Aufgrund der Schwierigkeiten, nicht-geometrische Fehler bei herkömmlichen geometrischen Kalibrierungsmethoden für Mehrfreiheitsgrad-Roboterarme zu kompensieren, sowie der schlechten physikalischen Interpretierbarkeit rein datengetriebener Black-Box-Modelle und deren Anfälligkeit für Gradientenwettbewerb in multidimensionalen heterogenen Fehlerfeldern, schlagen wir eine Absolutgenauigkeitskalibrierungsmethode vor, die physikalische A-priori-Wissen mit einem progressiven entkoppelnden Residuennetz kombiniert. Zunächst wird ein differenzierbares graues kinematisches Modell auf Basis von DH-Parametern als explizites physikalisches Skelett zur Berechnung der Referenztheorie-Position aufgebaut. Zweitens werden hochdimensionale kombinierte kodierende Merkmale aus Sinus-, Kosinus- und zweiter Ordnung Faktorial-Produkten eingeführt, um die Darstellung periodischer nichtlinearer Fehler zu verbessern. Anschließend verwendet ein zweigleisiges Residuennetz unabhängige Vorhersagen für Positions- und Orientierungsfehler, und eine differenzierbare SVD-Orthogonalisierungsschicht wird entworfen, um geometrische SO(3)-Mannigfaltigkeitsbeschränkungen strikt einzuhalten. Schließlich wird eine schrittweise Parameter-Einfrierungs-Trainingsstrategie vorgeschlagen, die mechanisch Optimierungskonflikte aufgrund unterschiedlicher Dimensionen von Position und Orientierung löst. Experimentelle Ergebnisse zeigen, dass die Methode den durchschnittlichen Positionsfehler des Staubli TX2-90L von 0,377 mm auf 0,047 mm reduziert; im Vergleich zu SVR- und BP-Algorithmen verbesserte sich die Positionierungsgenauigkeit um 26,3 % bzw. 49,9 %. Die Methode kombiniert hohe Genauigkeit mit Erklärbarkeit und hat einen guten Ingenieurwert in Bereichen wie der in-situ biologischen 3D-Druckanwendung.

Mehrfreiheitsgrad-Roboterarm;Kinematische Kalibrierung;Nicht-geometrische Fehler;Residuennetz