[发明专利]一种工业机器人的位置与姿态误差综合补偿方法

权利要求书

1.一种工业机器人的位置与姿态误差综合补偿方法，其特征在于，具体包括以下步骤：

S1：在机器人末端执行器的规划工作空间内生成不同机器人构型的采样点，并获取采样点的理论位置和姿态数据；

S2：在机器人末端执行器和基座上固定视觉靶标点；

S3：将工业机器人初始位置设为Home点位置，构建工业机器人基坐标系F_B；

S4：根据机器人基坐标系，建立跟踪坐标系F_M、视觉坐标系F_S；将机器人末端执行器上的视觉靶标点与所述跟踪坐标系F_M固连；双目视觉通过跟踪测量末端执行器上靶标点的跟踪坐标系F_M来获取机器人末端执行器实际的位置和姿态，对应测量步骤S1中的所述采样点的实际位置和姿态信息，并计算出对应的位置误差和姿态误差；

S5：从步骤S1中的所述采样点中随机分为训练集和验证集；

S6：构建包含输入层、输出层和多层隐含层的深度学习神经网络模型，使用所述训练集来训练网络模型；

S7：使用所述验证集样本来验证训练完成后的深度学习模型的机器人位置误差和姿态误差预测准确性；

S8：以机器人目标点的理论位置和姿态信息为输入，用深度学习神经网络模型预测的目标位置误差e^p和姿态误差e^o来校正目标位置理论坐标P^p和姿态理论坐标P^o，将修正后的位置坐标(P^p+e^p)与姿态坐标(P^o+e^o)作为机器人目标位姿的控制指令输入到机器人控制系统，机器人根据修正后的指令运动，可以更接近理想目标位姿，从而实现工业机器人位置与姿态误差的综合补偿。

2.根据权利要求1所述的一种工业机器人的位置与姿态误差综合补偿方法，其特征在于：所述步骤S2中，固定在机器人末端执行器和基座上的视觉靶标点为任意三点不共线且不对称分布。

3.根据权利要求1所述的一种工业机器人的位置与姿态误差综合补偿方法，其特征在于：所述训练集和所述验证集中的样本数据比例为8:1。

4.根据权利要求1所述的一种工业机器人的位置与姿态误差综合补偿方法，其特征在于：所述步骤S6中的深度学习神经网络模型的训练过程包括无监督的预训练和有监督的反向微调。

5.根据权利要求4所述的一种工业机器人的位置与姿态误差综合补偿方法，其特征在于：所述预训练是以机器人理论位置与姿态为特征，采用无监督贪婪逐层对网络进行训练，来确定深度学习神经网络模型的初始权值和偏置。

6.根据权利要求4所述的一种工业机器人的位置与姿态误差综合补偿方法，其特征在于：所述有监督的反向微调是以样本点中理论位置姿态所对应的位置误差和姿态误差作为监督特征，通过有监督训练来优化预训练所得到的初始化网络参数。

7.根据权利要求1所述的一种工业机器人的位置与姿态误差综合补偿方法，其特征在于：所述深度学习神经网络模型中的隐含层节点数、学习率和动量因子由粒子群优化算法获得。