[论文解读] Design of Calibration Experiments for Identification of Manipulator Elastostatic Parameters

Alexandr Klimchik, Anatol Pashkevich+3 more|arXiv (Cornell University)|Nov 25, 2012

Advanced Measurement and Metrology TechniquesEngineering参考文献 25被引用 19

一句话总结

本文提出了一种非线性实验设计框架，用于优化工业机器人机械臂的弹性静力参数标定实验。通过引入用户自定义的测试位姿概念并求解优化问题，该方法生成最优的配置及施加的力/力矩，从而在遵守运动学约束并避免碰撞的前提下，提升参数识别的准确性，已在用于复合材料加工的串联机器人上得到验证。

ABSTRACT

The paper is devoted to the elastostatic calibration of industrial robots, which is used for precise machining of large-dimensional parts made of composite materials. In this technological process, the interaction between the robot and the workpiece causes essential elastic deflections of the manipulator components that should be compensated by the robot controller using relevant elastostatic model of this mechanism. To estimate parameters of this model, an advanced calibration technique is applied that is based on the non-linear experiment design theory, which is adopted for this particular application. In contrast to previous works, it is proposed a concept of the user-defined test-pose, which is used to evaluate the calibration experiments quality. In the frame of this concept, the related optimization problem is defined and numerical routines are developed, which allow generating optimal set of manipulator configurations and corresponding forces/torques for a given number of the calibration experiments. Some specific kinematic constraints are also taken into account, which insure feasibility of calibration experiments for the obtained configurations and allow avoiding collision between the robotic manipulator and the measurement equipment. The efficiency of the developed technique is illustrated by an application example that deals with elastostatic calibration of the serial manipulator used for robot-based machining.

研究动机与目标

• 解决在大型复合材料工件加工中使用的工业机器人实现精确弹性静力标定的挑战。
• 通过引入用户自定义的测试位姿，克服先前方法的局限性，以评估并优化标定实验的质量。
• 开发一种优化框架，为给定数量的实验生成最优的机械臂配置和施加的载荷。
• 通过整合运动学约束，确保标定实验的可行性与安全性，避免与工件或测量设备发生碰撞。
• 提高弹性静力模型识别的准确性，以实现在机器人控制器中有效补偿变形。

提出的方法

• 将非线性实验设计理论适配到机器人弹性静力标定的特定情境中。
• 将用户自定义的测试位姿定义为评估标定实验质量的性能指标。
• 制定一个优化问题，以最大化每次标定实验的信息增益。
• 使用数值计算方法，求解机械臂的最优配置及其对应的施加力/力矩。
• 在优化过程中整合运动学约束，以确保物理可实现性与碰撞规避。
• 将该方法集成到涉及柔性工件的机器人加工应用工作流程中。

实验结果

研究问题

• RQ1 如何系统性地评估并优化弹性静力参数识别的标定实验质量？
• RQ2 如何确定最优的机械臂配置与施加载荷集合，以最大化参数识别的准确性？
• RQ3 如何将运动学约束整合到实验设计中，以确保实验的可行性与安全性？
• RQ4 用户自定义的测试位姿概念相较于传统标定实验选择方法有何改进？
• RQ5 所提出的 方法 如何提升机器人控制中用于精密加工的弹性静力模型的准确性？

主要发现

• 所提出的方法生成了最优的标定实验，显著提升了弹性静力参数识别的准确性。
• 用户自定义的测试位姿概念实现了对实验质量的系统性与量化评估，从而优化了实验设计。
• 优化框架成功识别出在遵守运动学约束条件下能最大化信息增益的配置与施加载荷。
• 通过在优化过程中包含运动学约束，有效确保了碰撞规避。
• 该方法在涉及串联机械臂用于机器人复合材料零件加工的实际应用中得到了验证。
• 结果表明模型精度得到提升，使得机器人控制器中可实现有效的变形补偿，适用于精密制造。