基于SSA-BP算法的锚护机器人误差补偿研究_史光亮.pdf

第 卷第期 年月中国矿业 ，收稿日期：责任编辑：边晶莹基金项目：国家重点研发计划资助（编号：）；山西省攻关专项资助（编号：）；天地科技股份有限公司重点项目资助（编号：）；山西天地煤机装备有限公司青年项目资助（编号：）第一作者简介：史光亮（），男，河南汤阴人，中级工程师，主要从事煤机自动化研究，：。通讯作者简介：马祺杰（），男，山西太原人，硕士，实习研究员，主要从事机械自动化、运动学控制研究，：。引用格式：史光亮，马祺杰，王海燕，等基于 算法的锚护机器人误差补偿研究中国矿业，（）：，（）：文章编号：（）：基于 算法的锚护机器人误差补偿研究史光亮，马祺杰，王海燕，张宁波，李波（中煤华晋集团有限公司王家岭矿，山西 运城 ；中国煤炭科工集团太原研究院有限公司，山西 太原 ；山西天地煤机装备有限公司，山西 太原 ；中煤（天津）地下工程智能研究院有限公司，天津 ）摘要：生产、装配、碰撞或磨损都会造成锚护机器人末端精度降低，负载工作导致机身变形也会影响末端精度，为降低锚护机器人锚钻误差，高精度完成井下打孔、对孔、支护任务，本文提出了一种由麻雀算法改进 神经网络（算法）的误差补偿方法。首先，利用旋量法搭建误差模型，并采用虚拟样机验证误差模型的正确性；其次，搭建末端位姿误差预测模型，实现对误差的预测和补偿；最后，通过 算法、算法和 算法三种补偿法的对比仿真，证明了 算法的补偿精度更高、稳定性更好。经过试验验证，锚护机器人末端误差可降至 以下，精度提高了。由此可知，算法在锚护机器人误差补偿方面有着优秀的准确性、优越性和可行性，为矿山安全开采提供了高效保障。关键词：锚护机器人；旋量；误差模型；误差补偿；算法中图分类号：文献标识码：，（，；，；，；（），）：，（），第期史光亮，等：基于 算法的锚护机器人误差补偿研究 ，：；引言锚护是矿山开采中的关键性工序之一，锚护机器人更是智慧矿山不可缺少的设备。利用锚护机器人不仅可以减少开采支出、加快支护速度、提高经济效益，还 能 够 通 过 无 人 支 护，提 高 井 下 作 业 安 全性，实现全自动、智能化作业需要超高的精度，因此，作业精度就成为衡量锚护机器人性能的重要指标。生产、装配、碰撞或磨损都会造成锚护机器人末端精度降低，负载工作导致机身变形也会影响末端精度，这就需要进行误差补偿。国内外学者的研究已经获得了一些成果，例如给机器人关节空间直接补偿、引入特有误差因素完善原有误差模型、利用智能算法误差补偿等。目前，各大煤矿使用的仍是掘锚机、运锚机等配套的机载式钻架，该类型钻架存在工作范围有限、不灵活、不能实现全自动锚钻功能等缺陷，边帮则使用手工钻人工支护，远没有达到锚护 机 器 人 的 智 能 化 支 护 水 准。国 外 只 有 集团的掘进凿岩台车和凿岩支护钻机两种设备可以实现多关节活动、自动打孔、铺网、锚杆紧固，但是由于技术保密，无法获得数据。而国内方面，中国煤炭科工集团太原研究院有限公司制造出了两臂智能锚杆钻车，填补了国内锚护机器人的空白。因此，本着省时省力、支出少、安全性高的施工原则，本文在现有研究的基础上提出用麻雀算法改进 神经网络尝试误差补偿，并通过几种算法的相互对比，证明该方法的可行性。误差模型 误差模型的建立根据 定理，可以运动旋量表示刚体运动。设置参考位姿和形态，如图所示。在没有其他误差干扰的情况下，各个关节轴线处产生的平移或者旋转误差都可以误差旋量表示，其在世界坐标系下书写为（），（），.，（）。进一步分解可以发现，这些误差旋量和关节轴线经过旋转、平移或者螺旋运动的结果一致，因此广义上可以把其看作刚体的移动副或者旋转副，由此可得锚护机器人含误差旋量的指数积公式见式（）。（）?（）?（）?（）?（）?（）?（）（）（）根据相关资料可知，大部分末端误差都是由几何参数误差造成的，占总误差的 。由陈杰的误差建模分析可知，旋转角度误差、运动副轴线偏转、偏移误差这三种误差对锚护机器人末端位姿精度影响最大，因此应使用这三种误差因素建立误差模型。为了更加方便地分析计算过程，假设三种误差值分别为 、，各关节添加误差见表。图运动副坐标误差 表关节误差值 误差项关节关节关节关节关节关节（）（）（）（）如果把添加的误差看作旋量运动的结果，则误差经过矩阵变换后可表示为式（）。（.，.，.）（.，）（）由可求得、，进而求误差旋量见式（）。中 国 矿 业第 卷 ；（）（）（）?（）（?）；（）（）根据伴随矩阵的定义可得式（）。（）?（）综上可得完整误差模型公式，见式（）。（）?（）?（）（）（）误差模型的验证在建模软件中搭建带误差的锚护机器人虚拟样机，测量后可知虚拟样机初始位姿和数学工具中计算结果相一致，如图所示。在锚护机器人的工作空间内随机抽取 组关节角向量，（）来验证误差模型的正确性。首先将 组关节角向量依次代入数学工具仿真软件的误差模型计算出对应的锚护机器人末端位置坐标（，），然后将这 组关节角向量依次代入三维模型仿真平台中带误差模型的虚拟样机，求出相应的 组末端位置坐标（，）。通过坐标和计算出两者之间的“相对距离”，以两坐标点之间的相对距离作为两坐标点之间的误差值，计算结果见表。由表可知，软件计算和虚拟样机仿真的结果基本一致，因为软件的数值运算存在精度限制，因此表中产生的 的误差为合理误差，可忽略不计，本文提出的误差建模方法的正确性得到了验证。图初始位形测量图 表末端位置对比表 关节角（），计算坐标点，仿真坐标点位置误差 ，（，）（，），（，）（，），（，）（，），（，）（，），（，）（，），（，）（，），（，）（，），（，）（，）第期史光亮，等：基于 算法的锚护机器人误差补偿研究续表关节角（），计算坐标点，仿真坐标点位置误差 ，（，）（，），（，）（，）基于 神经网络误差补偿法 麻雀算法麻雀算法就是模拟麻雀觅食过程从而获得优化问题的解，群集用矩阵见式（）。，（）式中：为规模数；（，）；为变量维数。适应度计算公式见式（）。（），（），（）（）（），（），（）（）式中，为适应度值。位置更新公式见式（）。（），（）式中：为现阶段重复反馈次数；为全局重复反馈次数；为（，随机数；为标准正态分布数；为的矩阵，矩阵元素均为；为危险值；为安全值。位置更新公式见式（）。（），（，），（）式中：为当前最差位置；为当前最优位置；为适应度低的加入者。预警者占全体的 ，位置更新见式（）。（），（），（）式中：为满足数组平均数等于且与平均数之差平方和的平均数等于的常态分布；为在到范围内的任意数，可以用来表示粒子运动方向；、分别为当前个体适应度值、当前全局最优值和当前全局最差值。算法误差补偿原理使用麻雀算法的适应度值更新 神经网络的权值和阈值。由于预警和惩罚机制的存在，不但加快了 模型的收敛速度，还避免了过早收敛，解决了局部最优的问题。通过计算麻雀适应度值来更新 神经网络权重和阈值，把更新后的权数和临界值代入 模型，将理论模型中的关节角和带误差的实际关节角分别作为导入和导出让 神经网络自我学习。给定一组关节角度，将其代入误差模型中求得实际位姿，然后将代入不含误差的逆运动学模型中求得理论关节角，最后把理论关节角和实际角作为 神经网络反向学习的导入和导出。神经网络训练模式如图所示。直接使用和这两组关节角训练神经网络的优势为当给定关节角理论值后神经网络会直接预测出关节角实际值，既省略了求关节角补偿角的步骤，又补偿了锚护机器人的误差，简化了计算过程，减小了补偿后的误差值，神经网络学习的过程如图所示。图 神经网络训练图 图 神经网络学习过程 中 国 矿 业第 卷锚护机器人误差补偿仿真与实验 仿真结果与分析首先使用数学工具进行仿真测试，在关节空间随机选 组关节角训练 神经网络，测试后得到最佳结构参数；接着输入输出层的节点数取，隐含层的节点数取，进行 次迭代，学习效率设为，目标误差设为。补偿模型的训练情况如图所示。由图可知，使用训练好的 补偿模型补偿后个关节角误差下降到 。图 训练图 图 误差补偿预测图 为体现本文补偿方法的准确性和优越性，选择两种模型与其进行对比，分别选择 神经网络补偿法和粒子群算法改进 神经网络补偿法（）。使用 神经网络补偿法和 神经网络补偿法进行误差补，补偿后各关节角预测误差如图和图所示。最后使用这三种方法直接对末端的位置误差和姿态误差进行补偿仿真，补偿结果如图所示。由图图可知，用优化算法改进后的 神经网络进行误差补偿效果更好，且相对于粒子群优化算法，麻雀优化算法改进后的 神经网络补偿效果更好，补偿后末端位置误差减小到 之内，姿 态 误 差 减 小 到 之 内。精 度 提 高 了图 误差补偿预测图 图 误差补偿预测图 ，证明了 算法在误差补偿应用中的准确性和可行性。第期史光亮，等：基于 算法的锚护机器人误差补偿研究图位姿误差对比图 试验验证与分析搭建如图 所示的试验平台对 神经网络误差补偿方法进行试验验证。其中，试验所用载体为 煤矿用全自动两臂智能锚护机器人，其自身带有传感器、编码器等高精度定位测量装置，可以精确地实时监测各个关节角和末端坐标。以左臂第一个关节点中心为世界坐标系原点，以左钻架顶点作为末端执行器点建立运动学模型，运用如图 所示的示教平台进行试验运算。图 试验平台 在锚护机器人工作空间内取 组关节角，先用示教平台求出锚护机器人末端的位姿的原误差见表。然后带入 神经网络误差补偿法，求出补偿后的锚护机器人末端位姿误差值，结果见表。通过表和表中的数据可知，在 神经网络补偿法的作用下锚护机器人末端的姿态误差从 下降到 以下，位置误差由 降到了 附近，显著提高了末端精度。图 示教平台 表原始位姿误差表 姿态误差（）位置误差 中 国 矿 业第 卷表 补偿后位姿误差 姿态误差（）位置误差 综上所述，无论是锚护机器人终端位置还是锚护机器人终端姿态，优化后的补偿模型补偿效果更好，而且麻雀算法比粒子群算法优化的效果更好，即三种补偿模型中 的补偿效果最好。结语为了提高锚护机器人井下支护时的锚钻精度，本文使用更加贴合实际物理意义的旋量法建立误差模型。根据麻雀算法收敛速度快、全局寻优能力强、不会陷入局部最优的特点使用 神经网络进行在线实时误差补偿。通过虚拟样机和对比仿真证明了 算法在误差补偿应用中的准确性和精确性。最通过试验验证，证明了 神经网络误差补偿法的实用性和可行性。参考文献高永军智慧之路，聚势而强：中国大唐国源矿业智慧矿山建设纪实中国煤炭工业，（）：，：，（）：于熙坤 型液压锚杆钻车中支撑架的结构性能及改进研究机械管理开发，（）：，（）：白云飞，丛明，杨小磊，等基于参数模型的 串联机器人运动学参数辨识机器人，（）：，（）：应再恩，李正洋，平雪良，等 基于双目视觉动态跟踪的机器人标定计算机应用研究，（）：，（）：南倩，张秦艳，李金泉，等工业机器人的局部标定现代电子技术，（）：，（）：于靖军，刘辛军，丁希仑机器人机构学的数学基础北京：机械工业出社，黄勇刚，杜力，黄茂林基于旋量理论的机器人误差建模方法 哈尔滨工业大学学报，（）：，（）：，（）：陈杰串联机器人的误差分析及补偿方法研究大连：大连理工大学，杨加超，李光，章晓峰，等 一种基于旋量理论的机器人关节结构误差对其精度影响的分析方法湖南工业大学学报，（）：，（）：，：，：，李冠琦，武建德，李瑞琴 基于旋量理论的自由度机械臂运动学建模与分析机械制造与自动化，（）：，（）：，：，（）：薛建凯 一种新型的群智能优化技术的研究与应用 上海：东华大学，（）：孙全，孙渊基于麻雀搜索算法的 神经网络优化技术上海电机学院学报，（）：，（）：王小川，史峰，郁磊，等 神经网络 个案例分析北京：北京航空航天大学出版社，