一种工业机器人TCP标定方法与流程

本发明涉及工业机器人
技术领域：
，特别涉及工业机器人工具坐标系原点标定的方法。
背景技术：
：工业机器人完成各种工业作业任务，需要借助安装在机械手末端法兰盘的工具，编程人员希望机器人工具按照一定轨迹运行，因此需要对安装的工具进行标定。在不借助任何辅助设备的多点标定方法上，较多采用“四点标定”的方法。然而“四点标定”方法精确度不高，误差较大，使得标定结果不可靠。技术实现要素：本发明要解决的技术问题是：解决了标定结果不可靠的问题。本发明解决其技术问题的解决方案是：一种工业机器人TCP标定方法，包括如下步骤：1)示教机器人以不同的姿势使得待标定的工具接触机器人灵活工作空间中一固定尖状物尖端，记录各个姿势的关节角坐标或者笛卡尔坐标，计算各个姿势的连杆末端法兰盘坐标系的姿态矩阵Ri(i＝1、2…、n)和位移向量Ei(i＝1、2、…、n)；2)利用姿势的姿态矩阵和位移向量计算TCP，计算步骤为:先求出标识值Q：再通过Q求到工具坐标系原点TCP值Ptcp，下标n为自然数。对上述方案的进一步改进是，将步骤1)中的尖状物改为杆状且头部有尖端的物体。对上述方案的进一步改进是，在步骤1)与步骤2)之间包括步骤：a)对记录的姿势进行筛选，筛选步骤包括：a1)对记录的姿势以任意4个姿势为一组进行分组，求出每一组的误差系数，所述误差系数的计算方法包括：a11)以任意3个姿势求出标识值Qn，直至求完所有的Qn，Qn的计算方法是：下标a，b，c为自然数；a12)求出Qn之间的距离，最大的距离值则为误差系数；a2)选出只存在于误差系数小于误差阀值的组的所有的姿势。当然，对记录的姿势的筛选方式还有很多种，具体详见下述实施例。在计算TCP前对记录的姿势进行一次筛选，可以将一些相关性很强的姿势去除掉，从而使标定结果更加精确。对上述方案的进一步改进是，所述的误差阀值为1.5mm。当误差阀值设置过小时，筛选时则会将很多符合要求的姿势去除掉，有可能根本找不到符合要求的姿势；当误差阀值设置过大时，则会引入很多相关性很强的姿势，从而计算出的TCP达不到精度的要求。综合考量，选择误差阀值为1.5mm最为合适。对上述方案的进一步改进是，步骤2)还包括步骤：3)将TCP值载入到工业机器人处理器中。本发明的有益效果是：本发明通过提供一种工业机器人TCP标定方法包括：先示教并对姿势进行记录和计算各个姿势的连杆末端法兰盘坐标系的姿态矩阵和位移向量，先求出TCP标定的超定方程组的最小二乘解Q，消除一次误差，再用Q求出TCP的最小二乘解，进一步消除误差，从而使整体的计算更加精确，提升了标定可靠性。附图说明为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。图1是实施例1的步骤流程图；图2是实施例2的步骤流程图。具体实施方式以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，文中所提到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。实施例1为了验证本发明的具体执行情况，在机器人仿真软件上进行校核。仿真用机器人工具的理论TCP是(2，0，402)，如图1所示的步骤流程图，执行步骤大致如下：1)示教机器人以不同的姿势使得待标定的工具接触机器人灵活工作空间中一固定尖状物尖端，记录各个姿势的关节角坐标或者笛卡尔坐标，计算各个姿势的连杆末端法兰盘坐标系的姿态矩阵Ri(i＝1、2…、n)和位移向量Ei(i＝1、2、…、n)；记录5次姿势的六轴机器人的关节角坐标，得到表1；表1通过工业机器人运动学方程正解可以得到各个姿势的连杆末端法兰盘坐标系的姿态矩阵Ri(i＝1、2…、n)和位移向量Ei(i＝1、2、…、n)；2)对记录到的5个姿势进行筛选：以4个姿势为一组进行分组，得到5组不同组合，求出各组的误差系数，得到表2；判断各组的误差系数是否小于1.5mm，选出只存在于误差系数小于1.5mm的组合的所有姿势；表2误差系数的计算方法，以姿势1、2、3、4这一组合为例：利用三点计算误差大的特点，用此来求出误差系数，将姿势1、2、3、4以3个姿势为一组，其组合有：1)姿势1、2、3组合2)姿势1、2、4组合3)姿势1、3、4组合4)姿势2、3、4组合记姿势1、2、3组合计算得到的Qn为Qn123；记姿势1、2、4组合计算得到的Qn为Qn124；记姿势1、3、4组合计算得到的Qn为Qn134；记姿势2、3、4组合计算得到的Qn为Qn234。如下所示：计算Qn123、Qn124、Qn134、Qn234的距离：||Qn123-Qn124||、||Qn123-Qn134||、||Qn123-Qn234||、||Qn134-Qn234||、||Qn134-Qn124||、||Qn234-Qn124||得到最大的距离值为误差系数，此误差系数为1.31070。通过表2可以知道，选出的姿势为：姿势1、2、3、4、5。3)通过选出来的姿势1、2、3、4、5，的连杆末端法兰盘坐标系的姿态矩阵和位移向量求出标识值Q，Q的实质为工具与所述尖状物尖端接触的点，再通过Q求出TCP，计算过程如下：先求出Q：Q的解为：通过Q求出TCP：求出TCP的解：得到TCP坐标为(1.7583,0.0449,401.8629)，对比理论TCP(2，0,402)，得到的误差为0.2825mm。从误差数据可以知道，误差很小，此方法提高了标定的精度，提高了标定的可靠性。4)将得到的TCP值载入到工业机器人的处理器中。实施例2为了验证本发明的具体执行情况，在机器人仿真软件上进行校核。仿真用机器人的工具的理论TCP是(2，0，402)，如图2所示的步骤流程图，执行步骤大致如下：1)示教机器人以不同的姿势使得待标定的工具坐标系原点TCP接触机器人灵活工作空间中一固定尖状物尖端，记录各个姿势的关节角坐标或者笛卡尔坐标，计算各个姿势的连杆末端法兰盘坐标系的姿态矩阵Ri(i＝1、2…、n)和位移向量Ei(i＝1、2、…、n)；记录5次姿势的六轴机器人的关节角坐标，得到表3；表3通过机器人运动学方程正解可以得到每个姿势的连杆末端法兰盘坐标系的姿态矩阵和位移向量；2)对记录到的5个姿势进行筛选：以4个姿势为一组进行分组，得到5组不同组合，求出各组的误差系数，得到表4，判断各组的误差系数是否小于1.5mm，选出误差系数小于1.5mm且误差系数数值最小的那一组的所有姿势；姿势1、2、3、4点求得误差系数1.65450大于1.5姿势1、2、3、5点求得误差系数3.30840大于1.5姿势1、2、4、5点求得误差系数1.05110小于1.5姿势1、3、4、5点求得误差系数0.63973小于1.5姿势2、3、4、5点求得误差系数3.06720大于1.5表4误差系数的计算方法，以姿势1、2、3、4这一组合为例：利用三点计算误差大的特点，用此来求出误差系数，将姿势1、2、3、4以3个姿势为一组，其组合有：1)姿势1、2、3组合2)姿势1、2、4组合3)姿势1、3、4组合4)姿势2、3、4组合记姿势1、2、3组合计算得到的Qn为Qn123；记姿势1、2、4组合计算得到的Qn为Qn124；记姿势1、3、4组合计算得到的Qn为Qn134；记姿势2、3、4组合计算得到的Qn为Qn234。如下所示：计算Qn123、Qn124、Qn134、Qn234的距离：||Qn123-Qn124||、||Qn123-Qn134||、||Qn123-Qn234||、||Qn134-Qn234||、||Qn134-Qn124||、||Qn234-Qn124||得到最大的距离值为误差系数，此误差系数为1.65450。通过表4可以知道，选出的姿势为：姿势1、3、4、5。3)通过选出来的姿势1、3、4、5，的连杆末端法兰盘坐标系的姿态矩阵和位移向量先求出标识值Q，Q的实质为工具与所述尖状物尖端接触的点，再通过Q求出TCP，计算过程如下：Q的解为：求出TCP的解：得到TCP坐标为(1.4722,-0.0805,402.1971)，对比理论TCP(2，0,402)，得到的误差为0.5691mm。从误差数据可以知道，误差很小，此方法提高了标定的精度，提高了标定的可靠性。进一步作为优选的实施方式，在标定时，采集更加多的姿势进行计算，姿势越多，测量越精确。以上对本发明的较佳实施方式进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变型或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。当前第1页1 2 3