阅读量:0
前言
上一章我们用两步优化方法求解了辨识参数，
【机器人学】6-2.六自由度机器人运动学参数辨识-优化方法求解辨识参数
我们给机器人的几何参数进行了数学建模，其中使用高斯牛顿法求解出了激光仪相对于机器人基座的坐标变换
和机器人末端执行器相对于靶球的变换，然后使用最小二乘法去辨识DH参数，最终得到了辨识前后的结果如下图所示：
辨识前的DH参数
辨识后的DH参数
我们可以看到，辨识后的DH参数有（Base）和（Tool）以及新的DH参数，那么存在一个问题：辨识后的DH参数，与辨识前的DH参数有什么联系？，辨识后的DH参数与辨识前的DH参数的差值可以反映机器人的几何结构的真实偏差吗？这篇博客将解决以上两个问题。
机器人运动学参数耦合性理论分析
由于计算机的计算不是精确的，条件数越高，计算精度的误差对解的影响也越大。所以在最小二乘法求解DH参数时，为了保证误差最小，使用了QR分解求解矩阵的最小条件数。对应于上一篇博客的公式的（6.36）与（6.37）。
规定R中对角矩阵接近于0或者等于0 的相关元素是不可识别参数。在后续计算时，应将雅可比矩阵J中对应R中不可识别的参数的相应列去除。
那么我们的机器人模型在使用QR分解后有哪些参数是不可识别的呢？
我们使用MATLAB在对应代码处打印不可识别参数的位置如下图所示：
通过辨识前后的结果可以证明上述的结论：
上图红框处为不可辨识参数。
将辨识前后的DH参数作差：
2. 构建实验分析耦合性
3. 结论总结
下一章：
【机器人学】6-4.六自由度机器人运动学参数辨识-机器人精度验证【附MATLAB代码】
