The invention discloses a calibration method for absolute positioning accuracy of a manipulator based on an improved radial basis function neural network, which belongs to the field of robot technology. The device used in this method includes mechanical arm, laser tracker and target ball. This method can be divided into three stages: measurement, prediction and compensation. In the measurement data phase, this method reaches the planned sample point by driving the manipulator in turn, and uses the laser tracker and the target ball to measure the actual coordinates of the manipulator in turn, thus solving the position error of the theoretical coordinates and the actual coordinates. In the prediction stage, the base function center is set as the sample point directly, and the width of the base function is determined with the semi variant function. The position error of the target point is predicted by solving the weight matrix of the sample point. In the compensation stage, this method directly modifies the control command according to the prediction error of the target point. The method has the characteristics of wide applicability, easy realization, high calibration accuracy, and suitable for off-line programming.
【技术实现步骤摘要】
基于改进型径向基神经网络的机械臂绝对定位精度标定方法
本专利技术涉及机器人技术,尤其涉及一种基于改进型径向基神经网络的机械臂绝对定位精度标定方法。
技术介绍
工业机器人因具有重复精度高、可靠性好、适用性强等优点,被广泛应用于焊接、激光切割、自动化装配等领域。但其绝对定位精度较差,一般采用标定的方法来提高。影响工业机器人绝对定位精度的因素有很多,包括:机器人零部件的加工制造误差,机器人的安装误差,传动机构的误差,机器人连杆和关节的柔性以及机器人工作环境等。而传统基于模型的标定方法无法全面考虑到这些因素,标定精度不高。针对现有技术存在的不足,本文提出了一种基于改进型径向基神经网络的机械臂绝对定位精度标定方法。该方法将改进后的径向基神经网络应用于机械臂位置误差训练之中,通过建立位置和位置误差的关系,对目标点的位置误差进行预测和补偿。该方法标定精度高且简便易行。
技术实现思路
本专利技术的目的在于提出一种改进型径向基神经网络,用于标定机械臂绝对定位精度。本专利技术通过以下技术方案实现。本专利技术方法所使用的装置包括机械臂、激光跟踪仪和靶球。本专利技术方法可分为三个阶段:测量、预测和补偿。在测量数据阶段,本专利技术方法通过驱动机械臂依次到达规划好的样本点,并借助激光跟踪仪和靶球依次测量机械臂的实际坐标,从而求解理论坐标和实际坐标的位置误差。在预测阶段,本专利技术方法将基函数中心直接设为样本点,并借助半变异函数确定基函数的宽度,通过求解样本点的权值矩阵,进一步对目标点的位置误差进行预测。在补偿阶段,本专利技术方法根据目标点的预测误差对控制命令进行修改。本专利技术所述的基于 ...
【技术保护点】
1.基于改进型径向基神经网络的机械臂绝对定位精度标定方法,其特征在于:本专利技术方法所使用的装置包括工业机械臂、激光跟踪仪和靶球;进一步地,靶球固定于机械臂末端,靶球的中心点设为工具中心点(TCP);本专利技术方法可分为三个阶段:测量、预测和补偿;在测量数据阶段,本专利技术方法通过驱动机械臂依次到达规划好的样本点,并借助激光跟踪仪和靶球依次测量机械臂的实际坐标,从而求解理论坐标和实际坐标的位置误差;在预测阶段,本专利技术方法将基函数中心直接设为样本点,并借助半变异函数确定基函数的宽度,通过求解样本点的权值矩阵,进一步对目标点的位置误差进行预测;在补偿阶段,本专利技术方法根据目标点的预测误差对控制命令进行修改;本专利技术方法的具体实施步骤如下:步骤1:统一基坐标系、测量坐标系和工具坐标系;步骤2:通过离线编程在机械臂的运动空间中随机规划出一系列样本点,作为TCP的理论位置;步骤3:将机械臂依次驱动到这些样本点,借助于激光跟踪仪和靶球测量这些点的实际位置;步骤4:根据这些样本点的理论位置和实际位置求解这些样本点的位置误差;步骤5:设各基函数中心依次为各样本点;步骤6:建立样本点的位置和位置 ...
【技术特征摘要】
1.基于改进型径向基神经网络的机械臂绝对定位精度标定方法,其特征在于:本发明方法所使用的装置包括工业机械臂、激光跟踪仪和靶球;进一步地,靶球固定于机械臂末端,靶球的中心点设为工具中心点(TCP);本发明方法可分为三个阶段:测量、预测和补偿;在测量数据阶段,本发明方法通过驱动机械臂依次到达规划好的样本点,并借助激光跟踪仪和靶球依次测量机械臂的实际坐标,从而求解理论坐标和实际坐标的位置误差;在预测阶段,本发明方法将基函数中心直接设为样本点,并借助半变异函数确定基函数的宽度,通过求解样本点的权值矩阵,进一步对目标点的位置误差进行预测;在补偿阶段,本发明方法根据目标点的预测误差对控制命令进行修改;本发明方法的具体实施步骤如下:步骤1:统一基坐标系、测量坐标系和工具坐标系;步骤2:通过离线编程在机械臂的运动空间中随机规划出一系列样本点,作为TCP的理论位置;步骤3:将机械臂依次驱动到这些样本点,借助于激光跟踪仪和靶球测量这些点的实际位置;步骤4:根据这些样...
【专利技术属性】
技术研发人员:袁培江,蔡鹦,陈冬冬,曹双倩,高豆豆,吴旭磊,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。