串联工业机器人两级定位误差标定方法研究

针对串联型工业机器人的绝对定位误差较大的问题,该文提出一种两级误差标定方法,该方法融合了误差模型法和基于径向基(radial?basis?function,?RBF)神经网络的非模型标定方法.首先,基于M-DH(modified?DH)运动学模型建立串联型工业机器人的位姿误差模型,并基于差分进化?(differential?evolution,?DE)优化算法实现M-DH运动学参数误差的辨识,将TX60机器人的平均综合位置/姿态误差从(0.5368?mm,0.1745°)降低为(0.1772?mm,0.0875°).其次,为了进一步提升机器人的精度性能,利用RBF神经网络拟合预测TX60机器人的剩余误差,该方法将机器人的平均综合位置/姿态误差从(0.2178?mm,0.0863°)降低为(0.1044?mm,0.0411°).最后,通过实验验证基于两级误差标定方法的精度提升效果要优于单一的基于RBF神经网络的误差标定方法,平均综合位置/姿态误差降低比例分别是4.9％和14.9％.因此,该文提出的两级误差标定方法能够有效地提升机器人的精度性能.