为了高效率、高精度检测自由曲线和曲面零件并计算轮廓度误差,提出将改进遗传算法与拟随机序列结合来评定自由曲线轮廓度误差。首先,针对自由曲线因没有已知的解析表达式而常用离散点表示其轮廓的特点,采用非均匀有理B样条（NURBS）来表示自由曲线,并用改进遗传算法优化重建自由曲线;然后,应用拟随机Halton序列均匀产生参数值精确计算点到曲线最短距离。阐述了自由曲线重建时控制顶点及目标函数值的计算方法,确立了改进遗传算法重建自由曲线及采用拟随机序列生成参数值求解点到曲线最短距离的具体步骤。最后,针对仿真实例计算并实测零件曲线轮廓度误差。结果显示,自由曲线轮廓度误差评定精度高于99%,表明提出的方法算法简单、计算速度快、精度高,适于在工程计量中推广应用。

本文对平板检定中按米字型布线，推导出封闭法测量平面度的全部计算公式，该项研究为平面度误差不等精度提供理论依据，同时为平板检定提供了一种新方法。

提出一种新颖的免疫进化计算方法(IEC)用于球度误差评定.该算法基于生物免疫系统的细胞克隆选择学说和生物进化过程中的变异思想构造了自适应变异算子,使系统能够根据环境条件自适应地确定各抗体的变异强度;通过亲和力抑制相似抗体生存并动态地产生新的抗体,以维持抗体种群的多样性.同时将该算法应用于球度误差最小区域评定,并与其它方法进行比较,结果证明该方法具有较强的自适应环境能力,全局收敛性好,提高了球度误差评定精度.

针对圆柱度误差评定的特点,提出了一种基于实数编码的改进遗传算法同时实现圆柱度误差的最小区域法、最小外接圆柱法和最大内接圆柱法评定.同时建立了用遗传算法实现圆柱度误差最小区域法、最小外接圆柱法和最大内接圆柱法评定时目标函数数学模型的计算方法.通过不同评价方法对圆柱度误差在不同初始值下进行多次评定,证明该方法都能收敛到全局最优解,而且计算结果稳定.该算法可以推广应用到其它形状误差评定中.

圆度误差的评定有最小区域法、最小外接圆法、最大内接圆法和最小二乘法4种方法,文中提出了将进化策略用于上述多种圆度误差的统一评定。该算法基于实数编码,采用（μ＋λ）选择策略和高斯变异算子,即父代种群参与竞争,算法简单、鲁棒性强,优化效率高。同时建立了进化策略评定上述圆度误差时目标函数的数学模型。最后,通过不同评价方法对圆度误差进行评定,结果证明该方法不仅能快速收敛到全局最优解,而且计算结果的稳定性好,易于在工程计量中推广使用。

针对平面度误差计算的特点,提出了一种基于实数编码的改进遗传算法.该算法的遗传算子采用确定式良种选择、非一致算术交叉及基本位变异策略;交叉和变异概率根据个体适应度大小来自适应地确定;同时给出遗传算法评定平面度误差时适应度的计算方法.最后,通过不同评价方法对同一平面的平面度误差进行评定,结果证明该方法不仅能收敛到全局最优解,而且具有较快的收敛速度.

针对传统六足机器人测量系统存在模式单一的问题,设计出一种基于三维视觉的六足机器人多模式运动测量系统。利用Kinect相机采集图像信息,在VS2010软件开发平台上使用C＋＋编程语言,结合opencv计算机开源视觉库,实现对图像的处理。通过设计六足机器人在多模式下的步态,实现对六足机器人多模式下的运动状态测量功能。对六足机器人各步态下的测量系统进行实验验证,结果表明该系统能够对不同步态下六足机器人进行实时三维位置信息反馈,而且得出六足机器人在双足步态下具有良好的稳定性。

为解决工业机器人在复杂自动化生产线上目标精确定位问题,文章搭建了由史陶比尔工业机器人、Kinect视觉传感器和上位机组成硬件平台,设计了基于三维视觉的工业机器人抓取定位系统。通过棋盘标定法对工业机器人抓取系统进行标定,采用深度边缘分割方法采集图像并提取工作面,根据累计概率Hough变换法提取工作面上不同形状目标的中心点,编写上位机处理程序实现图像分割、目标中心点定位及机器人运动控制等功能。实验结果表明该系统能够对规则形状目标实现定位功能,定位精度满足工业机器人的工作需求。

为了提高串联工业机器人的绝对定位精度,文章提出了基于圆点分析法(CPA)与最小二乘法相结合的机器人几何参数混合优化辨识标定方法。首先利用CPA对机器人模型进行几何参数初辨识,然后以初辨识结果建立机器人几何误差模型,采用最小二乘法优化求解实现精辨识,再通过距离误差来验证标定效果。通过对埃夫特ER10L|C10工业机器人进行辨识标定实验研究,结果表明采用文中方法对机器人几何参数辨识标定后其绝对定位误差的最大值、平均值和标准差明显小于理论模型和CPA辨识模型的结果,证明文中方法可以有效辨识标定机器人模型的几何参数,提高机器人的绝对定位精度。

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。