基于深度神經網絡的機器人定位誤差補償方法*

（南京航空航天大學機電學院，南京210016）

隨著《中國制造2025》強國戰略的推進，機器人在飛機裝配、柔性磨削、激光切割等高精度制造領域中的應用越來越廣泛。應用機器人進行高精度作業任務主要依靠其絕對定位精度，通常情況下，機器人絕對定位精度較低，達到±1～2mm[1-3]。因此研究提高機器人絕對定位精度的精度補償方法，是推動智能制造技術發展的重要基礎。

現有的提高機器人絕對定位精度的方法，根據機器人控制方式分為在線檢測反饋補償方法和離線標定前饋補償方法。在線檢測反饋補償方法通常是在機器人系統中附加外部檢測裝置來提高機器人絕對定位精度，一般可以達到±0.2mm 以內[4-6]，但此類方法高度依賴外部的檢測設備，且在復雜部件的工業現場實施存在難度。

離線標定前饋補償方法又分為運動學模型和非運動學模型標定方法。運動學模型標定方法[7-9]的基本原理：通過一定測量手段和參數辨識方法獲取機器人運動學參數誤差，以修正機器人運動學模型。該方法的不足在于建模和參數辨識過程繁雜，且模型忽略了占總誤差源的10%～20%的非幾何誤差源[10]，使得精度補償效果有限，因此精度高且通用性強的非運動學模型應運而生。

非運動學模型標定方法如神經網絡法[11]、空間插值法[3,12]等不僅考慮到幾何誤差因素，還包含了如齒輪間隙、負載變化、熱效應等非幾何誤差因素影響。周煒等[3,12]提出了一種基于空間插值的精度補償方法，通過反距離加權來估計機器人定位點處的位置誤差來進行補償，但此方法補償效果受采樣步長大小影響顯著?！?br>