[发明专利]基于GRNN的混联机器人铣削加工误差预测及补偿方法

说明书

本发明公开了一种混联机器人铣削加工误差预测及补偿方法，包括步骤：获取混联机器人铣削加工误差数据，定义铣削轨迹形状理论坐标值与实际测量值的偏差为加工误差；采用Matlab基于广义回归神经网络建立混联机器人对工件进行铣削加工的误差预测模型，经过多次训练，得到最优的误差预测模型，采用所述的最优神经网络模型对通过UG软件生成的工件铣削加工的理论刀位轨迹进行误差预测，实现对工件的每一个加工点位置坐标的误差补偿。采用本方法实现了加工误差预先补偿，提升了补偿精度。

技术领域

本发明属于混联机器人铣削加工技术领域，尤其涉及一种混联机器人铣削加工误差预测及补偿方法。

背景技术

混联机器人是在并联机器人和串联机器人的基础上发展出的新的机械加工构型装备。目前大多混联机器人是在并联机构的基础上串接串联转头从而实现的。与传统的串联构型装备和并联构型装备相比，混联机器人自身结构简单，刚度好，定位精度高，动态响应好，工作空间相对大，占地面积小，适宜大规模机械加工过程。加工精度是加工过程中的重要指标之一，加工过程中各种误差难以避免，如何保证加工精度要求，是混联机器人加工落地亟待解决的问题。

相较于数控机床，混机器人刚度较小，并且刚度随着位姿变化，难以保证加工精度。影响机器人加工误差的因素很多，主要包括机器人制造安装误差，机器人位置姿态误差，定位误差，刀具误差以及夹具误差数等。误差补偿则有硬件补偿法和软件补偿，其中硬件补偿成本高，操作难度大，不适宜大规模加工，软件补偿法成本低，操作简便，综合效益最高。

目前针对混联机器人加工误差预测补偿的方法主要集中于机器人几何误差建模和机器人自身标定，几何误差建模需要繁琐的数学推导过程，费时费力，并且不涉及实际的切削过程，很难保证加工精度。

发明内容

本发明的目的在与克服已有技术的缺点，提供一种实现加工误差预先补偿，提升了补偿精度的基于GRNN的混联机器人铣削加工误差预测及补偿方法。

本发明一种混联机器人铣削加工误差预测及补偿方法，包括以下步骤：

步骤一，获取混联机器人铣削加工误差数据，定义铣削轨迹形状理论坐标值与实际测量值的偏差为加工误差；具体过程为：

第一步、在UG软件中建立工件CAD模型，规划对工件进行铣削加工的各个轮廓形状；

第二步、在UG软件中利用点集功能规划对工件进行加工的各个轮廓形状上的理论测量点；

第三步、添加粗铣和精铣工序，在UG软件中设定对工件进行加工需要的加工参数；

第四步、用UG加工功能模块生成对工件进行加工的刀位轨迹，通过后处理器生成NC代码并输入混联机器人；

第五步、混联机器人根据第四步生成的刀位轨迹的NC代码对工件进行铣削加工，记录混联机器人数控加工系统加工工件位置的对刀值，将铣削加工后的工件拆卸下来放置在三坐标测量仪进行坐标测量，通过测量与理论测量点相对应的实际点的坐标，计算得到两者之间的差值为两者之间的误差数据，储存在txt文档中；

步骤二、采用Matlab基于广义回归神经网络建立混联机器人对工件进行铣削加工的误差预测模型，GRNN输入数据为机床坐标系下的工件表面轮廓的理论测量点的三维坐标值，输出值为通过步骤一得到的与该理论测量点的三维坐标值对应的误差值；经过多次训练，得到最优的误差预测模型，所述的广义回归神经网络的光滑因子值采用10折交叉验证法得到；

步骤三、采用所述的最优神经网络模型对通过UG软件生成的工件铣削加工的理论刀位轨迹进行误差预测，然后采用离线刀位轨迹补偿法和迭代法，将理论刀位轨迹沿着工件加工表面偏置一个误差值，进行多次迭代，实现对工件的每一个加工点位置坐标的误差补偿。

采用本发明方法实现了加工误差预先补偿，提升了补偿精度。

附图说明