针对六自由度工业机械手标定中的定位精度问题,提出一种基于仿生优化神经网络的机械手标定方法。研究六自由度工业机械手的运动学模型,并给出其D-H参数。通过将关节挠度模型和传统的运动学模型标定技术相结合,来同步识别机械手的运动学参数和柔度参数,以提高定位精度。然后,构造人工神经网络对未建模误差进行进一步补偿,如摩擦、机械传动误差和热膨胀。此外,采用入侵杂草优化算法对神经网络的权值和偏置进行优化。最后,采用六自由度机械手HX300对所提方法进行了实际测试,验证其可行性。研究结果表明标定后机械手的定位精度得到了显著提高,平均误差、最大误差和标准差分别为0.345、0.6374、0.1624 mm,均小于其他标定方法;与GA-BP神经网络标定方法相比,所提方法具有更好的收敛能力,平均误差降低了15.92%,适用于高精度的各种工业应用。

分析了并联机器人机构参数标定的一般方法,针对3-R2U2S并联机器人的特征,基于自动协作原理提出了一种新的参数标定法。其原理是把所有引起加工位置误差的影响因素均归结为机器人机构参数的变化,求出包含各种误差源的综合修正杆长影响因子,获得较为精准的机器人运动学反解方程。为校核可靠性,搭建3-R2U2S并联机器人样机标定实验中心,在机器人工作空间内,随机选取50个点进行测试,将其坐标代入修正的运动学反解方程中,求出各支链驱动转角的理论输入值。实验结果表明,理论输入值与实际输入值的偏差控制在允许范围内,验证了运用自动协作法求解修正杆长来建立3-R2U2S并联机器人运动学反解方程的准确性和可靠性。

为了研究机床在加工过程中热误差对机床加工精度的影响规律,考虑环境温度变化对数控机床Z轴丝杆热位移的影响时,构建了基于环境温度和实时数据(电流、速度、位置)的Z轴丝杆热误差模型,并通过采集实验数据来对模型进行参数标定,对标定后的模型进行图形绘制,最终将得到的实验数据与模型图形对比,验证了模型的准确性。

对多关节测量机的参数标定方法进行了研究,研究方法主要包括：根据Denavit-Hartenberg方法,在空间坐标转换的基础上建立了六自由度多关节坐标测量机的数学模型,进而讨论杆件间相对位置关系,研究了模型中系统参数及运动参数的标定问题,并设计一种全新的标定球,在此基础上又结合最小二乘法和迭代法的标定方法实现了参数的标定。实验证明运用该标定球能成功地进行系统参数的标定,精度可达到0.05mm,并通过计算和实验验证了该标定方法的可行性。

在三维视觉测量中，标定方法对测量结果的影响是决定性的。本文通过分析、比较各种视觉模型及标定方法，采用考虑镜头畸变因素的三维视觉模型以满足高精度测量系统的需求。由于关节式坐标测量机的激光测量头，使用单摄像机和线结构光来匹配被测物体表面的三维数据，本文设计了一种新型的阶梯形标定块，通过标定块图像和激光条纹图像完成了摄像机的内外参数标定和激光平面参数标定。实验证明，该标定操作过程简单，易于实现自动化，且具有较高的标定精度。

针对柔性三坐标测量机测量精度低的弊端,提出了误差修正和参数标定的方法。应用Denavit-Hartenberg（DH）法建立了柔性三坐标测量系统的运动学模型和误差模型,考虑系统结构参数标定问题,提出了一种基于优化最小二乘法的改进遗传算法。首先,在最小二乘法中引入变化因子来衡量收敛速度;其次,当该因子趋于稳定时,将产生的次优解作为遗传算法的初始群体,并对一般遗传算法进行改进;最后,根据改进的遗传算法进行搜索、计算,得到满足要求的最优解,完成系统结构参数的标定。实验表明：该方法具有收敛速度快、鲁棒性好等优点。

在Denavit-Hartenberg方法基础上,建立了关节式坐标测量机的数学模型,通过数学仿真实验结合图解法验证了数学模型的合理性.设计一种全新的标定块,采用最小二乘法和迭代法相结合的方法实现了参数的快速标定.结果表明仿人关节式坐标测量机杆件的各项实际参数误差在所允许的范围内,具有较好的实用性和鲁棒性.

利用旋量理论中的指数积公式建立了关节臂坐标测量机的理想数学模型,以基于单点多姿态与两点距离的系统误差模型为目标函数,运用了改进的粒子群优化算法对目标函数进行优化,进而实现了运动学参数的快速标定.实验结果表明：经过参数标定后,测量机的单点重复性精度提高了89.53%,长度测量精度提高了88.16%.所提标定方法简单易行.

为更好地提升机器人主操作手性能,减少由于机构重力导致的操作疲劳感并提高位置精度,设计了一款7自由度主操作手:大臂机构为一平行四边形机构,提供前后和左右自由度;小臂机构提供上下自由度;手腕机构提供俯仰和偏航自由度;末端操作器机构提供自转和开合自由度。为提高主操作手位置精度,在主操作手结构设计的基础上,应用旋量理论建立了主操作手的运动学及其误差模型,采用最小二乘法对运动学参数进行了辨识,并进行了标定实验。结果表明,经过运动学参数标定后,主操作手的最大位置误差改善了67.43%。

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。