专利名称：基于神经网络的工业机器人空间网格精度补偿方法
技术领域：
本发明涉及一种机器人定位精度补偿方法，尤其涉及一种用于工业机器人的基于粒子群优化神经网络的空间立体网格精度补偿方法，属于工业机器人标定技术领域。
背景技术：
机器人的精度是反映机器人性能的一个重要指标，它包括绝对定位精度和重复定位精度。绝对定位精度误差是机器人实际运动与期望运动之间的偏差，由确定性原始误差 (如连杆参数误差、运动副间隙等)所产生；重复定位精度误差是机器人重复执行同一期望运动时，机器人的实际运动之间的相互离散程度，由随机性原始误差(如关节伺服定位误差等)所广生。通常，一般的工业机器人具有较高的重复定位精度，然而它的绝对定位精度却比较差，重复定位精度达到O. Imm的机器人，其绝对定位精度误差却能有2-3mm。示教利用了机器人的重复定位精度可以达到较高的绝对定位精度，但在实际应用中，很多场合对工业机器人的绝对定位精度要求很高，通常又不能通过示教的方式来完成。所以，对机器人的绝对定位精度进行补偿就显得至关重要。文献“夏凯，陈崇端，洪涛，等.补偿机器人定位误差的神经网络[J].机器人， 1995，17 (3) :171-176. ”为了提高机器人的定位精度，提出了补偿机器人定位误差的神经网络方法。文章针对RM-501五自由度机器人，通过两种方式用多层感知器神经网络补偿机器人运动学方程定位的误差，分别是基于关节坐标的神经网络补偿和基于直角坐标位置的神经网络补偿。该方法的核心是利用人工神经网络具有很强的自学习、自适应能力，通过训练得到机器人运动学几何参数误差、非几何参数误差等误差源的作用规律，对期望关节角或直角坐标进行补偿，从而来提高机器人的绝对定位精度。该方法避免了其他传统标定方法繁琐的建模及参数辨识过程，但在实际应用中存在以下不足I)为了使得训练后的网络能够达到一定的精度以及适应机器人包络范围内的所有点，训练神经网络需要有大量的学习样本，因此测量工作量大；2)该方法需要将直角坐标转换成关节坐标，因此需要对机器人运动学方程求逆解，这个过程计算量大，且在奇异点附近效果不理想；3)试验结果表明机器人在标定后的定位精度仍不够理想。
发明内容
本发明为提高工业机器人的绝对定位精度，针对现有技术存在的不足，而提出一种基于粒子群优化神经网络的工业机器人空间网格精度补偿方法。该方法包括如下步骤步骤I :在工业机器人的包络线范围内，按一定的步长把整个包络空间划分成一系列的立方体网格；步骤2 :通过激光跟踪仪测量并建立机器人基坐标系，在几个不同的环境温度水平下用步骤I中划分的每个立方体网格的八个顶点的理论坐标来控制机器人进行定位，并用激光跟踪仪测量并记录实际定位坐标；步骤3 :建立基于粒子群优化的BP神经网络模型，并用步骤2中采集到的数据进行训练；步骤4 :对于期望到达包络线范围内的任一点P的目标定位坐标(X，Y，Z)和所处的实际环境温度TI)查找该点P所在的立方体网格；2)分别将P所在立方体网格的八个顶点的理论坐标和环境温度这四个参数作为神经网络的输入，从而预测出对应八个顶点的实际定位坐标；3)计算该点P与所在立方体网格的八个顶点Ki实际定位坐标的距离屯，用算得的距离Cli进行反距离加权求得八个顶点Ki相对于该点P的权值qi，其中i = 1，2，. . . 8，下同；4)用求得的权值Qi来对八个顶点Ki的X、Y、Z三个方向上的定位误差分别进行空间插值，预算出该点P三个方向上的误差；5)用求得的误差对该点P的理论坐标(Χ，Υ，Ζ)进行反向修正，完成机器人在该点 P的定位精度补偿。本发明具有如下技术效果I)针对不同型号的工业机器人，通过确定划分网格的最大步长，可以有效地减少测量的工作量，有利于工业机器人快速地投入应用。2)本方法是在笛卡尔坐标系中进行的，与通常的机器人标定方法相比不需要进行机器人运动学的正解和逆解，计算过程简单迅速，可以实现在线补偿。3)综合考虑了机器人运动学参数、负载、以及环境温度变化带来的误差，显著提高了机器人的绝对定位精度，使得标定后的工业机器人能适应更广泛的应用场合。
图I为本发明补偿方法的算法流程图。
图2为本发明补偿方法中的空间插值示意图。 图3(a)为验证样本预测X方向误差示意图。 图3(b)为验证样本预测y方向误差示意图。 图3(c)为验证样本预测z方向误差示意图。
具体实施例方式本发明基于粒子群优化神经网络的工业机器人空间网格精度补偿方法的步骤如下步骤I :在工业机器人的包络线范围内，按一定的步长在机器人包络空间内的待加工区域划分成一系列的立方体网格；步骤2 :通过激光跟踪仪测量并建立机器人基坐标系，在几个不同的温度水平下用步骤I中划分的每个立方体网格的八个顶点的理论坐标来控制机器人进行定位，并用激光跟踪仪测量并记录实际定位坐标；
建立激光跟踪仪与机器人基坐标系之间关联的步骤为I)将球形固定反射器SMR固定在末端执行器的TCP上，且保持A2到A6轴的位置 (角度)固定不变，通过旋转Al轴，用FARO激光跟踪仪测量一系列位于圆周上的点；2)利用FARO自带的CAM2 Measure软件，将步骤I得到的测量点依次拟合出一个平面和一个圆，从而得到圆心的理论坐标；3)测量机器人底座平面上的一系列点并拟合出一个平面，再对该平面做偏移量为 SMR半径的偏移；4)把步骤2中得到的圆心投影到步骤3偏移得到的平面中，得到机器人的原点位置；5)测量机器人处于零点位置时机器人法兰盘上两个水平对称的安装孔，然后算出这两个测量点的中点，再把所得中点向步骤3中得到的偏移平面做投影，得到处于X轴上的一点。6)从机器人机械零点开始按逆时针方向旋转Al轴(小于90度的任意值)并测量，再把该点向步骤3中得到的偏移平面做投影，得到处于+X Y平面上的一点；7)利用原点以及步骤5和6得到的两点构造出坐标系，该坐标系即为机器人坐标系。步骤3 :对于期望到达包络线范围内的任一点P的理论坐标(X，Y，Z)和环境温度 T，I)查找该点P所在的立方体网格；2)分别将P所在立方体网格的八个顶点的理论坐标和环境温度这四个参数作为神经网络的输入，从而预测出对应八个顶点的实际定位坐标；3)计算该点P与所在立方体网格的八个顶点Ki实际定位坐标的距离屯，用算得的距离Cli进行反距离加权求得八个顶点Ki相对于该点P的权值qi，其中i = 1，2，. . . 8，下同；4)用求得的权值Qi来对八个顶点Ki的X、Y、Z三个方向上的定位误差分别进行空间插值，预算出该点P三个方向上的误差；5)用求得的误差对该点P的理论坐标(Χ，Υ，Ζ)进行反向修正，完成机器人在该点 P的定位精度补偿。所述步骤3中
权利要求
1.一种基于神经网络的工业机器人空间网格精度补偿方法，其特征在于该方法包括如下步骤步骤I :在工业机器人的包络线范围内，按一定的步长把整个包络空间均匀地划分为一系列紧密相邻相同大小的立方体网格；步骤2 :通过激光跟踪仪测量并建立机器人基坐标系，在几个不同的环境温度水平下用步骤I中划分的每个立方体网格的八个顶点的理论坐标来控制机器人进行定位，用激光跟踪仪测量并将其实际定位坐标数据记录下来；步骤3 :建立基于粒子群优化的BP神经网络模型。将步骤2中所划分网格的每个顶点的理论坐标和试验温度作为神经网络的输入，并将相应采集到的实际定位坐标作为神经网络的输出进行训练；步骤4 :对于期望到达包络线范围内的任一点P的目标定位坐标(X，Y，Z)和所处的实际环境温度T 1)查找该点P所在的立方体网格；2)分别将P所在立方体网格的八个顶点的理论坐标和环境温度这四个参数作为神经网络的输入，从而预测出对应八个顶点的实际定位坐标；3)计算该点P与所在立方体网格的八个顶点Ki实际定位坐标的距离屯，用算得的距离 (Ii进行反距离加权求得八个顶点Ki相对于该点P的权值qy其中i= 1,2,··· 8,下同；4)用求得的权值Qi来对八个顶点Ki的X、Y、Z三个方向上的定位误差分别进行空间插值，预算出该点P三个方向上的误差；5)用求得的误差对该点P的理论坐标(Χ，Υ，Ζ)进行反向修正，完成机器人在该点P的定位精度补偿。
2.根据权利要求I所述的基于神经网络的工业机器人空间网格精度补偿方法，其特征在于所述步骤I中立方体网格的划分是在笛卡尔坐标系中进行的。
3.根据权利要求I所述的基于神经网络的工业机器人空间网格精度补偿方法，其特征在于所述步骤2中在机器人进行定位时，机器人在定位立方体网格的八个顶点处具有相同姿态。
4.根据权利要求I所述的基于神经网络的工业机器人空间网格精度补偿方法，其特征在于所述步骤3中，神经网络模型在BP神经网络的基础上进行了粒子群算法优化，且网络模型的输入节点数为4 (理论定位坐标及环境温度)，输出节点数为3 (预测实际定位坐标)。
5.根据权利要求I所述的基于神经网络的工业机器人空间网格精度补偿方法，其特征在于所述步骤4中，机器人目标定位点的姿态与它在相应立方体网格八个顶点处的姿态保持一致或偏差在±5°范围内。
全文摘要
本发明公开了一种基于神经网络的工业机器人空间网格精度补偿方法，属于工业机器人标定技术领域。该方法利用工业机器人具有较高重复定位精度的特性，通过训练粒子群优化的BP神经网络来模拟机器人在相同负载、不同环境温度下定位的内在规律，结合机器人空间网格精度补偿方法，从而对机器人包络空间范围的任意目标定位点进行精度补偿，提高其绝对定位精度。本发明针对不同型号的工业机器人，通过确定划分网格的最大步长，可以有效地减少测量的工作量，有利于工业机器人快速地投入应用。不需要进行机器人运动学的正解和逆解，计算过程简单迅速，可以实现在线补偿。提高了机器人的绝对定位精度，使得标定后的工业机器人能适应更广泛的应用场合。
文档编号G06N3/02GK102607552SQ20121000701
公开日2012年7月25日 申请日期2012年1月11日 优先权日2012年1月11日
发明者周卫雪, 周炜, 廖文和, 沈建新, 田威, 贺美华 申请人:南京航空航天大学