4. 运动学参数标定流程

机械臂运动学参数标定不是一次性的“测几个点、改几个数”的操作,而是一个从模型假设到现场验证的闭环工程。它的核心目标是:找出控制器内部名义运动学参数与真实机械结构之间的偏差,并用一组可辨识的参数修正模型,使末端实际位姿与指令位姿一致。这个闭环通常由五个阶段构成——建模、测量、辨识、补偿、验证,每个阶段都有明确的输入、输出和失败模式。

闭环的本质:建模给出“待求参数集合”,测量提供“真实位姿证据”,辨识把证据转化为“参数修正量”,补偿把修正量写入控制器或后处理,验证则判断修正是否真正生效。任何一环缺失,标定都会退化为“局部调参”。

一、建模:确定误差参数化方式

建模阶段要回答两个问题:误差从哪里来,以及用什么参数描述它。对于串联机械臂,最常用的是改进型 DH(MDH)模型或 POE(指数积)模型。MDH 把每个连杆的几何误差映射为四个参数偏差:连杆长度 a、连杆扭角 α、关节偏置 d、关节转角 θ。若考虑关节柔性、减速比误差和基座安装误差,还需引入额外参数,如关节刚度 k、耦合系数 r、基座六维偏差等。

建模的关键不是参数越多越好,而是可辨识性。某些参数在特定构型下对末端位姿的影响完全线性相关,例如相邻两关节的平行偏差可能无法单独分离。因此建模阶段常需做参数约简,剔除不可辨识组合,保留对末端误差贡献显著且相互独立的参数子集。

# 典型 MDH 参数表(单关节)
# i   a_i      alpha_i   d_i      theta_i
# 1   0.150    0.0       0.400    q1
# 2   0.600   -90.0      0.000    q2
# 3   0.120    0.0       0.000    q3
# 待辨识量:delta_a, delta_alpha, delta_d, delta_theta

二、测量:获取末端真实位姿

测量阶段决定标定精度的上限。常用手段包括激光跟踪仪、全站仪、视觉相机、球杆仪和接触式测头。测量时,机械臂被驱动到一组预先设计的位姿点,每个点同时记录关节角向量和末端实际位姿。位姿点应覆盖工作空间的主要区域,并包含不同关节组合,避免所有点集中在同一构型附近。

测量中最大的误区是只测位置不测姿态。对于六自由度机械臂,姿态误差往往比位置误差更容易暴露关节转角偏差和扭角偏差。另一个误区是忽略温度、负载和重复定位精度的影响。建议在每个测量点重复采集 3~5 次,取均值并记录标准差,作为后续加权辨识的依据。

三、辨识:从数据到参数修正量

辨识是把测量数据代入误差模型,求解参数偏差向量的过程。设末端位姿误差为 ΔX,参数偏差为 ΔP,雅可比矩阵为 J,则线性化模型为:

ΔX = J · ΔP + ε

其中 ε 为测量噪声和未建模误差。常用求解方法包括最小二乘、加权最小二乘、Levenberg-Marquardt 和卡尔曼滤波。若 J 的条件数过大,说明某些参数方向不可辨识,需要回到建模阶段做约简,或增加测量位姿的多样性。

辨识完成后,应检查残差分布。若残差呈现明显系统性趋势,说明模型仍缺少关键误差项;若残差接近随机噪声,则说明参数已基本吸收了几何误差。

四、补偿:把参数写回系统

补偿方式取决于控制器开放程度。常见做法有三类:

  • 控制器参数直接修改:将辨识出的 Δa、Δd、Δα、Δθ 写入机器人控制器的运动学参数表,适用于开放型控制器。
  • 关节角补偿:在指令关节角上叠加一个由参数误差反算的修正量,适用于不允许修改 DH 参数的封闭控制器。
  • 笛卡尔空间后处理:在末端指令位姿上做补偿,适用于离线编程和视觉引导场景。

补偿后必须重新上电或重启运动学解算模块,并确认参数已生效。很多现场问题不是辨识不准,而是补偿没有真正写入或未触发重新加载。

五、验证:闭环是否真正闭合

验证阶段要用一组未参与辨识的独立测量点,比较补偿前后的末端误差。评价指标通常包括:最大位置误差、RMS 位置误差、最大姿态误差和 RMS 姿态误差。若补偿后误差没有明显下降,或某些区域反而变差,说明模型、测量或补偿环节存在问题。

阶段核心输入核心输出典型失败模式
建模结构图纸、关节类型参数化误差模型参数不可辨识、模型缺项
测量关节角、末端位姿标定数据集位姿覆盖不足、噪声过大
辨识误差模型、数据集参数修正量雅可比病态、残差有偏
补偿参数修正量更新后的控制器模型未写入、未重启、符号错误
验证独立测试点误差统计报告用训练点验证、指标单一
运动学参数标定闭环:建模 → 测量 → 辨识 → 补偿 → 验证 建模 MDH / POE 参数约简 测量 激光跟踪仪 位姿采样 辨识 最小二乘 残差分析 补偿 参数写入 关节角修正 验证 独立测试点 RMS / MAX 误差未收敛 → 重新建模/补测 闭环判据: ① 辨识残差接近测量噪声;② 独立验证点 RMS 误差显著下降;③ 全工作空间误差分布均匀,无局部恶化。 若任一条件不满足,应回到建模或测量阶段,而不是反复调整辨识算法。

六、案例与复盘:一次典型的标定闭环

某六轴焊接机械臂在离线编程后出现末端位置偏差约 2.5 mm,姿态偏差约 0.3°。团队按闭环流程执行:建模阶段采用 MDH 模型,保留 24 个几何参数;测量阶段用激光跟踪仪采集 60 个位姿点,覆盖焊接工作空间;辨识阶段用加权最小二乘求解,发现其中 6 个参数条件数过大,予以约简;补偿阶段将剩余 18 个参数写入控制器;验证阶段用另外 20 个独立点测试,位置 RMS 从 1.8 mm 降至 0.35 mm,姿态 RMS 从 0.22° 降至 0.05°。

复盘要点:这次成功的关键不是算法复杂,而是测量点覆盖充分、参数约简合理、验证点完全独立。若把辨识用的 60 个点直接拿来验证,误差会“看起来很好”,但现场仍会超差。
常见误区:① 只做一次标定就长期使用,忽略温度漂移和碰撞后的结构变化;② 用同一组数据既辨识又验证;③ 补偿后未重启控制器,参数未生效;④ 只关注位置误差,忽略姿态误差对焊接、装配任务的影响。

把建模、测量、辨识、补偿、验证串成闭环,并明确每一环的输入输出与失败判据,才能让运动学参数标定从“经验调参”变成可重复、可追溯、可验收的工程流程。