基于时空混合图卷积网络的机器人定位误差预测及补偿方法

工业机器人作为智能制造的重要载体,在大范围复杂任务中具有巨大潜力。但是,定位精度低且难以控制的问题阻碍了机器人在高精度任务的进一步推广。为了提升机器人作业精度,该文提出一种基于时空混合图卷积网络的机器人定位误差预测及补偿方法。首先通过设计图关系编码模块、时空混合特征解码模块,构建基于图卷积网络的机器人位姿误差预测模型;然后,针对传统迭代补偿方法中机器人逆解次数多导致效率低的问题,该文将定位误差补偿问题转化为优化问题,并利用遗传算法同时对位置和姿态进行误差补偿;最后,通过拉丁超立方抽样方法获得训练集,实现机器人定位误差预测模型的训练,并通过实验验证了定位误差预测的准确性以及补偿的效果。

基于力反馈的机器人砂带磨削虚拟示教轨迹规划方法

提出了一种基于力反馈的机器人砂带磨削虚拟示教轨迹规划方法,开发了一套机器人虚拟示教系统。该系统通过给予操作者连续的磨削力觉反馈和视觉仿真,使操作者沉浸在一个虚拟现实的环境中,能够像真实的手工磨削一样动态地规划工件的磨削轨迹和参数,以避免加工干涉并获得较好的加工表面质量。为了提高示教精度和效率,建立了一个虚拟夹具模型来辅助并引导操作者快速地完成复杂零件的轨迹规划任务。实验研究表明,该方法生成的轨迹能够有效避免机器人磨削复杂零件时的各类干涉,对提升机器人砂带磨削轨迹规划效率具有重要意义。

机器人铣削加工误差在线补偿方法研究

针对机器人在铣削加工过程中由于精度低和刚度弱导致加工误差大的问题,提出一种可以同时考虑定位误差与变形误差的加工误差在线补偿方法。首先,基于几何参数标定法进行机器人定位误差建模,并基于机器人刚度矩阵模型进行变形误差建模;然后,基于上述模型和在线测量的切削力,建立加工误差在线预测模型;接着,提出基于自校正增量式PID控制的误差补偿方法,对铣削加工误差进行在线闭环补偿;最后,经铣削加工实验验证补偿方法的有效性。