[發(fā)明專利]基于支持向量回歸的機器人定位誤差預測方法及預測裝置

有效

• 申請?zhí)枺?/td>: 202110783487.5
• 申請日: 2021-07-12
• 公開（公告）號: CN113459104B
• 公開（公告）日: 2023-09-05
• 發(fā)明（設計）人: 吳軍;葉豪;王冬
• 申請（專利權）人: 清華大學
• 主分類號: B25J9/16
• 分類號: B25J9/16;G06N20/10
• 代理公司: 北京清亦華知識產(chǎn)權代理事務所(普通合伙) 11201
• 代理人: 黃玉霞

本申請公開了一種基于支持向量回歸的機器人定位誤差預測方法及預測裝置，該方法包括：確定機器人的一階幾何誤差模型，將幾何誤差對末端執(zhí)行器位姿誤差的影響作為定位誤差特征向量；進一步根據(jù)測量噪聲方差矩陣對特征向量進行加權；最后通過支持向量回歸，利用測量位姿的特征向量和定位誤差數(shù)據(jù)進行訓練，其余位姿的定位誤差預測通過已訓練模型和特征向量確定。顯著提高定位誤差預測的精度，具有易部署、易推廣的特點。

技術領域

本申請涉及機器人標定技術領域，特別涉及一種基于支持向量回歸的機器人定位誤差預測方法及預測裝置。

背景技術

對于制造、裝配等幾何誤差造成的機器人定位精度降低，在出廠前通常需要采用運動學標定等方法來解決，其主要可以分為定位誤差的預測和補償兩部分。其中定位誤差預測是提高機器人定位精度或補償機器人定位誤差的基礎，直接決定了機器人出廠后的定位精度。

目前的方法可以分為三類：一是對機器人在運動過程中進行大量誤差測量，并建立相應的誤差補償表，對于測量點外的位姿采用誤差補償表中的插值來預測定位誤差；二是對機器人進行運動學標定，即針對機器人建立幾何誤差模型，并通過誤差測量辨識模型中的幾何誤差數(shù)值，并用于測量點外位姿的定位誤差預測；三是采用基于智能模型的定位誤差預測，如人工神經(jīng)網(wǎng)絡、支持向量機等，基于誤差測量數(shù)據(jù)通過驅動軸位移直接預測末端的定位誤差。

但在上述方法中：方法一由于機器人的自由度耦合問題導致測量的數(shù)據(jù)隨自由度數(shù)呈現(xiàn)指數(shù)上升，對于多自由度機器人的測量成本太高，通常用于自由度解耦的機床上；方法二的運動學標定得到了廣泛的應用，取得了較好的結果，但是受限于模型本身和實際的誤差；方法三直接用于定位誤差預測時精度較差，但可以在方法二應用后對定位誤差進行再次預測，在部分研究中起到一定作用，但受限于最終預測精度和模型的可解釋性。

注意到，方法二可解釋性強但依賴于模型精度，而方法三模型靈活性強但可解釋性和精度都較差。而目前兩者方法的結合通常的直接的先方法二后方法三的相加形式，造成了精度提升不大但可解釋性也變差的問題。因此，提出一種更好地聯(lián)系這兩種方法，并對機器人的定位誤差能進行更準確且具有一定解釋性的預測的定位誤差預測方法，對于機器人的定位精度的提高具有重要意義。

發(fā)明內(nèi)容

本申請旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本申請的一個目的在于提出一種基于支持向量回歸的機器人定位誤差預測方法，該方法可以顯著提高定位誤差預測的精度，容易部署和推廣。

本申請的另一個目的在于提出一種基于支持向量回歸的機器人定位誤差預測裝置。

為達到上述目的，本申請一方面實施例提出了一種基于支持向量回歸的機器人定位誤差預測方法，包括以下步驟：

建立機器人的幾何誤差模型，根據(jù)所述幾何模型得到位姿誤差分量的定位誤差特征向量；

確定所述機器人的測量噪聲方差矩陣，根據(jù)所述測量噪聲方差矩陣對所述特征向量進行加權；

根據(jù)測量位姿的測量數(shù)據(jù)和所述幾何誤差模型，建立并訓練基于支持向量回歸的定位誤差預測模型；

通過訓練完成的所述定位誤差預測模型預測任意位姿的定位誤差。

為達到上述目的，本申請另一方面實施例提出了一種基于支持向量回歸的機器人定位誤差預測裝置，包括：

建模模塊，用于建立機器人的幾何誤差模型，根據(jù)所述幾何模型得到位姿誤差分量的定位誤差特征向量；

處理模塊，用于確定所述機器人的測量噪聲方差矩陣，根據(jù)所述測量噪聲方差矩陣對所述特征向量進行加權；

訓練模塊，用于根據(jù)測量位姿的測量數(shù)據(jù)和所述幾何誤差模型，建立并訓練基于支持向量回歸的定位誤差預測模型；