遺傳算法在機器人運動學(xué)參數(shù)辨識的應(yīng)用研究.pdf

1、隨著現(xiàn)代工業(yè)技術(shù)的發(fā)展，對機器人末端位姿精度的要求越來越高。而傳統(tǒng)的工業(yè)機器人限于簡單任務(wù)的需求，一般采用離線示教的方式，故大多只關(guān)心機器人的重復(fù)性。然而，良好的重復(fù)性并不一定能準確反映機器人關(guān)節(jié)角輸入與機器人末端位姿輸出的正確關(guān)系，僅僅表明機器人各個部分有足夠的緊湊性以及關(guān)節(jié)檢測有足夠的分辨率。如果將機器人的高重復(fù)性轉(zhuǎn)化為機器人末端的位姿精度，必須對機器人的運動學(xué)參數(shù)進行辨識--機器人標定。 本文首先針對機器人運動學(xué)參數(shù)的獨立

2、性問題，引入了機器人完整性、奇異性和等價性三個概念。其中，重點討論了機器人完整性，并根據(jù)關(guān)節(jié)振顫與否，將其劃分為常規(guī)模型的完整性和廣義模型的完整性。在采用幾何分析和誤差空間分析的基礎(chǔ)上，推導(dǎo)常規(guī)模型和廣義模型獨立參數(shù)數(shù)量的計算公式。 其次，針對在連續(xù)關(guān)節(jié)平行的情況下，D-H建模方法會引起機器人運動學(xué)參數(shù)相關(guān)的問題，引入了改進的連桿運動學(xué)變換矩陣，推導(dǎo)了連續(xù)連桿之間的位姿誤差模型；以此為基礎(chǔ)，建立了機器人末端位姿的誤差模型，并根據(jù)

3、復(fù)雜程度的不同，將此模型簡化為一階位姿誤差模型和二階位姿誤差模型。基于上述位姿誤差模型，討論機器人末端位姿誤差的分布，計算了一階誤差域和二階誤差域。 再次，本文提出一種基于排擠機制的遺傳算法。該算法根據(jù)個體間相似度來淘汰種群中相似個體，以此維持種群的多樣性，避免算法未成熟收斂。根據(jù)位姿誤差模型，考慮到測量噪聲的影響，并按照測量點數(shù)及重復(fù)測量次數(shù)劃分的不同仿真類型，分別采用最小二乘算法和遺傳算法對機器人運動學(xué)參數(shù)辨識進行了仿真，仿