-
题名基于深度神经网络的机器人定位误差补偿方法
被引量：16
- 1
-
-
作者
花芳芳
田威
胡俊山
李波
蒲玉潇
-
机构
南京航空航天大学机电学院
-
出处
《航空制造技术》
2020年第17期78-85,共8页
-
基金
国防基础科研项目(JCKY2018605C002)。
-
文摘
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
-
Keywords
Robot
Accuracy compensation
Deep neural network
Latin hypercube sampling planning
Genetic particle swarm optimization
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
TP183
[自动化与计算机技术—控制科学与工程]
-
