工业机器人基于AI的定位误差补偿方法

基于人工智能网络的定位误差补偿方法人工智能（Artificial Intelligence，AI）的提出与发展，尤其在计算机领域的研究和应用得到了人们越来越广泛的重视。在当前，人工智能的研究领域包括图像识别、语言识别、自然语言处理、机器人、专家系统等等，尤其在计算机仿真领域具有其他算法难以比拟的优势。
近年来，已有大量学者从事研究应用人工智能网络来模拟实现工业机器人的定位误差补偿，并取得了丰硕的成果，尤其在使用神经网络解决非线性问题的课题上日渐精进。
基于神经网络的工业机器人定位误差补偿算法，利用先进的测量工具和方法获得大量的工业机器人定点位姿的样本数据，使用神经网络对样本数据点进行训练，通过网络学习得到工业机器人定位误差的变化规律，最终实现工业机器人定位误差的补偿。这种方法不依赖于定位误差模型，并且可以实现多类误差模型的综合逼近。神经网络拥有良好的自学习能力、自适应能力和自组织能力，并且还有非常强的非线性映射能力，已有学者提出基于神经元网络的机器人正、逆运动学标定方法。晏祖根针对笛卡尔机器人进行了基于神经网络的运动学标定，以神经网络算法为基础，避免了矩阵变换和微分运算的复杂性，提高了机器人误差补偿的实时性；汪木兰等研究了应用改进型的 BP 神经网络来求解多轴机器人的运动学逆解问题；王东署等用 BP 神经网络求解机器人运动学逆解，最终采用网络在线的方法对目标机器人进行了标定实验；陈桂等针对使用传统 BP 神经网络求运动学逆解收敛速率较慢的问题，提出了将微分进化算法（DE）和粒子群优化（PSO）算法结合起来的算法，对所构建的 BP 神经网络进行调整和优化，使工业机器人求运动学逆解的结果得到了明显改善。