[发明专利]基于神经网络的工业机器人空间网格精度补偿方法

权利要求书

1.一种基于神经网络的工业机器人空间网格精度补偿方法，其特征在于：

该方法包括如下步骤：

步骤1：在工业机器人的包络线范围内，按一定的步长把整个包络空间均匀地划分为一系列紧密相邻相同大小的立方体网格；

步骤2：通过激光跟踪仪测量并建立机器人基坐标系，在几个不同的环境温度水平下用步骤1中划分的每个立方体网格的八个顶点的理论坐标来控制机器人进行定位，用激光跟踪仪测量并将其实际定位坐标数据记录下来；

步骤3：建立基于粒子群优化的BP神经网络模型。将步骤2中所划分网格的每个顶点的理论坐标和试验温度作为神经网络的输入，并将相应采集到的实际定位坐标作为神经网络的输出进行训练；

步骤4：对于期望到达包络线范围内的任一点P的目标定位坐标(X，Y，Z)和所处的实际环境温度T：

1)查找该点P所在的立方体网格；

2)分别将P所在立方体网格的八个顶点的理论坐标和环境温度这四个参数作为神经网络的输入，从而预测出对应八个顶点的实际定位坐标；

3)计算该点P与所在立方体网格的八个顶点K_i实际定位坐标的距离d_i，用算得的距离d_i进行反距离加权求得八个顶点K_i相对于该点P的权值q_i，其中

i＝1，2，...8，下同；

4)用求得的权值q_i来对八个顶点K_i的X、Y、Z三个方向上的定位误差分别进行空间插值，预算出该点P三个方向上的误差；

5)用求得的误差对该点P的理论坐标(X，Y，Z)进行反向修正，完成机器人在该点P的定位精度补偿。

2.根据权利要求1所述的基于神经网络的工业机器人空间网格精度补偿方法，其特征在于：所述步骤1中立方体网格的划分是在笛卡尔坐标系中进行的。

3.根据权利要求1所述的基于神经网络的工业机器人空间网格精度补偿方法，其特征在于：所述步骤2中在机器人进行定位时，机器人在定位立方体网格的八个顶点处具有相同姿态。

4.根据权利要求1所述的基于神经网络的工业机器人空间网格精度补偿方法，其特征在于：所述步骤3中，神经网络模型在BP神经网络的基础上进行了粒子群算法优化，且网络模型的输入节点数为4(理论定位坐标及环境温度)，输出节点数为3(预测实际定位坐标)。

5.根据权利要求1所述的基于神经网络的工业机器人空间网格精度补偿方法，其特征在于：所述步骤4中，机器人目标定位点的姿态与它在相应立方体网格八个顶点处的姿态保持一致或偏差在±5°范围内。