一种并联机器人数字孪生轨迹误差动态补偿方法技术

本发明专利技术属于机器人运行轨迹补偿技术领域，解决了并联机器人虚实交互性能差的问题。提供了一种并联机器人数字孪生轨迹误差动态补偿方法，包括生成并联机器人的数字孪生模型，并构建并联机器人轨迹样本数据集；通过动态协调强化学习方法对数字孪生模型进行训练迭代，得到最优位移和速度下的最优运动轨迹；通过对称式误差补偿法对并联机器人的物理实体和优化后的数字孪生模型间的速度误差进行补偿；进行数字孪生框架的整合，实现并联机器人物理实体与数字孪生模型的实时同步交互。本发明专利技术有利于提升数字孪生模型重构能力与并联机器人的误差控制性能，能够实现物理实体与数字孪生模型之间通信同步，提高两者的虚实交互率。提高两者的虚实交互率。提高两者的虚实交互率。

【技术实现步骤摘要】
一种并联机器人数字孪生轨迹误差动态补偿方法


[0001]本专利技术属于机器人运行轨迹补偿
，具体涉及一种并联机器人数字孪生轨迹误差动态补偿方法
。

技术介绍

[0002]目前，结合数字孪生技术的并联机器人领域的智能装箱，搬运等生产作业已经成为智能制造业的热点
。
但是，对于并联机器人而言，高精度
、
高速运行工作是其关键所在，大多数数字孪生系统框架无法满足并联机器人高精度
、
高速的需求
。
[0003]当前数字孪生技术已经将虚实同步交互应用的较为成熟，但是并联机器人由于本体的刚性误差与装配误差，导致并联机器人在移动中位移的不同步；数字孪生技术中物理实体与数字孪生模型之间存在通信延迟，通信时间会导致并联机器人在同步中产生速度误差，导致两者的虚实交互率下降
。

技术实现思路

[0004]本专利技术为了解决现有技术中存在的上述至少一个技术问题，提供了一种并联机器人数字孪生轨迹误差动态补偿方法
。
[0005]本专利技术采用如下的技术方案实现：一种并联机器人数字孪生轨迹误差动态补偿方法，包括以下步骤：
S1
：构建并联机器人的虚拟模型，并对虚拟模型进行杆件约束和空间约束，生成并联机器人的数字孪生模型；
S2
：对数字孪生模型进行动力学分析，采集并联机器人的电机转矩与动能参数将其转换为轨迹位移与速度参数，并构建并联机器人轨迹样本数据集；
S3
：通过动态协调强化学习方法对数字孪生模型进行训练迭代，得到最优位移和速度下的最优运动轨迹；
S4
：通过对称式误差补偿法对并联机器人的物理实体和优化后的数字孪生模型间的速度误差进行补偿；
S5
：进行数字孪生框架的整合，实现并联机器人物理实体与数字孪生模型的实时同步交互
。
[0006]优选地，步骤
S2
中，构建并联机器人动力学集合，得到并联机器人的轨迹位移与速度；建立数字孪生模型的轨迹位移与速度数学模型，采集并联机器人轨迹样本数据，共采集
N
个样本数据点集合作为并联机器人轨迹样本数据集
。
[0007]优选地，步骤
S3
具体包括以下步骤：
S31
：构建轨迹位移
DQN
子网络和速度
DQN
子网络：最优位移模型和最优速度模型； S32
：将轨迹样本数据集分为轨迹位移和速度的样本数据集，进行
DQN
子网络的训练，引入动态协调系数，更改轨迹策略，通过改进后的最优轨迹策略动态协调两
DQN
子网络的位移
Q
值与速度
Q
值；
S33
：构建用于获取最优运动轨迹的
DQN
总网络，输入位移
Q
值与速度
Q
值对其进行训练迭代，最终得到最优位移和速度下的最优运动轨迹
。
[0008]优选地，步骤
S32
中，改进后的最优策略的公式为：
式中，与为该策略下的动态协调系数；为初始轨迹策略；为位移误差；为速度误差；为最小值求解函数；为执行初始轨迹策略的
Q
值
。
[0009]优选地，步骤
S32
中，数字孪生模型与物理实体在时刻的位移误差为：式中，表示数字孪生模型在时刻的末端执行器运行的位置坐标；表示物理实体在时刻的末端执行器运行的位置坐标；数字孪生模型与物理实体在时刻的速度误差为：式中，表示并联机器人数学孪生模型在时刻的末端执行器的速度，表示并联机器人物理实体在时刻的末端执行器的速度
。
[0010]优选地，作为最优位移模型的输出并反馈作用于最优位移模型中，最终输出最小的位移误差作为位移
Q
值；作为最优速度模型的输出并反馈作用于最优速度模型中，最终输出最小的速度误差作为速度
Q
值
。
[0011]优选地，在
DQN
总网络，定义最小轨迹综合误差为：式中为总体动态平衡系数
。
[0012]优选地，并联机器人物理实体与数字孪生模型存在时间延迟，为保证两者运行速度的一致性，需根据速度对称理念，对速度误差进行补偿，具体包括以下步骤：
S41
：将数字孪生模型运行周期与物理实体运动过程中的时间周期同步，数字孪生模型运行周期包括5个环节，依次为：启动加速环节
、
匀加速环节
、
匀加速到匀减速环节
、
匀减速环节和最终制动减速环节；将并联机器人物理实体也进行相同的运行周期的划分；
S42
：使物理实体按照数字孪生模型的最优运动轨迹进行周期性运动，设置状态节点对应门型轨迹运动；
S43
：门型运动轨迹为对称形状，采用对称式误差补偿法将周期内变换规律一致的运动进行划分；将匀减速环节和最终制动减速环节简化为匀加速环节和启动加速环节的速度对称模型，以中心线为基准，左侧为加速趋势速度模型，右侧为减速趋势速度模型，同时改变数字孪生模型与物理实体的速度策略，使得数字孪生模型与物理实体的运动趋势达到一致；
S44
：在启动加速环节
、
匀加速到匀减速环节
、
最终制动减速环节，误差补偿为直线误差补偿；在匀加速环节
、
匀减速环节，误差补偿为圆弧误差补偿
。
[0013]优选地，步骤
S5
中，并联机器人物理实体与数字孪生模型的实时同步交互系统包
括：物理实体层
、
信息交互层
、
误差反馈层
、
数据积累层
、
虚拟孪生层
、
数据处理层
、
动态协调层
、
虚实交互模块和动态协调强化学习模块；物理实体层包括并联机器人本体，通讯端口；信息交互层用于控制运行软件与数字孪生模型的通讯联动；误差反馈层进行物理实体层与虚拟孪生层的最优轨迹位移与速度的同步误差消除；数据积累建立数据库信息，保存
DQN
网络的训练参数以及并联机器人运动过程中的补偿参数；虚拟孪生层包括并联机器人数字孪生模型，软件平台界面，移动控制系统；动态协调层对当前轨迹误差与速度误差结合动态协调强化学习中的最优策略进行协调，负责对物理实体层与虚拟孪生层的反馈协调，形成总体的闭环交互系统
。
[0014]优选地，并联机器人物理实体与数字孪生模型的实时同步交互的过程为：启动物理实体层，使并联机器人做周期性运动，通过通信接口进入信息交互层；启动虚拟孪生层，动态协调强化学习模块进行最优轨迹位移，将多余的数据信息在数据处理层进行剔除；信息交互层将物理实体层中的运动学参数进行解析，转换为数字信息传输到误差反馈层；同时动态协调强化学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种并联机器人数字孪生轨迹误差动态补偿方法，其特征在于，包括以下步骤：
S1
：构建并联机器人的虚拟模型，并对虚拟模型进行杆件约束和空间约束，生成并联机器人的数字孪生模型；
S2
：对数字孪生模型进行动力学分析，采集并联机器人的电机转矩与动能参数将其转换为轨迹位移与速度参数，并构建并联机器人轨迹样本数据集；
S3
：通过动态协调强化学习方法对数字孪生模型进行训练迭代，得到最优位移和速度下的最优运动轨迹；
S4
：通过对称式误差补偿法对并联机器人的物理实体和优化后的数字孪生模型间的速度误差进行补偿；
S5
：进行数字孪生框架的整合，实现并联机器人物理实体与数字孪生模型的实时同步交互
。2.
根据权利要求1所述的一种并联机器人数字孪生轨迹误差动态补偿方法，其特征在于：步骤
S2
中，构建并联机器人动力学集合，得到并联机器人的轨迹位移与速度；建立数字孪生模型的轨迹位移与速度数学模型，采集并联机器人轨迹样本数据，共采集
N
个样本数据点集合作为并联机器人轨迹样本数据集
。3.
根据权利要求2所述的一种并联机器人数字孪生轨迹误差动态补偿方法，其特征在于：步骤
S3
具体包括以下步骤：
S31
：构建轨迹位移
DQN
子网络和速度
DQN
子网络：最优位移模型和最优速度模型；
S32
：将轨迹样本数据集分为轨迹位移和速度的样本数据集，进行
DQN
子网络的训练，引入动态协调系数，更改轨迹策略，通过改进后的最优轨迹策略动态协调两
DQN
子网络的位移
Q
值与速度
Q
值；
S33
：构建用于获取最优运动轨迹的
DQN
总网络，输入位移
Q
值与速度
Q
值对其进行训练迭代，最终得到最优位移和速度下的最优运动轨迹
。4.
根据权利要求3所述的一种并联机器人数字孪生轨迹误差动态补偿方法，其特征在于：步骤
S32
中，改进后的最优策略的公式为：式中，与为该策略下的动态协调系数；为初始轨迹策略；为位移误差；为速度误差；为最小值求解函数；为执行初始轨迹策略的
Q
值
。5.
根据权利要求4所述的一种并联机器人数字孪生轨迹误差动态补偿方法，其特征在于：步骤
S32
中，数字孪生模型与物理实体在时刻的位移误差为：式中，表示数字孪生模型在时刻的末端执行器运行的位置坐标；
表示物理实体在时刻的末端执行器运行的位置坐标；数字孪生模型与物理实体在时刻的速度误差为：式中，表示并联机器人数学孪生模型在时刻的末端执行器的速度，表示并联机器人物理实体在时刻的末端执行器的速度
。6.
根据权利要求5所述的一种并联机器人数字孪生轨迹误差动态补偿方法，其特征在于：作为最优位移模型的输出并反馈作用于最优位移模型中，最终输出最小的位移误差作为位移
Q
值；作为最优速度模型的输出并反馈作用于最优速度模型中，最终输出最小的速度误差作为速度
Q
值
。7.
根据权利要求6所述的一种并联机器人数字孪生轨迹误差动态补偿方法，其特征在于：在

【专利技术属性】
技术研发人员：张宇廷，王宗彦，李梦龙，高沛，吴璞，
申请(专利权)人：中北大学，
类型：发明
国别省市：