[發明專利]一種基于前饋神經網絡的工業機器人整機性能預估方法

有效

• 申請號: 201910807079.1
• 申請日: 2019-08-29
• 公開（公告）號: CN110569588B
• 公開（公告）日: 2021-04-20
• 發明（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）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

本發明屬于工業機器人性能測試領域，并具體公開了一種基于前饋神經網絡的工業機器人整機性能預估方法，其包括如下步驟：S1構建工業機器人整機性能影響模型架構并進行性能測試以獲取相應的輸入參數和輸出參數，其中，輸入參數為工業機器人核心零部件性能參數及環境影響參數，輸出參數為工業機器人整機性能參數；S2對輸入參數和輸出參數進行歸一化處理，并利用歸一化后的數據對神經網絡模型進行訓練以獲得整機性能預估網絡模型；S3將待測試的工業機器人核心零部件性能參數及環境影響參數代入所述整機性能預估網絡模型中以獲得工業機器人整機性能參數。本發明可實現工業機器人整機性能的預估，具有適用性廣，預估準確等優點。

技術領域

本發明屬于工業機器人性能測試領域，更具體地，涉及一種基于前饋神經網絡的工業機器人整機性能預估方法。

背景技術

在工業機器人性能測試與評價技術領域，工業機器人整機性能影響規律研究方法，通常是基于常規的控制變量法做大量測試實驗，得到一定量的實驗測試數據來進行繪圖分析，從而得到指定變量對指定性能指標的影響規律。例如，控制其他變量不變，通過調節工業機器人關節的微分增益和比例增益參數來改變電機剛性，并利用機器人性能測試設備測試機器人末端精度性能，得到機器人精度性能隨電機剛性參數變化的規律。這樣的研究方法具有單變量因素預估準確度高，實驗簡單，成本較低的優點，適用于影響因素指標較少的情況。

但是，當研究大量影響因素對整機性能的影響規律時，則需要單獨考慮每一種因素指標的影響，所以針對每一種因素指標，都不可避免地需要基于控制變量的思想做大規模測試實驗，從而獲取所有影響因素對于每一種整機性能指標的影響數據。這樣以來，一方面會導致測試實驗執行難度大大提升，耗時耗力，另一方面，考慮到部分影響因素指標對整機性能指標無明顯影響，或者是多變量因素耦合產生影響，會導致在實驗測試過程中徒增大量無用功，以及核心部件性能指標數據大多不是同一量級，數據分析時會受到嚴重擾動，最終無法準確分析出明顯影響規律。

為解決上述問題，對工業機器人整機性能的預估方法進行實驗測試與分析決策的制定時，若想在存在大量因素指標對整機性能產生影響的情況中準確的分析出影響規律，應當考慮大量因素指標中包含無明顯影響、存在多變量因素指標耦合影響的情況，并且消除核心部件性能指標數據量級不同造成的干擾，從而準確的分析出整機性能同時受到眾多因素影響的規律，實現整機性能的準確預估。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種基于前饋神經網絡的工業機器人整機性能預估方法，其利用工業機器人整機性能測試實驗數據代入神經網絡模型中進行訓練，并根據核心零部件性能與環境影響參數對此工業機器人的整機各方面性能指標進行預估，從而使得整機性能測試實驗，不需要單獨考慮調整改變某一個影響因子，降低實驗測試實施難度；同時，還可以將測試數據作為一個整體綜合利用，充分考慮多變量影響因子對性能指標的耦合影響，對數據進行歸一化處理，消除其量級不同造成的干擾，提高對整機性能的預估準確度。

為實現上述目的，本發明提出了一種基于前饋神經網絡的工業機器人整機性能預估方法，其包括如下步驟：

S1構建工業機器人整機性能影響模型架構并進行性能測試以獲取相應的輸入參數和輸出參數，其中，輸入參數為工業機器人核心零部件性能參數及環境影響參數，輸出參數為工業機器人整機性能參數；

S2對輸入參數和輸出參數進行歸一化處理，并利用歸一化后的數據對神經網絡模型進行訓練以獲得整機性能預估網絡模型；

S3將待測試的工業機器人核心零部件性能參數及環境影響參數代入所述整機性能預估網絡模型中以獲得工業機器人整機性能參數，以此實現工業機器人整機性能的預估。

作為進一步優選的，所述工業機器人核心零部件包括伺服電機和減速器。

作為進一步優選的，所述環境影響參數包括氣候環境參數、生物化學參數和機械物理參數。