[发明专利]一种基于深度神经网络的机械臂残余振动抑制方法及装置

权利要求书

1.一种机械臂振动抑制方法，其特征在于，包括：

获取机械臂在预设位姿和预设负载下的动力学特征，建立所述动力学特征与所述预设位姿、所述预设负载之间对应的数据集；

基于所述数据集训练深度神经网络模型；

根据机械臂的目标位姿和目标负载，利用所述深度神经网络模型预测目标动力学特征；

根据所述目标动力学特征设计振动抑制器，配合运动控制器控制所述机械臂运动至目标位姿的同时抑制残余振动。

2.根据权利要求1所述的机械臂振动抑制方法，其特征在于，所述获取机械臂在预设位姿和预设负载下的动力学特征，建立所述动力学特征与预设位姿、预设负载之间对应的数据集包括：

获取机械臂关节的动力学参数；

根据机械臂的结构设计方案和所述关节的动力学参数建立机械臂动力学模型；

基于所述机械臂动力学模型，分析得到机械臂在预设位姿和预设负载下的动力学特征，从而建立所述动力学特征与预设位姿、预设负载之间对应的数据集。

3.根据权利要求2所述的机械臂振动抑制方法，其特征在于，所述获取机械臂关节的动力学参数包括：

获取机械臂关节的脉冲响应曲线；

处理所述脉冲响应曲线以得到所述机械臂各关节的等效刚度、等效阻尼和等效惯量信息。

4.根据权利要求2所述的机械臂振动抑制方法，其特征在于，所述根据机械臂关节的所述动力学参数建立机械臂动力学模型包括：结合所述机械臂关节的所述动力学参数和机械臂的三维模型，建立机械臂动力学模型。

5.根据权利要求2所述的机械臂振动抑制方法，其特征在于，所述基于所述机械臂动力学模型，分析得到机械臂在预设位姿和预设负载下的动力学特征，从而建立所述动力学特征与预设位姿、预设负载之间对应的数据集包括：

以机械臂的预设位姿、预设负载为自变量建立自变量数据集；

利用所述机械臂动力学模型获取机械臂在所述自变量数据集中各自变量组合对应条件下的动力学特征，建立响应数据集。

6.根据权利要求1所述的机械臂振动抑制方法，其特征在于，所述基于所述数据集训练深度神经网络模型包括：

选择不同层数的神经网络进行训练以确定目标最优层数；

选择不同的训练集选择法训练神经网络，以获取所述动力学特征与所述预设位姿、所述预设负载之间对应的数据集之间的映射关系。

7.根据权利要求1所述的机械臂振动抑制方法，其特征在于，所述根据机械臂的目标位姿和目标负载，利用所述深度神经网络模型确定目标动力学特征包括：

将基于所述数据集训练所得的所述深度神经网络模型引入所述机械臂的控制装置中，将机械臂的目标位姿和目标负载的信息输入所述深度神经网络模型中以确定目标动力学特征。

8.根据权利要求2所述的机械臂振动抑制方法，其特征在于，所述基于所述机械臂动力学模型，分析得到机械臂在预设位姿和预设负载下的动力学特征还包括：

通过实验获取机械臂样机在预设位姿和预设负载下对应的实际动力学特征，所述机械臂动力学模型为机械臂仿真动力学模型，基于所述机械臂仿真动力学模型得到与实验相同状态下所述机械臂在预设位姿和预设负载下对应的仿真动力学特征，对所述机械臂仿真动力学模型进行修正以确定所述动力学特征。

9.根据权利要求8所述的机械臂振动抑制方法，其特征在于，所述通过实验或测试获取机械臂样机在预设位姿和预设负载下对应的实际动力学特征包括：

实验测定机械臂样机在若干位姿和若干预设负载下对应的固有频率、模态阻尼比以及振型。

10.根据权利要求8所述的机械臂振动抑制方法，其特征在于，所述对所述机械臂仿真动力学模型进行修正以确定所述动力学特征包括：

对比实际动力学特征和仿真动力学特征，通过灵敏度分析确定敏感参数，对敏感参数进行修正以确定所述动力学特征。