随着我国经济的迅猛发展以及产业结构的升级的迫切需求，各产业市场的激烈竞争 促使企业提高生产效率降低产品的残次率，从而推动了各产业尤其是装配领域对高精度 的工业机械手需求，SCARA 机械手的结构特点特别适合动作重复性大、装配精度需求 高的装配场合，而高精度的装配的前提是高精度的定位。

　　SCARA 机械手视觉伺服精确 定位技术的研究主要包括以下几个方面： 针对 SCARA 机械手视觉伺服精确定位系统的协调运行问题，建立系统数学模型， 包括智能视觉相机模型、SCARA 机械手运动学模型和动力学模型、智能相机坐标系与机械手坐标系之间关系模型。 针对 SCARA 机械手在运动过程中，抑制干扰对定点控制的影响，消除因力矩突变 过大引发的机械抖动现象。提出一种基于模糊内模的 SCARA 机械手控制器设计方法， 提高系统控制精度。

　　首先利用 SCARA 机械手动力学模型作为被控对象，利用内模控制 原理获得被控对象的估计模型，在满足系统的稳态误差为零的条件下选择合适的内模滤 波器 ，推导整体的控制规律，通过设计跟踪位置误差及误差变化率的模糊规则表， 运用 模糊推理规则，采用重心法进行模糊判决。

　　最后实验结果表明，系统具有 良好的干扰抑制效果，消除了力矩突变过大带来的机械剧烈抖动的现象，其力矩突变峰 值较单一内模控制降低了 。

　　针对 SCARA 机械手平面定位精度不高，提出了一种网格模型并结合最小距离误差 逼近方法。通过构建 SCARA 机械手平面定位的简化模型，概述网格模型收敛机理，分析机械手末端第一次到达的实际点与期望点相对位置关系，构建可变参数的起始网格模型，采用最小距离误差逼近求解下一步构建可变参数网格模型起始点，最后由期望点在 网格模型中位置分布情况决定模型粒度点的收敛更新方向。

　　实验结果表明视觉引导的定 位补偿策略弥补了因模型不精准而造成的平面定位精度不高的现象，补偿后的定位精度达到 ，且调节参数单一、机器末端走点次数明确。 以LABVIEW为实验平台，搭建 SCARA 机械手视觉伺服精确定位系统。设计 SCARA 机械手运动学正逆解模块、轨迹规划模块、运动控制模块、误差补偿模块。利 用NI-7842R板卡实现数据的采集和输出，控制 SCARA 机械手完成指定的动作，实现精确定位功能。

　　SCARA 机械手的绝对定位精度与重复定位精度是衡量机械手综合性能的关键技术指标。绝对定位精度是通过一定手段获取到期望位置点后，驱动机械手末端运动到达的实际位置点与期望位置点之间距离误差大小，通常由机械手参数等确定性因素共同作用；重复定位精度是在指定目标位置前提下，针对相同工作条件下重复执行驱动到指定目标位置时，实际到达位置点形成的离散分布情况，通常是由随机性原始误差组成。SCARA 机械手本体重复定位精度可以达到 20？m 左右，但系统的绝对定位精度一般为 1-3mm，绝对定位精度与重复定位精度之间通常有着两个数量级的差距。

　　许多单一因素都会影响 SCARA 机械手的定位精度，并且往往 SCARA 机械手最后的定位精度通常是由各种因素共同作用下的结果。在不同情况下，每个单一因素都有可能成为影响机械手最终定位精度的主要原因，通常把影响定位精度的因素大体的归纳分成两种类别：静态因素和动态因素。其中静态因素主要包括如下两种组成部分：（1）影响重复定位精度的控制误差因素。（2）测量造成的 SCARA 连杆运动学参数的实际值与 理论值的偏差因素。动态因素亦包括两种组成部分：（1）由工作环境引发的温度变化以及机械连接部位的机械磨损造成的运动学参数变化因素。（2）机械手在运动过程中受惯性力与外界干扰等因素造成关节变形与机械抖动等因素。

　　目前对 SCARA 机械手的定位精度的研究主要分成三大方向：第一类主要研究为了减小系统的控制误差而研究更精确的定位控制算法。第二类主要研究通过建模、测量与辨识等一系列手段提高 SCARA 机械手本体机械结构参数的准确性，从而得到更接近期望点的坐标位置。第三类主要通过采用一定的误差补偿算法来弥补机械手的绝对定位精度。第一类研究是通过提高机械手在点到点的运动过程中重复定位精度从而影响整体的定位精度。随着装配机械手的任务日趋复杂，控制精确度要求越来越高，对系统稳态精度需要越来越明显，国内外的研究学者利用神经网络控制、滑模控制、自适应控制、以及模糊控制等高级控制方法的优势，采用多种控制思维结合的方式得到更加精确的定位，并取得一定效果。第二类研究本质为了最小化机械手连杆参数实际值与理论值的差距，通常借助更高精度的测量工具与一定的测量手段，但是由于测量工具的昂贵以及对操作人员的专业要求较高，存在一定的限制性，并且随着机械手工作时间的累积，造成机械手本体部位的磨损会对此种方法的效果大打折扣。第三类研究本质是通过影响绝对定位精度而提高相应的系统定位精度。通常可以大致的归纳为软件补偿法与硬件补偿法。硬件补偿法通过控制的反馈环节添加高精度的误差补偿器来实现高精度的定位，通常高精度的误差补偿器的造价都是极其昂贵的，并且精确定位功能实现并不能完全依赖控制系统本身得到实现，所以其适用场合有限。而软件补偿法通过控制操作软件调节机械手末端位置的输入运动参数，其易于修改与低成本的特性造成了现如今的研究热点。

　　SCARA 机械手视觉伺服精确定位系统的关键技术体现在决定重复定位精度的机械手定位控制算法与影响机械手绝对定位精度的机械手误差补偿技术上，这两个关键技术的设计好坏，直接影响着机械手的点到点的稳态精度、使用寿命以及机械手最终的定位精度。因此他们是整个系统的关键技术。

　　1.2.2 机械手控制算法动态

　　机械手控制环节作为机械手关键技术重要部分，它通过影响机械手的重复定位精度进而提高机械手整体的定位精度。控制器设计的好坏，直接关系着机械手的运行性能，SCARA 机械手控制器可以根据是否考虑其动力学特性进行分类。

　　（1）运动控制，不考虑动力学特性。直接通过反馈实际位置点与期望位置点之间距离误差设计控制器。当在一些对定位精度要求不高的任务过程中，忽略机械手动力学特性的控制算法是可以满足系统要求。许多学者对其中模糊控制、PD 控制、PID 控制、模糊 PID 控制等控制策略进行了大量研究。但是对于装配等对精度要求高、抗干扰能力强的操作任务而言，上述控制方法，就存在着许多的局限性，为此需要研究基于机械手动力学模型的控制算法。

　　（2）动态控制，充分的考虑机械手动力学特性。从动力学模型性质本身出发，结合先进的控制算法中的神经网络控制、自适应控制、鲁棒控制、变结构控制等优势，提高 SCARA 机械手控制精度，提升抑制干扰的能力、设计更加稳定的控制规律。

　　对于其中输入为单一固定值的定点控制而言，许多学者有着自己独到的见解。针对动力学方程中存在的各动态因素，许多学者在先进 PID 控制的基础上引进前馈控制思想补偿定点控制的精度。如 Dung L T 提出在线重力补偿的自适应 PD 控制，定点控制精度较高，但实时在线估计加重计算机负担。De Luca A， Flacco F 以减少稳态误差为目的，采用固定重力补偿，降低自适应 PD 控制算法计算复杂度。Huang J 提出基于全局位置重力补偿 PD 控制，实现较高定点控制效果，但系统的稳定性受限于增益的控制策略。同样存在引入惯力项、哥氏力项作为前馈控制补偿算法，但是上述方法定位精度直接与建模的误差紧密相联。

　　许多时候机械手实际运动过程中给定的过程期望点总是在不断变化，并且不断给定的期望点的位置可以表述为随时间变化的连续曲线，，单一的定点控制并不能满足任务的需求，为了依然保证良好的控制精度，需要研究更高效的控制算法。

　　SCARA 机械手在点到点的运动过程中，为了得到更高精度的控制效果，必须充分利用机械手动态控制方法的优势，而又随着精度要求越高控制算法日趋复杂，因此研究参数调节简单，以保证稳态精度为前提，有效消除力矩突变，抑制机械抖动问题的算法研究将成为本课题的重点。

　　1.2.3 误差补偿算法动态

　　通过分析造成 SCARA 机械手的误差因素原因，从而为了提高机械手的绝对定位精度，可以通过以下两大类方法来实现：误差预防法、误差补偿法。由于误差预防法侧重在制造 SCARA 机械手中通过提高其关键配件的设计与加工环节工艺水平，进而提高系 v》 统的定位精度。容易受加工设备、材料等其他因素的影响，且成本较高，这种方式一般只适用于制造机械手的过程中采用，对于已经装配成型的机械手没有相应的处理办法。而误差补偿法又可以分为软件补偿、硬件补偿。其中硬件补偿通过附加额外的误差补偿器来消除末端的位置误差，成本高，一般不利于推广。软件误差补偿法又可以按照补偿的方式分为两种情况：

　　（1）参数误差补偿方法：即当获取了较高精度的机械手运动学参数后，通过附加一定的控制算法再次修改机械手原有的控制系统参数，最小化实际参数与理论值之间的偏差来提高机械手的绝对定位精度。Wang D 通过对机械手的定位误差规律进行深度分析，并采用神经网络控制算法进行了模拟实验，获得接近机械手的实际运动学参数，提高机械手误差补偿的实时性，但是大量的训练样本，加重了实验的工作量。Liu C 通过对机械手工作空间选定网格位置点进行相应的双线性插补以及曲线拟合，修改运动参数，从而对机械手末端位置进行补偿。Pini F 借助外界精密仪器，不断采集并修正运动过程中的误差模型参数，提高定位精度。但是上述方法简单的把 SCARA 机械手误差造成的原因归责于机械手各关节轴的连杆之间物理参数的理论值与实际值的偏差，而并没有结合分析实际情况下机械手可能受到负载，温度，关节间隙、坐标变换、控制等一系列因素共同作用的影响。

　　（2）摄动误差补偿法：根据期望位置与实际位置的偏差，通过预先添加一个附加位置增量，使该附加的位置增量能有效降低由参数误差引起的位置误差，最后使得机械手末端实际点接近期望点。一般需要结合视觉伺服控制技术，通过机械手末端位置的反馈来实时的进行反馈误差补偿，从而提高系统的绝对定位精度。祝建礼针对 5 自由度的机械手构建了微小摄动误差模型，通过数值分析法采用逐步逼近位置误差求解补偿变量，提高绝对定位精度。但计算中存在精确度丢失的问题。ZhouW 提出基于空间网格的机械手精度补偿方法，通过空间插补方式对目标期望点定位预测，但最小空间网格划分的精度会直接影响补偿的效果。廖文和基于分析空间网格相邻两点之间内在关联，提出了定位误差相似度的概念，采用反距离加权法进行插值优化网格步长，但优化过程只考虑了静态因素。周炜基于空间网格精度补偿的基础，采用粒子群优化神经网络的机械手精度补偿方法，降低环境因素变化对补偿效果的影响，但训练神经网络的采样样本数量偏大。尹湘云提出基于模型控制方法和智能计算相结合的方法，以面向小样本原理的支持向量机回归算法预测位置误差，有利于减少位姿测量的点数，但基于小样本原理构建的模型应用范围有一定的限制。许辉提出基于距离误差的机械手误差补偿模型，避免了测量系统坐标系与机械手基础坐标系之间的转换误差，有效的降低了由坐标转换引起的定位精度问题。Brethe J 提出基于粒度随机模型结合置信椭圆区域跳转的误差补偿策略方法，提高机械手的绝对定位精度，但此方法不适用于对于起始绝对定位精度偏低的机械手，且其跳转的过程带有一定的随机性。

　　总结：以上研究动态显示为了提高机械手的绝对定位精度，摄动误差补偿方法已经成为研究热点；因此研究补偿效果明显、适用性强的误差补偿算法将成为本课题的重点。