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.docx
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
![preview](https://dl-preview.csdnimg.cn/87486778/0001-7b861254c9de877211c00cc9efc018e4_thumbnail-wide.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
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 机器人绝对定位误差是工业机器人加工过程中的一大限制因素,影响了机器人的加工精度和效率。在满足加工质量要求的情况下,机器人的加工能达到降低成本、提高效率的效果。但是,由于机器人关节处的装配误差以及由齿轮间隙和变形引起的误差,使得机器人末端刀具中心点(TCP)的实际位置与编程设定的理想位置存在偏差,严重影响加工质量。 当前,机器人定位误差的预测和抑制主要采用机器人几何参数标定的方法,机器人的定位误差的标定可以分为模型标定和无模型标定。但是,这种方法一般将机器人看作理想的连杆模型,忽略了占总误差近 20% 的非几何误差,包括齿轮间隙、装配误差、热效应等。文献指出,经典的基于模型的机器人定位误差标定方法只考虑了恒定的几何误差,忽略了轴承系统和齿轮的不均匀性等更为复杂的非几何误差,导致定位误差预测效果受到限制。 近年来,数据驱动的机器人误差预测方法得到许多学者的关注。这类方法不需要建立运动学参数模型,而是将机器人系统视为一个“黑匣子”,借助外部测量工具直接测量机器人定位误差,然后采用神经网络等智能算法建立机器人构型与末端误差之间的映射关系,通过这种映射关系来估算末端点的误差进而实现补偿。 本文提出一种新的机器人定位误差预测及补偿方法,首先通过构建时-空混合的图卷积神经网络,建立机器人关节空间下 6 维关节坐标与笛卡儿坐标系下机器人末端 6 维位姿误差之间的映射关系;然后,分析机器人末端位置和姿态的变化对机器人定位误差的影响,实现机器人末端定位误差的预测和补偿。 该方法的优点在于:(1)结合时空混合图卷积网络,可以更好地捕捉机器人关节空间下的时空关系,提高机器人定位误差的预测准确性;(2)使用机器人关节空间下的机器人构型作为输入,可以更好地反映机器人定位误差的分布规律;(3)考虑了机器人末端位置和姿态的变化对机器人定位误差的影响,实现了机器人末端定位误差的预测和补偿。 本文提出了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,可以更好地预测和补偿机器人的绝对定位误差,提高机器人的加工精度和效率,对工业机器人的发展和应用具有重要意义。
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![doc](https://img-home.csdnimg.cn/images/20210720083327.png)
![](https://csdnimg.cn/release/download_crawler_static/87486778/bg1.jpg)
![](https://csdnimg.cn/release/download_crawler_static/87486778/bg2.jpg)
![](https://csdnimg.cn/release/download_crawler_static/87486778/bg3.jpg)
剩余10页未读,继续阅读
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/3f07197aad004e4fa57ac5a008eb6aaf_weixin_57147647.jpg!1)
- 粉丝: 4117
- 资源: 1万+
![benefits](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-1.c8e153b4.png)
![privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-2.ec46750a.png)
![article](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-3.fc5e5fb6.png)
![course-privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-4.320a6894.png)
![rights](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-icon.fe0226a8.png)
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)