基于深度神经网络的机器人定位误差补偿方法

摘要：

工业机器人由于高效率、低成本被广泛应用于智能制造业,但较低的绝对定位精度限制了其在高精度制造领域的推广应用.为提升机器人绝对定位精度并解决传统复杂的误差建模问题,提出了一种基于深度神经网络的机器人定位误差补偿方法.首先在笛卡尔空间进行拉丁超立方采样规划,获得目标点姿态对误差的影响规律;然后建立基于遗传粒子群算法优化深度神经网络(GPSO-DNN)的定位误差预测模型,实现对误差的预测和补偿;最后为验证该方法的准确性和优越性,与其他误差补偿模型进行对比.试验结果表明,基于GPSO-DNN的定位误差补偿方法的补偿精度最高,定位误差由补偿前的1.529mm减小为0.343mm,精度提高了77.57％.该方法能有效补偿机器人定位误差,大幅提高机器人的定位精度.

关键词：机器人、精度补偿、深度神经网络、拉丁超立方采样规划、遗传粒子群算法

所属期刊栏目：63

资助基金：国防基础科研项目JCKY2018605C002

在线出版日期：2020-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：78-85