[发明专利]一种虚拟轴机床末端刀具运动位姿的检测方法

说明书

技术领域

本发明涉及一种虚拟轴机床，尤其涉及其末端刀具运动位姿的实时检测方法。

背景技术

虚拟轴机床也称并联机床，是并联机器人技术与机床技术相结合的高新科技产品。然而，虚拟轴机床末端刀具运动位姿的实时检测难题，影响着虚拟轴机床末端刀具的运动控制精度，已成为困扰虚拟轴机床在实现产业化方面取得实质性突破的关键问题之一。

虚拟轴机床刀具固联于虚拟轴机床动平台，因此，虚拟轴机床末端刀具运动位姿的检测关键在于虚拟轴机床并联机构动平台的位姿检测，为此，人们提出了不同的方法，如在固定平台和动平台之间增设附加测量机构以直接检测动平台位姿，又如采用图像匹配及图像处理技术进行动平台位姿检测，以及附加中心轴测量装置以多传感器检测技术进行末端执行器的位姿检测等。但这些方法均需附加硬件部件，不仅成本增加，而且安装困难，并可能改变虚拟轴机床并联机构的运动特性，致使原设计控制品质降低甚至恶化。还有一种获得虚拟轴机床末端刀具运动位姿的方法是通过求解虚拟轴机床并联机构的位置正解，一般采用数值法或解析法，但通常计算量巨大或十分繁琐，无法实际用于虚拟轴机床末端刀具运动位姿的实时检测，为此，本发明提出一种基于神经网络解决虚拟轴机床末端刀具运动位姿实时检测的方法。

在解决并联机器人正问题时，目前已采用神经网络，但迄今未见相关文献基于神经网络解决虚拟轴机床末端刀具运动位姿实时检测问题。用于解决并联机器人正问题的神经网络主要有反向传播(BP)神经网络及径向基函数(RBF)神经网络。基于RBF神经网络的方法，较之基于BP神经网络的方法，具有任意精度的泛函逼近能力和体积小、收敛快等特性，但在构建和训练RBF神经网络时，存在隐含层神经元数量难以确定的问题，通常的做法是使其与输入向量的元素相等，显然，在输入矢量较多时，过多的隐含层单元数将影响虚拟轴机床末端刀具运动位姿的实时检测速度，进而影响虚拟轴机床数控系统的控制速度和加工速度。

发明内容

本发明的目的是克服上述现有技术的不足，提供以一种结构自适应确定、输出与初始权值无关的RBF神经网络实现虚拟轴机床末端刀具运动位姿实时检测的方法。

本发明采用的技术方案是采用如下步骤：

1)根据加工要求，确定虚拟轴机床加工过程末端刀具空间运动期望位姿轨迹；

2)根据虚拟轴机床并联机构的运动学反解关系，计算出与末端刀具空间运动期望位姿轨迹对应的虚拟轴机床各支路的主动副位移；

3)以虚拟轴机床各支路的主动副位移为输入样本，以对应的虚拟轴机床末端刀具期望运动位姿为输出样本构建RBF神经网络，训练并测试RBF神经网络；

4)在虚拟轴机床的计算机系统中，以上位机系统编程语言，编程实现训练好的RBF神经网络；

5)利用训练好的RBF神经网络，实时检测虚拟轴机床末端刀具的实际运动位姿。

本发明将一种结构自适应确定、输出与初始权值无关的RBF神经网络用于实现虚拟轴机床末端刀具的运动位姿实时检测，其特点和有益效果是：

1、与现有检测技术相比，无需附加安装任何硬件部件，不增加任何硬件成本，不改变虚拟轴机床并联机构动特性。

2、与采用BP神经网络检测的方法相比，具有任意精度的泛函逼近能力，体积小，收敛快。

3、与采用事先确定隐含层神经元数量的RBF神经网络检测方法相比，不仅具有网络结构自适应确定、输出与初始权值无关的优良特性，而且具有较快的实时检测速度。

附图说明

以下结合附图和具体实施方式对本发明作进一步详细说明。

图1是利用本发明提供的检测技术构建的虚拟轴机床末端刀具运动位姿闭环控制系统。

图2是RBF神经网络结构。

图3是X轴方向的位置误差曲线。

图4是Y轴方向的位置误差曲线。

图5是Z轴方向的位置误差曲线。

具体实施方式