补偿机器人定位误差的神经网络

《补偿机器人定位误差的神经网络》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、17卷第3期ROBOTol.17,No.3机器人Va,1995牛5月My1995补偿机器人定位误差的神经网络夏凯陈崇端洪涛徐文立(清华大学自动化系北京100054)摘要先进的机器人由计算机执行程序来完成各种作业,靠计算关节变量的函数得到手爪的位姿,这些函数一般不准确,使计算值与实际值有较大误差,重复精度。.lmm的机器人该误差可能达.,,到10已有的机器人运动学误差补偿方法需要分析误差来源,mm使其参数化并辨识这些参数六自由度机器人的这种参数已多达72个之多.本文提出一种机器人运动学误差补偿的神经网络模型,利用改进的误差反传(B,一1.,P)学习算法在RM50

2、机器人上进行实验实验结果表明所提出的方法是有效和可行的.,,关键词神经网络机器人运动学误差1引言只具有示教再现功能的机器人往往不能满足生产上提出的要求.当被操作的物体位置不,,,,确定时常常用视觉识别得到物体的方位然后进行坐标变换变成机器人各个关节的关节角控制机器人完成对物体的操作,这时就要求机器人有较高的绝对定位精度.但是,一般的工业机器人绝对定位精度都是比较差的,重复精度达到0.lmm的机器人,其运动学定位误差可能,,,达ll三10mm究其原因一方面是由于计算所用的连杆尺寸的误差关节转轴的方向不正等几何误差;此外还有齿轮传递误差、齿轮间隙、基座晃动、连杆刚

3、度影响等所谓的非几何因素的影.响近年’‘一‘二,来已有不少学者在补偿机器人运动学定位误差的方法上进行了研究其方法大多,,,是在运动学方程上增加一些参数将几何误差考虑进去采用系统辨识的方法辨识出这些参数.这种方法的困难在于.(l)非几何因素的影响很难考虑.(2)机器人关节越多,在运动学方程中增加的参数越多,需要辨识的参数也越多.例如,我一,,,们实验用的RM501五关节机器人为补偿几何误差需要加入33个参数参数辨识难度较,,,,,大实际上只能辨识18个参数另外15个参数令其为。否则由于矩阵有相关项不能求逆[4:.,,,(3)由于修改的运动学方程太复杂几乎无法求解

4、即使解出用于计算时间太长也不实用一般都采用近似的简化方法.,,本文尝试采用人工神经元网络来解决这一问题建立运动学误差补偿神经网络模型采用BP训练算法,并作了一些改进.实验结果表明所提方法有效可行.2定位误差补偿的神经网络模型产生机器人定位误差的原因是相当复杂的,尤其是一些非几何因素带来的影响,很难做严.格的数学描述近年来人工神经网络的研究无论在网络结构、学习算法、技术实现以及网络的1994一10一18收稿机器人1995年5月.一,应用方面都取得了不少成果多层感知器(Multi!aye:PercePtionMLP)具有较好的关系映,已被广泛用于函数逼近、.在M,

5、(神经元)接射和样本学习能力系统建模等方面LP中各节点,,.并:受前一级输入输出到下一级但没有反馈节点分两类输入节点(输入层上的节点)和计算节点(隐含层和输出层上的节点).输入节点只存储输入,计算节点对其输入作加权后,通过一个非线性环节(如阑值函数或Sigmoid函数等),输出到下一级节点.MLP可有若干层,理论研,,LP网络来逼究结果表明任意复杂函数其输入输出关系均可用一个三层或三层以上的M.a。一,,近MLP的学习(训练)采用误差反向传播(BkproPagationBP)算法因此这种网络也称BP网络.BP算法是一种比较有效的学习算法,被广泛用于解决各种实际

6、问题.本文为补偿机器人运动学定位误差建立的人工神经网络模型就是基于MLP的.如上所述,我们利用的是BP网络具有的复杂关系的映射能力.可以想象,它的精度是有,,,限的一些学者在使用神经网络解决机器人逆运动学时为了解决精度问题或采取与迭代解法相结合,或将映射空间分区.本文的方法是与理想的机器人运动学方程逆解相结合,用BP网络补偿运动学方程定位的误差.模型的建立可以采取以下两种方式.(l)关节坐标的神经网络补偿:系统如图1.希望达到的直角坐标位置,经过坐标变换变成关节角.以此关节角来驱动机器人时,由于存在几何误差和非几何误差,将不能准确达到预期,经过,,.位置BP网

7、络找到误差后再驱动机器人将可以使误差得到补偿希望的直角坐标位里运动学关节角关节角BP网络逆解误差机器人图1关节坐标神经网络补偿:(2)直角坐标位置的神经网络补偿系统模型如图2.既然直接用所要求的直角坐标位置进行坐标变换所得到的关节角驱动机器人不能准确到,,,位我们可以先给所要求的关节角一个适当的偏移再进行坐标变换也可以使定位误差得到补偿.直角坐标位置偏移量的大小,可由BP网络来定.希望的直角坐标位盆运运运运动学学BBBP网络络络络络络络逆逆逆逆解解机器人图2直角坐标神经网络补偿也就是说,对于第1种模型,BP网络的输入为机器人的几个关节角.本文实验所用机器人是一

8、501,5,5.2RM五自由度机器人因