随着智能制造对测量工具自动化在线测量指标的需求,目前传统的关节臂式坐标测量机由于其手动测量的工作模式存在的效率低、测量姿态不定、测量精度低且结果的复现性差等问题,无法满足智能制造的要求。本课题组综合目前传统手动关节臂坐标测量机和串联机器人的研究成果,进行自驱动关节臂坐标测量机的研制工作。由于自驱动的工作方式在测量过程中存在动态和静态的误差源,影响测量机的测量精度。为了分析测量机的误差来源,本文研究分析了测量机的工作原理,结合测量机的机械结构尺寸,建立了测量机的运动学模型。并根据测量机的结构设计确定各个关节的转角范围,求解测量机的工作范围。同时根据测量机的测量过程将误差分为定位误差和测量误差,通过对各误差源项进行理论分析计算,确定各分项的影响值。并将各个误差项转换到测量机的运动学模型参数中,列出运动学模型参数误差修正表,建立测量机的单误差偏微分模型。为了验证测量机误差源项理论计算的正确性,本文用理论计算的结果作为仿真的边界条件,利用ansys对测量机的影响程度较大的误差项进行仿真分析验证。最终将各误差进行对比验证,确定了测量机的主要定位误差源项和测量误差源项,并建立测量机的全微分误差模型。为了得到测量机测头位置误差预测模型,本文通过理论分析,确定测量机的各个关节转角速度和角度值为影响测量机动态误差的主要参数。根据前文分析得到的结果,将带来主要误差源项的关节部件逐个进行柔性化参数处理,导入adams中建立刚柔耦合仿真模型,然后采用五次多项式规划的轨迹进行仿真分析,得到测量机的测头位置误差与运动参数的仿真数据。将仿真得到的数据作为神经网络的训练样本的,通过训练测试后,建立了测量机的测头位置误差预测模型。本文通过对自驱动关节臂坐标测量机的工作原理与结构分析,完成了测量机的误差源分析与全微分误差模型建立,并通过仿真对理论计算误差值进行了验证。最终采用RBF神经网络建立了 0.0988mm精度的误差预测模型。图[62]表[27]参[83]