[發(fā)明專利]一種6R機(jī)械臂3D打印逆運(yùn)動(dòng)學(xué)算法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210017869.1
• 申請(qǐng)日: 2022-01-07
• 公開（公告）號(hào): CN114683278A
• 公開（公告）日: 2022-07-01
• 發(fā)明（設(shè)計(jì)）人: 韓興國;崔立秀;王斌武;裴占武;張鶯
• 申請(qǐng)（專利權(quán)）人: 桂林航天工業(yè)學(xué)院
• 主分類號(hào): B25J9/16
• 分類號(hào): B25J9/16
• 代理公司: 成都魚爪智云知識(shí)產(chǎn)權(quán)代理有限公司 51308
• 代理人: 張麗

本發(fā)明提出了一種6R機(jī)械臂3D打印逆運(yùn)動(dòng)學(xué)算法及系統(tǒng)，涉及多自由度3D打印技術(shù)領(lǐng)域，包括：建立6R機(jī)械臂3D打印裝置正運(yùn)動(dòng)學(xué)模型；建立基于動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型；選取動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的樣本輸入為6R機(jī)械臂3D打印裝置打印噴頭的位姿變量，其期望輸出為6R機(jī)械臂3D打印裝置的關(guān)節(jié)變量；獲取6R機(jī)械臂3D打印裝置打印噴頭的實(shí)際位姿，將實(shí)際位姿輸入動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的輸入層，設(shè)置輸出層滿足的誤差值，滿足誤差要求的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的輸出層輸出為6R機(jī)械臂3D打印裝置的關(guān)節(jié)角度，從而完成6R機(jī)械臂3D打印逆運(yùn)動(dòng)學(xué)求解，該算法能夠提高6R機(jī)械臂3D打印的打印精度和打印效率。

技術(shù)領(lǐng)域

本發(fā)明涉及多自由度3D打印技術(shù)領(lǐng)域，具體而言，涉及一種6R機(jī)械臂3D打印逆運(yùn)動(dòng)學(xué)算法及系統(tǒng)。

背景技術(shù)

3D打印以三維實(shí)體模型為基礎(chǔ)，通過層層堆積方式加工零件，能夠制造出各種形狀復(fù)雜的產(chǎn)品。3D打印能夠降低企業(yè)對(duì)產(chǎn)品的研發(fā)成本，使產(chǎn)品的研發(fā)周期縮短，一些傳統(tǒng)加工工藝無法制造的零部件可以通過3D打印實(shí)現(xiàn)，拓展了零部件加工工藝的實(shí)現(xiàn)能力和工程領(lǐng)域。此外，3D打印是一種綠色的制造模式，某些零件設(shè)計(jì)為空心網(wǎng)狀結(jié)構(gòu)，傳統(tǒng)的加工方式難以實(shí)現(xiàn)，而采用3D打印能夠?qū)崿F(xiàn)并且節(jié)省材料。

目前，各類3D打印設(shè)備落后、結(jié)構(gòu)單一，多采用并聯(lián)式結(jié)構(gòu)或者龍門式結(jié)構(gòu)，打印設(shè)備打印平臺(tái)固定，打印空間有限，不適用于多零件多工位打印，也不適用于在工作現(xiàn)場(chǎng)對(duì)零件進(jìn)行打印或者修復(fù)。此外，由于傳統(tǒng) 3D打印設(shè)備只有3個(gè)自由度，一些復(fù)雜結(jié)構(gòu)零件不能直接打印，需要增加支撐，對(duì)于打印零件而言，去除支撐費(fèi)時(shí)費(fèi)力并且影響零件的表面質(zhì)量。

多自由度機(jī)械臂的3D打印裝置應(yīng)用日益廣泛，其主要包含以下優(yōu)點(diǎn)： (1)允許更靈活的打印軌跡設(shè)計(jì)和更豐富的機(jī)構(gòu)設(shè)計(jì)，打印軌跡可以是空間中的任意無干涉路徑。(2)可以減少甚至消除支撐材料的打印，節(jié)省打印材料，提高打印質(zhì)量和效率。(3)由于打印空間和打印自由度的提升，能夠快速、高效打印制造大尺寸零件。(4)可以實(shí)現(xiàn)對(duì)已有破損零部件或者物品的修復(fù)和再制造。

6R機(jī)械臂3D打印技術(shù)將機(jī)器人技術(shù)和3D打印技術(shù)有機(jī)融合，6R機(jī)械臂3D打印運(yùn)動(dòng)學(xué)逆解精度直接影響最終的3D打印精度，但現(xiàn)有的6R機(jī)械臂3D打印裝置運(yùn)動(dòng)學(xué)逆解算法不多，且通常采用多維非線性方程組求解的方式進(jìn)行迭代計(jì)算，計(jì)算較為復(fù)雜，計(jì)算時(shí)間較長，解析效率較低。神經(jīng)網(wǎng)絡(luò)技術(shù)為6R機(jī)械臂3D打印裝置逆運(yùn)動(dòng)學(xué)求解提供了便利，動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)(dynamic fuzzy neural networks，D-FNN)是一個(gè)全局逼近算法，可以在有限的樣本下進(jìn)行精確預(yù)測(cè)，適用于非線性系統(tǒng)。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種6R機(jī)械臂3D打印逆運(yùn)動(dòng)學(xué)算法，其能夠提高6R機(jī)械臂3D打印的打印精度和打印效率。

本發(fā)明的另一目的在于提供一種6R機(jī)械臂3D打印逆運(yùn)動(dòng)學(xué)系統(tǒng)，其能夠運(yùn)行一種6R機(jī)械臂3D打印逆運(yùn)動(dòng)學(xué)算法。

本發(fā)明的實(shí)施例是這樣實(shí)現(xiàn)的：

第一方面，本申請(qǐng)實(shí)施例提供一種6R機(jī)械臂3D打印逆運(yùn)動(dòng)學(xué)算法，其包括通過D-H法建立6R機(jī)械臂3D打印裝置正運(yùn)動(dòng)學(xué)模型；建立基于動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型，將該模型設(shè)置為六輸入六輸出系統(tǒng)；選取動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的訓(xùn)練樣本，采用樣本數(shù)據(jù)對(duì)該預(yù)測(cè)模型進(jìn)行訓(xùn)練；獲取6R機(jī)械臂3D打印裝置打印噴頭的實(shí)際位姿，將實(shí)際位姿輸入動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的輸入層，輸出層輸出為6R機(jī)械臂3D打印裝置的關(guān)節(jié)角度，完成求解。

在本發(fā)明的一些實(shí)施例中，上述通過D-H法建立6R機(jī)械臂3D打印裝置正運(yùn)動(dòng)學(xué)模型包括：根據(jù)6R機(jī)械臂3D打印裝置的結(jié)構(gòu)參數(shù)，通過D-H 法建立相鄰關(guān)節(jié)的齊次變換矩陣。