C程序設(shè)計在工業(yè)機器人中的應(yīng)用

王才德

(南京江寧高等職業(yè)技術(shù)學(xué)校 江蘇南京 211100)

工業(yè)機器人的應(yīng)用范圍近年來有所擴(kuò)大，部分原因是開發(fā)離線編程(OLP)系統(tǒng)使程序開發(fā)能夠在虛擬環(huán)境中進(jìn)行所帶來的編程能力的進(jìn)步。然而，OLP 系統(tǒng)應(yīng)用中的關(guān)鍵因素是其對物理機器人建模的準(zhǔn)確性。理想的仿真模型與現(xiàn)實世界之間的偏差，導(dǎo)致OLP 系統(tǒng)產(chǎn)生具有較大位置誤差的機器人姿態(tài)。

一、工業(yè)機器人中的應(yīng)用背景

機器人標(biāo)定是一個被廣泛研究的領(lǐng)域，已經(jīng)產(chǎn)生了各種各樣的解決方案。所提出的大多數(shù)方法都是通過建立模型結(jié)構(gòu)來解決振動問題，然后是間接的，往往是不好的數(shù)值參數(shù)識別。本文介紹了一種新的基于C 程序規(guī)劃的逆靜態(tài)運動學(xué)標(biāo)定技術(shù)，用于建立和識別模型結(jié)構(gòu)和參數(shù)。該技術(shù)具有識別真實標(biāo)定模型的潛力，避免了傳統(tǒng)方法存在的問題。介紹了該方法的基本原理，并給出了實驗結(jié)果。任何成功的離線程序都必須包括一種補償仿真和實際機器人之間的誤差的方法。機器人校準(zhǔn)技術(shù)是為了改進(jìn)機器人的軟件模型而設(shè)計的，以便它能夠更好地反映實際機器人的行為。這些技術(shù)可以分為靜態(tài)校準(zhǔn)和動態(tài)校準(zhǔn)。本文討論靜態(tài)校準(zhǔn)的問題，更具體地說是反相校正。目的是改進(jìn)機器人末端執(zhí)行器位置與關(guān)節(jié)位置相關(guān)的運動學(xué)模型，傳感器讀數(shù)，以便更準(zhǔn)確地表示其實際位置。[1]

建立的機器人標(biāo)定方法是基于經(jīng)典的數(shù)學(xué)回歸技術(shù)。它們通常適用于由用戶預(yù)先指定的1 非線性參數(shù)回歸模型。這項工作中所采用的方法是完全不同的。模型關(guān)聯(lián)系統(tǒng)輸入到輸出不是預(yù)先規(guī)定的，而是用C 程序規(guī)劃方法發(fā)展的非符號形式。該技術(shù)的主要優(yōu)點是它并不局限于預(yù)先定義的模型結(jié)構(gòu)，因此有可能產(chǎn)生一個比傳統(tǒng)方法更完整、更精確的校準(zhǔn)模型。

(一)傳統(tǒng)建模技術(shù)

最大的靜態(tài)機器人標(biāo)定研究是基于參數(shù)模型的，其目的是描述關(guān)節(jié)結(jié)構(gòu)與末端執(zhí)行器姿態(tài)之間的真實關(guān)系。該領(lǐng)域的大部分工作都是在applied tothefoRWard kinematicmodelP=f(θ，ф)的正向校準(zhǔn)方法上進(jìn)行的。This 利用f 模型的方程，利用參數(shù)向量ф 進(jìn)行標(biāo)定，由關(guān)節(jié)構(gòu)型計算末端效應(yīng)位姿P。校準(zhǔn)過程通常采用以下步驟進(jìn)行：

1.建立了一種基于先驗工程知識的模型，該模型提供了模型的結(jié)構(gòu)和標(biāo)稱參數(shù)值。

2.建立了一套采樣器位置，并對其實際位置進(jìn)行了測量。[2]

3.采用基于最小二乘擬合的數(shù)值方法，根據(jù)測量結(jié)果確定模型參數(shù)。實現(xiàn)了識別模型。基于精確參數(shù)的機器人標(biāo)定模型開發(fā)中的重要問題是運動學(xué)模型的完備性和比例性，以及非幾何效應(yīng)的引入。當(dāng)物理代數(shù)測量中的小變化可以用相應(yīng)的相關(guān)模型參數(shù)的小變化來表示時，運動學(xué)模型被定義為成比例的。為了使模型完整，它必須能夠充分描述運動鏈中連續(xù)關(guān)節(jié)的所有空間代數(shù)。基于Denavit 和Hartenberg 變換的基于樣本的模型缺乏完備性和相稱性，這導(dǎo)致了用非線性優(yōu)化方法進(jìn)行參數(shù)辨識時的不穩(wěn)定性。如果該模型包含不足以精確描述機械手幾何形狀的參數(shù)，則該參數(shù)將同時考慮建模和未建模的影響。因此，物理參數(shù)和模型參數(shù)之間沒有適當(dāng)?shù)年P(guān)系。辨識算法可以找到最優(yōu)的參數(shù)值，但是這些值是針對特定的不完全模型進(jìn)行優(yōu)化的，并且不能反映機器人的物理特性。連桿長度、關(guān)節(jié)方向、編碼器偏差等幾何參數(shù)的變化對定位誤差的貢獻(xiàn)最大，且假定為時不變，便于建立補償方案以提高定位精度。非幾何效應(yīng)如關(guān)節(jié)偏心和柔度、靜撓度和熱效應(yīng)對誤差的貢獻(xiàn)較小，但意義重大。然而，他們的影響。是一個參數(shù)化的滴定模型，并且經(jīng)常依賴于操縱器和有效載荷。[3]

(二)確定性建模技術(shù)

同時建模幾何和非幾何的困難導(dǎo)致了各種交替技術(shù)。其中，位置誤差是用1 種非參數(shù)模型來近似的。泛函逼近理論提供了各種基于單位多項式和多元多項式的逼近模型和方法。題名/責(zé)任者：Reach，Spline，Bezier 曲線，小波，F(xiàn)ourier 級數(shù)，人工神經(jīng)網(wǎng)絡(luò)。根據(jù)數(shù)據(jù)在一定區(qū)間內(nèi)的逼近特性，選擇了一個近似模型，并對該數(shù)據(jù)進(jìn)行擬合或訓(xùn)練。然而，由于這些近似模型是非參數(shù)的，因此，模型參數(shù)與待逼近數(shù)據(jù)的物理性質(zhì)之間沒有任何關(guān)系。他們只有在他們接受訓(xùn)練的時間范圍內(nèi)才能有效，并且無力或無力外推或推廣到這些范圍以外的范圍內(nèi)。[4]

二、C程序設(shè)計在工業(yè)機器人中的應(yīng)用

C 程序編程涉及原始實體計算機程序的進(jìn)化綜合。得到的結(jié)果是能夠解決問題的符號計算機程序。C 程序編程和itsterminology 的主要原理(基于LISP 編程語言)是由Koza 開發(fā)的。該技術(shù)已被廣泛應(yīng)用，包括結(jié)構(gòu)化過程建模，非線性系統(tǒng)參數(shù)辨識。機器學(xué)習(xí)和人工智能，但其在機器人校準(zhǔn)領(lǐng)域的應(yīng)用被認(rèn)為是全新的。[5]

(一)正在適應(yīng)的結(jié)構(gòu)

C 程序算法被設(shè)計用來修改或調(diào)整解的編碼，通常是字符串，通常是固定長度的結(jié)構(gòu)。例如，這些字符串可能對應(yīng)于一個特定變量或一組變量的數(shù)值。在C 程序?qū)W編程中，個體結(jié)構(gòu)經(jīng)歷了適應(yīng)性，是按層次結(jié)構(gòu)的計算機程序。因此，從那時起。編寫一個計算機程序來解決任何問題都是可能的，這些程序具有跨越applied tothefoRWard kinematicmodelP=f(θ，ф)任意大范圍的能力。搜索空間。由Koza 提出的被稱為s 表達(dá)式的進(jìn)化程序表示由終端節(jié)點和非終端節(jié)點組成的根標(biāo)記樹。終端和非終端集是由該問題定義的，是農(nóng)業(yè)編程算法用于編寫程序的唯一資源。終端集通常包含常量、變量或其他原語問題域依賴的實體，例如沒有參數(shù)的函數(shù)或命令。使用本文中使用的符號回歸，終端集還可以包含臨時隨機常數(shù)9i，它在每次選擇終端時在指定范圍內(nèi)返回一個隨機數(shù)，非終端集可能包含算術(shù)；三角函數(shù)、布爾函數(shù)、條件算子和依賴于問題域的函數(shù)，例如機器人中的運動語句。[6]

（二）使用運算符

對于這兩個集合來說，擁有解決問題的程序所必需的所有組件是很重要的。此外，所有節(jié)點，特別是函數(shù)節(jié)點，都必須遵守閉包屬性；因此，任何節(jié)點的計算結(jié)果總是定義良好，對于任何參數(shù)組合都是有效的。由于C 程序規(guī)劃在程序的構(gòu)造方式上通常是不受約束的(除了定義了最大樹深外)，因此需要通過重新定義所有可能在某些情況下導(dǎo)致未定義結(jié)果的操作符來防止可能的無效操作。例如，在使用除法運算符時，必須引入受保護(hù)的除法a%b，以防止因可能的除法而產(chǎn)生的無效結(jié)果為零。平方根SQRTp(X)和對數(shù)mlogp(X)可能需要類似的保護(hù)版本。

三、結(jié)束語

綜上所述，機器人標(biāo)定是一個被廣泛研究的領(lǐng)域，已經(jīng)產(chǎn)生了各種各樣的解決方案。通過C 語言程序設(shè)計課程與工業(yè)機器人控制技術(shù)結(jié)合，這些都需要我們不斷加深研究。