一个校准器模糊组合,用于高精度的机器人手臂校准

科学领域:

• 机器人技术 机器人技术 机器人技术
• 机器学习 机器学习
• 制造业自动化 制造业自动化

背景情况:

• 工业机器人臂的绝对定位准确性对于自动化制造过程至关重要.
• 现有的数据驱动机器人臂校准方法经常使用单个学习模型,导致由于有限的解决方案空间表示而导致准确性损失.
• 提高校准准确度对于先进的制造应用,如自动装配,至关重要.

研究的目的:

• 提出一种新的校准器模糊组合 (CFE) 方法,以提高工业机器人手臂校准准确度.
• 解决现有的数据驱动校准方法中单一学习模型的局限性.
• 通过创新的组合技术,实现工业机器人臂的高校准精度.

主要方法:

• 实施八个不同的数据驱动校准器,使用复杂的机器学习算法.
• 开发一个模糊的整体框架,以整合八个个别的校准器的输出.
• 在ABB IRB120工业机器人上进行了广泛的实验,使用MATLAB进行验证.

主要成果:

• 拟议的校准器模糊组合 (CFE) 与最先进的校准器相比显示出更高的性能.
• 在ABB IRB120工业机器人上,CFE实现了8.59%的最大误差显著降低.
• 组合中的单个基底模型确保了高精度,有助于整体性能提高.

结论:

• 校准器模糊组合 (CFE) 方法为提高工业机器人手臂定位精度提供了强大的解决方案.
• 通过利用多种算法的多样性,CFE有效地克服了单一学习模型的局限性.
• 拟议的方法显示了在现实世界制造应用中实际实施的巨大潜力.