基于機器人研究過程分析及研究進展

潘 婷，李冬英，白 豪，龔家勤

（邵陽學院 機械與能源工程系，湖南 邵陽422000）

機器人不斷更新?lián)Q代，從第一代遙控控制的機器人到第二代程序控制的機器人，發(fā)展到今天的智能化機器人，機器人技術已經成熟到可以代替人類方方面面的工作。像德國等西方工業(yè)強國，在農業(yè)生產，工業(yè)生產方面基本上都配備了整套的機器人自動化生產鏈，生產效率高，產品質量好。而國內只有一些工業(yè)巨頭才有相同的生產條件，大部分的公司還是采用人工或者半自動化為主的生產模式，這種模式也造成國內生產效率跟國外有所差距。機器人技術領導了一個工業(yè)時代，代表一個國家的工業(yè)科技水平，重點發(fā)展機器人技術對每個國家而言都具有重要戰(zhàn)略意義。

1 機器人研究過程

機器人運動過程精度補償?shù)倪^程分為4個方面：模型建立，數(shù)據測量，參數(shù)辨識，精度補償。其中模型建立指建立機器人運動學模型，反映出桿件的末端位姿與關節(jié)變量的關系，數(shù)據測量是獲取模型中的數(shù)據的過程，參數(shù)辨識是對獲得的數(shù)據進行處理，推導出定位誤差與運動學參數(shù)誤差的關系，得到需要的結果，補償是末端定位誤差研究的目的，對定位誤差進行補償從而滿足一定的精度需求。主要示意圖如圖1所示：

圖1機器人精度補償過程

1.1 模型建立

國外對運動誤差的研究起步較早，起始于上世紀六七十年代，工業(yè)機器人建模方法最常用的是DH模型，是Denavit和Hartenbe于1955年在“ASME Journal of Applied Mechanics”上首次提出的一種數(shù)學模型，它給出了一套建立機器人連桿坐標系的方法，然后通過每個連桿與相鄰連桿坐標系間的齊次變換矩陣建立機器人基座到終端的關系。但該模型的不足之處在于模型的參數(shù)不容易被直接辨識，并且當機器人存在兩條或兩條以上相鄰軸線平行或近似平行時，會出現(xiàn)參數(shù)跳變的問題[1]。Hayati[2]在D-H模型的基礎上，提出了在平行軸處額外引入一個旋轉參數(shù)的MD-H模型(修正D-H模型)。但該模型用于存在相鄰兩軸垂直或近似垂直的機器人時，同樣會出現(xiàn)奇異問題；Driels[3]提出了另一種修正的D-H模型，該模型使用6個虛擬的關節(jié)建立了一種通用的關節(jié)模型，當兩平行關節(jié)軸線有微小的偏離時，只需對模型參數(shù)進行微小的修正即可；Stone[4]在D-H模型的基礎上提出S模型，該模型使用3個平移量和3個旋轉量來表示連桿坐標系相對于關節(jié)軸的位姿，其參數(shù)相比于D-H模型，更具有完整性；Sheth[5]學者提出了形狀矩陣模型(Shape Matrix Model，該模型參數(shù)具有完整性和比例性，且允許坐標系建立在連桿的任意位置；Zhuang[6]及Schroer等[7]學者提出了一種在實際參數(shù)發(fā)生微小變化時，機器人位姿不會發(fā)生突變的CPC模型，該模型強調參數(shù)的完整與連續(xù)性；Chen等[8]提出指數(shù)積模型(POE模型)，該模型的優(yōu)點在于坐標系可以建立在連桿的任意位置，且能夠避免奇異性，該模型不僅適用于傳統(tǒng)工業(yè)機器人，也適用于模塊可重構的機器人。

1.2 數(shù)據測量

在標定過程中，測量是與機構運動特性聯(lián)系最緊密的步驟，測量精度的高低將直接影響標定的整體結果。不同的機構需要根據自身的測量需求，設計和使用不同的測量工具。機器人運動學標定常用的商業(yè)測量裝置有：經緯儀、球桿儀、三坐標測量機及激光跟蹤儀等。經緯儀能夠對機器人的整個工作空間進行高精度靜態(tài)測量，但其成本高且安裝復雜；球桿儀可分為單球桿儀和雙球桿儀兩類，其可精確測量機器人終端與空間某一固定點之間的距離，具有成本低、操作簡單的優(yōu)點；三坐標測量機可以對置于其測量空間內的物體進行高精度的坐標測量，但其成本較高，且只能進行靜態(tài)測量；激光跟蹤儀是利用激光干涉原理精確測量目標位姿的商業(yè)化測量工具，根據測量需要可分為三維激光跟蹤儀和六維激光跟蹤儀，其測量精度高，操作簡單方便，得到了廣泛的應用，但成本較高。Joubair[9]使用激光跟蹤儀對五連桿平面機構進行了測量和標定工作；Newman[10]利用激光跟蹤儀對Motoman P8成功進行了標定；Nubiola[11]分別使用激光跟蹤儀和光學三坐標測量機對小型工業(yè)機器人進行了標定。為解決商用測量儀器成本高的問題，部分學者設計了自制測量儀器進行運動學標定。Huang[12]設計了一套組合量塊，并用其對五軸混聯(lián)機床進行標定，獲得了較好的效果。

1.3 參數(shù)識別

參數(shù)辨識是運動學標定中最為核心的一個步驟，其與誤差建模及誤差測量均有緊密聯(lián)系。參數(shù)辨識的重點和難點在于辨識算法，辨識算法的準確度與速度直接關系到最終的誤差補償結果。目前最常被機器人廠家所廣泛使用的是最小二乘法，最小二乘法的優(yōu)點在于需要考慮的因素少，忽略擾動因素，編程簡單。Huang等[13]使用最小二乘法對不同目標函數(shù)下的誤差辨識精度進行分析Wu等[14]利用最小二乘法辨識了不同并聯(lián)機構的結構參數(shù)；劉得軍等[21]應用最小二乘法對不同并聯(lián)機構進行了參數(shù)辨識，均取得較好的辨識效果。模擬退火法[15]是一種隨機算法，準確性取決于參數(shù)的選取，雖然速度快但是無法保證辨識解時全局最優(yōu)解。此外還有Nguyen[16]等人提出的卡爾曼濾波辨識法，將方程泰勒展開，忽略高階項進行求解，但是可能出現(xiàn)濾波發(fā)散的情況導致精度偏低。常見的辨識方法還有遺傳算法、粒子群法和遞歸線性方程法[24]。

1.4 精度補償

精度補償是對末端定位誤差研究的目的，是對參數(shù)辨識得到的結果進行操作，誤差補償?shù)慕Y果影響最終實際的末端誤差。引起誤差的因素分為幾何誤差和非幾何誤差，一般來說如果末端誤差主要由非幾何誤差引起，那么可以使用插值函數(shù)擬合，得到測量位姿誤差與關節(jié)角之間的函數(shù)關系。如果主要由幾何誤差引起，那么考慮基于誤差模型的補償方法。常用的方法有N-R法[17]，通過改變關節(jié)角來補償運動學參數(shù)的誤差，但這種方法在運動學參數(shù)誤差較大時無法收斂。微分矩陣法是利用微分變換的原理，并將實際的模型參數(shù)寫入控制器中代替模型中的理論參數(shù)，微分矩陣法補償效果好，速度快，但是需要操作者擁有機器人控制器模型修改權限。神經網絡補償法[18]，通過位置數(shù)據累積，充分發(fā)揮神經網絡的學習能力，找出末端定位誤差的規(guī)律，但是神經網絡法需要大量數(shù)據，可能被干擾因素擾動，導致補償效果的不理想。

2 國內研究現(xiàn)狀

國內的工業(yè)機器人研究相對于國外起步比較晚，經歷了原型、示范和產業(yè)化階段，國內工業(yè)機器人發(fā)展得益于政府的扶持，2010年左右國內開始大力發(fā)展機器人全產業(yè)鏈，對機器人的研究也逐漸深入。目前對工業(yè)機器人的研究主要集中在高校與部分龍頭企業(yè)，研究方向集中在機器人的應用領域。蔡鶴皋[19]等人推導出了一種針對串聯(lián)機器人定位精度與各運動學參數(shù)的公式，運用此方法可以有效辨識串聯(lián)型的機器人，提高精度。宋月娥[29]等對末端工具坐標系位姿進行標定，標定過程與末端執(zhí)行器和末端工具無關，并對標定軟件進行改良，使整個過程自動完成，適應于機器人的離線編程。曲巍崴[20]提出一種用于飛機裝配的在線補償方式，使高精度制孔的精度達到0.2mm。周學才[21]等人提出一種基于距離精度的補償方法，可以有效避免坐標轉換誤差。龔星如[22]等人提出一種絕對定位誤差模型，解決了機器人平行關節(jié)造成的奇異問題和坐標系轉化的誤差。夏天[23]等人在基于改進的DH模型上，綜合運用神經網絡和機器人傳統(tǒng)運動學，利用機器訓練，得到機器人空間與關節(jié)的映射關系，防止了復雜的運算過程。

3 結 語

綜合比較可看出，我國對工業(yè)機器人的理論研究還不夠深入，更多的集中在某一工業(yè)場景的實際應用，還沒有形成統(tǒng)一的標準化完善化的測量方法，雖然相關領域的研究投入越來越大，但對于末端誤差的控制還是沒有達到世界一流水平，隨著“中國制造2025”的提出，各領域學者和工程師還需要繼續(xù)深入的進行研究。