机床与液压

作者：王国荣，杜茂华，吴智恒，李平，杨志新

单位：昆明理工大学机电工程学院；昆明理工大学机电工程学院；广东省科学院智能制造研究所，广东省现代控制技术重点实验室；广东省科学院智能制造研究所，广东省现代控制技术重点实验室；澳门大学，智慧城市物联网国家重点实验室

关键词：机器人;参数辨识;定位精度;模拟退火算法;改进粒子群优化算法

基金：广州市黄埔开发区国际科技合作项目（2022GH09）；广州市科技计划项目（2023B04J0022）

针对传统粒子群算法(PSO) 在工业机器人标定过程中存在的衰减机制落后、易陷入局部最优导致精度低的问题，提出一种基于改进SA-PSO的工业机器人几何参数辨识和定位精度提升方法。基于D-H模型建立工业机器人误差模型，将几何误差标定问题转换为高维非线性方程的寻优求解问题。在参数辨识过程中，结合粒子群算法与模拟退火算法，在跳出局部最优解的基础上，设计正态分布曲线来控制算法惯性权重的变化，并引入控制因子优化粒子的位置更新公式。通过对KUKA KR 6 R900机器人进行仿真与测试实验，将该改进算法与传统PSO、APSO、NDPSO、SA-PSO等算法进行性能对比。结果表明：改进SA-PSO算法能够跳出局部最优解，波动更小，预测精度更高，搜索过程达到较低适应度值时所需迭代步数更少，收敛速度更快；利用改进SA-PSO算法完成机器人参数辨识和标定后，综合位置误差从1.144 7 mm降低至0.173 1 mm，降低了84.87%，最大误差从1.968 6 mm降至0.995 9 mm；标定后 X、Y、Z 轴误差分布更集中，波动更小，表明该算法的辨识精度和适应性更高，具有较大的工程应用价值。

来源：2025年第17期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第17期