專利名稱：基于神經網絡的工業機器人空間網格精度補償方法
技術領域：
本發明涉及一種機器人定位精度補償方法，尤其涉及一種用于工業機器人的基于粒子群優化神經網絡的空間立體網格精度補償方法，屬于工業機器人標定技術領域。
背景技術：
機器人的精度是反映機器人性能的一個重要指標，它包括絕對定位精度和重復定位精度。絕對定位精度誤差是機器人實際運動與期望運動之間的偏差，由確定性原始誤差 (如連桿參數誤差、運動副間隙等)所產生；重復定位精度誤差是機器人重復執行同一期望運動時，機器人的實際運動之間的相互離散程度，由隨機性原始誤差(如關節伺服定位誤差等)所廣生。通常，一般的工業機器人具有較高的重復定位精度，然而它的絕對定位精度卻比較差，重復定位精度達到O. Imm的機器人，其絕對定位精度誤差卻能有2-3mm。示教利用了機器人的重復定位精度可以達到較高的絕對定位精度，但在實際應用中，很多場合對工業機器人的絕對定位精度要求很高，通常又不能通過示教的方式來完成。所以，對機器人的絕對定位精度進行補償就顯得至關重要。文獻“夏凱，陳崇端，洪濤，等.補償機器人定位誤差的神經網絡[J].機器人， 1995，17 (3) :171-176. ”為了提高機器人的定位精度，提出了補償機器人定位誤差的神經網絡方法。文章針對RM-501五自由度機器人，通過兩種方式用多層感知器神經網絡補償機器人運動學方程定位的誤差，分別是基于關節坐標的神經網絡補償和基于直角坐標位置的神經網絡補償。該方法的核心是利用人工神經網絡具有很強的自學習、自適應能力，通過訓練得到機器人運動學幾何參數誤差、非幾何參數誤差等誤差源的作用規律，對期望關節角或直角坐標進行補償，從而來提高機器人的絕對定位精度。該方法避免了其他傳統標定方法繁瑣的建模及參數辨識過程，但在實際應用中存在以下不足I)為了使得訓練后的網絡能夠達到一定的精度以及適應機器人包絡范圍內的所有點，訓練神經網絡需要有大量的學習樣本，因此測量工作量大；2)該方法需要將直角坐標轉換成關節坐標，因此需要對機器人運動學方程求逆解，這個過程計算量大，且在奇異點附近效果不理想；3)試驗結果表明機器人在標定后的定位精度仍不夠理想。

發明內容
本發明為提高工業機器人的絕對定位精度，針對現有技術存在的不足，而提出一種基于粒子群優化神經網絡的工業機器人空間網格精度補償方法。該方法包括如下步驟步驟I :在工業機器人的包絡線范圍內，按一定的步長把整個包絡空間劃分成一系列的立方體網格；步驟2 :通過激光跟蹤儀測量并建立機器人基坐標系，在幾個不同的環境溫度水平下用步驟I中劃分的每個立方體網格的八個頂點的理論坐標來控制機器人進行定位，并用激光跟蹤儀測量并記錄實際定位坐標；步驟3 :建立基于粒子群優化的BP神經網絡模型，并用步驟2中采集到的數據進行訓練；步驟4 :對于期望到達包絡線范圍內的任一點P的目標定位坐標(X，Y，Z)和所處的實際環境溫度TI)查找該點P所在的立方體網格；2)分別將P所在立方體網格的八個頂點的理論坐標和環境溫度這四個參數作為神經網絡的輸入，從而預測出對應八個頂點的實際定位坐標；3)計算該點P與所在立方體網格的八個頂點Ki實際定位坐標的距離屯，用算得的距離Cli進行反距離加權求得八個頂點Ki相對于該點P的權值qi，其中i = 1，2，. . . 8，下同；4)用求得的權值Qi來對八個頂點Ki的X、Y、Z三個方向上的定位誤差分別進行空間插值，預算出該點P三個方向上的誤差；5)用求得的誤差對該點P的理論坐標(Χ，Υ，Ζ)進行反向修正，完成機器人在該點 P的定位精度補償。本發明具有如下技術效果I)針對不同型號的工業機器人，通過確定劃分網格的最大步長，可以有效地減少測量的工作量，有利于工業機器人快速地投入應用。2)本方法是在笛卡爾坐標系中進行的，與通常的機器人標定方法相比不需要進行機器人運動學的正解和逆解，計算過程簡單迅速，可以實現在線補償。3)綜合考慮了機器人運動學參數、負載、以及環境溫度變化帶來的誤差，顯著提高了機器人的絕對定位精度，使得標定后的工業機器人能適應更廣泛的應用場合。



圖I為本發明補償方法的算法流程圖。
圖2為本發明補償方法中的空間插值示意圖。 圖3(a)為驗證樣本預測X方向誤差示意圖。 圖3(b)為驗證樣本預測y方向誤差示意圖。 圖3(c)為驗證樣本預測z方向誤差示意圖。
具體實施例方式本發明基于粒子群優化神經網絡的工業機器人空間網格精度補償方法的步驟如下步驟I :在工業機器人的包絡線范圍內，按一定的步長在機器人包絡空間內的待加工區域劃分成一系列的立方體網格；步驟2 :通過激光跟蹤儀測量并建立機器人基坐標系，在幾個不同的溫度水平下用步驟I中劃分的每個立方體網格的八個頂點的理論坐標來控制機器人進行定位，并用激光跟蹤儀測量并記錄實際定位坐標；
建立激光跟蹤儀與機器人基坐標系之間關聯的步驟為I)將球形固定反射器SMR固定在末端執行器的TCP上，且保持A2到A6軸的位置 (角度)固定不變，通過旋轉Al軸，用FARO激光跟蹤儀測量一系列位于圓周上的點；2)利用FARO自帶的CAM2 Measure軟件，將步驟I得到的測量點依次擬合出一個平面和一個圓，從而得到圓心的理論坐標；3)測量機器人底座平面上的一系列點并擬合出一個平面，再對該平面做偏移量為 SMR半徑的偏移；4)把步驟2中得到的圓心投影到步驟3偏移得到的平面中，得到機器人的原點位置；5)測量機器人處于零點位置時機器人法蘭盤上兩個水平對稱的安裝孔，然后算出這兩個測量點的中點，再把所得中點向步驟3中得到的偏移平面做投影，得到處于X軸上的一點。6)從機器人機械零點開始按逆時針方向旋轉Al軸(小于90度的任意值)并測量，再把該點向步驟3中得到的偏移平面做投影，得到處于+X Y平面上的一點；7)利用原點以及步驟5和6得到的兩點構造出坐標系，該坐標系即為機器人坐標系。步驟3 :對于期望到達包絡線范圍內的任一點P的理論坐標(X，Y，Z)和環境溫度 T，I)查找該點P所在的立方體網格；2)分別將P所在立方體網格的八個頂點的理論坐標和環境溫度這四個參數作為神經網絡的輸入，從而預測出對應八個頂點的實際定位坐標；3)計算該點P與所在立方體網格的八個頂點Ki實際定位坐標的距離屯，用算得的距離Cli進行反距離加權求得八個頂點Ki相對于該點P的權值qi，其中i = 1，2，. . . 8，下同；4)用求得的權值Qi來對八個頂點Ki的X、Y、Z三個方向上的定位誤差分別進行空間插值，預算出該點P三個方向上的誤差；5)用求得的誤差對該點P的理論坐標(Χ，Υ，Ζ)進行反向修正，完成機器人在該點 P的定位精度補償。所述步驟3中
權利要求
1.一種基于神經網絡的工業機器人空間網格精度補償方法，其特征在于該方法包括如下步驟步驟I :在工業機器人的包絡線范圍內，按一定的步長把整個包絡空間均勻地劃分為一系列緊密相鄰相同大小的立方體網格；步驟2 :通過激光跟蹤儀測量并建立機器人基坐標系，在幾個不同的環境溫度水平下用步驟I中劃分的每個立方體網格的八個頂點的理論坐標來控制機器人進行定位，用激光跟蹤儀測量并將其實際定位坐標數據記錄下來；步驟3 :建立基于粒子群優化的BP神經網絡模型。將步驟2中所劃分網格的每個頂點的理論坐標和試驗溫度作為神經網絡的輸入，并將相應采集到的實際定位坐標作為神經網絡的輸出進行訓練；步驟4 :對于期望到達包絡線范圍內的任一點P的目標定位坐標(X，Y，Z)和所處的實際環境溫度T 1)查找該點P所在的立方體網格；2)分別將P所在立方體網格的八個頂點的理論坐標和環境溫度這四個參數作為神經網絡的輸入，從而預測出對應八個頂點的實際定位坐標；3)計算該點P與所在立方體網格的八個頂點Ki實際定位坐標的距離屯，用算得的距離 (Ii進行反距離加權求得八個頂點Ki相對于該點P的權值qy其中i= 1,2,··· 8,下同；4)用求得的權值Qi來對八個頂點Ki的X、Y、Z三個方向上的定位誤差分別進行空間插值，預算出該點P三個方向上的誤差；5)用求得的誤差對該點P的理論坐標(Χ，Υ，Ζ)進行反向修正，完成機器人在該點P的定位精度補償。
2.根據權利要求I所述的基于神經網絡的工業機器人空間網格精度補償方法，其特征在于所述步驟I中立方體網格的劃分是在笛卡爾坐標系中進行的。
3.根據權利要求I所述的基于神經網絡的工業機器人空間網格精度補償方法，其特征在于所述步驟2中在機器人進行定位時，機器人在定位立方體網格的八個頂點處具有相同姿態。
4.根據權利要求I所述的基于神經網絡的工業機器人空間網格精度補償方法，其特征在于所述步驟3中，神經網絡模型在BP神經網絡的基礎上進行了粒子群算法優化，且網絡模型的輸入節點數為4 (理論定位坐標及環境溫度)，輸出節點數為3 (預測實際定位坐標)。
5.根據權利要求I所述的基于神經網絡的工業機器人空間網格精度補償方法，其特征在于所述步驟4中，機器人目標定位點的姿態與它在相應立方體網格八個頂點處的姿態保持一致或偏差在±5°范圍內。
全文摘要
本發明公開了一種基于神經網絡的工業機器人空間網格精度補償方法，屬于工業機器人標定技術領域。該方法利用工業機器人具有較高重復定位精度的特性，通過訓練粒子群優化的BP神經網絡來模擬機器人在相同負載、不同環境溫度下定位的內在規律，結合機器人空間網格精度補償方法，從而對機器人包絡空間范圍的任意目標定位點進行精度補償，提高其絕對定位精度。本發明針對不同型號的工業機器人，通過確定劃分網格的最大步長，可以有效地減少測量的工作量，有利于工業機器人快速地投入應用。不需要進行機器人運動學的正解和逆解，計算過程簡單迅速，可以實現在線補償。提高了機器人的絕對定位精度，使得標定后的工業機器人能適應更廣泛的應用場合。
文檔編號G06N3/02GK102607552SQ20121000701
公開日2012年7月25日 申請日期2012年1月11日 優先權日2012年1月11日
發明者周衛雪, 周煒, 廖文和, 沈建新, 田威, 賀美華 申請人:南京航空航天大學