[论文解读] Identification of geometrical and elastostatic parameters of heavy industrial robots

Alexandr Klimchik, Yier Wu+4 more|arXiv (Cornell University)|Nov 26, 2013

Robotic Mechanisms and Dynamics参考文献 11被引用 5

一句话总结

本文提出了一种方法，用于识别配备重力补偿器的重型工业机器人中的几何参数和弹性静力学参数，通过优化一组机械臂配置以最小化测量误差。该方法通过性能指标驱动的标定提高了末端执行器的位置精度，实验验证表明其在刚度建模精度方面有显著提升。

ABSTRACT

The paper focuses on the stiffness modeling of heavy industrial robots with gravity compensators. The main attention is paid to the identification of geometrical and elastostatic parameters and calibration accuracy. To reduce impact of the measurement errors, the set of manipulator configurations for calibration experiments is optimized with respect to the proposed performance measure related to the end-effector position accuracy. Experimental results are presented that illustrate the advantages of the developed technique.

研究动机与目标

• 提高配备重力补偿器的重型工业机器人中刚度建模的精度。
• 识别影响末端执行器定位的关键几何参数和弹性静力学参数。
• 通过优化机器人配置集合，最小化测量误差对标定过程中参数识别的影响。
• 开发一种与末端执行器位置精度相关的性能指标，用于配置选择。
• 通过在真实机器人系统上的实验结果验证所提出的标定技术。

提出的方法

• 提出一种性能指标，用于量化末端执行器位置误差对参数不确定性的敏感度，从而指导配置选择。
• 优化标定用的机器人配置集合，以最大化灵敏度矩阵的条件数，从而增强参数可观测性。
• 通过最小二乘估计从实测数据中识别几何参数（例如，连杆长度、关节偏移）和弹性静力学参数（例如，关节和结构柔度）。
• 将重力补偿器建模为刚度系统的一部分，以考虑其对柔度行为的影响。
• 标定过程整合了在多个末端执行器位姿下的力/力矩和位置测量数据，以估计刚度参数。
• 采用基于灵敏度的准则，选择能最大化信息增益并减少参数识别不确定性的配置。

实验结果

研究问题

• RQ1 如何优化机器人标定的配置集合，以最小化测量误差对标定中参数识别的影响？
• RQ2 在刚度标定过程中，哪种性能指标与末端执行器位置精度的相关性最佳？
• RQ3 几何参数和弹性静力学参数在多大程度上影响配备重力补偿器的重型工业机器人的刚度行为？
• RQ4 与标准方法相比，所提出的标定方法在多大程度上提升了末端执行器定位精度？
• RQ5 该方法在实际重型工业机器人应用中的实际有效性如何？

主要发现

• 优化后的配置选择显著降低了灵敏度矩阵的条件数，提升了参数可观测性。
• 实验结果表明，标定后末端执行器位置精度有明显提升。
• 该方法在实际测量装置下，能够高精度地识别几何参数和弹性静力学参数。
• 在刚度模型中引入重力补偿器后，柔度预测更加准确。
• 所提出的性能指标能有效指导标定配置的选择，从而提升标定质量。
• 该技术在真实工业机器人环境中表现出鲁棒性和实际适用性。