Resumen

La precisión de posicionamiento de un robot es de gran importancia en los sistemas avanzados de fabricación robótica. Este artículo propone un nuevo método de calibración para mejorar la precisión de posicionamiento del robot. En primer lugar, se identifican los parámetros geométricos sobre la base de la fórmula del producto de exponenciales (POE). Los errores de la relación de reducción y la relación de acoplamiento se identifican al mismo tiempo. Luego, se lleva a cabo la identificación de la rigidez de las articulaciones añadiendo una carga al efector final. Finalmente, los errores residuales causados por parámetros no geométricos son compensados por una red neuronal de perceptrón multicapa (MLPNN) basada en el algoritmo de optimización de enjambre de escarabajos. La calibración se implementa en un manipulador robótico SIASUN SR210D. Los resultados muestran que el método propuesto posee un mejor rendimiento en términos de convergencia más rápida y mayor precisión.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Robot; Precisión de posicionamiento; Método de calibración; Parámetros geométricos; Identificación de rigidez de articulaciones; Red neuronal de perceptrón multicapa
• Keywords:Robot; Positioning accuracy; Calibration method; Geometric parameters; Joint stiffness identification; Multilayer perceptron neural network