辨识方法。为验证上述叁种方法的效果,分别编制Matlab程序对工业机器人的运动学参数误差进行辨识仿真,仿真结果表明:基于最小二乘法的工业机器人参数辨识效果最好,但需考虑冗余参数的影响,且占用内存大;基于粒子群算法的工业机器人参数辨识虽然也能有效辨识参数误差,但其在搜索时存在迭代次数多,收敛慢的缺点;而基于BP神经网络粒子群算法的工业机器人参数辨识能够有效减少搜索时迭代的次数,收敛更快。对叁种不同的参数辨识方法分别进行实验研究,搭建了工业机器人的数据采集平台和误差补偿平台,采集了工业机器人的关节转角数据和末端位置数据,分别采用最小二乘法、粒子群算法和BP神经网络粒子群算法进行了参数辨识实验。参数辨识实验表明相比其他两种方法,BP神经网络粒子群算法能够快速辨识机器人误差参数,具有较强的容错能力,适用于处理精度有限、具有噪声的关节转角数据和末端坐标数据。使用叁种算法的辨识结果进行误差补偿实验,实验结果表明相比于其他两种算法,基于BP神经网络粒子群算法的参数辨识不仅对数据噪声具有较强的容错能力,而且全局搜索的能力更强,对机器人控制器中参数进行补偿后,机器人位置误差由原来的0.643mm减小到0.327mm,绝对定位精度提高了49%。最后,对全文的研究成果做出归纳总结。(本文来源于《昆明理工大学》期刊2018-04-01）
王晨学,平雪良,徐超[2]（2018）在《基于视觉辅助定位的机械臂运动学参数辨识研究》一文中研究指出标定机器臂的运动学参数可以有效提高机械臂的绝对定位精度。针对一般平面约束标定方法往往通过手动示教获取测量数据,效率低,提出一种基于视觉辅助定位约束平面的机械臂运动学参数辨识方法。为了弥补双目视觉视场范围狭小的弊端,在约束平面上粘贴3个靶点,以此将对平面的定位等效成对靶点的定位。应用双目视觉系统提取靶点中心并进行立体匹配,得到靶点在机械臂基坐标系下的叁维位置信息;同时构建靶点坐标系,以此规划出按一定规律分布的约束点;为了进一步提高标定精度,建立双平面约束误差模型,通过两垂直平面上任意非共线的3个点得到一系列法向量,每一对法向量的数量积为0,即增加了约束方程;利用机械臂对相互垂直的两约束平面自动进行接触式测量,通过改进的最小二乘法辨识出真实的运动学参数误差。实验结果表明,基于双平面约束误差模型,修正运动学参数后,机械臂绝对位置精度由1.234mm提高到了0.453 mm。该方法实现了数据的自动化测量,大大提高了标定效率,为机械臂批量标定提供了参考,具有工程意义。(本文来源于《工程设计学报》期刊2018年01期）
王胜[3]（2017）在《基于指数积的youbot机械臂运动学参数辨识研究》一文中研究指出随着科技的进步与信息社会的发展,在航空、医药以及电子产品制造等领域,机器人发挥着重要的作用。在工业生产制造过程中,机器人较高的精度决定了工艺产品的成色。机器人作为生产的主体,受到环境变化、装配形变、齿轮传动、机械磨损等各种因素的影响,导致机器人的内部几何名义参数不能精确地表达机器人执行器末端实际位姿与各个关节之间的关系。因此,需要对机器人的运动学参数进行定期标定。如今,市场上所建立的机器人模型主要运用D-H模型标定方法,虽然此方法较容易实现,但是D-H模型不具备完整性、连续性、参数极小性的特点,极大地影响了机器人作业的性能;同时,在进行运动学参数辨识时,也制约了参数标定方法的实现与应用。本文基于旋量理论,描述机器人运动特性。所采用的指数积建模方法能够很好地克服这些缺点。因此,本文依托南京邮电大学机器人实验室内的Kuka-Youbot机器人作为研究对象,深入研究机器人误差分布问题,并对机器人误差源进行标定与补偿。本文取得的主要成果如下:1.首先,应用李代数、旋量理论描述了机械臂的运动学关系,针对五自由度关节型机器人运动学特性,建立了全局指数积、局部指数积和改进指数积的运动学误差模型。2.针对机器人运动学误差分布,采用全局指数积、局部指数积和改进指数积进行机器人运动学建模。随后基于运动学关系,给出了机器人雅克比矩阵,并且通过仿真软件Matlab进行了数值仿真,分析了一阶线性误差成分以及二阶误差成分的影响。3.基于传统参数标定方法,利用指数积运动学模型,建立了相应的齐次变换误差模型,并且采用空间两点之间的距离误差描述机器人执行器末端的绝对定位精度,给出了基于指数积运动学模型的距离误差标定模型。在辨识过程中发现雅克比矩阵出现奇异现象,采用QR分解以及施密特正交法对冗余参数进行修正,最终实现所有参数的辨识。4.在课题实验部分,测量设备选用天远叁维扫描仪。测量精度达到0.02毫米,确保数据采集的精确度,并能对标定前后的机器人末端位姿进行对比分析。在实验的过程中,叁维扫描仪单次测量范围较小,需要多次测量拼接数据,才能充分表达机器人末端点相对于机器人基坐标系的空间位置信息,再将采集到机器人位姿信息加入到距离误差模型中进行辨识。最后针对Kuka-Youbot这一型号机器人,应用改进的距离误差方法进行了标定实验,结果显示采用改进的POE标定辨识方法使得机器人末端的距离误差大幅降低,同时机器人绝对位置精度明显提高,标定后的Kuka-Youbot机器人到位精度完全能够到达工业要求。(本文来源于《南京邮电大学》期刊2017-10-26）
孙国庆[4]（2017）在《六自由度工业机器人运动学参数辨识方法研究》一文中研究指出随着工业机器人的广泛应用,作为衡量其性能指标之一的末端位置精度,已经逐渐引起人们的关注。由于各种误差因素的影响,工业机器人末端实际位置与理论位置总是存在着一定的误差,这严重影响了工业机器人在高精度要求场合的应用与推广。目前,标定技术是提高工业机器人末端位置精度的主要方法。本文围绕六自由度工业机器人的标定方法和误差补偿问题,以某型号工业机器人为对象,主要开展了以下几方面的工作:针对工业机器人标定问题,结合工业机器人本体结构特点,利用DH(Denavit-Hartenberg)方法建立运动学模型,推导出末端位置与DH参数的关系,并通过仿真与实验验证了所建立的运动学模型。推导出DH参数误差与末端位置误差的转换关系,进一步得到了工业机器人运动学误差模型。对工业机器人运动学参数的线性相关性进行了分析,得到了线性相关的参数以及其对运动学参数辨识结果的影响规律。根据运动学模型与误差模型,提出利用最小二乘法对六自由度工业机器人的运动学参数进行求解。为了简化运动学参数辨识步骤,本文提出一种遗传禁忌搜索算法,此算法不需要对误差模型进行分析与变换,而将参数误差求解看作是一个优化问题,利用遗传算法与禁忌搜索算法相结合的方法进行最优值搜索,最后获得最优适应度函数值。基于Robotics等工具箱与MATLAB的GUI界面,编制了参数辨识软件,分别利用最小二乘法和遗传禁忌搜索算法对工业机器人的运动学参数进行仿真辨识,确定了参数辨识算法需要的最少数据量。仿真结果显示,在进行参数辨识和补偿后,末端绝对位置精度得到明显提升,基于最小二乘法的参数辨识后,机器人末端最大方向误差从3mm,下降到0.005mm。基于遗传禁忌搜索算法参数辨识后,末端最大方向误差下降到0.008mm。以关节臂式坐标测量机作为测量工具进行了相关实验研究。首先测量了工业机器人末端在测量机坐标系下的空间位置坐标;然后再利用算法将空间位置坐标转换到工业机器人坐标系中,并分别利用上述两种辨识方法进行运动学参数辨识。一般情况下,机器人末端绝对位置精度通常要求在5mm以内,辨识后,最大方向误差从15mm下降到0.7mm和1.4mm以内,可以满足机器人在一般情况下的使用要求;最后将两组实验结果进行对比分析,基于最小二乘法的参数辨识效果较好,但是基于遗传禁忌搜索算法的参数辨识算法的辨识步骤较简单,效率更高,可以专注于算法的优化。(本文来源于《昆明理工大学》期刊2017-04-01）
赵国鹏[5]（2016）在《永磁同步电机运动学参数辨识算法研究》一文中研究指出永磁同步电机相较于普通交流变频电机具有结构简单,功率因数高,运行损耗低,高力矩惯量比,控制简单方便的优势,广泛应用于要求定位准确,响应快速,调速范围宽的高性能伺服领域。然而,随着实际需求的提高与研究的深入,对永磁同步电机伺服系统性能的要求越来越高,其机械性能受电机运动学参数,尤其是系统转动惯量和负载转矩的影响较大。若能够对转动惯量和负载转矩进行实时辨识,依据辨识结果对其控制系统进行迅速调整,可大大提高永磁同步电机伺服系统的控制效果。本文围绕永磁同步电机的转动惯量与负载转矩辨识进行了以下研究:本文建立了永磁同步电机矢量控制数学模型及其双闭环仿真模型,针对转动惯量辨识提出了基于模型参考自适应原理的转动惯量辨识算法和基于递推最小二乘原理的转动惯量辨识算法。通过MATLAB/Simulink仿真分析了不同给定条件下两种算法的辨识结果情况,研究了增益系数对模型参考自适应算法的影响及遗忘因子对最小二乘算法的影响。针对辨识算法在快速性和稳定性方面存在的矛盾,提出了根据外界条件变化参数可调节的改进算法,有效提高了算法的辨识效果,增强了算法的实用性。同时,将惯量辨识结果与PI参数自整定技术相结合,对系统速度环控制器参数进行自整定,提高了系统的动态响应能力。针对负载转矩辨识,本文在全阶状态观测器的基础上运用状态重构思想,详细阐述了两种不同结构的降阶负载转矩观测器的构造思路,两种降阶负载转矩观测器结构中分别包含两个和一个调节参数,调节控制简便,实现了观测器结构的简化。通过建立相关仿真模型,选择不同的极点配置方式,分析研究了影响降阶负载转矩观测器辨识效果的因素,选取最优参数实现了对电机负载转矩的有效观测。同时,使用负载转矩辨识结果对系统增加前馈补偿,提高了系统的动态响应能力,减小了因负载转矩变化引起的速度波动。最后,以施耐德伺服电机为基础搭建了伺服电机转动惯量实验测试平台,使用Lab VIEW编制了上位机软件界面,设计相关实验模拟了伺服电机实际工作环境中出现的系统惯量和负载转矩发生变化的情景,验证了辨识算法的有效性。(本文来源于《哈尔滨工业大学》期刊2016-07-01）
赵海波,李巍,王一建[6]（2016）在《基于逆运动学的6-UPS并联机构运动学参数辨识方法》一文中研究指出为了提高6-UPS并联机构的定位精度,研究了一种基于逆运动学的6-UPS并联机构运动学参数辨识方法。首先基于逆运动学建立了6-UPS并联机构的运动学参数辨识模型,然后通过Levenberg-Marquardt最小二乘法对模型进行求解,最后对该算法进行了仿真验证。结果表明该算法可以很快收敛,在测量设备没有测量误差的理想状态下,参数辨识精度达到10-10mm。在测量设备存在1μm、1″的误差状态下,参数辨识精度达到10-3mm,足以满足大部分应用场合下6-UPS的位姿精度要求。(本文来源于《长春理工大学学报(自然科学版)》期刊2016年02期）
张怀山[7]（2016）在《关节式坐标测量机运动学参数辨识》一文中研究指出关节式坐标测量机是一种关节机器人结构形式的坐标测量设备,与传统叁坐标测量机相比,具有体积小、重量轻、结构简单、便于工业现场应用的特点,目前主要用于产品逆向设计、大型精密零部件的装配、艺术品复制等领域,具有广阔的应用前景,但目前与传统坐标测量设备相比,其测量精度还较低,运动学参数辨识是提高关节式坐标测量机精度的最重要的方法之一。研究了关节式坐标测量机的结构特点,为了研究运动学模型对运动学参数辨识结果的影响以及提高关节式坐标测量机的精度,首先利用传统的DH(Denavit-Hartenberg)方法建立了关节式坐标测量机的运动学模型,然后为了解决DH方法运动学参数的连续性和奇异性问题,基于MCPC (Modified Complete and Parametrically Continuous)方法建立关节式坐标测量机另一种运动学模型,并通过仿真与实验的方法分别验证了所建立的运动学模型。分析影响关节式坐标测量机的测量精度的主要误差来源,并建立了基于DH方法与MCPC方法的误差模型。研究了关节式坐标测量机运动学参数辨识方法,通过对目前常见的单点法、两点距离法和平面法的分析,发现它们存在着采集到的数据冗余程度高、需要借助精密仪器、辨识计算量大等问题,在此基础之上提出一种基于直线距离的运动学参数辨识方法,该方法利用光栅传感器实现测头直线距离的计算,具有精度高、辨识计算量小的优点。为了解决该方法的装置运动不灵活的问题,又提出一种适用于工业现场的运动学参数辨识方法,该方法利用角度传感器实现测头空间两点距离的计算,具有运动空间大、运动灵活、采集数据广、计算量小的优点。分别设计出提出的两种方法的参数辨识装置,并申请了发明专利。用最小二乘法分别对建立的两种模型的关节式坐标测量机的运动学参数进行仿真辨识,确定了两种模型进行运动学参数辨识最少需要的数据量。对DH方法的运动学参数的线性相关性进行了分析,并得到线性相关的参数以及线性相关的参数对运动学参数辨识结果的影响规律。同时研究了辨识数据对辨识结果的影响,并确定了辨识时所需要的数据量。通过两种模型的仿真辨识,可以发现基于MCPC模型的运动学参数辨识精度要高于基于DH模型的精度,说明MCPC模型在参数辨识阶段的优越性。最后进行了实验研究。首先,采集关节转角值与光栅传感器的值并进行关节转角偏心误差的验证。其次,采集关节转角与测头坐标值并利用最小二乘法分别对两种模型进行运动学参数辨识。最后,对实验结果进行分析,分析表明不辨识关节转角零位偏差时,基于MCPC模型的辨识精度要高于基于DH模型的精度,但辨识出的运动学参数对测量机精度的提高效果有限。利用DH模型辨识出关节零位偏差后,再进行其他参数的辨识,则可极大提高测量机的精度,这说明关节零位偏差虽小,但对测量机精度影响却很大。而MCPC模型无法辨识出关节零位偏差,因此,如果要利用MCPC模型进行运动学参数的辨识必须首先提高角度传感器的安装精度,以确保关节转角的准确性。(本文来源于《昆明理工大学》期刊2016-04-01）
白国振,荆鹏翔[8]（2015）在《基于改进粒子群算法的并联机械手运动学参数辨识》一文中研究指出针对Delta并联机械手在运动过程中由于受静态误差的影响,使其运动学精度降低的问题,提出了一种运动学参数辨识的新方法.首先建立含有9项主要误差源的误差模型,提出一种基于粒子分类和按维动态改变权重(PC-DCWD)的改进粒子群算法.该算法引入平均极值将粒子分类,针对不同粒子采用异步进化策略,增强种群间的协作;针对进化过程中同一粒子的不同维度所出现的维差异问题,通过引入距离因子概念,实现粒子按维动态改变惯性权重的策略.通过对五个经典函数进行测试,并与线性递减粒子群优化算法进行比较,仿真结果表明,PCDCWD算法能有效避免陷入局部最优,提高算法的精度和收敛速度,具有更强的优化性能.最后,对误差模型的9项误差源进行参数辨识,仿真结果表明,辨识值与真实值几乎相等,从而验证了所提算法的有效性、可行性.(本文来源于《信息与控制》期刊2015年05期）
白云飞,丛明,杨小磊,刘冬[9]（2015）在《基于6参数模型的6R串联机器人运动学参数辨识》一文中研究指出为了避免运动学参数误差辨识中存在参数不连续、计算收敛速度慢的现象,基于一种6参数模型,在DH(Denavit-Hartenberg)法建立的杆件坐标系上建立了6R串联机器人的误差模型,并给出了参数转化公式.设计了计算机仿真实验,在存在驱动器、测量仪器随机噪声误差的条件下对比了使用MDH(改进DH)参数误差模型和6参数模型的仿真辨识效果.6参数模型和MDH模型辨识后定位平均误差分别降低了96.1%和52.9%.结果显示6参数模型具有良好的完备性、连续性.6参数模型的误差参数范围可以从制造公差中得出,辨识速度高于MDH模型,通过公差控制参数范围,消除了没有达到极小性要求对误差辨识的影响.应用此方法对一台SR165型机器人进行参数辨识,定位平均误差由2.5 mm降低至0.35 mm.(本文来源于《机器人》期刊2015年04期）
张越[10]（2013）在《机器人运动学参数辨识及冗余参数研究》一文中研究指出机器人需要具有很高的末端精度，然而生产装配过程中的误差、关节间隙及臂杆柔性会降低机器人末端精度，为了提高机器人的末端精度，有必要对机器人运动学参数进行辨识。本文以链式机器人为研究对象，基于机器人运动学模型及误差模型进行运动学参数辨识，并对冗余参数问题进行了研究，该研究对指导参数辨识具有理论参考价值和工程应用价值。基于DH方法建立了机器人运动学模型，得到了机器人末端位置与DH参数的关系，指出参数辨识雅可比矩阵为误差模型的系数矩阵。推导得到了不同坐标系微分变量转换关系及DH参数误差与关节坐标系位姿误差的转换关系，进一步得到了机器人末端位姿误差模型。以6自由度机器人为例，分别基于DH模型和MDH模型，并利用最小二乘方法进行参数辨识，得知除Δd_5, Δθ_5, Δa_5, Δa_5, Δθ_6, Δα_6外，其他运动学参数均得到了较为精确的辨识结果，参数修正后末端位置误差大幅减小，且MDH参数的辨识结果优于DH参数的辨识结果，对冗余参数研究的必要性进行讨论，知冗余参数的存在会严重影响参数辨识的准确性和鲁棒性。分别对广义误差参数和DH误差参数进行了冗余性分析，通过理论方法推导了雅可比矩阵相关列之间的线性关系，得到了不同辨识条件（测量末端位姿或仅测量末端位置）、不同构型机器人（不同运动学参数）的广义误差冗余参数和DH误差冗余参数。以前面提到的6自由度机器人为例，对冗余参数研究的结果进行仿真验证，仿真结果显示去除冗余参数后的辨识结果优于去除冗余参数前的辨识结果，运动学参数全部收敛于真实值，冗余参数研究的结果得到了验证，因此该研究有一定的参考价值。(本文来源于《哈尔滨工业大学》期刊2013-07-01）
运动学参数辨识论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
标定机器臂的运动学参数可以有效提高机械臂的绝对定位精度。针对一般平面约束标定方法往往通过手动示教获取测量数据,效率低,提出一种基于视觉辅助定位约束平面的机械臂运动学参数辨识方法。为了弥补双目视觉视场范围狭小的弊端,在约束平面上粘贴3个靶点,以此将对平面的定位等效成对靶点的定位。应用双目视觉系统提取靶点中心并进行立体匹配,得到靶点在机械臂基坐标系下的叁维位置信息;同时构建靶点坐标系,以此规划出按一定规律分布的约束点;为了进一步提高标定精度,建立双平面约束误差模型,通过两垂直平面上任意非共线的3个点得到一系列法向量,每一对法向量的数量积为0,即增加了约束方程;利用机械臂对相互垂直的两约束平面自动进行接触式测量,通过改进的最小二乘法辨识出真实的运动学参数误差。实验结果表明,基于双平面约束误差模型,修正运动学参数后,机械臂绝对位置精度由1.234mm提高到了0.453 mm。该方法实现了数据的自动化测量,大大提高了标定效率,为机械臂批量标定提供了参考,具有工程意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
运动学参数辨识论文参考文献
[1].刘飞.工业机器人运动学参数辨识及误差补偿研究[D].昆明理工大学.2018
[2].王晨学,平雪良,徐超.基于视觉辅助定位的机械臂运动学参数辨识研究[J].工程设计学报.2018
[3].王胜.基于指数积的youbot机械臂运动学参数辨识研究[D].南京邮电大学.2017
[4].孙国庆.六自由度工业机器人运动学参数辨识方法研究[D].昆明理工大学.2017
[5].赵国鹏.永磁同步电机运动学参数辨识算法研究[D].哈尔滨工业大学.2016
[6].赵海波,李巍,王一建.基于逆运动学的6-UPS并联机构运动学参数辨识方法[J].长春理工大学学报(自然科学版).2016
[7].张怀山.关节式坐标测量机运动学参数辨识[D].昆明理工大学.2016
[8].白国振,荆鹏翔.基于改进粒子群算法的并联机械手运动学参数辨识[J].信息与控制.2015
[9].白云飞,丛明,杨小磊,刘冬.基于6参数模型的6R串联机器人运动学参数辨识[J].机器人.2015
[10].张越.机器人运动学参数辨识及冗余参数研究[D].哈尔滨工业大学.2013