[发明专利]基于机器学习的机器人磨削方法

权利要求书

1.一种基于机器学习的磨削方法，其特征在于，该方法主要包括：

1)原始数据采集：在砂带工作的各个阶段，对不同材质的工件进行磨削实验，用六维力传感器测量工件与砂轮的接触力f，利用三维测量仪测量工件磨削面的曲率s和磨削量u，用位置传感器测量加工速度v，然后以向量形式进行存储：<u_i f_i v_i s_i>，i＝1、2……N，N为原始数据的组数；

2)建立原始动力学模型：利用原始数据，采用机器学习的方法进行动力学模型建模及初始化机器人自适应动力学模型集；

原始动力学模型m₀的表达式为：

式中，r₀值代表<u_i f_i v_i s_i>的工况，r₀₁，r₀₂，r₀₃为r₀的三个分量；

初始化机器人自适应动力学模型集为：M＝{m₀}，工况参数集为：R＝{r₀}；

(3)根据原始动力学模型和磨削时当前工况条件的测量数据，建立当前机器人自适应动力学模型，进行当前的磨削操作，并将该当前机器人自适应动力学模型加到机器人自适应动力学模型集M中；具体包括：

(31)在磨削操作时，在位测量得到当前工况的磨削量u、接触力f′、加工速度v′、工件曲率s′，并以向量形式存储：<u′_i f′_i v′_i s′_i>；

(32)利用测量的当前数据，采用SVM方法以当前数据<u′_i f′_i v′_i s′_i>为输入，输出当前工况参考参数r；

(33)找到参数集R中与r最接近的分量，当初始状态下，以m₀为基础，结合当前的测量数据，采用SVM方法训练出当前的工况参数r₁值，并且建立适应当前工况r₁的动力学模型m₁，r₁存储形式为：<r₁₁ r₁₂ r₁₃>，r₁₁ r₁₂ r₁₃为r₁三个分量；m₁表达式为：

(34)根据当前工况条件的机器人自适应动力学模型m₁，采用已知的智能优化算法对机器人的路径l、磨削速度v、接触力f参考轨迹进行优化后，进行当前的磨削操作，把m₁加入模型集中，r₁加入到工况参数集中，更新模型集和工况参数集为：M＝{m₀，m₁}，R＝{r₀，r₁}；

(35)重复(31)、(32)、(33)、(34)的步骤，进行当前的磨削操作，并不断得到当前的工况参数r_i和与之对应的动力学模型m_i，并把m_i加入模型集中，r_i加入到工况参数集中，不断更新模型集和工况参数集为M＝{m₀，m₁...m_i...}，R＝{r₀，r₁...r_i...}。