应用于工业机器人的激光对准和校正的方法及系统与流程

本发明涉及工业机器人激光校正，尤其涉及应用于工业机器人的激光对准和校正的方法及系统。

背景技术：

1、工业机器人在激光焊接、激光切割、激光打标、激光清洗等精密加工场景中得到广泛应用。激光加工的质量高度依赖于激光束与工件之间的精确对准，任何微小的对准偏差都可能导致加工缺陷、废品率上升甚至设备损坏。现有工业机器人激光对准系统中，残余误差来源于非线性因素，如关节柔度、齿轮间隙、热变形、运动学约束和环境扰动，传统基于运动学模型的标定方法难以对这些复杂误差源进行有效建模和补偿。特别是当机器人处于不同位姿和负载条件下，误差呈现出强烈的非线性耦合特性，而且往往忽略了传感器之间的空间依赖关系和误差沿机器人运动链的时序传播特性。

技术实现思路

1、本发明克服了现有技术的不足，提供了应用于工业机器人的激光对准和校正的方法及系统。

2、为达上述目的，本发明采用的技术方案为：

3、本发明第一方面提供了应用于工业机器人的激光对准和校正的方法，包括以下步骤：

4、采集多源误差数据信息，并根据所述多源误差数据信息构建误差传播误差链，构建输入数据；

5、构建时空混合图卷积网络，并利用时空混合图卷积网络对输入数据进行训练，利用所述时空混合图卷积网络输出预设时间之内预测的位置偏差和姿态偏差；

6、构建高保真数字孪生模型，利用所述预测的位置偏差和姿态偏差在数字孪生环境中进行路径校正、激光参数校正以及焦点位置校正；

7、同时，利用高保真数字孪生模型中的温度场仿真结果动态调整激光功率和光斑直径，并利用pid进行控制。

8、进一步的，在应用于工业机器人的激光对准和校正的方法中，采集多源误差数据信息，并根据所述多源误差数据信息构建误差传播误差链，构建输入数据，具体为：

9、在机器人工作空间内规划n个标定位姿，控制机器人末端依次运动至各标定位姿，在每个位姿下，同时采集机器人各关节编码器读数、激光跟踪仪测量的末端实际位姿、线激光位移传感器测量的激光光斑位置偏差；

10、同时，采集末端六维力传感器数据以及温度传感器数据，建立从机器人基座到激光工具末端的完整误差传播链，将误差分解为关节空间误差和笛卡尔空间误差两个层次；

11、其中，关节空间误差包括各关节的角度偏差和连杆参数偏差，笛卡尔空间误差包括位置偏差和姿态偏差，结合关节空间误差、笛卡尔空间误差构建误差传播误差链，根据所述误差传播误差链构建输入数据。

12、进一步的，在应用于工业机器人的激光对准和校正的方法中，构建时空混合图卷积网络，并利用时空混合图卷积网络对输入数据进行训练，具体为：

13、将工业机器人的6个关节及其连接的连杆建模为一个有向图，其中顶点集合对应6个关节，边集合对应关节间的运动学连接关系，每个顶点的特征向量包括关节角度、关节角速度、关节力矩、关节温度；

14、构建时空混合图卷积网络，将输入数据输入到时空混合图卷积网络，在每一时间步t，对图结构执行图卷积操作，聚合相邻关节的信息，经过2层图卷积网络，实现误差沿运动学链的空间传播建模；

15、在空间图卷积的基础上，引入时序建模模块。将每个关节在连续时间窗口t内的隐状态序列输入双向长短期记忆网络，捕获误差沿时间轴的传播和累积效应；

16、将图卷积的输出和双向长短期记忆网络的时序输出通过交叉注意力机制融合，生成统一的时空特征表示，融合后的特征输入全连接回归网络，输出末端激光光斑的位置偏差和姿态偏差。

17、进一步的，在应用于工业机器人的激光对准和校正的方法中，利用所述时空混合图卷积网络输出预设时间之内预测的位置偏差和姿态偏差，具体为：

18、所述时空混合图卷积网络训练完成后，输入预设时间之内的多源误差数据信息到时空混合图卷积网络中；

19、利用所述时空混合图卷积网络输出预设时间之内预测的位置偏差和姿态偏差，并采用图神经网络的知识蒸馏技术，将训练好的模型蒸馏为轻量级学生网络，部署至边缘计算节点。

20、进一步的，在应用于工业机器人的激光对准和校正的方法中，构建高保真数字孪生模型，利用所述预测的位置偏差和姿态偏差在数字孪生环境中进行路径校正、激光参数校正以及焦点位置校正，具体为：

21、在虚拟引擎unity3d或unreal engine中构建工业机器人、激光加工头和工件的三维数字孪生模型，模型包括：机器人运动学模型、激光光路模型、工件几何模以及物理场模型；

22、通过opc ua通信协议，以不低于预设阈值的频率实时采集物理世界中机器人的关节角度、激光器功率、环境温度、工件表面温度数据；

23、将实时数据同步映射到数字孪生模型中，驱动虚拟机器人、虚拟激光和虚拟工件产生与物理世界同步的运动和状态变化，将所述预测的位置偏差和姿态偏差输入到数字孪生环境中；

24、通过贝塞尔曲线对机器人运动路径进行平滑路径修正，通过调节聚焦透镜位置实现光斑大小的动态调整焦点位置。

25、进一步的，在应用于工业机器人的激光对准和校正的方法中，利用高保真数字孪生模型中的温度场仿真结果动态调整激光功率和光斑直径，并利用pid进行控制，具体包括：

26、结合高保真数字孪生模型中的温度场仿真数据计算工业机器人在工作过中的加工区域温度与设定温度之间的差值，并获取实时的功率信息、激光功率和光斑直径数据；

27、构建pid控制规律，根据所述pid控制规律结合所述工业机器人在工作过中的加工区域温度与设定温度之间的差值、实时的功率信息、激光功率和光斑直径数据对激光功率和光斑直径进行动态调整。

28、本发明第二方面提供了应用于工业机器人的激光对准和校正的系统，包括存储器以及处理器，所述存储器中包括应用于工业机器人的激光对准和校正方法程序，所述应用于工业机器人的激光对准和校正方法程序被所述处理器执行时，实现任一项所述的应用于工业机器人的激光对准和校正方法的步骤。

29、本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：

30、本方案通过图神经网络显式建模机器人运动学链的空间依赖关系和误差时序传播特性，更准确地捕获了多关节误差的耦合与传播规律。使得复杂多轴轨迹下的定位误差可降低60%以上。而且本方案通过联合误差传播深度神经网络，实现了对工业机器人激光对准非线性残余误差的端到端建模和在线实时补偿。相比传统基于运动学模型的标定方法，本方案无需访问机器人控制器内部参数，具有更好的通用性和可部署性。

1.应用于工业机器人的激光对准和校正的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的应用于工业机器人的激光对准和校正的方法，其特征在于，采集多源误差数据信息，并根据所述多源误差数据信息构建误差传播误差链，构建输入数据，具体为：

3.根据权利要求1所述的应用于工业机器人的激光对准和校正的方法，其特征在于，构建时空混合图卷积网络，并利用时空混合图卷积网络对输入数据进行训练，具体为：

4.根据权利要求1所述的应用于工业机器人的激光对准和校正的方法，其特征在于，利用所述时空混合图卷积网络输出预设时间之内预测的位置偏差和姿态偏差，具体为：

5.根据权利要求1所述的应用于工业机器人的激光对准和校正的方法，其特征在于，构建高保真数字孪生模型，利用所述预测的位置偏差和姿态偏差在数字孪生环境中进行路径校正、激光参数校正以及焦点位置校正，具体为：

6.根据权利要求1所述的应用于工业机器人的激光对准和校正的方法，其特征在于，利用高保真数字孪生模型中的温度场仿真结果动态调整激光功率和光斑直径，并利用pid进行控制，具体包括：

7.应用于工业机器人的激光对准和校正的系统，其特征在于，包括存储器以及处理器，所述存储器中包括应用于工业机器人的激光对准和校正方法程序，所述应用于工业机器人的激光对准和校正方法程序被所述处理器执行时，实现如权利要求1-6任一项所述的应用于工业机器人的激光对准和校正方法的步骤。