[发明专利]基于改进PI结构的机器人柔性关节转换误差补偿方法

说明书

本发明公开一种基于改进PI结构的机器人柔性关节转换误差补偿方法，在对称Play算子的结构基础上，将Play算子中的线性部分用改进后的非线性Sigmoid函数替代，构造一个与迟滞曲线轮廓接近的新函数，得到非线性迟滞算子，以新迟滞算子为激励函数，构建神经网络迟滞模型，对柔性关节表现出的复杂迟滞特性进行建模，并基于该神经网络迟滞模型对柔性关节的驱动电机的进行控制补偿。本发明的神经网络迟滞模型具有在线学习能力，能够在线补偿工业机器人关节本身结构带来传递非线性误差，提高工业机器人关节执行的精度。

技术领域

本发明涉及工业机器人技术领域，具体涉及一种基于改进PI结构的机器人柔性关节转换误差补偿方法。

背景技术

工业机器人越来越广泛地应用于工业生产领域，在智能制造过程中，对于工业机器人的精确控制的要求愈来愈高。开展对机器人关节所表现出强非线性特性建模与补偿，成为提高工业机器人的控制精度的重要技术途径。

为了提高机器人与环境或人的交互协作能力，采用柔性材料或柔性传输元件能够减小其在交互过程中的冲击作用，保证安全性。对协作机器人及轻型机器人，其中含有谐波减速器的构成柔性关节，表现出的强非线性的复杂迟滞特性，其迟滞特性是由谐波减速器本身特殊结构特点决定。具有复杂特殊结构的谐波减速器由固定的内齿刚轮、柔轮和使柔轮发生径向形变的波发生器组成，其用柔性齿轮产生可控制的弹性变形波，引起刚轮与柔轮的齿间相对错齿，传递动力和运动，柔轮的弹性形变与传动中产生的非线性摩擦以及磁性的存在等多方面因素使得谐波减速器表现出复杂迟滞特性。

工业机器人柔性关节由于具有复杂结构的谐波减速器的存在表现出一种复杂的迟滞特性，这种复杂的非线性严重影响了对于柔性关节的控制精度，因此需要对柔性关节的迟滞特性进行建模，进而采用适合的基于模型的补偿控制方法，提高其控制精度。

迟滞特性为一种特殊的非线性特性，具有非光滑、多值对应的特点，不同的对象，表现出不同应用领域的不同类型的迟滞特性。针对不同领域的不同类型的迟滞特性，目前已提出了多种迟滞模型，如基于现象的建模方法，从纯数学角度描述迟滞输入输出关系的Presiach模型、PI模型、KP模型等，其中PI模型结构简单，易于求逆，且能够用较少的参数表达迟滞特性，被广泛的应用于迟滞特性建模。然而，工业机器人柔性关节表现出的复杂非线性的特殊性在于其不对称且非光滑，传统PI模型适用于对称迟滞曲线的描述，对于复杂迟滞特性通过传统PI结构建模，建模精度降低。近年来，通过改进PI结构用于对象迟滞特性建模的方法，如采用变间隔阈值、采用三段PI建模等方法，但这些改进只是在传统PI模型上拓宽，不能从根本上解决工业机器人柔性关节表现出的非对称、非光滑且无绝对的凹凸性的迟滞特性。

发明内容

本发明工业机器人柔性关节表现出的特殊迟滞特性，提供一种基于改进PI结构的机器人柔性关节转换误差补偿方法。

为解决上述问题，本发明是通过以下技术方案实现的：

基于改进PI结构的机器人柔性关节转换误差补偿方法，包括步骤如下：

步骤1、构建基于改进PI结构的神经网络迟滞模型，即：

步骤2、采集柔性关节在当前时刻即t时刻的实际输出角度，并将柔性关节在当前时刻即t时刻的实际输出角度作为基于改进PI结构的神经网络迟滞模型的输入，基于改进PI结构的神经网络迟滞模型的输出即为柔性关节在当前时刻的下一时刻即t+1时刻的预测输出角度；

步骤3、利用步骤2所得到的柔性关节在当前时刻的下一时刻即t+1时刻的预测输出角度，计算柔性关节在当前时刻的下一时刻即t+1时刻的预测扭矩角，即：