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。