[發明專利]一種機器人的位置誤差補償方法

有效

• 申請號: 202010127990.0
• 申請日: 2020-02-28
• 公開（公告）號: CN111203890B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 尚偉偉;張飛;叢爽;李智軍
• 申請（專利權）人: 中國科學技術大學
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;付久春

1.一種機器人的位置誤差補償方法，其特征在于，包括：

步驟1，隨機規劃和生成待補償的機器人的空間位姿，使各空間位姿均勻分布于整個工作空間中，隨機生成空間位姿的方程為：

式1中，max(q_m)和min(q_m)為關節參數，max(q_m)表示所述機器人第m個驅動關節取值的最大關節參數；min(q_m)表示所述機器人第m個驅動關節取值的最小關節參數；m表示機器人的驅動關節總數量；rand(1)表示隨機生成0至1之間的隨機數；隨機生成的空間位姿放入輸入數據集{q_N}；

步驟2，將所述步驟1得到的輸入數據集{q_N}中的關節參數輸入到機器人的正運動學方程p＝f(g,n,q)中，輸出得到機器人末端執行器的理論位置{p_N}；所述機器人的正運動學方程p＝f(g,n,q)中，p表示機器人末端執行器在工作空間中的位置，g表示機器人的幾何參數，n表示機器人的非幾何參數，q表示機器人的關節參數；

步驟3，將所述步驟1得到的輸入數據集{q_N}中的關節參數輸入到所述機器人的控制器中，規劃和控制所述機器人的末端執行器運動到理論位置{p_N}；利用外部測量裝置測量末端執行器在理論位置{p_N}時的實際位置{p′_N}，由實際位置{p′_N}減去理論位置{p_N}得出所述機器人的位置誤差ΔP；

步驟4，建立與所述機器人擬合的人工神經網絡：建立包括輸入層、中間的隱層和輸出層的人工神經網絡，該人工神經網絡的輸入層表示所述機器人的關節參數變量Δq，該輸入層的網絡節點數量等于所述機器人關節參數的數量；該人工神經網絡的輸出層表示所述機器人末端執行器的位置誤差△p，該輸出層節點數量等于所述機器人末端執行器的位置誤差參數的數量；該人工神經網絡的隱層的數量不小于2，所述隱層的網絡層數和每層隱層的節點數任意設置；設定該人工神經網絡的初始迭代次數為0；設定該人工神經網絡的最大迭代次數；

步驟5，對所述步驟3建立的人工神經網絡進行迭代訓練，隨機生成獨立子群，將子群中的每個個體采用二進制編碼，并分別對以矩陣表示的所述人工神經網絡的隱層的結構、權值參數和閾值參數進行編碼；

步驟6，遺傳操作：采用以下交叉概率計算公式對所述各個獨立子群中的個體之間進行算術交叉操作，所述交叉概率計算公式為：

上述式(2)中，y′為選擇出將要交叉的兩個染色體中適應度較大的值； 表示平均適應度；y_max表示最大適應度；P_c1和P_c2表示交叉概率因子，分別設置為0.9和0.6；

采用以下變異概率計算公式進行變異概率計算，為：

上述式(3)中，P_m1和P_m2表示變異概率因子，分別設置為0.1和0.01；

步驟7，計算適應度：利用適應度函數計算所述人工神經網絡種群中每個個體所代表的網絡輸出的實際值與理論值之間的誤差，并計算所有個體均方根誤差，所述適應度函數為：

上述式(4)中，△p′_j表示神經網絡輸出的需要補償的末端執行器位置誤差；△p_j表示末端執行器的實際位置誤差；α表示調整進化過程中網絡復雜度和均方根誤差比例的調整參數，該調整參數設置為0.95；a(k)表示激活的神經元個數，k表示總的神經元個數；

步驟8，保留當前最優的個體，迭代次數加1；若當前適應度收斂到最小值或已迭代次數超過最大迭代次數時，迭代過程停止，完成人工神經網絡的訓練執行步驟9；否則，返回所述步驟5繼續進行迭代訓練；

步驟9，當完成所述人工神經網絡的訓練后，將所述機器人的關節參數q輸入到所述人工神經網絡進行處理得出該機器人末端執行器的補償誤差△p′，通過公式△q＝(J^TJ)^-1J^T△p′計算得出在關節空間中補償的關節參數補償變量△q，將得到的關節參數補償變量△q加入輸入變量q，得到重新補償的機器人的關節參數q’，用得到的重新補償的機器人的關節參數驅動所述機器人，即完成在關節空間對所述機器人末端執行器的位置補償。