微小型工业机器人以其强耦合性、可扩展性、高精度被广泛应用到各行业,然而大多数机器人以串联型为主,其结构弱刚度问题会导致机器人动作时产生振动从而影响整体稳定性。以服务型机器人为研究对象,为保证机器人结构刚度以及抓取物体过程的稳定性,对机器人整体结构刚度进行优化。对机器人进行运动学静态建模,利用刚度等效原理计算机器人关节刚度;在抓取位姿范围约束下,将机器人末端刚度椭球半轴长作为优化指标,采用改进粒子群算法(IPSO)对机器人在不同抓取位姿的刚度进行优化,并将结果与遗传算法、粒子群算法的优化结果进行对比;通过ANSYS有限元分析和实验对比机器人优化前后的末端变形量,结果表明:基于IPSO算法的机器人抓取系统刚度优化对提高机器人整体稳定性具有一定意义。

为提高串联6自由度机器人的绝对定位精度,针对几何参数误差补偿后的工业机器人关节刚度参数展开研究。首先,基于虚拟关节模型建立了工业机器人一维关节刚度误差模型。其次,为提高关节刚度参数的辨识精度与效率,利用BP神经网络对刚度误差模型进行拟合,以优化遗传算法的初始种群适应度。最后,利用激光跟踪仪AT930和ER10L-C10机器人进行实验,验证以上误差模型与关节刚度参数辨识算法。实验结果表明,经过关节刚度误差补偿后,机器人的平均距离误差与最大距离误差分别为0.2485mm与0.3332mm。相比于补偿前的距离误差,机器人定位精度提高了33.7%。因此,通过改进遗传算法辨识得到的机器人关节刚度参数能够有效地提高机器人定位精度。