论文部分内容阅读
将工业机器人应用于航空制造业进行柔性化自动装配、部件加工可以提高飞机的生产效率和质量可靠性。机器人的定位精度是反映机器人性能的一个重要指标,由于在应用中机器人实际的运动学参数值与其名义值之间存在差异就不可避免地会产生定位误差。尽管工业机器人通常具有较高的重复定位精度,但是它的绝对定位精度尚远远不能满足飞机装配对于高精度的要求,因此提高工业机器人的绝对定位精度是将工业机器人广泛应用于航空制造业需要首先突破的关键技术。本文在建立机器人定位误差模型的基础上,提出了一种基于误差相似度的权重度量的机器人精度补偿方法,并在此基础之上进一步考虑环境温度变化给机器人定位精度带来的影响,提出了基于粒子群优化神经网络的机器人综合精度补偿方法,最后通过实验对以上提出的两种精度补偿方法进行了验证。本文完成的主要工作有:(1)机器人运动学分析和误差建模。采用经典的D-H建模方法,建立了KUKA KR150-2型工业机器人的运动学模型,并进行了正向和逆向运动学分析。在运动学分析的基础上,基于微分变换思想建立了机器人定位误差模型。同时考虑到建立机器人机座坐标系引入的误差,对机器人的定位误差模型进行了修正。(2)提出了基于误差相似度的权重度量的机器人精度补偿方法。通过对机器人定位误差模型进行研究,提出了定位误差相似度的概念,并在此基础上提出了基于误差相似度的权重度量的机器人精度补偿方法,根据给定的最大允许误差推导出了定位误差间误差相似度判定的充分条件。提出了最优网格步长的概念及其确定方法,并以KUKAKR150-2型工业机器人为研究对象,通过实验确定了其最优网格步长。(3)提出了基于粒子群优化神经网络的机器人综合精度补偿方法。在BP神经网络和粒子群优化算法的基础上,研究了基于粒子群优化算法的BP神经网络原理,并结合基于误差相似度的权重度量的机器人精度补偿方法,综合考虑环境温度变化对机器人的绝对定位精度的影响,提出了基于粒子群优化神经网络的机器人综合精度补偿方法。研究了验证神经网络模型稳定性和适用性的交叉验证方法,并结合飞机装配对定位精度要求很高的实际情况,在交叉验证常用衡量指标的基础上增加了新的评价指标。(4)机器人定位精度补偿实验研究。针对传统的工业机器人工具参数标定方法不能适应高精度加工的要求,提出了基于间接测量法的工具参数标定方法。研究了机器人自动制孔系统中涉及的一系列坐标系的确定方法,对坐标系系统进行了统一。在机器人空载的情况下,分别在大范围区域和指定的小范围区域对基于误差相似度的权重度量的机器人精度补偿方法进行了验证。在装载了末端执行器以及环境温度发生变化的情况下,对基于粒子群优化神经网络的综合精度补偿方法进行了实际制孔验证实验。本文的研究成果对于提高工业机器人的绝对定位精度,推动工业机器人在航空制造领域更深入的应用具有重要意义。