相关实验视频
Updated: Jul 24, 2025
10:16
A Protocol for Real-time 3D Single Particle Tracking
Published on: January 3, 2018
15.0K
使用激光追踪系统和智能优化方法,精确地对工业机器人的Denavit-Hartenberg参数校准
Mojtaba A Khanesar1, Minrui Yan1, Mohammed Isa1
1Faculty of Engineering, University of Nottingham, Nottingham NG7 2RD, UK.
Sensors (Basel, Switzerland)
|July 8, 2023
概括
这项研究使用元启发算法和激光追踪器数据对工业机器人Denavit-Hartenberg (DH) 的参数进行校准. 人工蜂群算法提高了前向动力学 (FKs) 精度20.3%.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计量学 计量学是一门学科.
- 优化算法 优化算法
背景情况:
- 工业机器人的精度依赖于通过前向动力学 (FKs) 精确的终端效应器定位.
- FKs取决于Denavit-Hartenberg (DH) 参数,这些参数容易受到磨损,制造和校准错误的不确定性影响.
- 减少DH参数的不确定性对于提高FK精度至关重要.
研究的目的:
- 校准工业机器人DH参数以提高FK精度.
- 评估DH参数校准的元启发式优化算法的有效性.
- 量化使用激光追踪器测量所取得的精度改进.
主要方法:
- 利用差异演化,粒子群集优化,人工蜂群和重力搜索算法进行DH参数校准.
- 使用Leica AT960-MR激光追踪系统进行高精度位置测量 (<3μm/m).
- 应用了对激光追踪器数据的元启发式优化,以改进DH参数值.
主要成果:
- 人工蜜蜂群优化算法在FK精度上显著改善.
- 静态和近静态运动的平均绝对误差从75.4微米下降到60.1微米.
- 使用拟议的校准方法,工业机器人FK精度提高了20.3%.
结论:
- 超听觉优化,特别是人工蜂群算法,有效校准工业机器人DH参数.
- 精确的计量学,就像激光追踪一样,对于精确的机器人校准至关重要.
- 开发的方法显著提高了工业机器人前进动力学的准确性.
