[发明专利]一种六自由度工业机器人绝对位置误差估计方法

说明书

本发明公开了一种基于BP神经网络的六自由度工业机器人绝对位置误差估计方法，属于机器人技术领域。该方法通过测量六自由度工业机器人的关节空间中均匀的关节角向量对应的位置误差向量，然后计算位置误差向量的单位向量和绝对位置误差，将关节角向量作为BP神经网络的输入，位置误差向量的单位向量和绝对位置误差作为输出进行训练，将目标位置的关节角向量作为训练后的BP神经网络的输入，输出然后通过计算可获得目标点的位置误差向量估计。该发明方法不需要建立工业机器人的运动学模型及位置误差模型，方法简单，效果好等优点。

技术领域

本发明涉及机器人技术，更具体地说，本发明涉及一种基于BP神经网络的六自由度工业机器人绝对位置误差估计方法。

背景技术

随着机器人技术的不断发展，工业机器人已经广泛应用在了各类自动化生产线中，其具有高灵活性、高稳定性、低成本等优点。定位精度是工业机器人的重要技术指标，其包括重复定位精度和绝对定位精度。通常工业机器人的重复定位精度较高，而绝对定位精度较低。离线编程已经广泛应用在了工业机器人的编程中，其具有编程效率高、工作量低等优点。离线编程方式依赖工业机器人较高的定位精度，因此需要对工业机器人的绝对定位精度进行补偿。修正工业机器人运动学模型参数方法是工业机器人绝对定位精度补偿的一种方法，这种方法对于复杂机器人的运动学建模困难，而且没有考虑环境温度、负载等非几何因素的影响导致的位置误差。在工业机器人的关节空间中，关节角向量与工业机器人绝对位置误差具有相关性，可以通过BP神经网络建立关节角向量与位置误差的关系，对目标关节角对应的位置误差进行估计。

发明内容

针对现有技术，本发明的目的在于提供了一种基于BP神经网络的六自由度工业机器人绝对位置误差估计方法，该方法通过测量六自由度工业机器人的关节空间中均匀的关节角向量对应的位置误差向量，然后计算位置误差向量的单位向量和绝对位置误差，将关节角向量作为BP神经网络的输入，位置误差向量的单位向量和绝对位置误差作为输出进行训练，将目标位置的关节角向量作为训练后的BP神经网络的输入，输出然后通过计算可获得目标点的位置误差向量估计。

本发明通过以下技术方案实现。

该方法包括如下步骤：

步骤1：在六自由度工业机器人的关节空间中均匀选取m组关节角向量，编写数控程序控制工业机器人末端依次到达m组关节角向量的空间位置测量关节角向量对应的位置误差向量；

步骤2：计算位置误差向量的绝对位置误差和单位向量；

步骤3：建立一个BP神经网络，输入为关节角向量，输出为位置误差向量的单位向量和绝对位置误差，将以上步骤中获取的数据带入神经网络中进行训练，获得训练后的BP神经网络；

步骤4：目标位置的关节角向量作为训练后的BP神经网络的输入，输出为估计的位置误差单位向量和估计的绝对位置误差向量；

步骤5：计算目标位置的关节角向量对应的位置误差向量估计。

与已有技术相比，本发明的有益效果在于：本发明所述的基于BP神经网络的六自由度工业机器人绝对位置误差估计方法，不需要建立工业机器人的运动学模型及位置误差模型，方法简单，效果好等优点。

附图说明

图1为本发明中BP神经网络结构图。

具体实施方式：

下面通过结合附图对本发明作进一步说明。

下面为本发明方法的步骤做详细的说明。

本发明方法的具体实施步骤如下：

步骤1：在六自由度工业机器人的关节空间中均匀选取m组关节角向量k＝1,2,…,m，编写数控程序控制工业机器人末端依次到达m组关节角向量的空间位置，测量关节角向量θ^(k)对应的位置误差向量