隨著我國經濟的迅猛發展以及產業結構的升級的迫切需求，各產業市場的激烈競爭 促使企業提高生產效率降低產品的殘次率，從而推動了各產業尤其是裝配領域對高精度 的工業機械手需求，SCARA 機械手的結構特點特別適合動作重復性大、裝配精度需求 高的裝配場合，而高精度的裝配的前提是高精度的定位。
SCARA 機械手視覺伺服精確 定位技術的研究主要包括以下幾個方面： 針對 SCARA 機械手視覺伺服精確定位系統的協調運行問題，建立系統數學模型， 包括智能視覺相機模型、SCARA 機械手運動學模型和動力學模型、智能相機坐標系與機械手坐標系之間關系模型。 針對 SCARA 機械手在運動過程中，抑制干擾對定點控制的影響，消除因力矩突變 過大引發的機械抖動現象。提出一種基于模糊內模的 SCARA 機械手控制器設計方法， 提高系統控制精度。
首先利用 SCARA 機械手動力學模型作為被控對象，利用內模控制 原理獲得被控對象的估計模型，在滿足系統的穩態誤差為零的條件下選擇合適的內模濾 波器 ，推導整體的控制規律，通過設計跟蹤位置誤差及誤差變化率的模糊規則表， 運用 模糊推理規則，采用重心法進行模糊判決。
最后實驗結果表明，系統具有 良好的干擾抑制效果，消除了力矩突變過大帶來的機械劇烈抖動的現象，其力矩突變峰 值較單一內?？刂平档土?。
針對 SCARA 機械手平面定位精度不高，提出了一種網格模型并結合最小距離誤差 逼近方法。通過構建 SCARA 機械手平面定位的簡化模型，概述網格模型收斂機理，分析機械手末端第一次到達的實際點與期望點相對位置關系，構建可變參數的起始網格模型，采用最小距離誤差逼近求解下一步構建可變參數網格模型起始點，最后由期望點在 網格模型中位置分布情況決定模型粒度點的收斂更新方向。
實驗結果表明視覺引導的定 位補償策略彌補了因模型不精準而造成的平面定位精度不高的現象，補償后的定位精度達到 ，且調節參數單一、機器末端走點次數明確。 以 LABVIEW 為實驗平臺，搭建 SCARA 機械手視覺伺服精確定位系統。設計 SCARA 機械手運動學正逆解模塊、軌跡規劃模塊、運動控制模塊、誤差補償模塊。利 用 NI-7842R 板卡實現數據的采集和輸出，控制 SCARA 機械手完成指定的動作，實現精確定位功能。
SCARA 機械手的絕對定位精度與重復定位精度是衡量機械手綜合性能的關鍵技術指標。絕對定位精度是通過一定手段獲取到期望位置點后，驅動機械手末端運動到達的實際位置點與期望位置點之間距離誤差大小，通常由機械手參數等確定性因素共同作用；重復定位精度是在指定目標位置前提下，針對相同工作條件下重復執行驅動到指定目標位置時，實際到達位置點形成的離散分布情況，通常是由隨機性原始誤差組成。SCARA 機械手本體重復定位精度可以達到 20？m 左右，但系統的絕對定位精度一般為 1-3mm，絕對定位精度與重復定位精度之間通常有著兩個數量級的差距。
許多單一因素都會影響 SCARA 機械手的定位精度，并且往往 SCARA 機械手最后的定位精度通常是由各種因素共同作用下的結果。在不同情況下，每個單一因素都有可能成為影響機械手最終定位精度的主要原因，通常把影響定位精度的因素大體的歸納分成兩種類別：靜態因素和動態因素。其中靜態因素主要包括如下兩種組成部分：（1）影響重復定位精度的控制誤差因素。（2）測量造成的 SCARA 連桿運動學參數的實際值與 理論值的偏差因素。動態因素亦包括兩種組成部分：（1）由工作環境引發的溫度變化以及機械連接部位的機械磨損造成的運動學參數變化因素。（2）機械手在運動過程中受慣性力與外界干擾等因素造成關節變形與機械抖動等因素。
目前對 SCARA 機械手的定位精度的研究主要分成三大方向：第一類主要研究為了減小系統的控制誤差而研究更精確的定位控制算法。第二類主要研究通過建模、測量與辨識等一系列手段提高 SCARA 機械手本體機械結構參數的準確性，從而得到更接近期望點的坐標位置。第三類主要通過采用一定的誤差補償算法來彌補機械手的絕對定位精度。第一類研究是通過提高機械手在點到點的運動過程中重復定位精度從而影響整體的定位精度。隨著裝配機械手的任務日趨復雜，控制精確度要求越來越高，對系統穩態精度需要越來越明顯，國內外的研究學者利用神經網絡控制、滑?？刂?、自適應控制、以及模糊控制等高級控制方法的優勢，采用多種控制思維結合的方式得到更加精確的定位，并取得一定效果。第二類研究本質為了最小化機械手連桿參數實際值與理論值的差距，通常借助更高精度的測量工具與一定的測量手段，但是由于測量工具的昂貴以及對操作人員的專業要求較高，存在一定的限制性，并且隨著機械手工作時間的累積，造成機械手本體部位的磨損會對此種方法的效果大打折扣。第三類研究本質是通過影響絕對定位精度而提高相應的系統定位精度。通?？梢源笾碌臍w納為軟件補償法與硬件補償法。硬件補償法通過控制的反饋環節添加高精度的誤差補償器來實現高精度的定位，通常高精度的誤差補償器的造價都是極其昂貴的，并且精確定位功能實現并不能完全依賴控制系統本身得到實現，所以其適用場合有限。而軟件補償法通過控制操作軟件調節機械手末端位置的輸入運動參數，其易于修改與低成本的特性造成了現如今的研究熱點。
SCARA 機械手視覺伺服精確定位系統的關鍵技術體現在決定重復定位精度的機械手定位控制算法與影響機械手絕對定位精度的機械手誤差補償技術上，這兩個關鍵技術的設計好壞，直接影響著機械手的點到點的穩態精度、使用壽命以及機械手最終的定位精度。因此他們是整個系統的關鍵技術。
1.2.2 機械手控制算法動態
機械手控制環節作為機械手關鍵技術重要部分，它通過影響機械手的重復定位精度進而提高機械手整體的定位精度?？刂破髟O計的好壞，直接關系著機械手的運行性能，SCARA 機械手控制器可以根據是否考慮其動力學特性進行分類。
（1）運動控制，不考慮動力學特性。直接通過反饋實際位置點與期望位置點之間距離誤差設計控制器。當在一些對定位精度要求不高的任務過程中，忽略機械手動力學特性的控制算法是可以滿足系統要求。許多學者對其中模糊控制、PD 控制、PID 控制、模糊 PID 控制等控制策略進行了大量研究。但是對于裝配等對精度要求高、抗干擾能力強的操作任務而言，上述控制方法，就存在著許多的局限性，為此需要研究基于機械手動力學模型的控制算法。
（2）動態控制，充分的考慮機械手動力學特性。從動力學模型性質本身出發，結合先進的控制算法中的神經網絡控制、自適應控制、魯棒控制、變結構控制等優勢，提高 SCARA 機械手控制精度，提升抑制干擾的能力、設計更加穩定的控制規律。
對于其中輸入為單一固定值的定點控制而言，許多學者有著自己獨到的見解。針對動力學方程中存在的各動態因素，許多學者在先進 PID 控制的基礎上引進前饋控制思想補償定點控制的精度。如 Dung L T 提出在線重力補償的自適應 PD 控制，定點控制精度較高，但實時在線估計加重計算機負擔。De Luca A， Flacco F 以減少穩態誤差為目的，采用固定重力補償，降低自適應 PD 控制算法計算復雜度。Huang J 提出基于全局位置重力補償 PD 控制，實現較高定點控制效果，但系統的穩定性受限于增益的控制策略。同樣存在引入慣力項、哥氏力項作為前饋控制補償算法，但是上述方法定位精度直接與建模的誤差緊密相聯。
許多時候機械手實際運動過程中給定的過程期望點總是在不斷變化，并且不斷給定的期望點的位置可以表述為隨時間變化的連續曲線，，單一的定點控制并不能滿足任務的需求，為了依然保證良好的控制精度，需要研究更高效的控制算法。
SCARA 機械手在點到點的運動過程中，為了得到更高精度的控制效果，必須充分利用機械手動態控制方法的優勢，而又隨著精度要求越高控制算法日趨復雜，因此研究參數調節簡單，以保證穩態精度為前提，有效消除力矩突變，抑制機械抖動問題的算法研究將成為本課題的重點。
1.2.3 誤差補償算法動態
通過分析造成 SCARA 機械手的誤差因素原因，從而為了提高機械手的絕對定位精度，可以通過以下兩大類方法來實現：誤差預防法、誤差補償法。由于誤差預防法側重在制造 SCARA 機械手中通過提高其關鍵配件的設計與加工環節工藝水平，進而提高系 v》 統的定位精度。容易受加工設備、材料等其他因素的影響，且成本較高，這種方式一般只適用于制造機械手的過程中采用，對于已經裝配成型的機械手沒有相應的處理辦法。而誤差補償法又可以分為軟件補償、硬件補償。其中硬件補償通過附加額外的誤差補償器來消除末端的位置誤差，成本高，一般不利于推廣。軟件誤差補償法又可以按照補償的方式分為兩種情況：
?。?）參數誤差補償方法：即當獲取了較高精度的機械手運動學參數后，通過附加一定的控制算法再次修改機械手原有的控制系統參數，最小化實際參數與理論值之間的偏差來提高機械手的絕對定位精度。Wang D 通過對機械手的定位誤差規律進行深度分析，并采用神經網絡控制算法進行了模擬實驗，獲得接近機械手的實際運動學參數，提高機械手誤差補償的實時性，但是大量的訓練樣本，加重了實驗的工作量。Liu C 通過對機械手工作空間選定網格位置點進行相應的雙線性插補以及曲線擬合，修改運動參數，從而對機械手末端位置進行補償。Pini F 借助外界精密儀器，不斷采集并修正運動過程中的誤差模型參數，提高定位精度。但是上述方法簡單的把 SCARA 機械手誤差造成的原因歸責于機械手各關節軸的連桿之間物理參數的理論值與實際值的偏差，而并沒有結合分析實際情況下機械手可能受到負載，溫度，關節間隙、坐標變換、控制等一系列因素共同作用的影響。
?。?）攝動誤差補償法：根據期望位置與實際位置的偏差，通過預先添加一個附加位置增量，使該附加的位置增量能有效降低由參數誤差引起的位置誤差，最后使得機械手末端實際點接近期望點。一般需要結合視覺伺服控制技術，通過機械手末端位置的反饋來實時的進行反饋誤差補償，從而提高系統的絕對定位精度。祝建禮針對 5 自由度的機械手構建了微小攝動誤差模型，通過數值分析法采用逐步逼近位置誤差求解補償變量，提高絕對定位精度。但計算中存在精確度丟失的問題。ZhouW 提出基于空間網格的機械手精度補償方法，通過空間插補方式對目標期望點定位預測，但最小空間網格劃分的精度會直接影響補償的效果。廖文和基于分析空間網格相鄰兩點之間內在關聯，提出了定位誤差相似度的概念，采用反距離加權法進行插值優化網格步長，但優化過程只考慮了靜態因素。周煒基于空間網格精度補償的基礎，采用粒子群優化神經網絡的機械手精度補償方法，降低環境因素變化對補償效果的影響，但訓練神經網絡的采樣樣本數量偏大。尹湘云提出基于模型控制方法和智能計算相結合的方法，以面向小樣本原理的支持向量機回歸算法預測位置誤差，有利于減少位姿測量的點數，但基于小樣本原理構建的模型應用范圍有一定的限制。許輝提出基于距離誤差的機械手誤差補償模型，避免了測量系統坐標系與機械手基礎坐標系之間的轉換誤差，有效的降低了由坐標轉換引起的定位精度問題。Brethe J 提出基于粒度隨機模型結合置信橢圓區域跳轉的誤差補償策略方法，提高機械手的絕對定位精度，但此方法不適用于對于起始絕對定位精度偏低的機械手，且其跳轉的過程帶有一定的隨機性。
總結：以上研究動態顯示為了提高機械手的絕對定位精度，攝動誤差補償方法已經成為研究熱點；因此研究補償效果明顯、適用性強的誤差補償算法將成為本課題的重點。