第２９卷第１期计算机集成制造系统Ｖｏｌ．２９Ｎｏ．１２０２３年１月ＣｏｍｐｕｔｅｒＩｎｔｅｇｒａｔｅｄＭａｎｕｆａｃｔｕｒｉｎｇＳｙｓｔｅｍｓＪａｎ．２０２３ＤＯＩ：１０．１３１９６／ｊ．ｃｉｍｓ．２０２３．０１．００５收稿日期：２０２１－１０－２６；修订日期：２０２２－０１－１９。Ｒｅｃｅｉｖｅｄ２６Ｏｃｔ．２０２１；ａｃｃｅｐｔｅｄ１９Ｊａｎ．２０２２．基金项目：山东省重大科技创新工程资助项目（２０１９ＪＺＺＹ０２０１２１）；上海市工业强基专项资助项目（ＧＹＱＪ－２０１９－１－０２）；泰山学者工程专项经费资助项目。Ｆｏｕｎｄａｔｉｏｎｉｔｅｍｓ：ＰｒｏｊｅｃｔｓｕｐｐｏｒｔｅｄｂｙｔｈｅＭａｊｏｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＩｎｎｏｖａｔｉｏｎＰｒｏｊｅｃｔｏｆＳｈａｎｄｏｎｇＰｒｏｖｉｎｃｅ，Ｃｈｉｎａ（Ｎｏ．２０１９ＪＺＺＹ０２０１２１），ｔｈｅＳｈａｎｇｈａｉＭｕｎｉｃｉｐａｌＩｎｄｕｓｔｒｉａｌＦｏｕｎｄａｔｉｏｎ－ＥｎｈａｎｃｅｍｅｎｔＰｒｏｇｒａｍ，Ｃｈｉｎａ（Ｎｏ．ＧＹＱＪ－２０１９－１－０２），ａｎｄｔｈｅＴａｉｓｈａｎＳｃｈｏｌａｒｓｈｉｐＳｐｅｃｉａｌＦｕｎｄｉｎｇ，Ｃｈｉｎａ．基于ＰＳＯ－ＳＶＲ算法的工业机器人分级标定方法薛祥儒１，张承瑞１＋，胡天亮１，陈齐志１，丁信忠２（１．山东大学机械工程学院，山东济南２５００６１；２．上海新时达机器人有限公司，上海２０１８０２）摘要：为了提高六自由度机器人在应用中的定位精度，提出一种提高机器人绝对定位精度的分级标定方法。该方法第一阶段进行几何参数误差的标定，以改进的Ｄｅｎａｖｉｔ－Ｈａｒｔｅｎｂｅｒｇ（ＭＤ－Ｈ）模型为基础，加入减速比和耦合比的因素建立了完整的工业机器人几何参数误差模型，之后采用Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｅｌｔ（ＬＭ）算法辨识出机器人的几何参数误差并计算出剩余残差；第二阶段建立基于粒子群—支持向量回归（ＰＳＯ－ＳＶＲ）算法的剩余误差预测模型，来预测并补偿修正几何参数后剩余的残留误差。最后，以六自由度工业机器人进行试验验证，经过分级标定后机器人末端中心点的平均位置误差由５．８６６ｍｍ减少到０．２１１６ｍｍ，最大位置误差由１０．３２２９ｍｍ减少到０．６９９９ｍｍ，验证了该标定算法的正确性和有效性。关键词：工业机器人；运动学标定；非几何参数辨识；ＬＭ算法；粒子群—支持...
