一种虚拟轴机床末端刀具运动位姿的检测方法技术

本发明专利技术公开了一种虚拟轴机床末端刀具运动位姿的检测方法，先确定虚拟轴机床加工过程末端刀具空间运动期望位姿轨迹；计算出与末端刀具空间运动期望位姿轨迹对应的虚拟轴机床各支路的主动副位移；再以虚拟轴机床各支路的主动副位移为输入样本，以对应的虚拟轴机床末端刀具期望运动位姿为输出样本构建ＲＢＦ神经网络，训练并测试ＲＢＦ神经网络；最后利用训练好的ＲＢＦ神经网络实时检测虚拟轴机床末端刀具的实际运动位姿。本发明专利技术将结构自适应确定、输出与初始权值无关的ＲＢＦ神经网络用于实现虚拟轴机床末端刀具的运动位姿实时检测，无需附加任何硬件部件，不改变虚拟轴机床并联机构动特性，具有任意精度的泛函逼近能力，体积小且收敛快。

【技术实现步骤摘要】

本专利技术涉及一种虚拟轴机床，尤其涉及其末端刀具运动位姿的实时检测方法。
技术介绍
虚拟轴机床也称并联机床，是并联机器人技术与机床技术相结合的高新科技产 品。然而，虚拟轴机床末端刀具运动位姿的实时检测难题，影响着虚拟轴机床末端刀具的运 动控制精度，已成为困扰虚拟轴机床在实现产业化方面取得实质性突破的关键问题之一。虚拟轴机床刀具固联于虚拟轴机床动平台，因此，虚拟轴机床末端刀具运动位姿 的检测关键在于虚拟轴机床并联机构动平台的位姿检测，为此，人们提出了不同的方法，如 在固定平台和动平台之间增设附加测量机构以直接检测动平台位姿，又如采用图像匹配及 图像处理技术进行动平台位姿检测，以及附加中心轴测量装置以多传感器检测技术进行末 端执行器的位姿检测等。但这些方法均需附加硬件部件，不仅成本增加，而且安装困难，并 可能改变虚拟轴机床并联机构的运动特性，致使原设计控制品质降低甚至恶化。还有一种 获得虚拟轴机床末端刀具运动位姿的方法是通过求解虚拟轴机床并联机构的位置正解，一 般采用数值法或解析法，但通常计算量巨大或十分繁琐，无法实际用于虚拟轴机床末端刀 具运动位姿的实时检测，为此，本专利技术提出一种基于神经网络解决虚拟轴机床末端刀具运 动位姿实时检测的方法。在解决并联机器人正问题时，目前已采用神经网络，但迄今未见相关文献基于神 经网络解决虚拟轴机床末端刀具运动位姿实时检测问题。用于解决并联机器人正问题的神 经网络主要有反向传播(BP)神经网络及径向基函数(RBF)神经网络。基于RBF神经网络 的方法，较之基于BP神经网络的方法，具有任意精度的泛函逼近能力和体积小、收敛快等 特性，但在构建和训练RBF神经网络时，存在隐含层神经元数量难以确定的问题，通常的做 法是使其与输入向量的元素相等，显然，在输入矢量较多时，过多的隐含层单元数将影响虚 拟轴机床末端刀具运动位姿的实时检测速度，进而影响虚拟轴机床数控系统的控制速度和 加工速度。
技术实现思路
本专利技术的目的是克服上述现有技术的不足，提供以一种结构自适应确定、输出与 初始权值无关的RBF神经网络实现虚拟轴机床末端刀具运动位姿实时检测的方法。本专利技术采用的技术方案是采用如下步骤1)根据加工要求，确定虚拟轴机床加工过程末端刀具空间运动期望位姿轨迹；2)根据虚拟轴机床并联机构的运动学反解关系，计算出与末端刀具空间运动期望 位姿轨迹对应的虚拟轴机床各支路的主动副位移；3)以虚拟轴机床各支路的主动副位移为输入样本，以对应的虚拟轴机床末端刀具 期望运动位姿为输出样本构建RBF神经网络，训练并测试RBF神经网络；4)在虚拟轴机床的计算机系统中，以上位机系统编程语言，编程实现训练好的RBF神经网络；5)利用训练好的RBF神经网络，实时检测虚拟轴机床末端刀具的实际运动位姿。本专利技术将一种结构自适应确定、输出与初始权值无关的RBF神经网络用于实现虚拟轴机床末端刀具的运动位姿实时检测，其特点和有益效果是1、与现有检测技术相比，无需附加安装任何硬件部件，不增加任何硬件成本，不改 变虚拟轴机床并联机构动特性。2、与采用BP神经网络检测的方法相比，具有任意精度的泛函逼近能力，体积小， 收敛快。3、与采用事先确定隐含层神经元数量的RBF神经网络检测方法相比，不仅具有网 络结构自适应确定、输出与初始权值无关的优良特性，而且具有较快的实时检测速度。以下结合附图和具体实施方式对本专利技术作进一步详细说明。附图说明图1是利用本专利技术提供的检测技术构建的虚拟轴机床末端刀具运动位姿闭环控 制系统。图2是RBF神经网络结构。图3是X轴方向的位置误差曲线。图4是Y轴方向的位置误差曲线。 图5是Z轴方向的位置误差曲线。具体实施例方式本专利技术所公开的基于一种RBF神经网络的虚拟轴机床末端刀具运动位姿的实时 检测方法，利用了虚拟轴机床并联机构正解分析复杂而反解分析简单的特点，可用来构建 虚拟轴机床末端刀具运动位姿的直接闭环控制系统，如图1所示，从而突破虚拟轴机床只 能在各支路电机轴上闭环的现状，有利于进一步实现虚拟轴机床的高精度控制和加工。图 1中，虚拟轴机床的“控制器”功能和基于“RBF神经网络”的检测功能由“计算机系统”实 现；“控制器”的输出为驱动虚拟轴机床各支路电机的驱动指令；“光电编码器”用以检测各 支路电机的运动状态，可据此计算出各支路主动副位移，作为“RBF神经网络”的输入；“RBF 神经网络”的输出即所检测的虚拟轴机床末端刀具实际运动位姿；虚拟轴机床的“控制器” 依据所规划的刀具期望运动位姿和所检测的刀具实际运动位姿之偏差进行控制，可发出更 为精准的电机驱动指令，从而使虚拟轴机床动平台和末端刀具更为准确地实现期望运动。本专利技术所公开的基于一种RBF神经网络的虚拟轴机床末端刀具运动位姿的实时 检测方法，具体采用如下步骤1、规划虚拟轴机床加工过程末端刀具及并联机构动平台的空间运动期望位姿轨 迹首先根据加工要求，并保证在虚拟轴机床工作空间内，确定虚拟轴机床末端刀具 及并联机构动平台的起始位置和最终位置，然后规划虚拟轴机床末端刀具及动平台的空间 运动期望位姿变化轨迹，最后结合末端刀具和动平台的起始位置以及二者间的空间位置关 系，确定虚拟轴机床末端刀具及动平台的空间运动期望位姿轨迹。2、计算与末端刀具空间运动期望位姿轨迹对应的各支路主动副位移计算与虚拟轴机床动平台空间运动期望位姿轨迹对应的各支路主动副位移，称为 虚拟轴机床并联机构的位置反解问题，根据虚拟轴机床并联机构的运动学反解关系计算。 当给定并联机构的各个结构尺寸后，一般利用几何关系，以及通过坐标变换的方法，即可列 出并联机构的位置反解计算方程，从而计算出与动平台空间运动期望位姿轨迹对应的各支 路主动副位移，也即与末端刀具空间运动期望位姿轨迹对应的各支路主动副位移。 3、构建结构自适应确定、输出与初始权值无关的RBF神经网络。以虚拟轴机床各 支路的主动副位移为输入样本，以对应的虚拟轴机床末端刀具期望运动位姿为输出样本， 训练并测试神经网络构建RBF神经网络结构如图2所示，其输入矢量X = (X1, x2，. . .，X1)τ为虚拟轴机 床并联机构各支路的主动副位移(当主动副为直线位移时，单位为mm ；当主动副为角位移 时，单位为rad)，1对应虚拟轴机床并联机构支路数，对6自由度并联机构，一般1 = 6 ；其 输出矢量Y= (71，72，...，7 /虚拟轴机床并联机构动平台位姿，即111 = 6，￥= (xp，yp，zp， α, β, υ)τ，其中(yi，y2，y3) = (xp，yp，zp)为动平台在虚拟轴机床静坐标系中的位置(单 位为mm)，(y4，y5, y6) = (α , β , y)为动平台的姿态(单位为rad)，α、β、Y分别称为 动平台的偏航角、俯仰角和滚转角；其隐含层选取高斯函数为径向基函数。隐含层的输入kji = 1，. . .，h)为隐含层每个神经元与输入层各个神经元相连的 权值向量Wl = {wljj和输入矢量&之间的距离乘上阈值b，即^~xj)2 xb⑴式(1)中，Wlji为隐含层第i个神经元与输入层第j个神经元之间的连接权系数， 径向基函数的阈值b用以调节函数的灵敏度，但在实际工作中，常用另一参数即扩展常数 C，b和C的关系为b = 0本文档来自技高网...

【技术保护点】
一种虚拟轴机床末端刀具运动位姿的检测方法，其特征是采用如下步骤：１）根据加工要求，确定虚拟轴机床加工过程末端刀具空间运动期望位姿轨迹；２）根据虚拟轴机床并联机构的运动学反解关系，计算出与末端刀具空间运动期望位姿轨迹对应的虚拟轴机床各支路的主动副位移；３）以虚拟轴机床各支路的主动副位移为输入样本，以对应的虚拟轴机床末端刀具期望运动位姿为输出样本构建ＲＢＦ神经网络，训练并测试ＲＢＦ神经网络；４）在虚拟轴机床的计算机系统中，以上位机系统编程语言，编程实现训练好的ＲＢＦ神经网络；５）利用训练好的ＲＢＦ神经网络，实时检测虚拟轴机床末端刀具的实际运动位姿。

【技术特征摘要】

【专利技术属性】
技术研发人员：高国琴，王长勇，刘辛军，张义贞，薛娌，王新成，
申请(专利权)人：江苏大学，
类型：发明
国别省市：32[中国|江苏]