基于粒度模型的scara机器人精准定位方法
【技术领域】
[0001] 本发明涉及SCARA机器人绝对定位精度领域，具体是指通过视觉传感器捕获到期 望点坐标位置并驱动SCARA机器人末端第一次运动到此点，实际位置点和期望点有偏差， 针对减少偏差提出有效的误差补偿策略，提高机器人的绝对定位精度。
【背景技术】
[0002] SCARA机器人在平面上的定位取决于轴1和轴2的共同作用。决定SCARA机器人 性能指标分别是：机器人的重复定位精度、系统的绝对定位精度。许多工业机器人本体重复 定位精度为20 y m左右，但是系统的绝对定位精度一般为1-3_。
[0003] 影响SCARA机器人绝对定位精度的因素很多，且最终的绝对定位精度又是由多种 因素共同作用的结果。现有的提高机器人定位精度的研宄方法也称为机器人标定。机器人 标定可以分为机器人运动学标定和机器人非运动学标定。机器人运动学标定一般分为四个 步骤：建模、测量、参数辨识、误差补偿。传统的机器人标定方法需要建立复杂的运动学模型 且侧重考虑几何参数带来的主要影响，即偏重标定的前三个步骤。误差补偿是机器人标定 中的最后一个步骤，当辨识出运动学参数后，需要附加一定的控制算法或者修改机器人原 有的控制系统参数来提高机器人的绝对定位精度。误差补偿方法可以分为如下几类：基于 神经网络补偿法、基于插补思想补偿法、微分误差补偿法、关节空间补偿法；基于神经网络 补偿法解决了选择误差模型的困难，但是训练样本集需要大量的测量工作。基于插补思想 补偿法插补方式的选择带有一定的偶然性，依赖工程师的实际经验，工业适应性不强。微分 误差补偿法需要测量几何参数微小偏差，这对测量仪器精度要求过高，测量的结果与环境 的变化以及操作者的操作水平有较大依赖。传统的关节空间补偿法只能针对一种固定情况 下提高定位精度，某一环节由外部带来的干扰，没有很好的抑制作用。
[0004] 对于视觉伺服SCARA控制系统而言，从图像中获取到期望点的图像坐标通过坐标 变换成机器人关节空间的角度，按照变换后的关节空间的角度驱动机器人运动，但是由于 标定（相机坐标与机器人基坐标关系）带来的误差，会使实际点和期望点有不可消除的偏 差。以缩小这种偏差为目的，希望设计一种工业适应性强、控制效果明显、位姿调整次数明 确的误差补偿控制策略，使机器人明确具体的补偿量，从而使实际点的位置越来越趋近期 望点的位置。从而整体上提高SCARA机器人的绝对定位精度。
【发明内容】
[0005] 本发明针对SCARA视觉伺服控制系统在通过视觉传感器得到期望点的坐标，驱动 SCARA机器人移动到期望点，发现实际点和期望点有一定偏差。为了减小偏差，提出了一种 满足提高SCARA机器人绝对定位精度的基于粒度模型结合最小距离误差逼近的方法。
[0006] 为达到此目的，本发明的技术方案如下：首先通过视觉传感器得到期望点的图像 坐标，通过坐标变换把期望点的图像坐标变换成笛卡尔空间坐标，再通过变换把笛卡尔空 间坐标变换成机器人关节空间坐标。根据求解出的关节空间坐标驱动机器人运动，根据实 际点与期望点坐标位置关系确定起始粒度模型参数，计算模型四个粒度点与期望点的距离 误差，选择最小距离误差的粒度点为下一步构建可变参数粒度模型起始点。最后根据期望 点在粒度模型区域内的坐标位置，分情况的调整粒度模型参数，最终使得期望位置点与实 际位置点的距离偏差小于电机最小指令单位步长的距离，从而满足机器人绝对定位精度的 要求。整个流程包括：确定模型起始粒度点的关节位置、确定起始粒度模型参数、设计基于 粒度模型位姿调整策略。
[0007] (1)根据SCARA机器人的结构特性，1轴和2轴决定机器人末端平面定位。构建机 器人1轴和2轴简化模型。
[0008] (2)由视觉传感器得到期望点的笛卡尔坐标匕(&，^)，再由第一步所知的关节空 间坐标和笛卡尔坐标的转换关系，得到期望点的关节空间坐标 P(1( 0 1(1，0 2 (1)。
[0009] (3)由于标定（相机坐标与机器人基坐标关系）过程中各种误差的累积，实际点 Pi(x'Q，y'和期望点Pjx。，％)在笛卡尔空间中存在距离偏差。但Pjx'Q，y'点的 实际关节空间坐标位置？:^^ 02)就是推导出的关节空间坐标PJ0U，02,。)， 因此把Pi ( 9 i，0 2)设定为粒度模型的初始点。
[0010] ⑷根据在笛卡尔空间中实际点Pi(x'Q，y'与期望点PQ(X(l，yQ)的位置偏差的 大小，确定起始粒度模型参数。
[0011] (5)计算模型四个粒度点与期望点的距离误差，选择最小距离误差的粒度点为下 一步构建可变参数粒度模型起始点。
[0012] (6)根据期望点在粒度模型区域内坐标位置，设定具体的粒度模型参数调整策略， 使位置距离偏差越来越小，直到距离偏差小于电机的最小指令单位步长的距离。
[0013] 本发明的有益效果：本发明提出了一种基于粒度模型结合最小误差逼近原则提高 机器人绝对定位精度的方法。该方法以缩小实际点与期望点的距离误差为目的，根据实际 点与期望点的位置关系，构建起始粒度模型，期望点处于粒度模型范围内，保证了整体收敛 的有效性。计算每次模型粒度点与期望点之间的距离误差，选择最小距离误差的粒度点为 下一次构建模型的起始点，考虑期望点处于模型的具体位置，设定具体的模型参数调整策 略。此方法并不直接干预关节的闭环控制，而是类似一种监管控制，这种控制策略，并不影 响机器人的重复定位精度，但是会影响机器人的绝对定位精度，使得SCARA机器人误差大 的情况下实现快速收敛，在误差小的情况下实现精确的定位。参数调节单一、并且工业应用 性强、实时性强、移动次数和移动点的位置明确。
【附图说明】
[0014] 图1 SCARA机器人模型图
[0015] 图2 SCARA机器人1轴和2轴简化结构图
[0016] 图3改进后的粒度模型图
[0017] 图4控制策略演示图
[0018] 图5PQ(xQ，yQ)点在外接圆圆心示意图
[0019] 图6PQ(xQ，yQ)点在模型结构中心示意图
[0020] 图7算法流程图
【具体实施方式】
[0021] 为使本发明的目的、技术方案和优点更加清晰明白，下面结合具体的实施案例，并 参照附图，对本发明进一步的详细说明。
[0022] 本发明的基本思路是：提出一种基于粒度模型结合最小距离误差逼近原则的 SCARA机器人精准定位方法，整个算法流程主要由构建机器人1轴和2轴简化模型、确定起 始粒度点关节位置、设定起始粒度模型参数、计算粒度点与期望点的距离误差、确定粒度模 型参数调整策略。
[0023] 为了进一步说明，具体实现步骤为：
[0024] (1)构建机器人1轴和2轴简化模型。
[0025] 附图1为SCARA机器人模型图，SCARA机器人平面上定位取决于1轴0 1与2轴 02的共同作用。决定定位精度的控制量是关节角度（0 i，02)
[0026] 02=nA2 (1)
[0027] 其中，m、n为系数，Ap A2分别为电机1和电机2的指令最小单位。
[0028] 附图2为SCARA机器人1轴和2轴简化结构图。运用正运动学函数可以由关节空 间位置，计算出笛卡尔空间位置：
[0029] (x, y) = f ( 0 0 2) (2)
[0030] 同样易知：（dx，dy)T= J( 9 " 92) X [d9 p d92]T (3)
[0031] 把SCARA机器人1轴和2轴简化后，其正运动学为：
[0035] 则对比公式（2)、（4)得到其雅克比矩阵
[0037] (2)确定起始粒度点关节位置。
[0038] 通过视觉传感器得到期望点的图像坐标，由坐标变换得到期望点的笛卡尔坐标 P〇(X〇, y0)，再通过坐标变换得到期望点的关节空间坐标PoOu，02,〇)，驱动机器人前往 P〇( 9 U。，92,〇)点，然而实际点Pi(x' 〇, y' 〇)和期望点PQ(xQ，yQ)在笛卡尔空间中的位置 存在距离偏差。但是Pjx' J点的关节空间坐标位置？ 1(01，02)就是40^，％)推 导出的关节控制位置PoPu，％,〇)，因此把％)设定为粒度模型的初始点。
[0039] (3)设定起始粒度模型参数。
[0040] 粒度模型（Granular Stochastic Modeling)由粒度点、重复定位精度、电机指令 单位关节度数三部分组成。粒度模型有四个粒度点，每个粒度点代表机器人末端关节空间 位置点。由于重复定位精度的影响，机器人重复多次到达同一个粒度点，多次到达的实际点 分布情况会形成以粒度点为圆心的一个近似圆，圆的半径为重复定位精度。每个粒度点之 间的关节空间的间距只相差一个电机指令单位关节度数~或△ 2。附图3为改进后的粒 度模型图。该初始模型由四个粒度点Pi、p2、p3、p4组成。其相邻粒度点在关节空间中的间 距分别是kAi或者kA 2，其中k为系数。且每一个粒度点同时也是以机器人重复定位精度 为半径圆的圆心点。为了保证期望点处于构建的粒度模型区域内，且构建的粒度点之间的 间距符合1-3_的机器人绝对定位精度的指标，因此选取k = 16。则根据（5