劉 丹

（湖南商務(wù)職業(yè)技術(shù)學院，長沙 410205）

0 引言

在先進自動化生產(chǎn)過程中，工業(yè)機器人視覺測量系統(tǒng)對關(guān)鍵尺寸進行在線實時監(jiān)測，及時調(diào)整動作幅度和角度，可有效控制產(chǎn)品質(zhì)量的穩(wěn)定性[1,2]。由于結(jié)合了非接觸測量方式和機器人運動靈活的優(yōu)點，可以解決傳統(tǒng)三坐標測量機對盲孔、深孔等的測量難題，也可以克服接觸式測量頭對復(fù)雜工件的干涉，在先進制造業(yè)中得到了逐漸推廣和應(yīng)用。實際的工業(yè)現(xiàn)場環(huán)境復(fù)雜，多種因素都有可能導(dǎo)致系統(tǒng)在運行過程中產(chǎn)生一定的偏差、測量精度降低，引起誤差的原因主要有溫度漂移和關(guān)節(jié)松動變形等，使測量模型的參數(shù)值改變從而導(dǎo)致定位誤差增大，因此需要定期對工業(yè)機器人視覺測量系統(tǒng)進行精確的校準，從而實現(xiàn)精確定位和視覺測量。目前，國內(nèi)外關(guān)于該領(lǐng)域的研究還比較少，也沒有解決好工業(yè)機器人視覺測量的精確校準難題。本文對工業(yè)機器人的視覺測量誤差模型進行了相關(guān)研究，建立了針對顯著變化參數(shù)的測量誤差模型，采用遺傳算法去求解最優(yōu)的模型參數(shù)，從而達到精確校準，可以滿足工業(yè)機器人實際生產(chǎn)的要求。

圖1 測量系統(tǒng)工作原理

1 工業(yè)機器人測量系統(tǒng)工作原理

圖1為應(yīng)用于工業(yè)機器人的測量系統(tǒng)工作原理示意圖。圖中共存在4個坐標系，分別為機器人基礎(chǔ)坐標系ORXRYRZR、機器人末端關(guān)節(jié)坐標系OHXHYHZH、工件坐標系OWXWYWZW和視覺傳感器坐標系OCXCYCZC。

式（1）中，PC為被測點P在視覺傳感器測量坐標系下的坐標值；為機器人手眼關(guān)系，即機器人末端關(guān)節(jié)坐標系到視覺傳感器測量坐標系的齊次坐標變換關(guān)系，一旦傳感器安裝到末端關(guān)節(jié)上就保持不變；為機器人基礎(chǔ)坐標系到裝置坐標系的齊次坐標變換關(guān)系，工位安裝完成后同樣為定值；為機器人末端關(guān)節(jié)坐標系到機器人基礎(chǔ)坐標系的齊次坐標變換關(guān)系，即

2 機器人視覺定位誤差模型

采用D-H模型[3]對機器人進行分析，假設(shè)每個關(guān)節(jié)都存在連桿參數(shù)偏差，那么傳感器坐標系相對于機器人基礎(chǔ)坐標系的變換為

結(jié)合變換微分可以推導(dǎo)出末端關(guān)節(jié)相對于機器人基礎(chǔ)坐標系的位置偏差為

表示第 i個關(guān)節(jié)的連桿參數(shù) qi、ai、ai、di，下角標[1:3,4]表示取對應(yīng)矩陣第4列的1至3行。

為了說明本文的校準方法，這里以ABB2400型機器人為例，是一種典型的6關(guān)節(jié)工業(yè)機器人。

關(guān)節(jié)1單獨轉(zhuǎn)動時對機器人6個不同姿態(tài)的TCP進行了測量，關(guān)節(jié)2和關(guān)節(jié)3單獨轉(zhuǎn)動時各測量了5個不同姿態(tài)下的TCP坐標值，關(guān)節(jié)4、關(guān)節(jié)5和關(guān)節(jié)6單獨轉(zhuǎn)動時分別測量了9個、6個和10個不同姿態(tài)下的TCP坐標值。關(guān)節(jié)單獨轉(zhuǎn)動時，以關(guān)節(jié)2、關(guān)節(jié)3和關(guān)節(jié)4產(chǎn)生的偏差最明顯，然而，當關(guān)節(jié)2和關(guān)節(jié)3同時轉(zhuǎn)動時，TCP在y方向的定位偏差反而減小，這說明關(guān)節(jié)2和關(guān)節(jié)3同時轉(zhuǎn)動會對y軸方向的誤差有抵消作用。

結(jié)合大量的實驗數(shù)據(jù)進一步分析，當關(guān)節(jié)1轉(zhuǎn)動時，7個姿態(tài)中只有x方向的坐標出現(xiàn)了較大偏差，若考慮測量噪聲的存在，其它方向的坐標值可以認為沒有變化，對照機器人運動學模型，可以確定此時桿件長度參數(shù)a1產(chǎn)生了較為明顯的變化。結(jié)合實際測量樣本值，并以此類推，可以采用同樣的方法總結(jié)出有可能產(chǎn)生較大變化量的模型參數(shù)如表1所示，分別描述了與各個關(guān)節(jié)關(guān)系較大的模型參數(shù)，這也是引起測量誤差的主要因素和原因。只要我們能夠確定出表1中的有關(guān)模型參數(shù)的準確值，就可以較好地實現(xiàn)工業(yè)機器人視覺測量的校準。

表1 機器人視覺測量誤差模型

3 基于遺傳算法的精確校準方法

由表1的分析可知，對于6關(guān)節(jié)的ABB2400型機器人，當發(fā)生溫度漂移或者關(guān)節(jié)松動變形時，引起視覺定位中的某一些參數(shù)值發(fā)生變化，因而為了實現(xiàn)精確校準，就需要根據(jù)實際樣本數(shù)據(jù)來尋找到最佳的參數(shù)值。根據(jù)上述分析可知，對于視覺測量校準而言，主要是對表1的模型參數(shù)予以尋優(yōu)，當參數(shù)優(yōu)化后，就可以克服溫度漂移和關(guān)節(jié)松動變形等的影響，從而提高視覺測量準確度。這里采用遺傳算法對這些參數(shù)予以優(yōu)化，優(yōu)化后得到的參數(shù)值將具有很好的測量準確度。

遺傳算法（Genetic Algorithm）[4,5]是一類借鑒生物界的進化規(guī)律（適者生存，優(yōu)勝劣汰遺傳機制）演化而來的隨機化搜索方法。它是由美國的J.Holland教授1975年首先提出，其主要特點是直接對結(jié)構(gòu)對象進行操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力；采用概率化的尋優(yōu)方法，能自動獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方向，不需要確定的規(guī)則。遺傳算法的這些性質(zhì)，已被人們廣泛地應(yīng)用于組合優(yōu)化、機器學習、信號處理、自適應(yīng)控制和人工生命等領(lǐng)域[4,5]。

遺傳算法主要有遺傳、交叉、變異等幾個模擬生物進化的過程組成，遺傳算法的框架可非形式地表示如下：

Genetic_algorithm ()

{

t=1；／*變量t表示迭代代數(shù)*／

初始化候選群體Population (t)；

計算各個解的適應(yīng)值；

do while (終止條件不滿足)

{

隨機地將種群中的個體兩兩配對，進行交配操作；

執(zhí)行變異操作；

利用選擇機制形成下一代候選解：

Population (t+I) =Selection (Population (t))；

t=t+ 1：

}}

遺傳算法主要的特點體現(xiàn)在智能性和本質(zhì)并行性兩個方面．遺傳算法智能性是由于在確定了編碼方案、適應(yīng)值函數(shù)及遺傳算子后，利用演化過程中獲得的信息自行組織搜索，因此具有根據(jù)環(huán)境的變化自動發(fā)現(xiàn)環(huán)境的特性和規(guī)律的能力；而其并行性是由它全局搜索方式?jīng)Q定的。按照遺傳算法的程序，根據(jù)實際測量的樣本數(shù)據(jù)值就可以計算得到最佳的模型參數(shù)值，以此得到確切的視覺測量值，避免溫度漂移和關(guān)節(jié)松動變形等對測量結(jié)果準確度的影響。

4 仿真研究

這里我們選取了100組實際測量樣本數(shù)據(jù)為依據(jù)來建立精確的視覺測量校準值，其中遺傳算法的參數(shù)值為種群數(shù)為30，二進制碼長度為20，交叉概率為0.45，變異概率為0.1。當采用遺傳算法優(yōu)化后，就可以根據(jù)新尋優(yōu)的參數(shù)值作為視覺測量校準的精確值，從而得到比較準備的視覺測量結(jié)果。

仿真實驗中，針對各個關(guān)節(jié)松動變形和溫度漂移的情況，予以了實驗驗證，仿真結(jié)果如表2所示，描述了校準前和校準后的誤差情況。表2的仿真結(jié)果表明，相比于校準前的誤差值，根據(jù)本文方法校準后，視覺測量的準確度大大提高了，視覺測量的誤差顯著減小了，從而驗證了本文算法的有效性。

表2 視覺測量校準仿真結(jié)果

5 結(jié)束語

針對工業(yè)機器人視覺測量系統(tǒng)，本文提出了一種基于遺傳算法的優(yōu)化校準方法，首先根據(jù)機器人的D-H正向運動學模型和微分運動學模型建立末端關(guān)節(jié)坐標系的定位誤差模型，然后利用遺傳算法選擇最優(yōu)的參數(shù)值，從而實現(xiàn)了精確校準。仿真實驗表明，該方法能大大減小視覺測量誤差，可以滿足實際生產(chǎn)的要求。

[1] 王一, 劉常杰, 任永杰, 等. 通用機器人視覺檢測系統(tǒng)得全局校準技術(shù)[J]. 光學精密工程, 2009, 17(12): 3028-3033.

[2] 任永杰, 邾繼貴, 楊學友, 等. 機器人柔性視覺檢測系統(tǒng)現(xiàn)場標定技術(shù)[J]. 機器人, 2009, 31(1): 82-87.

[3] Denavit J, Hartenberg R S. A kinematic notation for lowerpair mechanisms based on matrices[J]. Journal of Applied Mechanics, 1955, 22(2): 215-221.

[4] 吉根林. 遺傳算法研究綜述[J].計算機應(yīng)用與軟件, 2004,21(2): 69-73.

[5] 李敏強. 遺傳算法的基本理論與應(yīng)用[M]. 科學出版社,2002.