基于径向基神经网络的Delta机器人位置精度补偿

摘要：

针对Delta并联机器人末端控制精度问题,提出一种基于径向基神经网络的提高Delta并联机构运动学控制精度的方法.首先对Delta并联机器人的运动学逆解进行分析,探讨了影响控制精度的因素和现有提高控制精度方法的局限性.其次,求解Delta并联机器人的工作空间,结合实际工作,通过试验采集训练样本.以末端实际位置为输入样本,末端的期望位置与实际位置之差为输出样本,进行径向基神经网络模型训练,得到末端实际位置与位置偏差之间的非线性映射关系,基于此设计位置补偿策略.最后,在Delta机器人平台上进行实验验证,使用训练好的径向基神经网络网络结合运动学逆解,对Delta机器人末端进行轨迹跟踪控制.实验结果表明,末端控制误差由±30 mm减小到±5 mm,有效地减少了末端位置误差,为Delta机器人精准控制提供了一种简单易行的方法.

关键词：Delta机器人、径向基神经网络、非线性、误差分析、误差补偿

所属期刊栏目：20

分类号：TP242.2(自动化技术及设备)

资助基金：天津市自然科学基金17JCYBJC18200

在线出版日期：2020-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：12883-12889