基于数字图像相关技术的工业机器人刚度辨识方法与流程

本发明涉及工业机器人的刚度辨识技术领域，尤其涉及基于数字图像相关技术的工业机器人刚度辨识方法。

背景技术：

工业机器人具有高度的灵活性，可以在空间内实现复杂的位姿变换，在机器人末端安装不同的执行器，可以执行不同的任务，例如抓取、喷涂、焊接等。另外，工业机器人末端安装主轴，还可用于机加工，相较于传统机床具有灵活性高、加工范围大、成本低的优点，并且通过位姿变换能够轻易加工零件的复杂部位，避免主轴与零件产生干涉。但是当工业机器人应用于机加工时，由于其自身串联多连杆的特性，刚度远低于传统数控机床，在加工过程中经常受到颤振问题的困扰，导致加工零件精度不足，表面粗糙度高等问题。

目前，工业机器人机加工系统主要用于航空航天、汽车等领域中的塑料、铝制零件的倒角、去毛刺和抛光等工艺，当待加工工件硬度较低、切削过程中去除量较小且加工精度要求不是很高时更为适用。为了进一步提高加工精度、拓展工业机器人机加工在高硬度材料切削中的应用，需要对工业机器人的刚度特性和运动学建模开展研究，而刚度辨识则是运动学建模的重要一步。

工业机器人末端变形的检测精度是刚度辨识精度的关键。目前应用于机器人末端变形测量的仪器主要是激光跟踪仪，但激光跟踪仪的测量需要在机器人末端安装靶标，靶标内反射镜的安装精度会大大影响测量精度，并且激光容易受到外界环境的干扰，因此激光跟踪仪的测试精度十分有限。

技术实现要素：

为了克服现有技术刚度辨识精度差、操作繁琐的不足，本发明提供一种基于数字图像相关技术的工业机器人刚度辨识方法,对工业机器人的关节刚度进行高精度辨识。

为了解决上述技术问题，本发明提供了一种基于数字图像相关技术的工业机器人刚度辨识方法，包括：

建立基于数字图像相关技术的工业机器人刚度辨识测试系统；

根据预设方式在所述工业机器人刚度辨识测试系统中进行刚度辨识实验，采集所述刚度辨识实验中所述工业机器人末端的载荷数据及对应情况的散斑图数据，并从所述散斑图数据中提取出对应的散斑图坐标数据；

根据所述载荷数据和所述散斑图坐标数据计算基坐标系下所述工业机器人的六维载荷数据和六维变形数据；

将所述工业机器人的关节近似为线性扭转弹簧，构建所述工业机器人的刚度辨识模型，并基于所述六维载荷数据和六维变形数据，根据所述刚度辨识模型获取所述工业机器人的关节刚度值。

优选地，建立基于数字图像相关技术的工业机器人刚度辨识测试系统步骤包括：

设定所述工业机器人刚度辨识测试系统包括工业机器人、设置于所述工业机器人末端的六维力传感器、负载以及对应于所述工业机器人和负载设置的数字图像装置；

设定所述数字图像装置包括固定于所述六维力传感器上的散斑板、摄像视野平行于所述散斑板的工业相机以及对应所述工业相机设置的摄影灯。

优选地，所述数字图像装置包括的工业相机不少于两个，相邻两个所述工业相机的光轴夹角大于15°。

优选地，根据预设方式在所述工业机器人刚度辨识测试系统中进行刚度辨识实验，采集所述刚度辨识实验中所述工业机器人末端的载荷数据及对应情况的散斑图数据包括：

依次将预设位姿集合中的预设位姿作为待检测位姿，并对应采集所述预设位姿集合中的预设位姿依次作为待检测位姿时，所述工业机器人位于所述待检测位姿不同载荷施加方向的载荷数据和散斑图数据。

优选地，采集所述工业机器人位于所述待检测位姿不同载荷施加方向的载荷数据和散斑图数据包括：

依次将预设负载施加方向集合中的预设负载施加方向作为待检测负载施加方向，并对应采集所述预设负载施加方向集合中的预设负载施加方向依次作为待检测负载施加方向时，所述工业机器人位于所述待检测位姿且属于所述待检测负载施加方向情况的载荷数据和散斑图数据。

优选地，采集所述工业机器人位于所述待检测位姿且属于所述待检测负载施加方向情况的载荷数据和散斑图数据包括：

使所述工业机器人位于所述待检测位姿，采集所述工业机器人末端无负载时的无负载散斑图；

在所述工业机器人末端按预设负载施加方向加载负载，采集所述工业机器人末端的载荷数据和所述工业机器人末端加载负载时的有负载散斑图，所述无负载散斑图和所述有负载散斑图构成所述散斑图数据；

将所述工业机器人末端的负载卸下，并将所述工业机器人恢复到所述待检测位姿。

优选地，所述预设位姿集合包括至少六个预设位姿，所述预设负载施加方向集合包括至少三个预设负载施加方向。

优选地，从所述散斑图数据中提取出对应的散斑图坐标数据包括：

从所述无负载散斑图中提取无负载散斑图坐标数据，并从所述有负载散斑图中提取有负载散斑图坐标数据，所述有负载散斑图坐标数据和无负载散斑图坐标数据构成所述散斑图坐标数据。

优选地，根据所述载荷数据和散斑图坐标数据计算基坐标系下所述工业机器人的六维载荷数据和六维变形数据步骤包括：

根据所述散斑图坐标数据构建所述工业机器人加载负载前后坐标数据的关系；

根据所述工业机器人加载负载前后坐标数据的关系，并利用奇异值分解方法获取所述工业机器人加载负载前后的矢量六维变形数据；

将所述载荷数据以及对应的所述矢量六维变形数据进行坐标系转化，得到基坐标系下所述工业机器人的六维载荷数据以及对应的六维变形数据。

优选地，将所述工业机器人的关节近似为线性扭转弹簧，构建所述工业机器人的刚度辨识模型包括：

建立所述工业机器人的笛卡尔刚度矩阵；

建立所述工业机器人的关节刚度矩阵；

构建所述笛卡尔刚度矩阵和所述关节刚度矩阵的关系式：

根据所述笛卡尔刚度矩阵和所述关节刚度矩阵的关系式建立所述工业机器人的关节刚度辨识模型。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：

应用本发明实施例提供的基于数字图像相关技术的工业机器人刚度辨识方法，利用数字图像装置对机器人末端变形进行高精度识别，提高工业机器人的刚度辨识精度，从而用于关节变形补偿，对提高工业机器人的作业精度、拓展工业机器人的应用领域具有重要的意义。

本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1示出了本发明实施例一基于数字图像相关技术的工业机器人刚度辨识方法的流程示意图；

图2示出了本发明实施例一基于数字图像相关技术的工业机器人刚度辨识方法的过程示意图；

图3示出了本发明实施例一基于数字图像相关技术的工业机器人刚度辨识方法中的工业机器人刚度辨识测试系统结构示意图；

图4示出了本发明实施例一基于数字图像相关技术的工业机器人刚度辨识方法中相关坐标系示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

工业机器人机加工系统主要用于航空航天、汽车等领域中的塑料、铝制零件的倒角、去毛刺和抛光等工艺，当待加工工件硬度较低、切削过程中去除量较小且加工精度要求不是很高时更为适用。为了进一步提高加工精度、拓展工业机器人机加工在高硬度材料切削中的应用，需要对工业机器人的刚度特性和运动学建模开展研究，而刚度辨识则是运动学建模的重要一步。工业机器人末端变形的检测精度是刚度辨识精度的关键。目前应用于机器人末端变形测量的仪器主要是激光跟踪仪，但激光跟踪仪的测量需要在机器人末端安装靶标，靶标内反射镜的安装精度会大大影响测量精度，并且激光容易受到外界环境的干扰，因此激光跟踪仪的测试精度十分有限。

实施例一

为解决现有技术中存在的技术问题，本发明实施例提供了一种基于数字图像相关技术的工业机器人刚度辨识方法。

图1示出了本发明实施例一基于数字图像相关技术的工业机器人刚度辨识方法的流程示意图；图2示出了本发明实施例一基于数字图像相关技术的工业机器人刚度辨识方法的过程示意图，参考图1和图2所示，本发明实施例基于数字图像相关技术的工业机器人刚度辨识方法包括如下步骤。

步骤s101，建立基于数字图像相关技术的工业机器人刚度辨识测试系统。

具体地，在进行工业机器人刚度辨识方法之前，需先构建工业机器人刚度辨识测试系统，本发明实施例中构建的为基于数字图像相关技术的工业机器人刚度辨识测试系统。图3示出了本发明实施例一基于数字图像相关技术的工业机器人刚度辨识方法中的工业机器人刚度辨识测试系统结构示意图；参考图3所示，具体设置本实施例中工业机器人刚度辨识测试系统包括：工业机器人、设置于工业机器人末端的六维力传感器、负载以及对应于工业机器人和负载设置的数字图像装置；需要说明的是，负载可以与六维力传感器联动，具体可用过滑轮和连接两者的绳实现，具体将悬挂负载的连接绳绕过滑轮连接在六维力传感器上，滑轮的位置可变化，进而可以改变机器人末端受力的方向。进一步设置本实施例中的数字图像装置包括固定于六维力传感器上的散斑板、摄像视野平行于散斑板的工业相机和与工业相机对应设置的摄影灯。优选地，数字图像装置包括两个工业相机，同时对应包括两个摄影灯。摄像灯用于提供稳定光源，设置相邻两个的工业相机的光轴夹角大于15°。需要说明的是，六维力传感器可采集工业机器人末端所受力及力矩。

步骤s102，根据预设方式在工业机器人刚度辨识测试系统中进行刚度辨识实验，采集刚度辨识实验中工业机器人末端的载荷数据及对应情况的散斑图数据，并从散斑图数据中提取出对应的散斑图坐标数据。

为确保刚度辨识精度，本发明会采集工业机器人处于不同位姿不同方向的载荷数据以及对应情况的散斑图数据。具体地，依次将预设位姿集合中的预设位姿作为待检测位姿，并对应采集所述预设位姿集合中的预设位姿依次作为待检测位姿时，工业机器人位于待检测位姿不同载荷施加方向的载荷数据和散斑图数据。其中预设位姿集合为人为设定的，实验人员可根据实际情况将需要采集的工业机器人所处位姿均设定为预设位姿；同时设定预设位姿集合中的所有预设位姿均不相同。为了更进一步确保刚度辨识精度，设置预设位姿集合包括至少六个预设位姿。需要说明的是，工业机器人选择位姿时应避免奇异位姿，即雅可比矩阵为0的时候。

进一步地，针对预设位姿集合中的预设位姿依次作为待检测位姿时，工业机器人位于待检测位姿不同载荷施加方向的载荷数据和散斑图数据的采集过程包括：依次将预设负载施加方向集合中的预设负载施加方向作为待检测负载施加方向，并对应采集预设负载施加方向集合中的预设负载施加方向依次作为待检测负载施加方向时，工业机器人位于待检测位姿且属于待检测负载施加方向情况的载荷数据和散斑图数据。同理需要说明的是，预设负载施加方向集合也为人为设定的，实验人员可根据实际情况将需要采集的工业机器人所处位姿均所属预设负载施加方向设定为预设负载施加方向；同时设定预设负载施加方向集合中的所有预设负载施加方向均不相同。为了更进一步确保刚度辨识精度，预设负载施加方向集合包括至少三个预设负载施加方向。

更进一步地，针对预设负载施加方向集合中的预设负载施加方向依次作为待检测负载施加方向时，工业机器人位于待检测位姿且属于待检测负载施加方向情况的载荷数据和散斑图数据的采集过程包括：使工业机器人位于待检测位姿，采集工业机器人末端无负载时的无负载散斑图；在工业机器人末端按预设负载施加方向加载负载，采集工业机器人末端的载荷数据和工业机器人末端加载负载时的有负载散斑图，无负载散斑图和有负载散斑图构成散斑图数据；将工业机器人末端的负载卸下，并将工业机器人恢复到待检测位姿。

为了更清楚地的对步骤s102进行说明，以下介绍了上述过程的一种具体实施过程：

(1)将工业机器人调整为预设位姿集合中的一个预设位姿。

(2)工业机器人末端无负载时，通过工业相机采集工业机器人末端无负载时的无负载散斑图，所采集的图像应不少于50张。

(3)在工业机器人末端按预设负载施加方向加载负载，通过工业相机采集工业机器人末端有负载时的有负载散斑图，所采集的图像应不少于50张；同时通过六维力传感器采集工业机器人末端的载荷数据。

(4)将所述工业机器人末端的负载卸下，卸载后控制工业机器人进行一定幅度的往复运动，消除残余变形。

(5)更换工业机器人的预设负载施加方向，重复(1)～(4)子步骤，为确保辨识精度，每个预设位姿选择不少于三个不同的预设负载施加方向。

(6)更换工业机器人的预设位姿，重复(1)～(5)子步骤，为确保辨识精度，应选择不少于六个不同预设位姿进行数据采集。

采集完刚度辨识实验中工业机器人末端的载荷数据及对应情况的散斑图数据后，需从散斑图数据中提取出对应的散斑图坐标数据具体包括：从无负载散斑图中提取无负载散斑图坐标数据，并从有负载散斑图中提取有负载散斑图坐标数据，有负载散斑图坐标数据和无负载散斑图坐标数据构成散斑图坐标数据。

步骤s103，根据载荷数据和散斑图坐标数据计算基坐标系下工业机器人的六维载荷数据和六维变形数据。

具体地，根据散斑图坐标数据构建工业机器人加载负载前后坐标数据的关系；根据工业机器人加载负载前后坐标数据的关系，并利用奇异值分解方法获取工业机器人加载负载前后的矢量六维变形数据；将载荷数据以及对应的矢量六维变形数据进行坐标系转化，得到基坐标系下工业机器人的六维载荷数据以及对应的六维变形数据。更进一步地，图4示出了本发明实施例一基于数字图像相关技术的工业机器人刚度辨识方法中相关坐标系示意图，参考图4所示，其中坐标系{7}为散斑板中心坐标系；坐标系{6}为工业机器人末端坐标系；坐标系{0}为基坐标系。

假设工业机器人加载负载前提出的一系列点坐标为{p1,p2,...,pn}，其中n≥3；工业机器人加载负载后提出的一系列点坐标为{p1',p2',...,pn'}，则可计算出工业机器人加载负载前后坐标数据的关系为：

pi'＝r*pi+t(1)

其中，r为3×3的旋转矩阵，t是3×1的平移矢量。

根据式(1)，设对h进行奇异值分解，令h具有如下形式：h＝uλv^t。其中，u、v是正交矩阵，λ是对角矩阵，可由u和v求解r和t矩阵：

r＝vu^t(2)

t＝μb-r*μa(3)

则可得到两系列点坐标相匹配的r和t，其中，

由r和t可进一步得出工业机器人的矢量六维变形数据δx，其中，

dx7＝t11

dy7＝t21

dz7＝t31

δx7＝atan2(r32/cos(δy),r33/cos(δy))

δz7＝atan2(r21/cos(δy),r11/cos(δy))(6)

其中，dx7、dy7、dz7、δy7、δx7、δz7表示该元素描述于图4所示的散斑板中心坐标系{7}中。

将计算的变形矢量数据转换为工业机器人基坐标系描述方式，使其与所建立的工业机器人刚度模型坐标系一致。

其中在散斑板中心坐标系{7}中的矢量六维变形数据δx包括位移和旋转两部分，分别为：

⁷d7＝[dx7,dy7,dz7]^t

⁷δ7＝[δx7,δy7,δz7]^t(7)

⁷d7和⁷δ7分别表示位移矢量和旋转矢量作用于坐标系{7}原点，并描述于{7}。

根据工业机器人位姿齐次坐标描述方法，设坐标系{7}相对于工业机器人末端坐标系{6}的齐次变换矩阵为其逆矩阵为坐标系{6}相对于坐标系{7}的齐次变换矩阵，平移部分矩阵为坐标系{7}相对于基坐标系{0}的齐次变换矩阵为：

齐次变换矩阵的旋转部分矩阵为可计算出作用于末端中心点，并描述于坐标系{0}的变形矢量为：

将采集到的载荷数据转换为工业机器人基坐标系描述方式，使其与所建立的工业机器人刚度模型坐标系一致。

六维传感器包括的力/力矩传感器测量得到的力矢量包括力和力矩两部分，分别为⁶f6＝[fx6,fy6,fz6]^t

⁶n6＝[nx6,ny6,nz6]^t(10)

⁶f6和⁶n6分别表示力矢量和力矩矢量作用于坐标系{6}原点，并描述于{6}。

坐标系{6}相对于坐标系{0}的旋转变换矩阵为可计算得到作用于末端中心点，描述于坐标系{0}的力矢量为：

步骤s104，将工业机器人的关节近似为线性扭转弹簧，构建工业机器人的刚度辨识模型，并基于六维载荷数据和六维变形数据，根据刚度辨识模型获取所述工业机器人的关节刚度值。

假设工业机器人包括6个关节，具体构建工业机器人的刚度辨识模型过程包括：

首先，建立工业机器人的笛卡尔刚度矩阵。

假设机器人末端所受到的力为f，产生的变形数据为δx,δx＝[⁰dx6⁰dy6⁰dz6⁰δx6⁰δy6⁰δz6]^t。根据胡克定律，有关系式f＝kxδx，其中kx为一个6×6的矩阵，是工业机器人的笛卡尔刚度矩阵。

其次，建立工业机器人的关节刚度矩阵。

在关节空间内，设定工业机器人的6个关节承受力矩为τi，则具体τi为τ＝[τ1τ2τ3τ4τ5τ6]^t，同时设定6个关节产生转角为δθi，则具体δθi为δθi＝[δθ1δθ2δθ3δθ4δθ5δθ6]^t。同样地，根据胡克定律，有关系式τ＝kθδθ，其中kθ代表工业机器人的关节刚度矩阵。

再者，建立工业机器人笛卡尔刚度矩阵和关节刚度矩阵的关系。

根据工业机器人末端受力f及其变形数据δx，以及6个关节所受力矩τi和相应产生的转角δθi，可以推导出笛卡尔刚度矩阵和关节刚度矩阵之间的关系：

kx＝j^-tkθj^-1(12)

其中j是一个6×6的矩阵，为工业机器人的雅可比矩阵，随工业机器人的位姿变化而变化，可通过矢量积法进行求解。

最后，建立工业机器人的关节刚度辨识模型。

将式(12)代入关系式f＝kxδx，结果变换后可得：

由于机器人的关节柔度为关节刚度的倒数，即因此工业机器人的关节柔度矩阵为c＝[c1c2c3c4c5c6]^t＝[1/kθ11/kθ21/kθ31/kθ41/kθ51/kθ6]^t，

对于式(13)，将六维矢量c分解出来，可以得到关系：ac＝δx，其中，

矩阵a为6×6矩阵，可通过雅可比矩阵j和力矢量f计算得到。进行一组实验测试，可获得一组f、δx、j，由此计算得到一个c矢量。

基于六维载荷数据和六维变形数据，根据刚度辨识模型获取工业机器人的关节刚度值包括：

假设在刚度辨识实验中在多种位姿下进行了m组实验，即具有m组f、δx、j、a，需要根据最小二乘法计算最为精确的柔度矢量c。

设aall＝[a1；a2；...；am]，δxall＝[δx1；δx2；...；δxm]，则有

aallc＝δxall(15)

对于式(15)，未知数为6个，等式个数为6m，其误差平方和可表示为：

使误差e(c)的值最小的c为：

由此可以得到最为精确的柔度矩阵c，则工业机器人的关节刚度值kθ为：

kθ＝1./c(18)

本发明实施例提供的基于数字图像相关技术的工业机器人刚度辨识方法，利用数字图像装置对机器人末端变形进行高精度识别，提高工业机器人的刚度辨识精度，从而用于关节变形补偿，对提高工业机器人的作业精度、拓展工业机器人的应用领域具有重要的意义。

虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。