郭瑞峰，彭戰(zhàn)奎，張文輝

（西安建筑科技大學(xué) 機電工程學(xué)院，西安 710055）

0 引言

隨著離線編程技術(shù)的應(yīng)用與發(fā)展，在機器人離線編程技術(shù)實用化的過程中，誤差補償成了關(guān)鍵技術(shù)之一[1]。軟件補償法是利用機器人控制系統(tǒng)改變輸入變量來實現(xiàn)誤差補償?shù)姆椒ǎ摲椒ǔ杀镜?，操作性強，是目前常用的補償方法。

關(guān)于機器人軟件補償?shù)膰鴥?nèi)外研究比較多。Z. S.Roth[2]等系統(tǒng)地提出了通過標定的方法來提高機器人的精度。蔡鶴皋[3]等運用修正的D-H模型推導(dǎo)了RMA-I型機器人的實際連桿幾何參數(shù)識別公式，標定后[4～6]機器人的精度能提高一個數(shù)量級。Wang[7]等運用視覺測量系統(tǒng)，結(jié)合神經(jīng)網(wǎng)絡(luò)算法完成了機器人非模型誤差補償。周煒[8]等提出了基于機器人誤差空間網(wǎng)格插值的補償方法?？臻g網(wǎng)格插值補償法[9]是隨著計算機的發(fā)展而被提出的一種新型誤差補償方法，該方法需要占用一定的存儲資源，數(shù)據(jù)量比較大，補償精度與誤差數(shù)據(jù)的密度、準確度以及插值函數(shù)有關(guān)。

本文參考周煒等提出的空間網(wǎng)格插值補償法，綜合考慮混聯(lián)機器人靜態(tài)誤差與動態(tài)誤差因素對其定位精度的影響；在空間網(wǎng)格插值補償法的基礎(chǔ)上，提出空間網(wǎng)格插值迭代補償法，通過最大允許誤差控制迭代次數(shù)來得到不同的定位精度；最后通過MATLAB仿真驗證了所提方法的有效性。

1 機器人工作空間分析

新型四自由度混聯(lián)機器人[10]總體結(jié)構(gòu)示意圖如圖1所示。實際加工要求如下：各連桿加工精度等級ITi=9，根據(jù)機器人各連桿理論值結(jié)合公差標準GB/T 1800.3-1998以及平行度標準GB/T 1184-1996（其中相鄰關(guān)節(jié)軸線的平行度誤差βi，分別由連桿l4，l5的加工精度確定），得到各連桿名義值和偏差值如表1所示。

考慮到傳統(tǒng)DH[11]模型忽略關(guān)節(jié)軸線的微小偏角對機器人定位精度的影響，為了避免機構(gòu)出現(xiàn)奇異性[9]，本文采用5參數(shù)的MDH模型[10,11]建立機器人運動學(xué)模型；然后選取機器人關(guān)節(jié)變量θ1，θ2以及θ3的所有排列組合值，帶入建立的運動學(xué)方程中，可以得到機器人的整個工作空間，如圖2所示。為便于觀察，圖2中只顯示了θ1∈(0,270°)時機器人工作空間。

表1 新型混聯(lián)機器人連桿名義值和偏差值（單位：mm）

圖1 新型混聯(lián)機器人總體結(jié)構(gòu)示意圖

圖2 θ1∈((0°，270°)時的機器人工作空間

2 誤差分析

2.1 靜態(tài)誤差分析

由靜態(tài)誤差因素引起的機器人定位誤差稱為靜態(tài)誤差，靜態(tài)誤差因素主要有各連桿加工誤差和電機跟隨誤差。各連桿加工誤差如表1所示，三個驅(qū)動電機的最大跟隨誤差均為0.01°。

無需通過微分計算，將各定位點實際位置與理論位置坐標Hj0(j=x,y,z)相減，即可得到機器人定位誤差在j軸方向上的分量ΔPj為：

其中：Hj0（理論位置坐標在各軸的分量）為θi和的函數(shù)。

由矢量和定理，機器人的絕對靜態(tài)誤差ΔP為：

綜上，將各連桿名義值及偏差值帶入正運動學(xué)方程可以得到機器人在整個工作空間內(nèi)各定位點的實際位置P′；然后將各定位點實際位置與理論位置坐標相減即可得到對應(yīng)工作點各軸方向上的靜態(tài)誤差ΔPj。通過MATLAB編程分別以變量X，Y，Z為橫坐標、縱坐標和豎坐標，機器人的絕對靜態(tài)誤差ΔP作為第四維顏色坐標，繪制得到機器人在整個工作空間內(nèi)的靜態(tài)誤差云圖如圖3所示。

圖3 θ1∈(0，270°)時的靜態(tài)誤差云圖

2.2 動態(tài)誤差分析

在動態(tài)誤差分析時，為簡化模型提高分析效率，將具有互換性的末端執(zhí)行器及變形量很小的底座、回轉(zhuǎn)平臺和支座作為剛體，對其他連桿進行柔性化處理；考慮到機器人工作空間的對稱性，只需仿真計算機器人在某一個豎直平面內(nèi)的動態(tài)誤差，其他豎直平面內(nèi)的動態(tài)誤差可以通過計算得到。通過LMS Virtual.lab Motion軟件進行動態(tài)靜力學(xué)仿真分析，可以得到機器人在o-xz正半平面上各定位點的實際位置P′。將各定位點實際位置與理論位置坐標相減即可得到對應(yīng)工作點處的動態(tài)誤差，然后由矢量和定理，得到機器人的絕對動態(tài)誤差云圖如圖4所示。

從圖4中可以看出，當載荷為80kg時，機器人在o-xz正半平面上動態(tài)誤差的最大值主要集中在兩個區(qū)域：左上角區(qū)域和右下角區(qū)域。在實際工作中，可以將這兩個區(qū)域設(shè)為非工作區(qū)域。

山東省東營市東營區(qū)是呂劇的發(fā)祥地，一代又一代藝人不斷致力于呂劇的傳承、弘揚。雅俗共賞的呂劇已成為東營人田間地頭、堂前屋后、廣場劇場演唱的一門群眾藝術(shù)。在現(xiàn)代多元文化的影響下，隨著一些老藝人相繼去世，40歲以下年輕人群體漸不知呂劇為何物。因此，有必要對國家級非物質(zhì)文化遺產(chǎn)呂劇文化的發(fā)展壯大，對呂劇在實施“黃藍”國家戰(zhàn)略背景下發(fā)揮其作用，促進產(chǎn)業(yè)轉(zhuǎn)型升級等進行思考和研究探討。

分析機器人的對稱結(jié)構(gòu)可知，在豎直方向載荷的作用下，機器人連桿變形量與的取值無關(guān)。因此只需要根據(jù)機器人在o-xz正半平面上的動態(tài)誤差數(shù)據(jù)，通過數(shù)學(xué)關(guān)系推導(dǎo)，即可得到機器人在整個工作空間內(nèi)的動態(tài)誤差。具體的推導(dǎo)過程如下：

圖4 G=80kg時，機器人在o-xz平面內(nèi)的動態(tài)誤差云圖

由齊次變換法可知，考慮連桿彈性變形時，機器人在整個工作空間內(nèi)的實際定位點可以表示為：

機器人在整個工作空間內(nèi)的動態(tài)誤差為：

結(jié)合式(4)與式(5)，可得：

在MATLAB中編程計算得到載荷為80kg時，機器人在整個工作空間內(nèi)的動態(tài)誤差云圖如圖5所示。

比較圖3與圖5可知，動態(tài)誤差因素對機器人末端執(zhí)行器位置精度的影響程度遠大于靜態(tài)誤差因素。且負載這一可變因素對機器人末端執(zhí)行器所受廣義力造成的影響，明顯的引起了各連桿彈性力的變化。

2.3 誤差綜合

機器人靜態(tài)誤差是由連桿加工誤差引起，屬于剛體運動學(xué)誤差范疇；動態(tài)誤差是由連桿彈性變形引起，屬于柔性體靜力學(xué)誤差范疇；兩個過程相對獨立，由誤差獨立作用原則，靜態(tài)誤差和動態(tài)誤差可以進行線性疊加。由此可得機器人綜合誤差表達式為：

圖5 G=80kg時，機器人在整個工作空間內(nèi)的動態(tài)誤差云圖

由于靜態(tài)誤差分析和動態(tài)誤差分析是兩個相對獨立的過程，因此需要將機器人靜態(tài)誤差數(shù)據(jù)和動態(tài)誤差數(shù)據(jù)分別存儲，分別進行插值計算以獲得整個工作空間內(nèi)任意點的綜合定位誤差。結(jié)合數(shù)據(jù)庫原理，以數(shù)據(jù)庫形式對機器人靜態(tài)誤差和動態(tài)誤差進行存儲。

由于機器人的實際工作空間是連續(xù)的，因此還需要對誤差數(shù)據(jù)進行插值計算，以得到整個工作空間內(nèi)連續(xù)點的定位誤差。

3 空間插值迭代補償法

3.1 空間網(wǎng)格插值補償法

空間網(wǎng)格插值補償法以機器人整個工作空間內(nèi)離散定位點的點位誤差數(shù)據(jù)為基礎(chǔ)，通過空間網(wǎng)格插值的方式對機器人期望定位點的定位誤差進行預(yù)測，并將預(yù)測的誤差值逆補償?shù)嚼碚撟鴺松?，以提高機器人的定位精度。該方法簡單，適用范圍廣，可進行實時補償。

以機器人整個工作空間內(nèi)的離散點為關(guān)鍵點進行四面體網(wǎng)格劃分，其中空間相鄰的八個點組成一個四面體，劃分后的空間效果如圖6所示（只顯示了局部圖形）。

圖6 機器人工作空間網(wǎng)格劃分局部示意圖

本文采用反距離加權(quán)法[9]以兩點之間距離的倒數(shù)作為權(quán)值，是一種加權(quán)平均算法。該方法以小四面體網(wǎng)格為最小單元，可以預(yù)測出網(wǎng)格內(nèi)任意點P(X,Y,Z)處的定位誤差，步驟如下：

1）假設(shè)四面體網(wǎng)格8個頂點Ki(i=1,2,…,8)的坐標為對應(yīng)的定位誤差為計算P點與四面體網(wǎng)格各頂點的距離di，根據(jù)距離反求各頂點的權(quán)值qi如下：

2）根據(jù)第一步所求權(quán)值qi，在三個坐標軸方向上分別進行加權(quán)平均計算，可以得到機器人在(,,)PXYZ處沿三個坐標軸方向上的定位誤差預(yù)測值為：

由于不同定位點處的機器人定位誤差不同，且在整個工作空間內(nèi)機器人定位誤差呈非線性分布，采用修正后的關(guān)節(jié)驅(qū)動角驅(qū)動機器人并不能使補償后的機器人末端位置與期望的位置完全重合，僅能使其逼近期望位置，提高機器人定位精度。

考慮到空間網(wǎng)格插值補償法能使機器人末端執(zhí)行器逼近期望位置，而不能完全與期望位置重合，提出空間網(wǎng)格插值迭代補償法，這種方法以空間網(wǎng)格插值補償法為基礎(chǔ)，通過增加補償次數(shù)來進一步提高機器人的定位精度。

3.2 迭代補償原理

圖7 空間網(wǎng)格插值迭代補償法流程圖

本文按照圖7所示的流程圖對新型混聯(lián)機器人進行定位誤差補償。以機器人靜態(tài)和動態(tài)誤差數(shù)據(jù)庫為基礎(chǔ)，通過空間網(wǎng)格插值計算機器人在工作空間內(nèi)任意點處的綜合定位誤差，然后判斷實際定位點與期望定位點之間的誤差，如果誤差大于設(shè)定值，則將誤差值再次逆補償?shù)嚼碚撐恢米鴺松希蝗绱朔磸?fù)，直至定位誤差小于或者等于設(shè)定值。最后通過逆解方程得到修正后的各關(guān)節(jié)角，并用其驅(qū)動機器人。

3.3 定位誤差補償仿真試驗

對新型混聯(lián)機器人進行定位誤差補償仿真試驗，設(shè)計試驗條件如下：新型混聯(lián)機器人的連桿加工誤差為最大偏差值，具體數(shù)據(jù)如表1所示，三個驅(qū)動電機的最大跟隨誤差為0.01°，末端載荷為80kg，補償后最大允許定位誤差為0.1mm。在工作空間內(nèi)任意選取10個位置點，進行MATLAB仿真得到計算結(jié)果如圖8所示。

從圖8中可以看出，通過迭代補償后機器人絕對定位誤差減小到0.1mm以內(nèi)，定位精度得到了很大程度的提高，充分說明了空間插值迭代補償法的有效性。

圖8 補償前后末端定位誤差對比

4 結(jié)論

為提高混聯(lián)機器人的定位精度，本文綜合考慮靜態(tài)誤差中運動學(xué)參數(shù)誤差與動態(tài)誤差中連桿柔性誤差對混聯(lián)機器人在整個工作空間內(nèi)定位精度的影響；對誤差補償方法進行研究，提出一種空間插值迭代補償法，通過最大允許誤差控制迭代次數(shù)可以得到不同的定位精度，用以滿足不同的定位精度要求；最后通過定位誤差補償仿真試驗將此算法應(yīng)用到新型混聯(lián)機器人定位誤差補償當中，并與空間網(wǎng)格插值補償法進行對比，驗證了所提方法的有效性。

[1]趙東波,熊有倫.機器人離線編程系統(tǒng)的研究[J].機器人,1997,(04)：75-81.

[2]Roth Z S,Mooring B W, Ravani B. An overview of robot calibration[J].IEEE Journal on Robotics and Automation,1987,3(5)：377-385.

[3]蔡鶴皋,張超群,吳偉國.機器人實際幾何參數(shù)識別與仿真[J].中國機械工程,1998,(10)：17-20.

[4]宋月娥,吳林,田勁松,等.用于機器人離線編程的工件標定算法研究[J].哈爾濱工業(yè)大學(xué)學(xué)報,2002,(06)：735-738.

[5]王魯平.串聯(lián)機器人多誤差因素影響下定位精度分析及其誤差補償[D].合肥工業(yè)大學(xué),2015.

[6]Verdonck, Walter. Experimental robot and payload identification with application to dynamic trajectory compensation[J].Production Engineering Machine Design & Automation,2004.

[7]Wang D, Bai Y, Zhao J. Robot manipulator calibration using neural network and a camera-based measurement system[J].Transactions of the Institute of Measurement and Control,2012,34(1)：105-121.

[8]周煒,廖文和,田威.基于空間插值的工業(yè)機器人精度補償方法理論與試驗[J].機械工程學(xué)報,2013,(03)：42-48.

[9]陳宵燕,張秋菊,孫沂琳,等.工業(yè)機器人位姿誤差空間IDSW插值補償方法研究[J].機械科學(xué)與技術(shù),2017,(03)：378-385.

[10]郭瑞峰,彭光宇,楊柳,等.基于MDH模型的新型混聯(lián)碼垛機器人運動學(xué)分析與仿真[J].機械傳動,2017,(02)：122-127+138.

[11]戚禎祥,葉超強,吳建華,等.基于MDH模型的工業(yè)機器人標定算法與實驗研究[J].制造業(yè)自動化,2015,(4)：15-17,26.