[发明专利]一种机器人的位置误差补偿方法

说明书

本发明公开了一种机器人的位置误差补偿方法，包括：1)将造成机器人末端执行器位置误差的几何参数误差和非几何参数误差等效视作虚拟的伪误差；2)利用人工神经网络拟合伪误差造成的末端执行器位置误差曲面，建立末端执行器位置误差与机器人关节参数之间的映射模型；3)基于多种群协同进化网络方法设计人工神经网络的优化算法，对人工神经网络的权值、阈值以及网络结构进行优化，进一步提高了神经网络的拟合精度和泛化能力；4)利用优化的神经网络对末端位置误差进行预测，获得需要补偿的机器人关节参数，并且在机器人关节空间中进行补偿。本发明通过对机器人末端执行器位置误差进行补偿，从而提高机器人的末端位置精度。

技术领域

本发明涉及机器人运动学参数标定领域，具体涉及一种机器人的位置误差补偿方法。

背景技术

目前，造成机器人末端位置误差的误差来源有很多种，比如加工、装配以及环境因素造成的机器人几何参数误差，结构刚度、减速机柔性以及驱动器柔性等非线性参数造成的机器人非几何参数误差，以及环境温度、摩擦环境以及控制参数等非参数造成的非参数误差；这些不同种类的参数之间互相耦合，具有非常强的非线性，难以通过传统的建模方法进行数学表示，因此也无法通过基于模型的参数标定方法进行参数误差标定和补偿。基于模型的参数误差标定和补偿方法只能对几何参数误差进行补偿，而对于其他参数误差却无法辨识和补偿。此外，在对几何参数辨识时采用线性化的处理，丢失了其他参数误差的物理特征，因此机器人末端执行器的位置精度只能得到有限的提高，不能完全补偿末端执行器的位置误差。

中国发明专利CN102607552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，该方法通过采用粒子群法优化神经网络来补偿机器人的位置误差。但该方法需要实现将机器人的工作空间进行网格划分，并且只对神经网络的权值进行优化，使得神经网络的泛化能力和拟合精度较差，无法对整个工作空间中的末端执行器位置误差进行补偿。

中国发明专利CN110385720公开了一种基于深度神经网络的机器人定位误差补偿方法，该方法采用粒子群法对神经网络进行优化。但是并没有对神经网络的结构进行优化，无法准确确定神经网络的初始结构，使得神经网络结构的设计显得更为关键，这往往是通过经验来选定，使得神经网络的设计更复杂，网络拟合精度变差。

发明内容

基于现有技术所存在的问题，本发明的目的是提供一种机器人的位置误差补偿方法，能解决现有机器人位置误差补偿方法存在的无法对整个工作空间中的末端执行器位置误差进行补偿以及补偿精度差等问题。

本发明的目的是通过以下技术方案实现的：

本发明实施方式提供一种机器人的位置误差补偿方法，包括：

步骤1，随机规划和生成待补偿的机器人的空间位姿，使各空间位姿均匀分布于整个工作空间中，随机生成空间位姿的方程为：

式1中，max(q_m)和min(q_m)为关节参数，max(q_m)表示所述机器人第m个驱动关节取值的最大关节参数；min(q_m)表示所述机器人第m个驱动关节取值的最小关节参数；m 表示机器人的驱动关节总数量；rand(1)表示随机生成0至1之间的随机数；随机生成的空间位姿放入输入数据集{q_N}；

步骤2，将所述步骤1得到的输入数据集{q_N}中的关节参数输入到机器人的正运动学方程p＝f(g,n,q)中，输出得到机器人末端执行器的理论位置{p_N}；所述机器人的正运动学方程p＝f(g,n,q)中，p表示机器人末端执行器在工作空间中的位置，g表示机器人的几何参数，n表示机器人的非几何参数，q表示机器人的关节参数；