●前言
第1章 绪论
1.1 机器人精度
1.2 精度补偿的重要性
1.3 机器人精度补偿技术
1.3.1 机器人运动学标定
1.3.2 机器人非运动学标定
1.3.3 机器人物理约束标定
第2章 机器人运动学模型与误差分析
2.1 引言
2.2 位姿描述与齐次变换
2.2.1 刚体位姿描述与齐次变换
2.2.2 RPY角与欧拉角
2.3 机器人正向运动学模型
2.3.1 连杆描述与连杆坐标系
2.3.2 连杆变换与机器人正向运动学模型
2.3.3 典型KUKA工业机器人的正向运动学模型
2.4 机器人逆向运动学模型
2.4.1 耦合关节约束的专享封闭解求解方法
2.4.2 典型KUKA工业机器人的逆向运动学模型
2.5 机器人误差分析与定位精度评估
2.5.1 机器人定位误差的影响因素
2.5.2 机器人定位精度评估
第3章 机器人运动学标定
3.1 引言
3.2 机器人运动学标定简介
3.2.1 刚体微分变换
3.2.2 机器人MD-H模型
3.2.3 相邻连杆的微分变换
3.2.4 机器人运动学误差模型
3.3 耦合基坐标系建立误差的机器人扩展运动学标定
3.4 耦合柔度误差的机器人扩展运动学标定
3.4.1 机器人柔度分析
3.4.2 机器人柔度误差模型
3.4.3 耦合柔度误差的机器人运动学误差模型
3.5 参数辨识
3.5.1 Levenberg-Marquardt算法参数辨识
3.5.2 扩展卡尔曼滤波参数辨识
3.6 变参数辨识的机器人精度补偿方法
3.7 机器人运动学标定方法试验验证
3.7.1 耦合柔度误差的机器人扩展运动学标定方法试验验证
3.7.2 变参数辨识的机器人精度补偿方法试验验证
第4章 机器人非运动学标定
4.1 引言
4.2 机器人定位误差的空间相似性
4.2.1 机器人定位误差空间相似性的定性分析
4.2.2 机器人定位误差空间相似性的定量分析
4.2.3 数值仿真验证与结果分析
4.3 基于误差相似度的权重度量的机器人精度补偿方法
4.3.1 反距离加权法
4.3.2 机器人空间网格化精度补偿方法
4.3.3 数值仿真验证与结果分析
4.4 基于空间相似性的机器人定位误差线性无偏很优估计
4.4.1 基于空间相似性的机器人定位误差映射
4.4.2 机器人定位误差线性无偏很优估计
4.4.3 数值仿真验证与结果分析
4.5 基于粒子群优化神经网络的机器人综合精度补偿方法
4.5.1 BP神经网络
4.5.2 粒子群优化算法
4.5.3 基于粒子群优化神经网络的机器人精度补偿方法
4.6 机器人定位误差前馈补偿方法
4.7 机器人非运动学标定方法试验验证
4.7.1 机器人定位误差相似性试验验证与分析
4.7.2 基于误差相似度的权重度量的机器人精度补偿方法试验验证
4.7.3 基于空间相似性的机器人定位误差补偿方法试验验证
4.7.4 基于粒子群优化神经网络的机器人综合精度补偿方法试验验证
第5章 机器人很优采样点
5.1 引言
5.2 基于能观性指数的随机采样点选择方法
5.2.1 机器人运动学参数的能观性指数
5.2.2 采样点选择方法
5.3 空间网格化的均匀采样点规划方法
5.3.1 很优网格步长
5.3.2 采样点规划方法
5.4 基于遗传算法的很优采样点多目标优化
5.4.1 很优采样点数学模型
5.4.2 多目标优化问题与非劣解集
5.4.3 遗传算法与NSGA-Ⅱ
5.4.4 基于NSGA-Ⅱ的机器人很优采样点多目标优化
5.4.5 试验验证与分析
第6章 机器人自动制孔系统应用
6.1 引言
6.2 机器人自动制孔系统
6.2.1 硬件系统
6.2.2 软件系统
6.2.3 系统工作流程
6.3 坐标系建立与统一
6.3.1 世界坐标系
6.3.2 机器人机座坐标系
6.3.3 法兰盘坐标系
6.3.4 工具坐标系
6.3.5 坐标系的统一方法
6.4 自动制孔协调准确度综合补偿方法
6.4.1 机器人自动制孔协调准确度综合补偿方法
6.4.2 产品坐标系的建立方法
6.4.3 机器人机座坐标系换站方法
6.5 机器人自动制孔试验验证
6.6 本章小结
参考文献