机器人机械臂线性运动学参数识别方法

需积分: 50 8 下载量 75 浏览量 更新于2024-09-19 1 收藏 1.09MB PDF 举报
"本文介绍了一种针对机器人机械臂运动学参数辨识的线性方法,旨在从末端执行器的位置测量和已知测量配置下的关节位置读数中确定机械臂未知的运动学模型参数。该方法无需依赖名义模型或线性误差模型,而是利用特殊的机器人运动学建模约定——CPC模型,以及特定的机器人姿态测量序列来直接求解未知的运动学参数。首先,通过递归方式在条件约束下确定各旋转关节的CPC定向参数,然后结合测量数据求解其余参数,实现高精度的机械臂参数辨识。" 本文是 IEEE Transactions on Robotics and Automation 杂志1993年4月刊的一篇文章,由 Hanqi Zhuang 和 Zvi S. Roth 共同撰写。文章的核心内容围绕机器人运动学参数的辨识问题,这是基于模型的机器人校准过程中的关键步骤。传统的参数辨识方法往往需要先建立名义模型或考虑线性化误差模型,但这种方法提出了一种新颖的线性解决方案。 该线性解决方案的关键在于采用CPC(Closed-Chain Passive Coordinate)模型,这是一种特殊的运动学建模方法。在CPC模型中,独立的CPC链参数线性地出现在待求解的方程系统中,简化了参数辨识的过程。此外,通过精心设计的机器人姿态测量序列,可以进一步优化参数估计的准确性和效率。 在实际应用中,首先根据条件约束递归地计算各个旋转关节的CPC定向参数,这一步有助于消除不确定性并提高计算稳定性。然后,结合末端执行器的位姿测量数据,解算其他未确定的运动学参数,如连杆长度、关节轴的位置等。这种方法的优势在于其线性特性,使得计算过程更为简洁,且对初始估计的敏感度较低,有利于提高整体的辨识精度。 这项研究提供了一种高效、精确的机械臂运动学参数辨识方法,对于机器人系统的校准和控制具有重要的理论和实践价值,尤其适用于需要高精度运动控制的工业应用场景。