[發明專利]一種基于多輸出高斯過程回歸的機器人變形補償方法

在審

• 申請號: 201811433882.5
• 申請日: 2018-11-28
• 公開（公告）號: CN109352655A
• 公開（公告）日: 2019-02-19
• 發明（設計）人: 徐靜;陳懇;李志虎;萬安;吳丹;宋立濱
• 申請（專利權）人: 清華大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 廖元秋

本發明提出一種基于多輸出高斯過程回歸的機器人變形補償方法，屬于機器人運動補償領域。該方法首先獲取由多組機器人各關節角度和對應的末端變形量組成的訓練數據集，然后構建多輸出高斯過程回歸模型，利用訓練數據集對模型訓練得到訓練完畢的模型；根據機器人作業時要達到的目標坐標位置，計算對應的各關節角度并輸入訓練完畢的模型，模型輸出對應的機器人末端變形量；將末端變形量補償到機器人運動學中，計算機器人經過補償后的運動學參數，控制機器人按照該參數運動到目標坐標位置，補償完畢。該方法利用少量訓練數據對多輸出高斯過程回歸模型進行訓練，利用訓練后的模型對機器人變形量進行預測和補償，可提高機器人變形補償的精度。

技術領域

本發明涉及一種基于多輸出高斯過程回歸的機器人變形補償方法，屬于機器人運動補償領域。

背景技術

機器人廣泛應用于自動化裝配、自動生產線等領域。受機器人結構限制，機器人的剛性有限，在進行作業時，機器人會發生一定的變形，影響其運動精度，尤其在重載作業時，其變形量更大，對其運動精度影響更為嚴重，導致達不到作業要求。為提高機器人在負載時的運動精度，使其滿足作業要求，引入機器人變形的補償是一種行之有效的方法。而機器人結構復雜，其變形量無法精確建模，普通方法補償效果不好，精度達不到要求。為保證機器人的運動精度，需要對其變形進行高精度的補償。

傳統的補償方法是先測量機器人工作空間內的多個點處的空間定位誤差，然后通過空間插值的方法來獲得空間任意位置處的定位誤差。但是這種方法有三個主要的問題：

(1)要達到較高的補償精度，就需要大量的測量點進行計算，導致測量過程復雜費時。(2)機器人結構復雜，誤差影響因素眾多，其各項誤差無法完全建模，用簡單的空間插值方法做誤差補償效果并不好。(3)在長時間的測量過程中，溫度等環境因素的改變會導致機器人系統誤差特性的變化，從而引入額外的誤差。

多輸出高斯過程回歸是機器學習中的一種監督學習方法，對高維，小樣本和非線性問題具有良好的適應性，目前主要用于時間序列預測分析、動態系統模型辨識、系統控制或控制系統設計以及與貝葉斯濾波方法相結合克服濾波方法對系統模型和噪聲統計特性的依賴性等領域。

建立多輸出高斯過程回歸模型的基本方法是：

首先，定義模型的輸入到輸出之間的一個過程函數f(p^M)，f(p^M)的均值函數m(p^M)和協方差函數k(p^M,p^M′)可以用來作為高斯過程f(p^M)～GP(m(p^M),k(p^M,p^M′))的描述，p^M,p^M′∈R^d為任意隨機變量。其中

m(p^M)＝E[f(p^M)]

k(p^M,p^M′)＝E[(f(p^M)-m(p^M))·(f(p^M′)-m(p^M′))],E表示均值函數。

由于考慮到誤差因素的存在，于是將高斯過程表示為

Vr＝f(p^M)+ε

其中ε是誤差，服從高斯分布是誤差對輸入P^M和輸出Vr的綜合影響,n為輸入P^M的維數，N表示正太分布。

可以用輸入P^M來定義輸出Vr的先驗分布：

其中，是先驗分布的協方差函數，I_n為n維單位矩陣。