The robotic articulated arm coordinate measuring machine (RAACMM) is a special robotic structural measuring instrument used to perform industrial field inspection. The accuracy of a RAACMM in different poses presents certain characteristics due to the influence of various dynamic factors. However, the existing error compensation model of the RAACMM cannot include dynamic factors, which imposes certain limits on improving the accuracy of the RAACMM. In this article, a residual correction method for the RAACMM based on a radial basis function neural network (RBFNN) is proposed to compensate the dynamic factors and improve the accuracy of the RAACMM. Firstly, the influence of the pose configuration of the RAACMM on the residual error of the probe is analyzed. The periodic characteristics of the residual error are obtained based on the analysis results. Secondly, a relationship model between the residual errors and the structural parameters is established in the cylindrical coordinate system. Then, a residual correction model based on the single point repeatability and RBFNN is proposed to further enhance the accuracy of the RAACMM. The probe of the RAACMM is constrained with a cone-hole gauge to acquire the single point repeatability data. The residual correction model is trained with the data of single point repeatability, and residual errors are calculated via the residual correction model. Experimental results show that the repeatability and measurement accuracy of the RAACMM are all improved after the residual correction, which validates the effectiveness of the residual correction method.

中文翻译：

---

基于径向基函数神经网络的机器人关节臂坐标测量机残差校正

机器人关节臂坐标测量机（RAACMM）是一种用于工业现场检测的专用机器人结构测量仪器。由于各种动态因素的影响，RAACMM在不同姿态下的精度呈现出一定的特点。然而，现有的RAACMM误差补偿模型不能包含动态因素，这对提高RAACMM的精度造成了一定的限制。本文提出了一种基于径向基函数神经网络（RBFNN）的RAACMM残差校正方法，以补偿动态因素，提高RAACMM的精度。首先分析了RAACMM的位姿配置对探针残差的影响。根据分析结果得到残差的周期性特征。其次，在柱坐标系下建立残差与结构参数的关系模型。然后，提出了基于单点重复性和 RBFNN 的残差校正模型，以进一步提高 RAACMM 的精度。RAACMM 的探头受锥孔规约束，以获取单点重复性数据。利用单点重复性数据训练残差修正模型，通过残差修正模型计算残差。实验结果表明，经过残差校正后，RAACMM的重复性和测量精度均有提高，验证了残差校正方法的有效性。其次，在柱坐标系下建立残差与结构参数的关系模型。然后，提出了基于单点重复性和 RBFNN 的残差校正模型，以进一步提高 RAACMM 的精度。RAACMM 的探头受锥孔规约束，以获取单点重复性数据。利用单点重复性数据训练残差修正模型，通过残差修正模型计算残差。实验结果表明，经过残差校正后，RAACMM的重复性和测量精度均有提高，验证了残差校正方法的有效性。其次，在柱坐标系下建立残差与结构参数的关系模型。然后，提出了一种基于单点重复性和 RBFNN 的残差校正模型，以进一步提高 RAACMM 的精度。RAACMM 的探头受锥孔规约束，以获取单点重复性数据。利用单点重复性数据训练残差修正模型，通过残差修正模型计算残差。实验结果表明，经过残差校正后，RAACMM的重复性和测量精度均有提高，验证了残差校正方法的有效性。在柱坐标系下建立残差与结构参数的关系模型。然后，提出了基于单点重复性和 RBFNN 的残差校正模型，以进一步提高 RAACMM 的精度。RAACMM 的探头受锥孔规约束，以获取单点重复性数据。利用单点重复性数据训练残差修正模型，通过残差修正模型计算残差。实验结果表明，经过残差校正后，RAACMM的重复性和测量精度均有提高，验证了残差校正方法的有效性。在柱坐标系下建立残差与结构参数的关系模型。然后，提出了一种基于单点重复性和 RBFNN 的残差校正模型，以进一步提高 RAACMM 的精度。RAACMM 的探头受锥孔规约束，以获取单点重复性数据。利用单点重复性数据训练残差修正模型，通过残差修正模型计算残差。实验结果表明，经过残差校正后，RAACMM的重复性和测量精度均有提高，验证了残差校正方法的有效性。提出了一种基于单点重复性和RBFNN的残差校正模型，以进一步提高RAACMM的精度。RAACMM 的探头受锥孔规约束，以获取单点重复性数据。利用单点重复性数据训练残差修正模型，通过残差修正模型计算残差。实验结果表明，经过残差校正后，RAACMM的重复性和测量精度均有提高，验证了残差校正方法的有效性。提出了一种基于单点重复性和RBFNN的残差校正模型，以进一步提高RAACMM的精度。RAACMM 的探头受锥孔规约束，以获取单点重复性数据。利用单点重复性数据训练残差修正模型，通过残差修正模型计算残差。实验结果表明，经过残差校正后，RAACMM的重复性和测量精度均有提高，验证了残差校正方法的有效性。利用单点重复性数据训练残差修正模型，通过残差修正模型计算残差。实验结果表明，经过残差校正后，RAACMM的重复性和测量精度均有提高，验证了残差校正方法的有效性。利用单点重复性数据训练残差修正模型，通过残差修正模型计算残差。实验结果表明，经过残差校正后，RAACMM的重复性和测量精度均有提高，验证了残差校正方法的有效性。