【技术实现步骤摘要】
本专利技术属于机械臂精度控制，涉及一种基于改进rbf神经网络的机械臂误差补偿方法。
技术介绍
1、在现在的加工制造行业，比如装配、搬运、喷涂还有焊接，工业自动化的要求不断提高，作业复杂性和精度要求不断增加，但是由于机器人本体设计制造装配精度限制，导致绝对定位精度难以满足高精度的作业需求，机器人的实际精度水平与运用需求之间还存在差距。因此，研究机械臂定位误差补偿有重要意义。但是，机械臂定位误差补偿需要对运动学模型几何误差和非线性不确定的非几何误差进行补偿，传统的机械臂定位误差补偿方法都是利用激光跟踪仪或者机器视觉等技术采集机械臂误差数据集对运动学模型几何误差进行修正，这些补偿方法存在误差补偿精度低，自适应和鲁棒性能不足的缺点，尤其在面对小规模采集的误差数据或者误差样本分布不均匀的情况下，往往不能获得很好的补偿效果。因此，如果能够同时对机械臂运动学模型几何误差和非线性不确定的非几何误差进行补偿，且采用自适应能力强的补偿算法，设计一种联合补偿、自适应误差预测的参数辨识与误差补偿算法，对于实际机械臂的工作能力提升有很大的意义。
2、...
【技术保护点】
1.一种基于改进RBF神经网络的机械臂误差补偿方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于改进RBF神经网络的机械臂误差补偿方法，其特征在于，所述机械臂基坐标到末端工具坐标转换矩阵的表达式为：
3.如权利要求2所述的一种基于改进RBF神经网络的机械臂误差补偿方法，其特征在于，所述步骤二中的建立几何误差补偿目标函数并确定约束条件，后通过序列二次规划算法进行转化求解得到几何误差补偿数据，具体表达式如下：
4.如权利要求1所述的一种基于改进RBF神经网络的机械臂误差补偿方法，其特征在于，所述的基于RBF神经网络结构建立...
【技术特征摘要】
1.一种基于改进rbf神经网络的机械臂误差补偿方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于改进rbf神经网络的机械臂误差补偿方法，其特征在于，所述机械臂基坐标到末端工具坐标转换矩阵的表达式为：
3.如权利要求2所述的一种基于改进rbf神经网络的机械臂误差补偿方法，其特征在于，所述步骤二中的建立几何误差补偿目标函数并确定约束条件，后通过序列二次规划算法进行转化求解得到几何误差补偿数据，具体表达式如下：
4.如权利要求1所述的一种基于改进rbf神经网络的机械臂误差补偿方法，其特征在于，所述的基于rbf神经...
【专利技术属性】
技术研发人员：王进，朱俊杰，郑雯欣，李小飞，张海运，方梓仰，陆国栋，
申请(专利权)人：余姚市机器人研究中心，
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。