[发明专利]基于人工智能的工业机器人精度补偿方法

说明书

本发明公开了一种基于人工智能的工业机器人精度补偿方法，该方法包含：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；在工业机器人的工作空间中选择多个采样点；通过激光跟踪仪对选取的多个采样点进行跟踪测量以计算所选取的多个采样点所对应的点位误差；通过多个采样点所对应的点位误差对人工智能模型进行训练；工业机器人根据训练好的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。本发明的基于人工智能的工业机器人精度补偿方法，可以在避免复杂的非几何误差建模的情况下，对工业机器人的非几何误差进行补偿，实现精度的提升。

技术领域

本发明涉及一种基于人工智能的工业机器人精度补偿方法。

背景技术

工业机器人具有重复性精度高、可靠性强、适应高危环境等优点，已经在汽车装配、零部件加工、焊接、上下料、喷涂、码垛等行业实现了广泛的应用，是支撑智能制造发展的关键装备。目前，对于出厂或者使用环境发生重大变化的机器人一般使用国标《GB/T12642-2013工业机器人性能规范与试验方法》进行性能测量。该性能规范规定了判定工业机器人性能等级的14项参数指标及其对应的试验方法，比如位姿准确度和位姿重复性、距离准确度和距离重复性、轨迹准确度和轨迹重复性等。机器人精度补偿方面，主要是运用运动学参数辨识模型对其结构参数误差进行修正，从而提升其运动性能。

根据国际机器人组织(IFR)的2019年的产业调查报告，苛刻、灵活性强、负载大的生产环境对工业机器人的精度提出了更加严格的要求。然而，尤其针对重载工业机器人，由于关节和杆件柔性问题，其通过运动学参数辨识模型只能补偿几何机构误差，而不能补偿非几何误差，因此不能完全满足工业机器人的精度要求。与几何误差不同，残差涉及的误差源众多，且随着机器人的运动状况不同实时发生变化，具有复杂性以及不可确定性，不能建立一个类似几何误差补偿的精确模型对所有的残差源进行描述。因此，非几何误差补偿通常是被忽略的。然而，未进行残差补偿的工业机器人，在诸如工件打磨、喷涂等应用中，运动精度不足，需要结合视觉、力觉传感器等末端工具进行在线修正，影响了工业机器人在高端行业的应用水平。

发明内容

本发明提供了一种基于人工智能的工业机器人精度补偿方法解决上述提到的技术问题，具体采用如下的技术方案：

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；

在工业机器人的工作空间中选择多个采样点；

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

通过多个采样点所对应的点位误差对人工智能模型进行训练；

工业机器人根据训练好的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。

进一步地，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：

通过示教器控制工业机器人在空间中任意移动多个示教点；

从示教器上获取工业机器人在多个示教点所对应的末端位置数据；

通过激光跟踪仪测量这几个示教点的空间数据；

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。

进一步地，在工业机器人的工作空间中选择多个采样点的具体方法为：

在工业机器人的工作空间中选择500至2000个采样点。

进一步地，选择的多个采样点均匀分布在整个工作空间；