[發(fā)明專利]一種基于前饋神經(jīng)網(wǎng)絡的工業(yè)機器人整機性能預估方法

有效

• 申請?zhí)枺?/td>: 201910807079.1
• 申請日: 2019-08-29
• 公開（公告）號: CN110569588B
• 公開（公告）日: 2021-04-20
• 發(fā)明（設計）人: 葉伯生;謝鵬;張文彬;陶婕妤;帥思遠;譚朝;饒阿龍
• 申請（專利權(quán)）人: 華中科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/08;G06N3/04;G01M99/00;B25J19/00
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 張彩錦;曹葆青

1.一種基于前饋神經(jīng)網(wǎng)絡的工業(yè)機器人整機性能預估方法，其特征在于，包括如下步驟：

S1構(gòu)建工業(yè)機器人整機性能影響模型架構(gòu)并進行性能測試以獲取相應的輸入?yún)?shù)和輸出參數(shù)，其中，輸入?yún)?shù)為工業(yè)機器人核心零部件性能參數(shù)及環(huán)境影響參數(shù)，輸出參數(shù)為工業(yè)機器人整機性能參數(shù)，所述工業(yè)機器人核心零部件包括伺服電機和減速器，而考慮到具體實驗測試時的可操作性和性能指標的影響權(quán)重，對上述模型架構(gòu)的輸入?yún)?shù)和輸出參數(shù)進行篩選，最終確定模型架構(gòu)的輸入?yún)?shù)為：

伺服電機性能指標：包括伺服電機的正反轉(zhuǎn)速差率、轉(zhuǎn)矩波動系數(shù)、轉(zhuǎn)速波動系數(shù)、轉(zhuǎn)速、轉(zhuǎn)矩、連續(xù)堵轉(zhuǎn)轉(zhuǎn)矩、連續(xù)堵轉(zhuǎn)電流、峰值堵轉(zhuǎn)轉(zhuǎn)矩、齒槽力矩、靜摩擦力矩、最高允許轉(zhuǎn)速、絕緣介電強度、穩(wěn)態(tài)加速度、轉(zhuǎn)子轉(zhuǎn)動慣量、電機熱阻、電氣時間常數(shù)、熱時間常數(shù)、絕緣電阻、靜態(tài)剛度、反電動勢常數(shù)、轉(zhuǎn)矩響應時間；

減速器性能指標：包括減速器的扭轉(zhuǎn)剛度、空程、傳動效率、傳動誤差、承載能力、傳動比、轉(zhuǎn)速；

環(huán)境因素：恒定溫度、交變溫度、恒定濕度、交變濕度、大顆粒粉塵空氣含量、機械振動沖擊；

S2對輸入?yún)?shù)和輸出參數(shù)進行歸一化處理，并利用歸一化后的數(shù)據(jù)對神經(jīng)網(wǎng)絡模型進行訓練以獲得整機性能預估網(wǎng)絡模型；

S3將待測試的工業(yè)機器人核心零部件性能參數(shù)及環(huán)境影響參數(shù)代入所述整機性能預估網(wǎng)絡模型中以獲得該待測試的工業(yè)機器人整機性能參數(shù)，以此實現(xiàn)工業(yè)機器人整機性能的預估。

2.如權(quán)利要求1所述的基于前饋神經(jīng)網(wǎng)絡的工業(yè)機器人整機性能預估方法，其特征在于，所述環(huán)境影響參數(shù)包括氣候環(huán)境參數(shù)、生物化學參數(shù)和機械物理參數(shù)。

3.如權(quán)利要求1所述的基于前饋神經(jīng)網(wǎng)絡的工業(yè)機器人整機性能預估方法，其特征在于，所述工業(yè)機器人整機性能參數(shù)為工業(yè)機器人的位姿準確度、位姿重復性、位姿穩(wěn)定時間、位姿超調(diào)量、距離準確度、距離重復性、直線軌跡準確度、直線軌跡重復性、圓形軌跡準確度、圓形軌跡重復性、多方向位姿準確度變動、軌跡速度準確度、軌跡速度重復性、軌跡速度波動、最小定位時間、標準搬運節(jié)拍速度、拐角偏差和圓角誤差中的一種或多種。

4.如權(quán)利要求1所述的基于前饋神經(jīng)網(wǎng)絡的工業(yè)機器人整機性能預估方法，其特征在于，步驟S2中采用如下公式對輸入?yún)?shù)和輸出參數(shù)進行歸一化處理：

其中，x′是待處理數(shù)據(jù)x歸一化處理后的值，x_min是所有測試樣本中待處理數(shù)據(jù)x的最小值，x_max是所有測試樣本中待處理數(shù)據(jù)x的最大值，是所有測試樣本中待處理數(shù)據(jù)x的平均值。

5.如權(quán)利要求1所述的基于前饋神經(jīng)網(wǎng)絡的工業(yè)機器人整機性能預估方法，其特征在于，所述神經(jīng)網(wǎng)絡模型包括輸入層、隱含層和輸出層，其中，所述輸入層用于接收工業(yè)機器人核心零部件性能參數(shù)及環(huán)境影響參數(shù)，其神經(jīng)元的個數(shù)為工業(yè)機器人核心零部件性能參數(shù)的個數(shù)加上環(huán)境影響參數(shù)的個數(shù)，所述輸出層用于輸出工業(yè)機器人整機性能參數(shù)，其神經(jīng)元的個數(shù)為需要輸出的工業(yè)機器人整機性能參數(shù)的個數(shù)，所述隱含層用于連接輸入層與輸出層，并計算輸入輸出參數(shù)的內(nèi)部關(guān)系網(wǎng)。

6.如權(quán)利要求5所述的基于前饋神經(jīng)網(wǎng)絡的工業(yè)機器人整機性能預估方法，其特征在于，所述隱含層的神經(jīng)元個數(shù)采用下式求得：

其中，m₁為輸入層的神經(jīng)元個數(shù)，m₂為輸出層的神經(jīng)元個數(shù)，c為常數(shù)。

7.如權(quán)利要求1-5任一項所述的基于前饋神經(jīng)網(wǎng)絡的工業(yè)機器人整機性能預估方法，其特征在于，以工業(yè)機器人整機性能參數(shù)的預測值與工業(yè)機器人整機性能參數(shù)的實測值的均方誤差作為所述神經(jīng)網(wǎng)絡模型的損失函數(shù)，通過使損失函數(shù)最小化實現(xiàn)神經(jīng)網(wǎng)絡模型的訓練，獲得所需的整機性能預估網(wǎng)絡模型。