一种机器人铣削轨迹精度补偿方法技术

本发明专利技术提供一种机器人铣削轨迹精度补偿方法，包括：基于深度前馈神经网络模型训练铣削力预测模型；确定机器人铣削加工范围，在所述范围内规划出预设数量的采样点并采集所述采样点的理论位姿数据；采集机器人在采样点的实际铣削力和实际位置坐标数据，对比实际位置坐标数据和所述理论位置坐标数据，获取实际定位误差数据；基于深度前馈神经网络模型训练铣削定位误差预测模型；基于铣削力预测模型和铣削定位误差预测模型修正目标点的坐标。本发明专利技术综合考虑了外力和理论位姿对机器人轨迹精度的影响，同时在训练模型的过程中，采用海洋捕食者算法和网格搜索法确定隐藏层节点个数，显著提高了机器人在铣削加工时的轨迹精度。著提高了机器人在铣削加工时的轨迹精度。著提高了机器人在铣削加工时的轨迹精度。

A method of robot milling trajectory accuracy compensation

【技术实现步骤摘要】
一种机器人铣削轨迹精度补偿方法


[0001]本专利技术属于机器人加工
，具体涉及一种机器人铣削轨迹精度补偿方法。

技术介绍

[0002]近年来，利用工业机器人对大型复杂零件进行铣削加工已逐步广泛应用于航空航天高端制造领域。工业机器人具有良好的运动灵活性、较强的人机交互能力、较低的制造成本和较小的空间要求，能够快速调整工作状态，实现产品的智能化、柔性化生产。
[0003]在加工过程中，机器人末端执行器完成加工轨迹的插补运动，因此机器人的轨迹精度直接影响到产品的加工精度。然而，一般情况下，由于工业机器人在制造和安装环节不可避免地引入误差，实际运动学模型与名义运动学模型不同，机器人的轨迹精度通常都是比较低的。此外，在机器人加工过程中，除了机器人本体的运动误差外，加工载荷引起的变形误差也是影响机器人加工轨迹精度和加工表面质量的主要因素之一。在工程应用，特别是在重型机械加工作业中，由于工作载荷的影响而产生的误差往往是毫米级的。因此，研究加工条件下工业机器人轨迹精度补偿具有现实而深远的意义。
[0004]公开号CN104535027A本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人铣削轨迹精度补偿方法，其特征在于，所述方法包括以下步骤：制作第一样本数据集，选择铣削参数，设计预设数量的铣削实验，采集机器人末端所受铣削力，其中铣削参数和对应的铣削力为一组样本数据，对所述第一样本数据集进行预处理并按预设比例划分为第一训练集和第一测试集，使用第一训练集基于深度前馈神经网络模型训练铣削力预测模型，确定机器人铣削加工范围，在所述范围内规划出预设数量的采样点并采集所述采样点的理论位姿数据，其中所述理论位姿数据包括理论位置坐标数据和理论姿态角数据；控制机器人遍历所述采样点，采集机器人在采样点的实际铣削力和实际位置坐标数据，对比实际位置坐标数据和所述理论位置坐标数据，获取实际定位误差数据；制作第二样本数据集，其中每个采样点的实际铣削力、理论位姿数据、实际定位误差数据为一组样本数据，对所述第二样本数据集进行预处理并按预设比例划分为第二训练集和第二测试集，使用第二训练集基于深度前馈神经网络模型训练铣削定位误差预测模型；根据铣削任务获取铣削参数，将铣削参数输入铣削力预测模型获取铣削力预测值；根据铣削任务获取待加工轨迹，将待加工轨迹离散为各线段始末位置组成的目标点集并获取目标点的理论位姿数据；将所述铣削力预测值和所述目标点的理论位姿数据输入铣削定位误差预测模型获取铣削定位误差预测值，将所述定位误差预测值反向补偿到目标点的理论位姿数据中，获取修正后的目标点的坐标，依次将修正后的目标点的坐标发送至机器人的控制系统，控制机器人运动至修正后的目标点，执行铣削任务。2.根据权利要求1所述的一种机器人铣削轨迹精度补偿方法，其特征在于，所述铣削参数包括主轴转速、进给速度、切削深度。3.根...

【专利技术属性】
技术研发人员：田威，张楚凡，李波，廖文和，张苇，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：