姜一舟，于连栋，2*，常雅琪，贾华坤，赵会宁

（1. 合肥工业大学 仪器科学与光电工程学院，安徽 合肥 230009；2. 中国石油大学 控制科学与工程学院，山东 青岛 250000）

1 引 言

工业机器人通常具有较高的重复定位精度，但其定位精度却很差［1］。机器人的误差源分为运动学误差和非运动学误差。由于制造和装配导致实际运动学参数与其标称值的偏差称为运动学误差，运动学误差约占总定位误差的90%［2］。因此，运动学参数标定是提高机器人定位精度的重要途径。运动学参数标定分为4 个步骤：建模、测量、识别、补偿或校正［3］。

机器人运动学模型是运动学参数标定的基础，运动学模型应满足运动学参数标定的三个基本要求：完备性、连续性和非冗余性［4-6］。POE（Product of Exponentials）模型为机器人运动提供了完整的几何化和参数化表示，从而大大简化了机器人机构的运动学分析。有研究对POE 模型参数的可辨识性进行了分析，结果表明，POE模型能够满足连续性、完整性和非冗余性的要求［7］。因此，它被认为是理想的机器人运动学建模方法，并被广泛应用［8］。本文采用POE 模型完成了机器人运动学建模，用于六自由度机器人的运动学参数标定。

标定算法在机器人标定过程中起着至关重要的作用。最常用的标定算法是最小二乘算法，如高斯-牛顿算法和LM（Levenberg-Marquardt）算法［9］。LM 算法具有良好的抗干扰能力和全局优化能力，但需要标定参数的初始理论值与实际值接近时才能有较好的标定精度，这限制了算法的应用。差分进化（Differential Evolution，DE）算法［10-11］是一种高效、高精度的优化算法，但容易出现局部收敛，影响运动学参数的标定精度。……