[发明专利]一种基于神经网络的六维力矩传感器重力补偿方法及系统

说明书

本发明涉及机器人控制技术领域，具体涉及一种基于神经网络的六维力矩传感器重力补偿方法及系统，所述方法包括：获取六维力矩传感器的训练样本集，建立广义回归神经网络，使用改进粒子群算法对广义回归神经网络的平滑因子进行优化，得到优化后的广义回归神经网络，所述平滑因子的维数与所述输入样本的维数之比为1:2；通过所述训练样本集对优化后的广义回归神经网络进行训练，得到训练好的广义回归神经网络；获取实时采集的输入数据，将采集得到的输入数据输入训练好的广义回归神经网络，得到输出数据，使用所述输出数据对六维力矩传感器检测到的六维数据进行重力补偿，本发明通过对六维力矩传感器精准的重力补偿，能够提高工业机器人的力控精度。

技术领域

本发明涉及机器人控制技术领域，具体涉及一种基于神经网络的六维力矩传感器重力补偿方法及系统。

背景技术

在现有的六维力矩传感器的重力补偿方案中，利用软件补偿方法可分为两类方法，一是对六维力矩传感器在不同姿态下的情况进行数学建模，得到数学模型公式，该过程涉及复杂的力学分析。二是智能控制方法，如人工神经网络。通过大量的示教数据，构建性能良好的神经网络模型，六维力矩传感器在不同的位姿下，智能补偿器能预测出相应的补偿数据，完成六维力矩传感器的重力补偿。智能控制方法，还能使用机器学习，如经典机器学习算法，高斯混合回归分析。

这两种方法都能达到理想的补偿作用，但也有缺点。关于数学建模方法，需要使用复杂的力学建模，建模难度大于构建神经网络模型。关于神经网络模型，其缺点在于神经网络的参数优化不足会导致的预测精度不优，无法实现高精度的装配任务。

发明内容

本发明提供一种基于神经网络的六维力矩传感器重力补偿方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

为了实现上述目的，本发明提供以下技术方案：

一种基于神经网络的六维力矩传感器重力补偿方法，所述方法包括以下步骤：

步骤S100、获取六维力矩传感器的样本集，所述样本集包括训练样本集和测试样本集；所述样本集中的样本包括输入样本、以及与所述输入样本对应的输出样本；

步骤S200、建立广义回归神经网络，使用改进粒子群算法对广义回归神经网络的平滑因子进行优化，得到优化后的广义回归神经网络，所述平滑因子的维数与所述输入样本的维数之比为1:2；

步骤S300、通过所述训练样本集对优化后的广义回归神经网络进行训练，得到训练好的广义回归神经网络；

步骤S400、实时获取六维力矩传感器的输入数据，将采集得到的输入数据输入训练好的广义回归神经网络，得到输出数据，使用所述输出数据对六维力矩传感器检测到的六维数据进行重力补偿。

进一步，所述输入样本包括六维力矩传感器的姿态四元数，所述输出样本包括六维力矩传感器在无负载情况下的传感器检测到的六维数据。

进一步，所述步骤S200包括：

步骤S210、建立广义回归神经网络，调整广义回归神经网络中平滑因子的维数，使平滑因子的维数与训练样本集中输入样本的维数之比为1:2；

步骤S220、根据调整后的平滑因子重新建立广义回归神经网络中间层神经元的输出模型；

步骤S230、采用改进粒子群算法对所述平滑因子进行优化，得到优选平滑因子；

步骤S240、根据所述优选平滑因子得到优化后的广义回归神经网络。

进一步，步骤S220中，所述中间层神经元的输出模型为：