Kinematic calibration of a 3‐DOF planar parallel robot
Notice bibliographique
Résumé
Purpose The purpose of this paper is to describe a calibration method developed to improve the absolute accuracy of a novel three degrees‐of‐freedom planar parallel robot. The robot is designed for the precise alignment of semiconductor wafers and, even though its complete workspace is slightly larger, the accuracy improvements are performed within a target workspace, in which the positions are on a disc of 170 mm in diameter and the orientations are in the range ±17°. Design/methodology/approach The calibration method makes use of a single optimization model, based on the direct kinematic calibration approach, while the experimental data are collected from two sources. The first source is a measurement arm from FARO Technologies, and the second is a Mitutoyo coordinate measurement machine (CMM). The two sets of calibration results are compared. Findings Simulation confirmed that the model proposed is not sensitive to measurement noise. An experimental validation on the CMM shows that the absolute accuracy inside the target workspace was improved by reducing the maximum position and orientation errors from 1.432 mm and 0.107°, respectively, to 0.044 mm and 0.009°. Originality/value This paper presents a calibration method which makes it possible to accurately identify the actual robot's base frame (base frame calibration), at the same time as identifying and compensating for geometric errors, actuator offsets, and even screw lead errors. The proposed calibration method is applied on a novel planar robot, and its absolute accuracy was found to improve to 0.044 mm.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».