一种基于数字孪生的工业机器人位姿误差补偿方法及系统与流程

本发明涉及工业机器人控制，尤其是涉及一种基于数字孪生的工业机器人位姿误差补偿方法及系统。

背景技术：

1、目前工业机器人作为自动化生产线上的核心装备，广泛应用于焊接、装配、搬运等精密作业场景。其末端执行器的位姿精度，即在工作空间中到达指定位置和姿态的准确程度，是衡量机器人性能的关键指标，直接影响着最终产品的加工质量与生产效率。因此，对工业机器人进行位姿误差补偿，是提升其应用价值和市场竞争力的重要技术手段。

2、相关技术中，公告号为cn114260893b的中国发明专利公开了一种工业机器人装配拾放过程数字孪生模型构建方法，包括：构建工业机器人数字孪生虚拟模型；规约数据交互指令，实现工业机器人数字孪生虚拟模型与工业机器人的数据交互，完成实际装配工作；采集各数据交互指令下工业机器人的动作，构建工业机器人装配拾放过程数字孪生模型，模拟装配过程。本发明构建工业机器人装配拾放过程数字孪生虚拟模型，可用于模拟真实工业机器人装配过程。

3、然而，上述中的相关技术中通过三维建模构建机器人虚拟模型并实现数据交互，但该模型仅含几何参数，未涉及关节柔性、传动间隙等物理特性表征，无法反映受力形变影响；数据交互仅限于角度和位置指令，未融合力矩传感和末端实测位姿等实时物理状态；同时缺乏误差辨识与参数校准机制，模型初始后固定不变，应用局限于离线仿真，未建立误差补偿闭环，也不具备在线更新能力，难以适应长期运行导致的特性漂移。

技术实现思路

1、为解决上述问题，本发明提供了一种基于数字孪生的工业机器人位姿误差补偿方法及系统，采用高保真数字孪生模型与时空误差补偿网络相结合的方式，能够实现对机器人动态误差的自适应、高精度在线补偿。

2、上述目标可以通过如下方案实现：

3、一种基于数字孪生的工业机器人位姿误差补偿方法及系统，包括获取工业机器人在运行过程中的关节角度序列、关节力矩序列，以及末端执行器的实测位姿数据，生成实时物理状态信息；将所述实时物理状态信息输入至预先构建的所述工业机器人的数字孪生模型中，驱动所述数字孪生模型进行同步仿真，生成仿真末端位姿信息；计算所述实测位姿数据与所述仿真末端位姿信息之间的位姿偏差特征，生成位姿残差特征张量；将所述位姿残差特征张量与所述实时物理状态信息中的关节角度序列、关节力矩序列进行融合，形成时空输入张量，将所述时空输入张量输入至预先训练的时空误差补偿网络，生成关节补偿增量序列；利用所述关节补偿增量序列对所述工业机器人的原始关节位置指令序列进行修正，得到补偿后运动控制指令，驱动机器人进行运动。

4、可选地，所述生成实时物理状态信息包括：采集各个关节电机的编码器脉冲信号，解算得到关节角度序列；采集各个关节的力矩传感器模拟信号，转换为关节力矩序列；通过外部位姿测量装置获取末端执行器在基准坐标系下的实测位姿数据；对所述关节角度序列、所述关节力矩序列和所述实测位姿数据进行时间同步对齐处理，生成带有统一时间戳的实时物理状态信息。

5、可选地，所述生成仿真末端位姿信息包括：构建数字孪生模型，将所述实时物理状态信息中的关节角度序列输入所述数字孪生模型的正运动学链，求解得到初始末端位姿；利用所述实时物理状态信息中的关节力矩序列与所述数字孪生模型内置的关节柔性模型，计算每个关节由力矩引起的关节形变量；将所述关节形变量与对应的所述关节角度序列进行叠加，获得修正后的仿真关节状态，并驱动所述数字孪生模型再次通过正运动学解算，输出仿真末端位姿信息。

6、可选地，所述构建数字孪生模型包括：获取所述工业机器人的结构尺寸参数和运动学几何模型，建立表征理想运动学关系的理想数字体；获取所述工业机器人在不同负载工况下的实测关节运动轨迹及对应的末端位姿记录，辨识关节柔性系数和传动间隙分布，形成误差补偿参数集；将所述误差补偿参数集整合至所述理想数字体，进行模型参数融合与动态特性注入，得到数字孪生模型。

7、可选地，所述生成位姿残差特征张量包括：从所述实测位姿数据中提取末端位置坐标，与所述仿真末端位姿信息中的仿真位置坐标进行差分，得到位置残差向量；从所述实测位姿数据中提取末端姿态表示，与所述仿真末端位姿信息中的仿真姿态表示进行姿态误差运算，得到姿态残差向量；将所述位置残差向量与所述姿态残差向量进行拼接，生成位姿残差特征张量。

8、可选地，所述生成关节补偿增量序列包括：对所述位姿残差特征张量、所述关节力矩序列、所述关节角度序列进行标准化处理，获得归一化残差特征、归一化力矩序列和归一化角度序列；将所述归一化残差特征、所述归一化力矩序列和所述归一化角度序列在特征维度上进行拼接，形成多通道联合特征序列；为所述多通道联合特征序列附加关节编号信息和时间戳编码，形成时空输入张量；将所述时空输入张量输入所述时空误差补偿网络，生成关节补偿增量序列。

9、可选地，所述将所述时空输入张量输入所述时空误差补偿网络包括：所述时空误差补偿网络为时空图神经网络，其内部包含空间图卷积层、时序门控循环单元层和全连接输出层；所述空间图卷积层以各关节为节点，以关节间传动链关系构造邻接矩阵，对所输入的所述时空输入张量进行相邻关节间的特征聚合，输出空间聚合特征；所述时序门控循环单元层接收所述空间聚合特征的时间序列，捕获误差特征在时间维度上的演变规律，生成隐含状态序列；所述全连接输出层将所述隐含状态序列映射为对应每个关节的修正增量值，按时间索引组合为关节补偿增量序列。

10、可选地，所述得到补偿后运动控制指令包括：将所述关节补偿增量序列按照时间标签与所述原始关节位置指令序列进行逐点对齐，得到对齐后的关节补偿增量序列；将所述对齐后的关节补偿增量序列与所述原始关节位置指令序列进行对应关节的数值叠加，生成补偿后关节位置指令；对所述补偿后关节位置指令施加关节速度约束和关节加速度约束的平滑滤波，得到补偿后运动控制指令。

11、可选地，所述方法还包括：在补偿控制执行期间，将所述实时物理状态信息、所述位姿残差特征张量以及所述关节补偿增量序列组合为训练样本，存入历史样本库；当所述历史样本库中的新增样本数量或位姿残差的统计指标达到预设更新阈值时，触发在线学习过程；利用所述历史样本库中的样本对所述时空误差补偿网络进行增量训练，更新所述时空误差补偿网络的网络权重参数，得到适配当前工况特性的补偿模型。

12、基于相同的发明构思，本发明还提供了一种基于数字孪生的工业机器人位姿误差补偿系统，所述系统包括：信号位姿采集模块，用于获取工业机器人在运行过程中的关节角度序列、关节力矩序列，以及末端执行器的实测位姿数据，生成实时物理状态信息；孪生同步仿真模块，用于将所述实时物理状态信息输入至预先构建的所述工业机器人的数字孪生模型中，驱动所述数字孪生模型进行同步仿真，生成仿真末端位姿信息；残差张量生成模块，用于计算所述实测位姿数据与所述仿真末端位姿信息之间的位姿偏差特征，生成位姿残差特征张量；时空补偿预测模块，用于将所述位姿残差特征张量与所述实时物理状态信息中的关节角度序列、关节力矩序列进行融合，形成时空输入张量，将所述时空输入张量输入至预先训练的时空误差补偿网络，生成关节补偿增量序列；指令修正驱动模块，用于利用所述关节补偿增量序列对所述工业机器人的原始关节位置指令序列进行修正，得到补偿后运动控制指令，驱动机器人进行运动。

13、与现有技术相比，本发明具有如下优点：

14、本发明通过构建融合关节柔性与传动间隙物理特性的高保真数字孪生模型，并结合实时采集的关节力矩与末端位姿数据进行同步仿真，使仿真末端位姿能够实时反映负载变化与关节柔性形变引起的动态偏差，为误差补偿提供了与物理实体高度吻合的参考基准，从而提升了工业机器人在动态作业环境下的绝对定位精度。

15、本发明通过设计基于位姿残差统计指标触发的在线增量学习机制，在补偿控制执行期间持续采集实时物理状态信息、位姿残差特征张量和关节补偿增量序列构成训练样本，当残差指标超过预设阈值时自动启动增量训练以更新时空误差补偿网络的权重参数，使补偿模型能够持续适应长期运行中因关节磨损和环境温度漂移等因素导致的工况变化，有效抑制精度衰退并减少停机标定次数。

16、本发明通过构建包含空间图卷积层和时序门控循环单元层的时空误差补偿网络，以各关节为节点并以关节间传动链关系构造邻接矩阵进行空间特征聚合，同时对误差特征在时间维度上的演变规律进行建模，使得网络能够充分捕获多关节协同运动中的耦合依赖关系以及误差随时间的动态演化规律，实现了对传统方法难以处理的非线性耦合误差与时序相关误差的补偿

17、本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。