本发明涉及使机器人任务的离线编程成为可能之装置和方法。特别是本发明涉及机器人误差的映射及调整的方法。对机器人所要做的工作来说，这使既有高精度又有很大灵活性的离线编程成为可能。

机器人装置与日俱增地应用在制造工业中。主要用来完成装配线上的重复任务。机器人在这方面的应用伸展到汽车生产线及计算机工业上的微集成片的生产。目前，约束机器人市场增长的主要因素是常规机器人系统无法在严格的容限下操作。机器人内在的误差是此约束的主要因素，也是近年来人们的攻关目标。

机器人的误差说明了机器人不能按指令移动到所指定的工作区域内的由位置和（或）方向限定的方位矢，例如，根据机器人结构的机械指标及所感觉到的机器人所在方向的参考坐标，机器人控制程序可以令机器人移到一个特指的位置。尽管在制造和安装中用了最好的控制，指令运动的实际操作不会使机器人准确无误地到达所期望的位置和（或）方向。这种状况即机器人误差是因为我们无法制造和装配每一个机器人零部件使其与理想的或完美的机器人模型相一致的结果。微小的构件长度偏差，受力时产生的柔量，齿轮的不理想啮合以及很多其他结构上的限制都会导致机器人操作时与理想数学模型不一致。机器人误差的存在相应地成为在用于任务的工作单元内预先编制机器人运动的障碍。简单地说，不能予知机器人的准确位置或运动限制了机器人运动准确路径的预先编程。相应地，尽管离线编程有许多优点，工业界只好转向其他形式的机器人任务执行编程。

两种主要的其他机器人编程方法包括运用感觉系统和示教方法。 目前机器人在重复操作上的运用主要还是使用示教编程法。这种方法可以通过带机器人经过一系列完成工作必需的中间位形或节点位置，并把这些节点位置存储在计算机存储器内来完成。因为机器人能根据这些存储的数据再现所教的位形或节点位置，所以机器人操作能在所定的容限内完成。结果是机器人被“教会”完成所定运动路径上的确切任务。机器人之控制驱动器只是简单地再现一系列通过示教方法编程的节点位置和运动。

示教编程有很多很严重的缺陷。比如，在一个机器人上教好的程序却不能够传送到同样型号的另一台机器人上。事实上，每一个机器人都有不同的结构和制造误差。这些误差来源于节点不对准误差，节点柔量，齿轮系误差，标准公差误差等等。还有，复杂的运动轨迹需要很多中间节点方位矢（位置和方向）。编这种程序非常令人生厌，并且通常操作效率也不高。更有甚者，在动态的或拥挤的工作空间里示教机器人运动路径往往是很困难的。而且工作空间硬件由于不注意引起的碰撞的机率也会大为提高。

从实用观点来看，示教法严重地限制机器人在装配线上执行任务的柔性。例如：如果执行任务时遇到不能接受的偏差或变化都要求整条装配线停工，甚至只因为其中一个机器人构件需要调整。在机器人要完成好多装配线上任务的地方，由于示教法引起的重新编程所浪费的生产时间是昂贵的。在实际工作单元中，这样的示教编程不得不得重新实施，因为任何移动正在按程序工作的机器人的尝试都会导致参考坐标系的变化，同时也失去了参考方向。本专业的技术人员都很清楚地知道示教编程的局限性花费了工作人员的很多时间并且严重地限制了机器人在几条生产线上执行任务的应用。

第二种机器人编程方法依靠运用感觉系统来移动机器人之末端构件（end    effector）到恰当的和目标物体或其他特定目标之相互配合处。在以下情况时，这种编程方法得到广泛应用。目标零件没有按相同的方向或位置输送到工作单元;或者，目标零件有处于动态变化的物理特性。在这种情形下，机器人重复实际运动的能力没有任何灵活性以适应具有新方向或位置的零件。相应地，像摄象机或其他图象系统之类的感觉装置可以和机器人末端连杆结合，并且也可以编程以适应机器人为响应伺服系统所作出的运动。这样可以导引机器人移到所探测到的目标位置。不幸的是，感觉导向系统非常昂贵，而且需要特制的装置，相当大的计算机系统的支持和可观的编程力。因此，经济上的制约严重地约制了感觉导向系统在机器人上的广泛应用。

除此之外，还有好几种运用以上两种编程方法之混合的编程法。例如，在有些任务中，大部份整体性的运动是靠示教方法编程的，而在局部的某些运动是靠感觉系统来完成的。在另外的一些任务中，感觉系统可能被用来检测零件输送时的小偏差。而示教法则用来保持矫正过的路径。这种方法使机器人适应零件刚体方位矢的变化。但是，只有当零件仅有微小变化或该任务并没有要求机器人和零件有很紧的相互配合容限时，此方法才有效。

总之，可以明显地看出机器人之重复度和误差所构成的定位因素形成对机器人编程的严重限制。在线示教法应用机器人的重复度来克服机器人的误差问题，却严重妨碍了它的灵活性并且需要昂贵的附加工具和工作人员的很多宝贵时间。感觉系统编程应用反馈来克服重复度和精度的限制却是复杂的并需很大的计算能力。这使处理速度减慢并且也降低了可靠性。

以上所述种种限制已促使在实现机器人更灵活应用方面有更进一步的研究和发展。人们希望能够使机器人适应工作单元中的变化，包括零件输送和工作单元操作环境的变化以及生产量要求的变化。虽然人们已试图建立一些参考系作为操作机器人运动的基础，但是这些参考系也是依赖于整体技术，这与局部的工作区域相抵触。整体方法试图在机器人的整个工作区域内决定机器人之误差，并且运用模型方法来预测或测量机器人结构的和动态的误差源。例如，这些误差包括不适当的方向，节点位置偏差，传动系统误差，机器人受力产生柔量所造成的误差，译码器传感读误差等等。一旦这些误差决定了以后，以上方法就会提出数学矫正模型来矫正与理想机器人模型的误差。

这种整体技术在测量机器人误差方面还没有成攻的证明。因为这些方法试图准确地决定几何空间里的特定节点，然后又试图使机器人轨迹和该节点一致。要这样做，必须知道机器人基础参考系相对于机器人底座的准确位置。这种设计思想是很难实现的，因为这是想象的，并不是实际的机器人上的物理位置。在整体环境中确定给定点的复杂性也变得难以处理。编程的复杂性，庞大的存储器要求以及实验的复杂性都使这些用整体方法作基础来调整机器人特性和误差的变化的试图落空。

改进机器人精度的另一些方法包括定义机器人运动参数并试图用软件来补偿运动误差。详见Hayati.S.，“Robot Arm Geome-tric Link Parameter Estimation，”Proceedings of the 22ndIEEE Conference on Design and Control.PP.1147-1483，December 1983.另外一些研究者证实节轴偏差会很大地影响机器人的定位精度，并提 出了决定节轴位置和方向误差的方法。详见，Mooring，B.W.，“An    Improved    Method    for    Identifying    the    Kinematic    Parameters    in    a    Six    Axis    Robot，”Texas    A    &    M    University.所有这些模拟方法都没有完全处理测量误差。此外，这些测量结果都是在整体坐标系里得到的。其他已发表的文献提出了改进了的但却是复杂的校正方法，可还是没有克服测量误差以取得可接受的精确数据。详见Whirneg，D.E.，C.A.Lozinski，and    J.M.Rourke，“Industrial    Robot    Calibration    Method    and    Results，”Proceedings    of    the    ASME    on    Computer    in    Engineering    Conference，PP.92-100，Las    Vegas，Nevada，August，1984.最后，有些研究试图决定一个能允许机器人控制器补偿二阶非线性运动效应的数学模型。但是这又和绝对空间有关并且也不能处理好在预测机器人定位精度时的动态效应。更重要的是，所有这些技术都试图用整体（绝对空间）方法来决定机器人的误差。

本发明目的之一是提供一个补偿机器人误差的方法。

本发明目的之二是提出一个能使机器人任务离线编程成为可能的方法。

本发明目的之三是提供一个改进可编程机器人相对于目标物体的方向和（或）位置精度的方法。

本发明目的之四是提供一个校正方法。该方法可校正作为机器人运动控制系统的一部分的连接在机器人末端连杆的末端控制坐标系（TCF）之位置。

本发明目的之五是提供一个目标物体上的特定目标之映射方法以用来改进作为机器人部分任务的操作和处理精度。

以上所述诸目的是靠以下几个定方位步骤为特征的方法来实现的。首先，机器人相对于目标物体被安放以使其末端构件有一个包括目标区域在内的运动范围。有一系列参考位置被识别出来，关于这些位置的识别数据被推导出来并存储在数据处理装置里。此机器人之末端构件然后被移到一个被称为校正位置的参考位置。在这里，装在机器人上的一个感觉装置感测到校正位置或特定目标的存在。这个位置然后和原先存储的关于同一校正位置的数据相比较。根据位置差异，刚体误差矫正数据被推导出并存储在数据处理装置里。根据由刚体误差矫正数据得到矫正的原来存储的识别数据，以便更精确地预测机器人相对于第二个参考位置的安放位置，机器人末端构件然后被移到第二参考位置上。其他和误差映射及机器人末端控制坐标（TCF）校正有关的步骤也在此公开。

本专业的技术人员将会从下面详细的介绍以及所附加的图表上明确本发明的其他目的和特征。

图1    图形描述机器人相对于校正板或其他目标零件的操作。

图2a，2b和2c表示末端控制坐标（TCF）位置校正的步骤。

图3    表示应用在此公开的校正步骤，决定TCF方向。

图4    表示在直角坐标系里的部分校正轨迹。

图5    表示装有末端控制及感觉装置的机器人。

图6    表示机器人相对于校正板的位形。

图7    表示位置误差收敛图。

图8    表示本发明所用的示范校正板。

图9    是根据实验得出的机器人误差数据表。

图10    是所测量到的机器人误差图。

图11    是位置和方向误差矫正后的数据。

图12    是本发明综合步骤之流程图。

图13    是本发明校正步骤综合之流程图。

图14    表示本发明预编程法里所用的控制点。

图15    表示用来避免机器人和障碍物碰撞路径调整法。

本发明人发现，只要用与整体参考系相对的相对参考系，机器人任务离线编程是可以实现的。具体地说，在此公开的新发明的方法是以局部特定目标或参考系为相对基础的空间关系为根据的，而不是试图把机器人的运动和整体参考系连系起来。这个方法假定机器人将要操作或运用的目标物体之几何参数是知道的并且是在一定的容限内的。本发明一个很突出的方面是它使成功的离线编程法成为可能依靠运用这些利用相对空间关系数据而不是整体参考系的方法。这些方法依赖于以下两个事实。大多数机器人之重复度都可达到令人满意的容限;机器人将要操作的目标零件都是按要求容限预先制造好的。从这个观点来看，本专业的技术人员一定很清楚机器人的重复度必须要在机器人任务要求的容限之内。另一个重要方面是机器人所要操作的零件之几何规范必须在需要的时候能达到并能传送到机器人工作单元。

本方法运用像视觉系统或探针之类感觉器来观察或探测目标物体上的已知特定目标。所用的感觉系统和工作单元安排是这样设计的以便这些特定目标能够由机器人通过手控或利用离线计划的路径来达到。根据感觉系统的容量和工作单元原始几何结构安排的精确度可以决定 选择哪一种方法来达到目标。

在运用这里介绍的方法时，通常假定零件按可接受的容限以可重复方式被输送到工作单元内，零件的几何规范也保持在此容限内。当这些条件满足时本方法用感觉系统来达到在目标零件上的已知特定几何目标。实际几何参数和感觉器感测到的几何参数之间的偏差即是机器人相对零件的误差。一旦知道这个相对于选定的特定目标之误差，机器人就能应用内插法和外插法预测移到下一个目标时机器人的误差，因而能更精确地移到下一个零件的相互配合位置上。根据这些预测的机器人误差，误差矫正算法就能应用于调整预先离线计划好的路径。这种方法可提高有效机器人准确度高达一个数量级以上。

本方法通常需要识别目标零件或目标位置上第一个特定参考目标。这个特定目标用来做相对于机器人的刚体方位矢矫正。其他特定参考目标或参考位置通常都将相对于第一个特定参考目标来决定，但也可以相对于彼此之间来决定。根据相对的移动（并不是整体移动），特定目标之相对几何参数可以用来决定所存在的机器人误差。这种方法优越于任何其他现有技术方法的地方在于机器人的误差不需要在整体上决定，而仅需要在局部的区域内决定。这些区域是机器人和目标零件实际操作接触的部分工作空间。更值得一提的是，误差测量不必用需要整体定位的独立测量仪器进行。

就机器人在制造工业上的应用来说，这种方法的一个突出优点在于按一定的容限被重复地输送到工作单元的零件可以在一开始时就被映射或测量机器人相对零件的误差，映射以后，感觉系统可以关掉，而让机器人重复地进行工作。定时的映射可以用来证实零件和机器人是否在所期望的容限内工作。应用此方式，这种误差矫正方法可以用 在统计处理控制上。

在此公开的离线编程技术假定对于任何机器人位形，工作单元及机器人工具相对于机器人底座参考系的几何参数是知道的，这些数据通常是由制造者提供的或者是可以用其他方法确定的。所有整体离线技术都失败了，因为有节点偏差，节点柔量，齿轮系误差等误差，机器人无法被准确地移动到几何空间的绝对位置上。不在机器人参考系上的目标零件是由象视觉系统之类的感觉器定位的。这些零件通过相对节点变换定位于视常见摄象机坐标系（也是一个参考系）上。一旦这些零件被变换定位到机器人底座参考系上，逆运动方程就可决定移动机器人工具或末端构件到所希望的工作点时机器人节点的值。

校正技术可以应用于机器人之各单元，包括底座坐标系，中间连杆，末端连杆（包括末端连杆坐标系）以及和末端构件有关的末端控制坐标系（TCF）。这些校正技术的目的在于建立机器人各单元之间准确的相对方位矢。很显然，一旦这些相对方位矢被测知，那么任一机器人单元之特定方位矢的确定都可用来确定其他各单元的特定方位矢，从底座坐标系一直到末端控制坐标系。

本发明公开二个等级的机器人校正，即离线校正和在线校正。离线校正技术用来准确地确定安装在机器人末端连杆或机械手上最终连杆之末端构件的TCF方位矢，机器人示教盒上的读数被用来决定末端构件的TCF方位矢。在线校正用来确定机器人TCF相对于工作空间中零件之方位矢，并在机器人工作空间的局部区域补偿机器人误差。因为这些校正方法运用局部特定参考目标，机器人的误差低于装配所要求的容限。此外，校正数据的统计平均值也可用来补偿机器人的一些定位误差。

机器人和机械手任务之模拟软件（SMART）已经研制出来，此软件还能离线计划校正任务和工作任务。校正路径是由一系列机器人位形组成的。这些位形经过综合，然后输送到机器人控制器并执行，可以使机器人把装在其末端的视觉系统（比如摄象机）移动到所希望的被用于识别零件准确位置的特定校正目标附近。工作路径由一系列机器人位形，速度整定值，抓放指令等组成，此路径经过综合以后输送到机器人控制器并执行，可以使机器人移动其工具到所期望的操作点上。

由于机器人的误差及工作单元几何参数的不定性，计算机模拟所计划的离线路径必须修正以适应这些误差。这些误差可以由视觉系统或其他感觉器来测得。相似路径调整方法运用预计划路径内适当的控制点来调整预计划的工作路径，却保持相似的直角坐标路径形状。所有这些方法都将在此详细讨论。

在此所要介绍的校正方法之一是校正装在机器人之末端连杆的末端构件及感觉器的TCF位置。这些相互关系可以借助图1来得到更好的理解。此图上有机器人10，该机器人有底座参考系11，中间连杆12，13及14。末端连杆15上有末端坐标系16。末端构件（如摄象机、夹具或其他工具）17安装在末端连杆15上。末端控制坐标系（TCF）18和末端构件相连并提供参考系，这些坐标系分别定义为机器人整体坐标系（xyz）m，末端构件TCF坐标系（xyz）T和机器人末端坐标系（xyz）e。

TCF位置校正的目的是相对于末端坐标系16确定坐标系18。因为末端坐标系相对于机器人整体坐标系11之方位矢是已知的，所以这种校正技术将把所有三个参考系结合在一起。只要给出任一单元 的位置，机器人的计算机数据处理和存储装置会很快地计算出任何其他单元的位置。

本方法首先将一尖状指针19安装在机器人末端连杆15上，并使指针19和末端坐标系16之z轴相平行。第一个参考点是选在离开机器人本身的地方但却在机器人之操作距离之内。此参考点在图1中以标号20表示出，可以是校正板21上的一个有蚀刻标记的固定点。机器人然后移到一个位形以使指针之尖刚好位于第一个参考点。机器人在此位形时的有关数据被存储在机器人计算机上，以便以后提取和比较。象摄象机17之类的末端构件安装在末端连杆上并包括一个参考点（图中未示出）。

机器人然后移动到第二个位形上以使末端构件上的参考点刚好位于第一个参考点上。虽然标号20在图1上是长方形，参考点可以只是一个点而已，该点用于与指针19符合。机器人在此步骤中的第二机器人位形时的有关定位数据也被存储在计算机上，以便以后提取和比较。

TCF位置校正的下一步是比较刚才存储的机器人两位形的数据以分析其差异。此差异通过机器人计算机处理以后限定TCF相对于机器人末端坐标系的偏移位置。这一步是根据以下两方程来完成的，此两方程可以通过合并图2（b）和2（c）而推导出。根据以上的步骤，推导出一组方程，然后解出x和y，这是可能的。其中x和y是TCF坐标原点在机器人末端坐标系上的坐标。

X＝（X2-X1）S2-（Y2-Y1）C2方程（1）

Y＝（X2-X1）C2+（Y2-Y1）S2方程（2）

式中，Si＝Sinθi;Ci＝Cosθi;X1，Y1，X2，Y2，θ1和θ2是机器人示教盒的读数。

由于多种机器人误差的存在（包括视觉误差，机器人编码器和译码器误差，齿轮间隙，控制器误差等等），在工作空间内随机选择很多标号22的参考点（图中仅示出一个），并在每一点上执行同样的校正步骤，选择就可以运用统计平均值来决定最好的TCF变换矩阵。 这样一个过程是靠以下方法步骤来实现的。附加参考点22选择好以后，机器人就移到它的第一个位形以使指针19刚好位于此附加参考点上。机器人在此附加步骤中第一个位形时的有关定位数据被存储在计算机上，以便以后提取和比较。机器人然后移到第二个位形上，以使末端构件上的参考点刚好位于此附加参考点22上。机器人此时有关定位数据又存储在计算机内，并与第一个位形数据进行比较，通过对信号进行必要的处理产生相应的TCF在末端坐标系中的坐标x和y（偏移位置）。重复以上过程推导出定位的统计平均值，以便建立各差值的基本统计基数，并经处理去确定最好的TCF变换矩阵。

TCF位置决定了以后，TCF方向的校正则成为必需。每当装配或机器人应用需要确定的位置和方向时，TCF之方向就是必不可少的了。此方向可以用在工作空间选择第二个参考点的方法来确定。此参考点必须在末端构件的操作距离内。机器人然后被移到第一个位形，以便指针19刚好位于第二个参考点22上。机器人在此时的有关定位数据被存储在计算机存储器上。机器人计算机然后处理所存储的有关第一个和第二个参考点的定位数据，并决定连接第一参考点和第二参考点之直线的方向矢。这样此直线上的矢量有了确定的相对于TCF的方向。此方向又被存储在计算机上以便以后提取和处理。

机器人然后移到第三个位形上以确定直线上的矢量相对于TCF的方向。机器人此时的有关数据也存储在计算机上。计算机然后通过数据处理确定TCF相对于机器人末端坐标系的方向。以上这些步骤可以通过图3得到更好的描述。

应用刚介绍的校正方法中获得的TCF位置坐标，任选的两点p和q的坐标位置可以通过以下步骤决定。移动机器人到某一位形以使 末端构件TCF的中心在任选点P上，机器人此时的位置可以从示教盒上得到。点q在机器人整体坐标系上的位置也可用相似的方法获得。运用第一步所获得的数据（即p和q的位置）矢量pq＝p-q在机器人整体坐标系上的方向可用α来表示。角α可由以下方程得到

α＝arctan（Yq-Yp，Xq-Xp） 方程（3）

其中Xp，Yp，Xq，Yq分别为点p和q在机器人整体坐标系上的坐标。机器人然后移动到另一个位形以获得矢量pq相对于末端构件TCF的方向（图3上的角γ）。机器人在此时的位形又从示教盒上得到。对于摄象机和末端构件，角γ可由方程（4）得到。

γ＝arctan（Yqv-Ypv，Xqv-Xpv） 方程（4）

其中Xpv，Ypv＝点p在图象屏幕上的坐标，Xqv，Yqv＝点q在图象屏幕上的坐标。从这一系列过程中所产生的方程中，TCF方向β可由下式决定：

β＝arctan〔Cos（α-θ-γ），Sin（α-θ-γ）〕    方程（5）

对于其他非轴对称的末端构件，应使其TCF之x轴和矢量pq相平行以使γ＝0。以上所述的TCF方向校正方法可对任何安装在机器人末端连杆上的末端构件运用。为了得到最好的TCF方向值，可使用以前所介绍的统计平均值方法和步骤。

在线校正是在机器人工作时进行的。应用一个摄象机、已校正的TCF几何参数及从预先处理过的数据库中所得到的工件的几何参数，在线校正将决定工作空间内工件的相对位置。这将使刚体误差矫正及机器人定位误差矫正成为可能。

本发明研究得出的相对方法使用一个如图1所示的特定校正目标和一个用来获得工件和机器人末端构件相对几何参数的视觉系统。应 用图1所示的相对坐标系，工件相对于机器人整体坐标系之方位矢可以通过以下变换方程得到

Tcm＝cTemTveTfvTcf方程（6）

其中Tcm＝工件坐标系相对于机器人整体坐标系的变换。

cTem＝当摄象机位于特定校正目标之上时，机器人末端坐标系相对于机器人整体坐标系的变换。

Tve＝摄象机坐标系相对于机器人末端坐标系的变换，此变换可通过离线机器人校正确定。

Tfv＝特定校正目标坐标系相对于摄象机坐标系之变换，此变换可通过图象分析确定。

Tcf＝工件坐标系相对于特定校正目标坐标系之变换。此变换可从预先处理过的工件几何数据库中获得。

有了TCF相对于末端坐标系的位置和方向之后，就可建立任何目标物体或零件相对于机器人之位置和（或）方向。这可通过确定一个有相对基础的参考系来完成。这和试图确定机器人相对整体参考系的位置刚相反。从实用观念来看，应用工件和机器人位置之间的相对参考系更合理，因为大多数制造操作都是相对于局部参考系或工件基准标来进行的。应用本方法可以使机器人之方位矢成为参考，而且机器人误差以相对工件基准标的形式来表示而不是相对更复杂的整体参考系。

本发明包括对应用运动模型，随机模型及其他分析方式的介绍。 其一般步骤介绍于下：

机器人相对于目标物体或参考位置安放，一系列相互独立的参考位置或特定目标都已确定。更典型地，这些特定目标位于目标物体上并且是由特定的几何或空间数据表示。下一步是识别决定这些几何参数的数据以及相对于目标的互相独立的参考位置的空间数据。每一个参考位置的识别数据都相应地存储在机器人计算机系统的数据处理装置内。当机器人移动到参考位置附近时，这些数据将被用于比较操作。

机器人之末端构件然后被移到一个参考位置附近的第一位置，例如图4中，机器人末端构件被移到定义为校正位置或特定校正目标的初始参考位置41上。在这个位置上，末端构件感测到特定校正目标的存在。这个感测到的校正位置和原先存储的和该位置相关的数据进行比较。经比较得出的偏差可用来完成刚体误差矫正。机器人相对于这个校正位置的矫正数据将在以后的移动中用到。刚体误差矫正数据被存储在机器人计算机上，以备将来之用。

末端构件42然后被移到第二个参考位置43上。有关原先存储的参考位置43的识别数据被输送到机器人计算机上，而以上的运动是根据此识别数据来产生的。此外，把末端构件移到第二个位置的过程还包括应用由前面步骤确定的刚体误差矫正所得到的矫正参数。这样就能更准确地预测使机器人移动其末端构件到第二参考位置43上的适当方位。本发明相应地确定相对于第一个特定校正目标41的刚体误差矫正，并把该矫正应用在以后的移动中。因而也修正了原先存储的和第二个位置有关的识别数据。

此方法还可通过测量更多的参考位置，比较所感测到的新参考位置数值和原先预测到的该位置之旧数值，扩展到应用统计平均。机器 人预测位置和实际位置的偏差可以感测到，此偏差通过处理后还可以决定如何矫正才能更准确地把末端构件移到下一个参考位置上，这些确定的矫正值，存储在计算机里以备将来处理使用。通过对每一个新加的参考点（如图4中之44及45）重复地移动，感测，存储和处理等步骤，即可获得统计平均所需之数据。

以上所述过程已应用于图5所示系统。该系统中有装在机器人末端构件53上的摄象机51及探针52。和摄象机51，探针52相关的是校正板61。校正板上有用来测量机器人位置的特定参考目标62。例如，特定目标63可以用作特定校正目标。这是探针52将要探测的第一个特定目标。其余像62这样的特定目标可作为其他参考点以用来帮助建立决定运动模型所需的统计平均。在这个例子里，特定参考目标的位置是以校正板基准标（这是制造时预先确定好的）为参考的。而机器人之方位矢也是相对校正板基准标来测量的。

机器人运动模型测量之方法的应用是Mooring，B.W.和Tang，G.所提出的有关步骤的修正。以上二人的有关文献是：Mooring，B.W.，“The    Effect    of    Joint    Axis    Misalignment    on    Robot    Positioning    Accuracy”，Proceedings    of    the    ASME    Conference    on    Computers    in    Engineering，Chicago，Illinois，1983〔1〕.及Tang.G.，“Calibration    and    Accuracy    Analysis    of    a    Six-Axis    Industrial    Robot”，Doctoral    Dissertation，Dept.of    Mechanical    Engineering，Texas    A    &    M    University，December，1986〔2〕。应用这些步骤， 机器人之运动模型可以通过计算所测量到的方位矢数据得出。该计算出的运动模型是通过决定组成机器人各节轴的位置和方向而列出的。这个运动方程是根据Suh，C.和Radcliffe，C.W.在Kinematics    and    Mechanism    Design（New    york：John    Wiley    &    Sons，1978〔3〕）一书中所推出的普遍螺旋位移矩阵方程得出的。每一节点由一个位置矢量p和一个方向矢量u确定。一旦决定了实际节点之模型参数，校正了运动模型即可得出。这个模型是相对于方位矢测量阶段所参考的工件基准标（图6）而确定的。

当知道了机器人精确的运动模型后，给出机器人每一节点的值就可准确地确定机器人的方位矢。为使机器人准确地移动到所给定的方位矢，可以求出一个逆运动模型用来计算各必要节点的值。逆运动模型可根据Denavit-Hartenburg系数法（或简称D-H系数法）或其他有效的机器人运动方程推导法来形成。大多数机器人控制器采用这样一个逆运动变换和很多文献上发表的机器人模型，本发明人提出一种根据预测一矫正和逆雅可宾（Jacobian）表示法的算法。

简单预测一矫正法运用已校机器人运动模型来预测机器人的位置。机器人方位矢节点值是用标准逆运动模型来估计的，所产生的方位矢是用已校模型预测的。目标方位矢和预测方位矢之间的偏差是方位矢误差。目标位置然后被矫正以克服方位矢误差。这些过程一再重复直到预测的机器人误差大大地减少。逆雅可宾结合到预测一矫正循环中并同样地使用已校运动模型来预测机器人的位置和逆运动变换。其数字建模方法和已校运动模型之建模法相似。机器人位 置对每一节点值的偏微分可以确定。节点之微矫正可通过解下列线性矩阵方程（解△q）得到估计。

（ T/ qi）△q＝△T 方程（7）

其中， T/ qi是机器人方位矢对第i个节点值qi的偏微分。△q是微节点值，△T是用已校节点模型参数预测的机器人位置和机器人目标方位矢之间的偏差。这样，运动校正的节点值可通过重复迭代方程（7）而得到。

运动补偿需要运用稍有修正的逆雅可宾表示法。此表示法可在Paul，R.所著Robot    Manipulators：Mathematics，Programming    and    Control（Boston，Massachusetts，M.I.T.Press    1982〔5〕）一书中找到。这两种逆雅可宾表示法都根据下列近似式得出。

（ T/ qi）c≈（ T/ qi）n 方程（8）

其中（ T/ qi）c表示机器人位置相对于从已校机器人模型中得出的节点值qi的变化。（ T/ qi）n则表示机器人位置相对于从理想或标准机器人模型中得出的节点值qi的变化。图7给出了典型的机器人位形运用预测-矫正和逆雅可宾方法时的收敛性。图7纵坐标上表示的RMS定位误差是所模拟的机器人在每一次迭代时的均方根定位误差。

随机模型为更进一步减少机器人误差提供了附加的误差补偿能力。本研究所用的随机模型方法是以黑箱子方法RSM（Response    Surface    Methodology）为依据的。RSM可用来计划建立综合性的机器人误差统计模型所必需的机器人方位矢。应用于6个自由度的机器人的设计空间是2或3级，6个参数的空间。设计空间的级 数决定统计模型的阶（2级用在线性模型上，3级用在二次模型上）。参数数反映机器人之节点数。诸参数表示机器人误差之线性或二次模型的独立变量。

建立统计补偿模型需要另一组如前所述的目标零件相对测量。在统计校正方位矢传送给机器人控制器或计算机之前，都要经过前面所述的运动补偿矫正。机器人然后移到已矫正的方位矢上，剩余误差也同时测量到。此剩余误差又通过运动补偿方法（预测一矫正或逆雅可宾）变换成微节点值。此节点剩余微波动可通过下面所给的统计补偿方程决定。

qi＝a+bi1q1+Ci1q21+bi2q2+Ci2q22+……

+bi6q6+Ci6q26方程（9）

其中，a，b和c是从回归分析中所得到的二次模型系数。q表示节点值。qi表示节点微波动。模型系数的第一个下标表示被补偿的节点（i），第二个下标则表示节点。同样地，节点值的下标表示节点。

运用本方法的典型补偿过程介绍于下。校正方位矢在模拟设备上离线计划，机器人移动并置其本身于已校运动模型所要求的校正方位矢上，此时误差可以测量。机器人移动并转置其本身于统计模型（通过RSM来确定）所要求的校正方位矢上。此时的误差也可测量。所期望的任务然后相对于零件基准标离线计划。离线计划的任务采用以上相对于运动模型和统计模型的校正方位矢所建立的模型得到矫正。补偿后的任务数据被送到机器人控制器。计划校正方位矢的初始各步仅需偶尔重复，而统计模型校正方位矢的测量则需周期地重复。余下的步骤则需对在离线模拟设备上计划的每一个机器人位置重复执行。

如前所述，根据本方法的离线编程是以相对关系数据为基础的， 并依赖于大多数机器人之重复度是在可接受容限之内这个事实，也依赖于机器人所操作的零件是按要求容限预先制造好的事实。只要保证将操作的工件以预先确定好的容限送到机器人工作单元内，就可应用离线编程指示机器人移到工件上的特定参考校正目标以获得刚体误差信息。特定参考目标建立好以后（图4中标号41及图6中标号63）机器人就可被指令移到工件上其他预先确定好的特定目标。由于预先知道工件上各特定目标之间的相对几何关系，机器人相对于其所操作之零件的误差就可以通过执行一系列步骤来确定。执行矫正程序就可以矫正局部区域内机器人之误差。因而使离线编程方法有实用价值。

这也使机器人局部误差的映射成为可能。如果零件能重复地位于预先定好的容限之内，这样的映射没有必要对每一个进入工作空间的零件进行。当零件以很稳定的重复性进入工作空间时，装配操作期间感觉装置可以关掉以加速装置工作。机器人的误差则由软件对离线程序的修正而得以补偿。

映射相对一个目标物体机器人误差的一个通用方法如下所述。首先，确定一个目标物体，这包括一系列可作为参考点的可识别的特定目标。建立一个能确定目标物体上特定目标之间的几何及空间关系的特定目标数据库。该数据库必须有关于各特定目标的足够的具体细节数据，以便计算机感觉装置能分别地辨认每一个特定目标。特定目标数据库的数据然后存储在机器人计算机上以备以后提取和比较。目标物体放在机器人末端连杆的操作范围之内。有感测目标物体上之特定目标能力的感觉装置安装在末端连杆上。这个感测通常是根据比较（Ⅰ）感觉装置所感觉到的相对于特定目标的数据，和（Ⅱ）特定目标数据库里存储的特定目标数据而进行。

像前述运动和随机建模法一样，感觉装置也相对于末端连杆校正以便准确地确定末端坐标系相对于感觉装置之TCF的相对位置。这个已校的TCF位置被存储在计算机上以备以后提取和比较。有一个程序可以使特定目标数据库内数据和已校TCF位置相关。该程序还提供给机器人驱动指令，以使其移动感觉装置按顺序到目标物体上各个要映射的特定目标的预定位置。

下一步是执行机器人内的一个程序以使其感觉装置被移到在目标物体上的已校特定目标，该特定目标是已存储的特定参考目标之一。例如，这可以是图4上的标号41或图6上的标号63。感觉装置的实际位置相对于预定的位置之间的相对方位矢误差可以在此决定，这也提供了刚体误差矫正数据。该数据被存储在计算机内以备以后提取和比较。例如：所存储的刚体误差矫正数据和一个程序连系起来以决定其他特定目标的新的预测位置。感觉装置然后被移到此所预测位置，以决定实际位置相对于新预测位置的相对方位矢误差。这些误差数据被存储在计算机上。对每个剩下特定目标重复以上步骤便可建立目标物体的映射，以提供机器人误差的统计基础。

这个通用方法曾用在一个制造容差为+0.0005英吋的校正板上。该校正板的尺寸如图8所示。

一旦TCF决定后，逆运动程序就可用来正确地把摄象机参考系放在工件特定目标附近。Automatix    AV-3视觉系统相对于图8所示的校正板校正。y象素对于x象素的相对象素大小可以通过定位校正板上两个已知点在视觉系统摄象机参考系中来决定。此两点在象素坐标上的位置可通过得到y象素距离和x象素距离之比的一系列试验之统计平均来确定。象素之间所表示的实际距离也是必须有的。可 用同样的两点，并因为这两个点的实际距离是已知的，通过一系列试验以获得统计平均。

视觉系统的坐标原点位于x方向192.0象素，y方向127.5象素的地方。由于视觉系统的应用，视觉系统所捕获的特定目标相对于装在机器人末端连杆上的摄象机TCF的相对坐标可以确定。用于决定该坐标系的方法是本说明书第一部份介绍的TCF校正法。这个变换涉及得到在摄象机TCF坐标系中的校正板坐标系和视觉系统坐标系，可以由方程（10）得到。

Tfv＝Tcv×Tfc方程（10）

其中Tfv＝特定校正目标坐标系相对于视觉系统坐标系的变换

Tcv＝摄象机TCF相对于视觉系统坐标系的变换

Tfc＝特定校正目标坐标系相对于摄象机TCF的变换

相对定位方法的应用是现有机器人技术的一个重大突破，因为只需对机器人所操作的零件附近之局部区域推测机器人误差。当机器人从一个工作台转到另一个工作台时，其误差并不是关键因素，但因为实际装配或其他形式的机器人任务（如抓和放）要求很高的准确度，在这些小区域内机器人的误差需要确定。这里所介绍的种种方法都在具有+0.001英吋重复度的SEIKO    RT-3000系列机器人上获得成功的验证。

应用图8所示校正板，机器人在局部区域上的误差分布可通过首先把摄象机移到特定参考校正目标81上来决定。从这个特定目标上，刚体误差矫正所需的数据都可获得，并可运用到随后的机器人移动上。同样的移动和方向刚体误差矫正应用在所有特定目标上以实现机器人相对于工件的误差映射。刚体误差变换确定以后，机器人按视觉系统 软件的指令移到下一个特定目标82。所有八个特定目标81-88都通过数据库取数及视觉系统得到映射。图9列有决定机器人误差的实验数据。从图10可以看出，机器人误差随着和特定参考校正目标81距离的增加而增加（近似线性）。

因为局部位置误差几乎是距离的线性函数，下列线性方程可用来补偿机器人误差。

Ex＝A1X+B1Y 方程（11）

Ey＝A2X+B2Y 方程（12）

解以上常数需要工作空间两个独立点的误差值。此项工作可以通过下面几步来完成。首先把摄象机移到特定参考校正目标上以决定刚体误差矫正;然后，摄象机被移到其他两个特定目标上，称之为i和j，这样解方程（11）和（12）所需的数据都全了。目标i上的误差方程为：

Exi＝A1Xi+B1Yi方程（13）

Eyi＝A2Xi+B2yi方程（14）

其中Xi和yi是机器人在直角坐标内的移动。Exi和Eyi是视觉系统在目标i上所获得的位置误差。同样地，目标j上的有关数据亦可获得。应用克莱姆法（Kramers rule）则可能得常数A1，B1，A2，和B2。在这个实验中，特定目标2和6相应地代表目标i和j。

下一步，当机器人按照指令移动到各个特定目标上时，就修正数据库中的有关数据，以便对每个特定目标位置上的预测位置误差进行矫正。图11列出了机器人误差矫正后的剩余误差。比较图9和图11，在距特定参考目标14.142英吋的地方，最大机器人误差 从0.0172英吋降低到0.0025英吋。这已很接近摄象机之图象分辨率。在实际应用中难以得到这样的结果。误差叠加的统计分析揭示以上新介绍的技术可应用于位置精度要求不超过0.005英吋的工作。

机器人方向补偿提出了更大的难题。机器人的方向误差不是与特定参考校正目标之间的距离的函数。这样的方向误差可能来自象齿隙游移，节点柔量，视觉系统算法限制等多方面因素。实验证明：方向误差依照用于方向误差矫正的线性方程进行矫正，与上述相似，即成功的离线编程法必须以相对空间关系，而不是整体参考系为基础。这些方法依赖以下两个事实。大多数机器人的重复度都可达到令人满意的容限;机器人将要操作的目标零件都是按要求容限预先制造好的。从这个前提来看，本专业的技术人员一定很清楚机器人的重复度必须在机器人任务要求的容限之内。另一个重要方面是机器人所操作的零件之几何规范必须在需要的时候能达到并传送到机器人工作单元。

图12是本发明在一个典型制造过程中应用的信息流程及数据库结构。此流程图综合有关TCF校正的步骤及其他形式的以相对关系为基础（而不是以整体参考系为基础）的误差矫正法。图12和图13说明了从校正阶段到误差确定和映射阶段各种方法的综合。参照图12，目标零件上的特定几何目标的规范通常是由设计工程定出，而且可在软件准备时机器人任务计划阶段取到。变换软件可以用来做适应的转换，以便使特定目标的几何描述输送到机器人控制器上。本发明公开第一部分所得出的离线矫正规则可以结合到零件设计中，以便足够的特定参考目标可以被确定或安放在零件上供机器人特定目标探测系统使用。例如，视觉或摄象机系统已被认为是在动态校正阶段 目标零件映射的有用工具。从前面所公开的方法中不难看出机器人系统将要操作的零件在来到机器人工作单元之前必须有特定的校正参考目标安装其上。这些特定目标可以是零件上原有的机器人特定目标探测系统能容易地探测到的几何形状;也可以是永久或临时安放在零件上的样板，如图1中的26，注意如果零件以一致的方式被输送到工作单元，那么对特定目标的探测只需要周期性地进行。这些步骤的综合由图12中第一个盒子110表示。

校正任务和实际工作任务的计划处理都可以离线进行。这些任务是由一系列机器人位形并附加上足够的关于抓或放，速度整定值和感觉器读数等信息组成的文件。这个计划包括将存储在校正任务文件中的校正移动指令和将存储在工作任务文件中的工作移动指令。这方面的处理由盒子111表示。

此路径或任务文件由文件传送软件通过串行RS232通信装置传送到机器人工作单元控制器。这些接口由图12中的标号112表示。标号113表示工作单元控制器。该控制器持有能转变路径文件位形为机器人任务宏指令的软件。该软件具有对大多数机器人都适用的通用算法及对特定机器人使用的设备驱动型算法。校正时，软件被用来矫正如摄象机之类感觉系统感测到的机器人误差。最简单的形式是该软件由运用校正阶段获得的位置和方向误差矩阵的插值算法组成。更复杂的软件配有能映射由于机器人误差而变形的目标几何参数之变形转换算法。通过这些变换，机器人就可在感测到的零件上操作。

应用已矫正的变换，软件对预作的路径进行修正。这要求机器人之位形在工作点附近通过控制点得到修正。这些控制点用来保持关键的装配工作点附近路径的形状并矫正由于机器人定位误差造成的表面 特定目标之变形。模拟时，必须使中间位形离开工作空间障碍物足够远以避免碰撞，甚至要使有些局部路径得到修正后也不致有碰撞的可能性。相应地，这些过程不仅和图12中的盒子113有关，还和盒子111有关。

控制点的应用可参照图15。在校正离线路径计划时，需要输入一系列整体坐标系中描述一系列所期望的视觉系统TCF的矫正方位矢之普遍位移矩阵。图15表示在直角坐标空间中，一部分由1，2，3和4连成的校正路径，在工作路径模拟计划时，夹具之TCF作为机器人末端构件之TCF并需要输入一系列描述所期望的夹具TCF相对于夹具将操作的工作的方位矢之位移矩阵。图14表示直角坐标空间内一部分相互连接的工作路径段及一些关键路径点。校正和工作路径计划好以后，所计划的各路径段被存储在文件内以备以后用在路径段组合及路径调整。路径文件包含路径位形编号，路径位形顺序，抓/放动作标记，以及其他和机器人速度整定值有关的信息。至此，路径文件已经存在。可是，这些文件可能还不能表示路径最后操作时的确切形式。为了变成确切形式，必须采用综合方法来组合预先计划好的任务，并把它们变成象用在视觉系统或机器人等工作单元控制器上的控制语言。所做的综合用软件允许使用者通过从总任务文件上加、减路径段或改变各路径段的顺序来组合预先计划好的路径段文件。此外，在综合过程中，使用者还可以输入一些用机器人控制器语言写的指令。

计算机模拟所计划的离线路径必须修正以适应视觉系统或其他感觉装置所感测到的校正误差及几何模型中的不定因素。离线路径的修正有很多方法。然而，为了说明起见要指出，通过调整路径时使机器 人末端构件TCF在直角坐标空间里的相对运动保持不变，保持关键路径段的直角坐标路径形状或路径一致性。

调整整个装配任务之路径以保持整个路径一致性是不实际的。象抓和放位置之类的关键点附近的路径段则可通过选择三个控制点来保证调整时其形状不变。第一点是方位矢控制点（CPP），该点是一个关键点，因为校正误差将影响机器人末端构件在此处的零件上操作时的效果。第二点是第二控制点（CPN）。在该点之后有一个方位矢控制点。CPP和CPN之间的路径段在调整时必须保持其在模拟时所计划的直角坐标路径之形状。最后是最后控制点（CPL）。在该点之前有一个方位矢控制点。CPP和CPL之间的路径在调整时也要保持原有的形状。

在直角坐标工作空间，修正路径段并保持其形状的任务可以通过用校正时检测的同一移动和转动误差调整控制点之间所有离线计划的末端构件TCF方位矢来完成。换言之，末端构件TCF在所模拟的路径段上各点的位移矩阵被自右乘同一个误差矫正变换矩阵以得到新的位移矩阵。该新位移矩阵即可用来形成保形路径段调整。如图15所示，方位矢1，2，3和4被软件调整到b，c，d和e上。这种调整方法提出了避免末端构件和工作单元中障碍物碰撞的一个新的措施（如不采用这种方法，这些障碍物可能会落入修正的计划方位矢路径之内）。

在本发明公开中提出的实用离线编程技术已应用于下列步骤组成的微电子器件装配任务。不同尺寸的微电子集成片被机器人末端构件从零件进料器上抓起。调整路径计划被用来避免变换路径时工作空间中可能产生的碰撞。微电子集成片然后被安放在集成电路板上的指定 位置。这些任务已成功地完成。所发明的离线编程技术已证实通过在小工作空间区域内应用刚体误差矫正，机器人定位精度可提高到+0.1mm。

本专业的技术人员应该清楚前面的所有介绍及所特指的例子都是示范性的。这里所提出的基本设计思想和方法的应用则应受以下所请求的权利要求所述发明的限制。