一种基于卡尔曼滤波的机器人运动学参数标定方法
专利汇可以提供一种基于卡尔曼滤波的机器人运动学参数标定方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于卡尔曼滤波的 机器人 运动学参数标定方法，该方法通过建立机器人的 运动学模型 得到机器人末端 坐标系 相对于机器人基坐标系的 位姿 变换矩阵。通过测量仪器可以得到机器人末端实际位姿矩阵P。再通过微分运动学将末端位姿矩阵全微分可得到机器人末端位姿误差与 机器人运动学 参数误差间的线性关系。考虑到系统中存在噪声对标定结果的影响，利用卡尔曼滤波 算法 对运动学参数进行卡尔曼滤波估计。该方法考虑了系统噪声的影响，标定结果更准确能使机器人达到更高的 定位 精度 。，下面是一种基于卡尔曼滤波的机器人运动学参数标定方法专利的具体信息内容。
1.一种基于卡尔曼滤波的机器人标定方法，其特征在于，包括如下步骤：
(1)建立机器人的运动学模型，得到机器人末端坐标系相对于机器人基坐标系的位姿转换矩阵；
(2)通过测量仪器得到机器人末端实际位姿矩阵P；
(3)通过微分运动学将机器人末端实际位姿矩阵P全微分得到机器人末端位姿误差与机器人运动学误差间的线性关系，即运动学线性误差模型：超定线性方程组J*X＝W，其中J为机器人运动学误差矩阵，X为待辨识的运动学参数误差矩阵，W为末端位姿误差矩阵；利用所述运动学线性误差模型计算待辨识的运动学参数误差矩阵X；
(4)将辨识出的运动学参数误差矩阵X作为卡尔曼滤波的初始状态值，在模型中加入噪声后，利用卡尔曼滤波估计算法估计出最佳的机器人运动学参数误差矩阵X2；
(5)补偿机器人运动学参数误差；
所述步骤(1)又包括以下步骤：
定义机器人运动学参数D-H，编写相邻关节间齐次变换矩阵，其中，所述参数D-H包含关节轴之间的夹角αi、连杆长度ai、连杆偏距di、关节转角θi四个参数；
建立机器人的运动学模型，其中关于关节转角θi的机器人运动学方程和位姿转换矩阵分别为：
其中，机器人运动学误差方程为：
J＝f(αi,ai,di,θi)
其中，超定线性方程组为：
所述步骤(2)还包括输入关节转角θi的步骤；
在所述步骤(3)中，通过最小二乘法求解所述超定线性方程组J*X＝W；
所述步骤(4)又包括以下步骤：
(4.1)将运动学参数误差矩阵X作为初始值，根据状态方程X(K|K-1)＝X(K-1|K-1)预测K时刻的状态；
(4.2)根据系统K-1时刻的协方差估计第K时刻的系统协方差P(K|K-1)；
(4.3)计算卡尔曼增益Kg；
(4.4)估计系统K时刻最优运动学参数X(K|K)；
(4.5)计算当前系统协方差矩阵P(K|K)；
(4.6)验证误差是否收敛，若是，则进行下一步；若否，则返回步骤(4.1)；
(4.7)输出所述机器人运动学参数误差矩阵X2。
一种基于卡尔曼滤波的机器人运动学参数标定方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 弹丸取放特种机器人的建模与控制方法 | 2020-05-24 | 246 |
| 云片糕切片机 | 2020-05-11 | 722 |
| 发动机 | 2020-05-27 | 1023 |
| 一种6R型工业机器人负载识别方法 | 2020-05-26 | 414 |
| 一种改进的RCCR联轴节教具 | 2020-05-16 | 318 |
| 往复摆动式电动牙刷 | 2020-05-24 | 873 |
| 全髋关节置换术中肢体长度及头颈偏距测量器 | 2020-05-13 | 280 |
| 线切割机上出式偏置伸缩摆杆组件 | 2020-05-14 | 634 |
| 一种两级变压缩比活塞连杆组件 | 2020-05-25 | 171 |
| 多连杆冷锻压力机滑块侧向力方向保持装置 | 2020-05-18 | 365 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
