朱 衡，杨东超，常 旭，孙可平

（清华大学机械工程系，北京 100084）

1 引言

工业机器人在装配、维修和长时间使用后会由于杆件变形、磨损、间隙等原因使关节参数发生变化[1]，这导致控制器中存储的关节参数精度降低，使机械臂无法完成精准的操作任务。为了提升末端执行器位姿的控制精度，不得不重新进行标定。机器人关节参数的标定过程，分为建模、测量、识别和校正四个阶段[2]。

目前，对于机械臂的标定已经进行了大量的研究。Nubiola提出了一个29参数的校准模型，该模型考虑了包含关节柔顺度在内的所有可能的几何误差，来提高ABB IRB 1600工业机器人的绝对精度。基于最小二乘法对29个参数进行识别，并最终对末端执行器上的若干个标志点进行了1000组测量，验证了机器人的精度[3]。文献[4]提出用三个激光测距传感器向机械臂发射激光束，综合不同传感器测距，利用机械臂末端位姿的改变所引起的激光测距传感器的输出实现末端位姿信息的采集，用以代替传统的位姿信息采集方法，提升了后续关节参数标定的精度。文献[5]研究了对六自由度机械臂的视觉标定，使用简单的标定板，基于OpenCV中的霍夫变换等图像算法及线性回归拟合，获得较高的标定精度。

从某种意义上来说，机械臂的标定是一个寻找关节参数最优值的过程，它能使末端执行器的标称位姿和实际位姿间的误差最小化。因此，优化算法可用于机械臂的标定。近年来，针对群体智能（SI）的研究迅速展开，所谓群体智能，是一种基于对高效、高度组织化的自然系统进行观测而得到的优化方法。……