【技术实现步骤摘要】
一种工业机器人柔性关节扭转角的前馈补偿控制方法
[0001]本专利技术涉及机器人
,具体涉及一种工业机器人柔性关节扭转角的前馈补偿控制方法
。
技术介绍
[0002]工业机器人已成为智能制造产业的重要组成部分,广泛应用于装配
、
焊接
、
打磨等作业
。
工业机器人能够自主学习和适应环境,进行更加复杂的操作,正朝着高精度
、
智能化
、
柔性化和协作化的方向发展,为工业生产带来更多创新和发展机遇,也对工业机器人的控制性能提出了更高的要求
。
谐波减速器具有大传动比和高传动效率等优点,广泛应用于工业机器人的柔性关节,但是由于传动过程中谐波减速器柔轮的周期性形变和啮合齿面非线性摩擦等特性,因此在机器人关节传动过程中会存在迟滞现象,表现出非对称
、
速率相关及强非线性等特性,而这些特性严重制约机器人重复定位精度的进一步提高
。
[0003]迟滞现象的建模方法主要分为基于物理机制模型和基于迟滞算子模型两种
。
基于物理机制模型是根据特定物理机制,描述迟滞特性,常见的有
Maxwell、Jiles
‑
Atherton、Duhem、Bouc
‑
wen
和
Stoner
‑
Wohlfarth
等模型
。
但不同对象的迟滞物理机制不同,建立的物理模型只适用于特定的一类智能材料,
【技术保护点】
【技术特征摘要】
1.
一种工业机器人柔性关节扭转角的前馈补偿控制方法,其特征是,包括步骤如下:步骤
1、
构建深度神经网络迟滞模型,并通过梯度下降法对深度神经网络迟滞模型的参数即权值和偏置进行更新,从而完成深度神经网络迟滞模型的建模;步骤
2、
将机器人柔性关节输出的
k
‑2时刻的角度实际值
x(k
‑
2)
和
k
‑1时刻的角度实际值
x(k
‑
1)
,以及深度神经网络迟滞模型输出的
k
‑2时刻的角度预测值
Y
d
(k
‑
2)
和
k
‑1时刻的角度预测值
Y
d
(k
‑
1)
一并送入到深度神经网络迟滞模型中,得到
k
时刻的角度预测值
Y
d
(k)
;步骤
3、
将
k
时刻的角度设定值
Y
r
(k)
减去
k
时刻的角度预测值
Y
d
(k)
,得到
k
时刻的前馈补偿量
Δθ
(k)
;步骤
4、
在
k
时刻的角度设定值
Y
r
(k)
上叠加
k
时刻的前馈补偿量
Δθ
(k)
,得到
k
时刻的角度控制值
Y(k)
,并将
k
时刻的角度控制值
Y(k)
送入机器人柔性关节的驱动端,以实现对机器人柔性关节扭转角的前馈补偿
。2.
根据权利要求1所述的一种工业机器人柔性关节扭转角的前馈补偿控制方法,其特征是,步骤1中,深度神经网络迟滞模型的数学表示为:式中,
x(k
‑
2)
和
x(k
‑
1)
分别为
k
‑1时刻和
k
时刻的深度神经网络迟滞模型输入向量,即
k
‑1时刻和
k
时刻的角度实际值;
Y
d
(k
【专利技术属性】
技术研发人员:党选举,李晓,芮华,原翰玫,黄品高,张斌,龙诗科,
申请(专利权)人:桂林电子科技大学,
类型:发明
国别省市:
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。