Residual Error Estimation for Parallel Manipulators by Pose-Based Kernel Ridge Regression

Jingbo Luo

doi:10.1109/tii.2026.3717617

Residual Error Estimation for Parallel Manipulators by Pose-Based Kernel Ridge Regression

2026-09-09

0

PRE

AI

DOI：10.1109/tii.2026.3717617

原文链接

原文求助

摘要

En 中文

运动学标定对于提高并联操作器（PMs）的绝对定位精度至关重要。然而，在传统的几何标定后，配置依赖的未建模误差仍然存在。虽然数据驱动方法已被用于估计这些残差，但现有方法通常依赖于关节位移输入。这种基于关节的回归表现出固有的局限性：由大量被动关节引起的高输入维度，以及由高度耦合机构中的非线性度量失真引起的泛化能力差。为克服这些局限性，提出了一种基于位姿的核岭回归（KRR）方法。通过将几何标定后的位姿直接映射到李代数中的向量表示，该方法从根本上统一了输入维度，并绕过了复杂正向运动学的隐式拟合。此外，它建立了一个物理上一致的度量，严格保留了未建模误差的空间特征。在完全解耦的6腿棱柱-球面-棱柱-棱柱（6-PSPP）PM和强耦合的3腿棱柱-棱柱-球面（3-PPS）PM上的全面实验验证了该方法。仅使用50个训练样本，基于位姿的KRR将6-PSPP的残差位置误差压缩至约3.98 μm，并有效抑制了3-PPS的预测偏差，相较于几何基准线实现了23.30%的精度提升。最终，该方法为PMs的后标定残差估计提供了一种数据高效且鲁棒的解决方案。

Keyword:

Kernel ridge regression (KRR)

kinematic calibration

Lie algebra

parallel manipulator (PM)

residual error estimation

Residual Error Estimation for Parallel Manipulators by Pose-Based Kernel Ridge Regression

摘要

期刊

机构

引用论文