Ante la insuficiente precisión absoluta de posicionamiento de los robots industriales, así como el alto costo, baja portabilidad y dificultad de adaptación a múltiples escenarios de los sistemas de medición de alta precisión para la adquisición de errores del robot, se propone un método de compensación de errores basado en un sistema de medición tridimensional reconfigurable, que integra factores de error geométricos y no geométricos para mejorar la precisión de posicionamiento del robot. En primer lugar, se construye un marco de medición bimodal reconfigurable integrando el sistema de medición de alta precisión C-Track^TM|Elite con un sistema de visión binocular liviano, logrando un cálculo de coordenadas de alta precisión mediante el ajuste elíptico de puntos característicos y un algoritmo de coincidencia de posición espacial combinado con el ajuste esférico del palpador; luego se establecen por separado modelos de error de posición y distancia del robot, introduciendo un algoritmo de enjambre de partículas para ajustar automáticamente la función de variación experimental de kriging, construyendo la ecuación de predicción de errores para predecir errores de poses desconocidas dentro del espacio de trabajo del robot; finalmente se realiza la compensación y una validación comparativa. Los experimentos muestran: la compensación de errores de posición basada en el sistema de alta precisión reduce el error absoluto medio de 1.0489 mm a 0.1786 mm, con una mejora de precisión del 82.97%; para el sistema liviano, el error medio se reduce de 1.1547 mm a 0.2119 mm, con una mejora del 81.65%. Se verifica un equilibrio óptimo entre precisión y costo en el sistema de medición reconfigurable: el sistema de alta precisión es adecuado para sectores de alto valor añadido como la aeroespacial, mientras que el sistema liviano satisface los requisitos de precisión de pequeñas y medianas empresas, proporcionando una nueva vía tecnológica para la compensación de precisión de robots industriales en múltiples escenarios.

Reconfigurable;Liviano;Robot industrial;Kriging;Predicción y compensación de errores