针对现有方法的不足,本文提出了一种基于统计距离的机器人重复度评价和预测方法。该评价方法的基本特征为:(1)模型所描述的机器人重复性信息大幅增加;(2)现有评价方法是本方法的一个特例,可以评价任意方向上的重复性。预测方法的基本特征为:(1)将机器人末端重复性看成由驱动关节等效重复误差导致,并将后者看成是随位形变化的函数;(2)运动学参数取真实系统运动学参数的名义值;(3)基于工作空间若干点的重复测量信息,预测全域的重复性信息。基于该预测模型,文章以Stewart平台为例开展了建模、检测、辨识以及验证实验,验证了所提方法在辨识位形以及其他位形均具有较好的补偿效果。此外,还分析了机器人在全域的重复性分布特征,为提升整体的重复定位精度以及工作空间的选取提供参考。
该研究的理论与工程价值在于:(1)能够精确的评价机器人的在不同方向上的重复定位性能。(2)基于机器人末端若干点的重复测量数据就能预测机器人工作空间全域的重复定位信息。(3)无需建立复杂的机器人系统的几何误差模型,可大幅简化位姿重复性预测流程,且对其他构型的机器人也适用。(4)在工程上,可以利用机器人位姿重复性的全域分布规律,合理规划运动路径和作业空间,以充分发挥其精度能力。
图1重复性椭球及其特征信息.(a)不同置信度下椭球半长轴的长度和方向示意图.(b)数据点落入不同置信度椭球的概率图
近年来,田文杰老师团队致力于海洋探测技术和机器人学相关研究,研究成果在Robotics and Computer-Integrated Manufacturing、Mechanism and Machine Theory、Ocean Engineering、Measurement等国际高水平期刊发表。课题组毕业生5人,在读硕士生5人,学生多次获研究生国家奖学金,“挑战杯”国赛三等奖、天津市特等奖、校级二等奖,中国创新挑战赛优秀奖,天津大学三好学生,天津大学优秀学生干部等荣誉奖项,毕业生前往国防科技创新研究院、中船重工等重点单位工作或继续读博深造。同时,本人也被评为天津大学第十五届“我心目中的十佳好导师”荣誉称号。