摘要：一种新的校准方法，使用动作捕捉作为测量工具，利用ELM神经网络作为非几何误差源补偿，提升工业机器人的绝对精度。

工业机器人的绝对精度是评估其综合性能的重要指标之一。然而，由于机器人受到多种因素的影响，如加工误差、装配误差、零部件磨损、末端负载变化和温度影响等，其精度可能会受到影响。这对于卫星高精度组装和飞机集成组装等应用来说是不利的。随着工业机器人的不断发展和应用，对其运动精度的要求也越来越高。因此，提高机器人的绝对精度是当前亟待解决的问题之一。

同济大学航力学院的研究人员提出了一种新的标定方法，利用运动捕捉系统和人工神经网络（ELM）来增加工业机器人的绝对精度。所提出的方法与传统校准方法相比，在姿态精度方面可以实现较大改进。研究为改善工业机器人在各个领域中的性能和效率提供了新途径。

验证实验

将机器人布置在8台动作捕捉镜头的几何中心。用螺栓将一个铝制空心装置固定在末端执行器上，在机器人的每个关节点和末端执行器上布置约15个反光标识点，共90个。实验过程中，随机选择机器人的500个位姿动作作为研究对象。使用NOKOV度量运动捕捉系统测量机器人的连续运动状态，获得机器人各个关节的位置和姿态信息，并用于后续的DH参数校准。最后使用标准差的范数评估了标定方法，并将其与传统和改进的运动学校准方法进行了比较。

 实验机器人和动作捕捉系统

实验结果表明，随着几何误差和非几何误差等来源的增加，定位精度从定位精度由3.073度提高到0.077度。证实了算法的有效性，验证了预期结果。

 

实验中的定位精度

机器人在实验中的定位误差

参考文献：Tianchi Gao, Fan Meng, Xiaoyu Zhang, Zhicheng Tian1, Hanwen Song, An operational calibration approach of industrial robots througha motion capture system and an artificial neural network ELM, ［J/OL］The International Journal of Advanced Manufacturing Technology, DOI：10.1007/s00170-023-10856-w

原文链接：https://doi.org/10.1007/s00170-023-10856-w

想要了解更多动作捕捉相关信息，可点击NOKOV度量动作捕捉官网