本研究评估了大型工业机器人的运动精度及其补偿方法，并基于三维计算机辅助设计数据构建了离线操作。在本实验中，我们使用激光跟踪器测量机器人末端执行器的坐标。同时，末端执行器协调测量每个关节的角度、连接到每个关节的电机的最大电流和每个关节的转速。该伺服信息被转换为可视信息的图像数据。对于每个机器人运动路径，创建一个图像；水平轴表示机器人的运动时间，垂直轴表示机器人的运动时间反馈伺服信息。采用深度学习的卷积神经网络（CNN）对定位误差进行高精度预测。随后，为了识别定位误差的特征，将图像划分为几个分析区域，其中一个区域填充了各种颜色，并由CNN进行分析。如果CNN的预测精度降低，则分析区域将被识别为特征。因此，在刚开始运动、旋转关节电流过冲和旋转关节电流变化后，在相反方向上设定每个关节角度时，观察Y轴定位误差的特征。