基于神经网络的机械臂精度控制方法

本申请公开一种基于神经网络的机械臂精度控制方法，涉及机械臂精度控制领域，包括：S1、构建机械臂系统的多源传感数据采集体系，实时获取关节控制指令、末端轨迹反馈、环境状态及受力数据；S2、构建基于掩码编码器的时间序列预测模型，采用掩码编码器结构处理高维动态误差数据，通过多补丁投影模块自适应划分不同采样频率的时间序列，并引入任意变量注意力机制捕获时序依赖及变量间异质性；S3、采用复合损失函数训练模型；S4、将训练完成的模型输出的机械臂目标位姿误差点估计注入机械臂控制指令，对机械臂的运动轨迹进行实时补偿，驱动机械臂执行高精度运动控制。解决了现有技术中多变量时间序列难以高效准确建模及调度优化不足等问题。