文献阅读_基于双深度神经网络的轮廓线误差补偿策略研究_机械工程学报
作者：互联网
工程问题：在复杂曲面类零件的加工中，对五轴数控机床的加工精度要求高。
科学问题：加工精度通常由轮廓误差指标来衡量，然而传统误差降低策略（轮廓误差线估计和控制器设计）比较复杂。
解决方法：针对机床的输入指令和输出末端位姿的描述数据，提出基于数据驱动的轮廓误差补偿策略。并针对机床的刀具位姿和刀轴方向分别搭建位姿和方向的两个深度神经网络，搭建了基于参考输入的误差预测系统。
相关背景：利用迭代学习算法在线更新系统参考输入指令实现特定任务的高精度跟踪；将高斯过程用于手术机器人的精准控制；深度神经网络用于飞行器和四旋翼的动力学模型学习。
实现方法：
首先，采集各伺服轴的输入驱动指令和机床的输出位姿；
然后，针对刀具位姿和刀轴方向分别搭建深度神经网络，并基于数据训练的神经网络预测新的参考输入指令；
最后，新的参考输入指令发送给控制器用于实际跟踪控制。
其中，在网络模型的设计方面，作者针对刀具位姿和刀轴方向搭建基于数据驱动的神经网络（轮廓误差与期望轨迹的形状和刀具路径有关，与期望轨迹的运动无关）
1、以刀具路径实际位姿为网络输入，五轴驱动指令为网络目标任务搭建全连接前馈神经网络DNN1；
2、针对末端方向与旋转轴间的关系，单独搭建以实际刀轴方向为网络输入，旋转轴驱动指令为网络目标任务的全连接前馈神经网络DNN2.
总结与思考：
该方案适用于任意轴数的机床运动系统，同时也适用于机器人的控制系统。然而该文章只是将传统的数学模型通过深度神经网络来实现，对于大多数的PID控制系统均有一定的适用性。
作者采用串联两段式DNN来进行训练，然而实际上这两个网络的最终目标是有一定联系的，可以考虑将两个网络合并训练，是否会进一步降低误差。
weixin_43362417
发布了2 篇原创文章 · 获赞 0 · 访问量 57
私信
关注
标签：误差,工程学,神经网络,指令,轮廓线,位姿,输入,搭建 来源： https://blog.csdn.net/weixin_43362417/article/details/104471667