[发明专利]基于人工智能的工业机器人精度补偿方法

权利要求书

1.一种基于人工智能的工业机器人精度补偿方法，其特征在于，包含以下步骤：

确定激光跟踪仪的测量坐标系和对应的工业机器人的基坐标系之间的坐标转换关系；

在所述工业机器人的工作空间中选择多个采样点；

通过所述激光跟踪仪对选取的多个所述采样点进行跟踪测量以计算所选取的多个所述采样点所对应的点位误差；

通过多个所述采样点所对应的点位误差对人工智能模型进行训练；

所述工业机器人根据训练好的所述人工智能模型实时计算目标点的点位误差，并根据计算出的目标点的点位误差实现精度的补偿。

2.根据权利要求1所述的基于人工智能的工业机器人精度补偿方法，其特征在于，

所述确定激光跟踪仪的测量坐标系和对应的工业机器人的基坐标系之间的坐标转换关系的具体方法为：

通过示教器控制所述工业机器人在空间中任意移动多个示教点；

从所述示教器上获取所述工业机器人在多个所述示教点所对应的末端位置数据；

通过所述激光跟踪仪测量这几个所述示教点的空间数据；

根据坐标系转换关系对构建方程组，求解两坐标系之间的转换矩阵。

3.根据权利要求1所述的基于人工智能的工业机器人精度补偿方法，其特征在于，

所述在所述工业机器人的工作空间中选择多个采样点的具体方法为：

在所述工业机器人的工作空间中选择500至2000个所述采样点。

4.根据权利要求3所述的基于人工智能的工业机器人精度补偿方法，其特征在于，

选择的多个所述采样点均匀分布在整个工作空间；

任意两个所述采样点之间的最大距离不超过两倍的最小距离。

5.根据权利要求1所述的基于人工智能的工业机器人精度补偿方法，其特征在于，

所述通过所述激光跟踪仪对选取的多个所述采样点进行跟踪测量以计算所选取的多个所述采样点所对应的点位误差的具体方法为：

通过所述激光跟踪仪测量所选取的多个所述采样点的空间数据；

从所述示教器上读取所述工业机器人在多个所述采样点所对应的末端位置数据；

根据多个所述采样点的空间数据及对应的末端位置数据计算每一个所述采样点对应的所述点位误差。

6.根据权利要求2或5任一所述的基于人工智能的工业机器人精度补偿方法，其特征在于，

通过所述激光跟踪仪跟踪测量工业机器人的空间数据的具体方法为：

在所述工业机器人末端安装夹具；

通过所述夹具夹持靶球；

所述激光跟踪仪检测所述靶球来确定所述工业机器人的空间数据。

7.根据权利要求1所述的基于人工智能的工业机器人精度补偿方法，其特征在于，

通过多个所述采样点所对应的点位误差对人工智能模型进行训练的具体方法为：

将所述采样点的点位数据和其对应的点位误差作为训练数据和标签，分别存入data和label中；

按一定比例生成测试集和验证集；

通过所述测试集和所述验证集对所述人工智能模型进行训练。

8.根据权利要求7所述的基于人工智能的工业机器人精度补偿方法，其特征在于，

所述测试集和所述验证集的比例为小于2:8。

9.根据权利要求7所述的基于人工智能的工业机器人精度补偿方法，其特征在于，

所述人工智能模型为SA-BP神经网络模型。

10.根据权利要求9所述的基于人工智能的工业机器人精度补偿方法，其特征在于，

训练所述SA-BP神经网络模型的参数设置为：学习率为0.5，迭代次数为500，目标loss为0.06。