摘要
现如今，工业机器人凭借其高精度、高效率和可重复工作的特性，广泛应用于焊接、喷涂、装配等领域的自动化生产。然而对机器人进行编程以完成特定任务，往往需要花费大量时间。为了实现机器人编程的快速性和易用性，本文通过演示编程的方法，将示教者演示过程中所采集的轨迹信息转化为机器人的运动程序，实现机器人的轨迹复现。针对演示编程方法中数据映射的误差问题，本文提出了基于激光跟踪仪示教的工业机器人演示编程方案。演示示教前，通过激光跟踪仪对机器人进行运动学参数标定以提高其绝对定位精度，从而减小激光跟踪仪与机器人的坐标系转换误差。同时针对示教轨迹复现时精度低、数据量大的问题，本文提出了高斯混合模型（GMM）融合道格拉斯-普克（DP）算法的工业机器人轨迹学习方法。本文主要内容包括以下几个部分： （1）提出演示编程系统的总体设计方案。根据演示编程目标，分析了系统的软硬件方案，阐述了演示编程的流程及其实现步骤。在此基础上，完成了机器人的标定及坐标系转换。利用MDH法对工业机器人进行运动学建模，通过机器人各连杆的微分运动，建立机器人的位置误差模型，并给出了激光跟踪仪辨识机器人运动学参数误差的具体方法。 （2）提出了GMM融合DP算法的轨迹学习策略。首先，采用动态时间归整算法对多次示教采集的轨迹进行时间对齐。其次，通过GMM对轨迹的特征进行提取，同时提出了采用DP算法来确定模型中高斯分布个数的方法。接着，通过高斯混合回归泛化输出轨迹，最后针对目标轨迹离散点位数量过多问题，再次利用DP算法提取出轨迹的关键点，并进行适当优化，得到最终轨迹。 （3）设计了一套演示编程的快速示教系统。通过人机交互界面的设计来方便用户完成演示编程，其主要内容包括：计算机对激光跟踪仪和对机器人的通讯、示教数据的采集与处理、机器人的轨迹复现。 （4）进行了轨迹复现实验验证。实验前先通过激光跟踪仪对机器人进行标定实验，标定补偿后的机器人平均位置精度可达0.3mm以内。最后进行机器人模拟焊接的轨迹复现实验，结果表明GMM融合DP算法的方法可以使机器人轨迹复现的最大位置误差控制在0.8mm以内，平均位置误差在0.5mm以内，轨迹的后续优化处理则使机器人可以适配更高的执行速度。
NETL