【技術實現步驟摘要】
本專利技術涉及機器人領域，特別是涉及一種基于誤差疊加的形變誤差補償方法、裝置和電子設備。
技術介紹
1、隨著制造成本的降低和精度的提高，機器人已經廣泛應用于社會各個領域。機器人憑借其高靈活性，多功能性等優點，已在一些工業加工領域取代了數控機床。
2、在機器人攜帶了重物負載的情況下，機器人的結構會因為受力而產生形變。如果機器人運動控制算法還是將機器人結構視為剛體，而不提前考慮到該形變誤差，那么機器人的運動軌跡勢必會偏移預期的路線，其運行的精度和穩定性都會受到影響。形變誤差在一些弱剛度、開鏈式串聯結構的機器人中影響尤其巨大。因此，如何進行形變誤差補償，是機器人領域需要解決的問題。
3、現有的機器人形變誤差補償方法主要包括：1、通過優化機器人本身結構來減少形變誤差；2、實時在線測量并補償形變誤差；3、通過數學模型離線預測并補償形變誤差。前兩種解決方法均成本高昂且不易實施。第三種通過數學模型離線預測并補償形變誤差的方法，則能夠通過參數預先設定完成的數學模型，提前預測機器人形變誤差，并在機器人運動控制算法中考慮該形變誤差并給予對應的反向補償，從而提高機器人的運動精度和穩定性。其計算量相對于實時在線測量而言大大減小，性價比較高、可行性強。
4、現有技術中存在一種基于剛度模型的離線形變誤差預測方法。剛度模型將連桿視為剛體，將機器人形變誤差視為完全由關節的受力扭轉導致?，F有的基于剛度模型的離線形變誤差預測方法，通過實驗收集大量與外力對應的形變誤差數據，將這些形變誤差數據代入至剛度模型至計算出關節剛度系數；使用
5、這種現有的基于剛度模型的離線形變誤差預測方法，忽略了連桿剛度的影響，僅僅適用于連桿剛度較強的機器人，因此存在預測精度較低、預測穩定性較差、不能廣泛適用于大多數機器人的缺陷；并且需要收集大量樣本數據計算關節剛度參數，訓練成本較高。
技術實現思路
1、基于此，本專利技術的目的在于，提供一種基于誤差疊加的形變誤差補償方法、裝置和電子設備，其具有預測精度高、預測穩定性好、能廣泛適用于大多數機器人、訓練成本低的優點。
2、一種基于誤差疊加的形變誤差補償方法，包括步驟：根據機器人關節角和外力向量進行形變誤差預測，得到預測形變誤差；根據所述預測形變誤差，對機器人運動控制算法進行補償；根據機器人關節角和外力向量進行形變誤差預測，得到預測形變誤差，具體包括：通過機器人正運動學，根據所述機器人關節角，對所述外力向量進行分解，得到第一外力、第二外力和第三外力方向上的力權重；通過第一形變誤差預測子模型，根據所述機器人關節角，預測第一外力所造成的第一形變誤差；通過第二形變誤差預測子模型，根據所述機器人關節角，預測第二外力所造成的第二形變誤差；通過第三形變誤差預測子模型，根據所述機器人關節角，預測第三外力所造成的第三形變誤差；根據所述力權重，對第一形變誤差、第二形變誤差和第三形變誤差進行誤差疊加，得到最終的預測形變誤差；所述第一外力、第二外力和第三外力的方向取決于機器人關節角和訓練所述第一形變誤差預測子模型、第二形變誤差預測子模型和第三形變誤差預測子模型所采用的特殊受力情況；所述特殊受力情況為機器人所受外力被機器人關節角所確定的受力情況；所述第一外力、第二外力和第三外力線性無關。
3、本專利技術的形變誤差預測融合模型的平均預測偏差為30μm，預測精度達93.7％，對比傳統剛度模型其預測偏差減少63.8％。本專利技術的形變誤差預測融合模型簡單實用，并廣泛適用于大部分工業機器人。形變誤差預測融合模型的建立無需考慮機器人構型和連桿剛度，也不需要如傳統剛度模型般進行復雜的演算。形變誤差數據的收集過程簡單，無需復雜昂貴的力測量設備。
4、進一步地，所述第一形變誤差預測子模型的訓練方法，包括：sta1，獲取預設的第一特殊受力情況下的機器人關節角，并測量該機器人關節角對應的第一真實形變誤差；所述第一特殊受力情況為：機器人受到被機器人關節角所確定的第一外力；sta2，將機器人關節角輸入至待訓練的第一形變誤差預測子模型；所述第一形變誤差預測子模型輸出預測的第一形變誤差；sta3，通過比較所述第一形變誤差和所述第一真實形變誤差的差異，更新當前機器人關節角所對應的所述第一形變誤差預測子模型的參數；sta4，改變所述機器人關節角，保持第一特殊受力情況不變，重復步驟sta1-sta3，從而更新新的機器人關節角所對應的所述第一形變誤差預測子模型的參數，直到遍歷預設范圍內的所有機器人關節角，獲得訓練完成的第一形變誤差預測子模型。
5、進一步地，所述第二形變誤差預測子模型的訓練方法，包括：stb1，獲取預設的第二特殊受力情況下的機器人關節角，并測量該機器人關節角對應的第二真實形變誤差；所述第二特殊受力情況為：機器人受到被機器人關節角所確定的第二外力；stb2，將機器人關節角輸入至待訓練的第二形變誤差預測子模型；所述第二形變誤差預測子模型輸出預測的第二形變誤差；stb3，通過比較所述第二形變誤差和所述第二真實形變誤差的差異，更新當前機器人關節角所對應的所述第二形變誤差預測子模型的參數；stb4，改變所述機器人關節角，保持第二特殊受力情況不變，重復步驟stb1-stb3，從而更新新的機器人關節角所對應的所述第二形變誤差預測子模型的參數，直到遍歷設定范圍內的所有機器人關節角，獲得訓練完成的第二形變誤差預測子模型。
6、進一步地，所述第三形變誤差預測子模型的訓練方法，包括：stc1，獲取預設的第三特殊受力情況下的機器人關節角，并測量該機器人關節角對應的第三真實形變誤差；所述第三特殊受力情況為：機器人受到被機器人關節角所確定的第三外力；stc2，將機器人關節角輸入至待訓練的第三形變誤差預測子模型；所述第三形變誤差預測子模型輸出預測的第三形變誤差；stc3，通過比較所述第三形變誤差和所述第三真實形變誤差的差異，更新當前機器人關節角所對應的所述第三形變誤差預測子模型的參數；stc4，改變所述機器人關節角，保持第三特殊受力情況不變，重復步驟stc1-stc3，從而更新新的機器人關節角所對應的所述第三形變誤差預測子模型的參數，直到遍歷設定范圍內的所有機器人關節角，獲得訓練完成的第三形變誤差預測子模型。
7、進一步地，所述第一特殊受力情況、第二特殊受力情況和第三特殊受力情況，為機器人的受力點與機器人的末端點重合或相對靜止，且外力大小恒定，且外力總指向一個固定點或固定方向中的任意一種受力情況。
8、進一步地，所述第一特殊受力情況，具體為：機器人的受力點與機器人的末端點重合，且第一外力大小恒定，且第一外力總指向預設的第一固定點；所述第二特殊受力情況，具體為：機器人的受力點與機器人的末端點重合，且第二外力大小恒定，且第二外力總指向預設的第二固定點；所述第三特殊受力情況，具體為：機器人的受力點與機器人的末端點重合，且第三外力大小恒定，且第三外力總指向預設的固定方向。
9、進一步地，所述第一真實形變誤差本文檔來自技高網...
【技術保護點】
1.一種基于誤差疊加的形變誤差補償方法，包括步驟：根據機器人關節角和外力向量進行形變誤差預測，得到預測形變誤差；根據所述預測形變誤差，對機器人運動控制算法進行補償；其特征在于：
2.根據權利要求1所述的基于誤差疊加的形變誤差補償方法，其特征在于：
3.根據權利要求2所述的基于誤差疊加的形變誤差補償方法，其特征在于：
4.根據權利要求3所述的基于誤差疊加的形變誤差補償方法，其特征在于：
5.根據權利要求4所述的基于誤差疊加的形變誤差補償方法，其特征在于：
6.根據權利要求5所述的基于誤差疊加的形變誤差補償方法，其特征在于：
7.根據權利要求5所述的基于誤差疊加的形變誤差補償方法，其特征在于：
8.一種基于誤差疊加的形變誤差補償裝置，其特征在于，包括：
9.根據權利要求8所述的基于誤差疊加的形變誤差補償裝置，其特征在于：
10.一種電子設備，其特征在于，包括：
【技術特征摘要】
1.一種基于誤差疊加的形變誤差補償方法，包括步驟：根據機器人關節角和外力向量進行形變誤差預測，得到預測形變誤差；根據所述預測形變誤差，對機器人運動控制算法進行補償；其特征在于：
2.根據權利要求1所述的基于誤差疊加的形變誤差補償方法，其特征在于：
3.根據權利要求2所述的基于誤差疊加的形變誤差補償方法，其特征在于：
4.根據權利要求3所述的基于誤差疊加的形變誤差補償方法，其特征在于：
5...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。