信息与控制

作者：江小辉, 孙翼飞, 郭维诚, 侯春杰, 任斐

关键词：工业机器人, 参数辨识, Elman神经网络, 鸡群优化算法

针对工业机器人末端定位误差标定问题，本文从机器人运动学与非运动学两个方面对机器人进行定位误差标定。针对机器人运动学方面，建立了运动学误差模型并提出一种改进CSO(chicken swarm optimization)算法对机器人进行几何参数误差辨识，通过对比LM(Levenberg-Marquardt)迭代算法与PSO(particle swarm optimization)算法验证本文所提出算法的效果，以IRB1200机器人为实验对象，通过APIT3激光跟踪仪采集误差数据，搭建了机器人误差标定实验平台进行实验。经实验测量，机器人末端平均定位误差由2.76 mm下降至1.45 mm，提升了47.5%；同时针对机器人非运动学方面，使用在运动学误差标定中提出的改进CSO算法优化了Elman神经网络的初始阈值与权重，并使用初始参数优化的Elman神经网络建立机器人末端位置误差与机器人关节角之间的映射关系，以预测训练完成的机器人立方体空间内的机器人位置误差，并对比了普通Elman神经网络的预测效果。经实验测量，机器人末端平均定位精度较标定前提升34.9%，验证了本文所提出神经网络的拟合预测效果。

来源：2024年第3期

《信息与控制》期刊编辑部

查看信息与控制杂志2024年第3期