1.一种神经网络迭代补偿的工业机器人轨迹跟踪系统，其特征在于：包括工业机器人(2)、测量设备(3)和轨迹跟踪系统(1)，轨迹跟踪系统(1)分别和工业机器人(2)、测量设备(3)连接，工业机器人(2)和测量设备(3)连接，工业机器人(2)、测量设备(3)和轨迹跟踪系统(1)共同构建闭环的工业机器人运动轨迹跟踪系统；工业机器人(2)末端法兰上安装有与测量设备配套的随动靶球；

所述的轨迹跟踪系统(1)包括轨迹规划模块(4)、逆解补偿模块(5)、神经网络PID模块(8)、机器人输入接口(11)、机器人输出接口(12)、测量控制模块(13)、测量输入接口(14)、测量输出接口(15)和误差分析模块(16)；轨迹规划模块(4)依次经逆解补偿模块(5)、神经网络PID模块(8)、机器人输入接口(11)和工业机器人(2)的输入端连接，工业机器人(2)的输出端经机器人输出接口(12)和PID控制模块(10)连接；轨迹规划模块(4)和误差分析模块(16)连接，误差分析模块(16)经测量输出接口(15)和测量设备(3)的输出端连接，测量控制模块(13)经测量输入接口(14)和测量设备(3)的输入端连接；

在轨迹跟踪系统中，轨迹规划模块(4)分别与逆解补偿模块(5)和误差分析模块(16)互联，逆解补偿模块(5)包括相互连接的BP神经网络逆解模块(6)和神经网络迭代补偿模块(7)，轨迹规划模块(4)生成期望运动轨迹并传输给逆解补偿模块(5)中BP神经网络逆解模块(6)，BP神经网络逆解模块(6)进行末端位姿和关节角的转换后将结果发送到神经网络迭代补偿模块(7)，神经网络迭代补偿模块(7)根据关节角结果补偿反馈到末端位姿进行修正；最终由BP神经网络逆解模块(6)输出最后的关节角结果到神经网络PID模块(8)；神经网络PID模块(8)包括改进BP神经网络模块(9)和PID控制模块(10)，改进BP神经网络模块(9)连接至PID控制模块(10)，通过PID控制模块(10)对BP神经网络逆解模块(6)发送过来的关节角结果和测量设备(3)发送过来的实际关节角数据进行分析反馈控制，通过改进BP神经网络模块(9)对PID控制模块(10)内的控制参数进行改进调整优化。

2.根据权利要求1所述的一种神经网络迭代补偿的工业机器人轨迹跟踪系统，其特征在于：所述改进BP神经网络模块(9)为改进Sigmoid激活函数的BP神经网络模块。

3.根据权利要求1所述的一种神经网络迭代补偿的工业机器人轨迹跟踪系统，其特征在于：所述测量设备(3)为激光跟踪仪，测量设备(3)测量工业机器人(2)末端位姿采用的组件为随动靶球，随动靶球固定在工业机器人(2)末端的法兰上。

4.根据权利要求1所述的一种神经网络迭代补偿的工业机器人轨迹跟踪系统，其特征在于：所述工业机器人(2)为串联型机械臂类机器人。

5.应用于权利要求1‑4任一所述系统的一种神经网络迭代补偿的工业机器人轨迹跟踪方法，其特征在于：方法具体为：

步骤一，

轨迹跟踪系统(1)中的轨迹规划模块(4)在笛卡尔空间下规划生成工业机器人(2)的期望运动轨迹，期望运动轨迹通过逆解补偿模块(5)中的BP神经网络逆解模块(6)将末端执行器的位置、速度、加速度映射到关节空间并解算出工业机器人(2)各个关节的误差，再通过神经网络迭代补偿模块(7)将各个关节误差迭代补偿至达到工业机器人(2)控制精度的范围内；然后逆解补偿模块(5)向神经网络PID模块(8)输出期望关节数据；

步骤二，

工业机器人(2)通过机器人输出接口(12)向神经网络PID模块(8)输出关节的实际关节数据，神经网络PID模块(8)接收逆解补偿模块(5)输出的期望关节数据和机器人输出接口(12)输出的实际关节数据，神经网络PID模块(8)对期望关节数据和实际关节数据进行分析处理获得偏差，将偏差的比例系数kP、积分系数kI、微分系数kD三个参数通过线性组合的方式对其进行控制，使得偏差越来越小，直至趋于零；神经网络PID模块(8)最终输出关节角控制率，通过机器人输入接口(11)控制工业机器人(2)末端沿着期望运动轨迹运动；

步骤三，测量控制模块(13)通过测量输入接口(14)控制测量设备(3)跟踪并测量工业机器人(2)的末端实际轨迹数据，并通过测量输出接口(15)传输至误差分析模块(16)；误差分析模块(16)对来自轨迹规划模块(4)的期望运动轨迹和来自测量设备(3)的末端实际轨迹数据进行比较分析处理，获得轨迹跟踪精度。

6.根据权利要求5所述系统的一种神经网络迭代补偿的工业机器人轨迹跟踪方法，其特征在于：

所述步骤一中，逆解补偿模块(5)由BP神经网络逆解模块(6)和神经网络迭代补偿模块(7)组成；

BP神经网络逆解模块(6)采用6输入多输出的网络，6输入的输入数据是工业机器人(2)六维末端位姿数据，多输出的输出数据是工业机器人(2)的六维关节角数据；6输入数据用矩阵表示为[x,y,z,r,p,γ]，其中x,y,z表示机器人末端的三维坐标位置，r,p,γ表示机器人末端的第一姿态参数、第二姿态参数、第三姿态参数；多输出数据用矩阵表示为[θ1,～,θn]，其中θn表示机器人的第n个关节角，n表示关节角的总数，n＝1,2,...,6；神经网络迭代补偿模块(7)进行关节角到末端实际位姿的正解操作，然后分析判断，进而补偿获得新的末端目标位姿反馈回到BP神经网络逆解模块(6)。

7.根据权利要求5所述系统的一种神经网络迭代补偿的工业机器人轨迹跟踪方法，其特征在于：

所述的BP神经网络逆解模块(6)与神经网络迭代补偿模块(7)相连，逆解补偿模块(5)通过BP神经网络逆解模块(6)与神经网络迭代补偿模块(7)迭代配合，进行多次BP神经网络逆解和运动学正解分别计算出关节误差和末端位姿误差矩阵，并通过末端位姿误差矩阵进行迭代补偿直至关节误差满足预先设定的误差阈值，具体过程如下：首先输入工业机器人(2)的末端目标位姿Tj，j表示第j次输入目标位姿，通过BP神经网络逆解模块(6)进行BP神经网络逆解得到期望关节角θj，神经网络迭代补偿模块(7)中根据期望关节角θj求出包含误差的工业机器人(2)的末端实际位姿T’j，再将末端实际位姿T’j通过BP神经网络逆解得到新期望关节角θj+1，计算出关节误差：ΔE＝θj+1‑θj

其中，ΔE表示机器人关节误差，θj+1表示第j+1次逆解得到的期望关节角，θj表示第j次逆解得到的期望关节角；

判断关节误差ΔE是否满足预先设置的误差阈值要求，如果满足要求，输出BP神经网络逆解的新期望关节角θj+1，结束迭代；如果不满足要求，计算出工业机器人(2)的末端位姿误差矩阵：

其中，ΔT表示末端位姿误差矩阵，T’j表示机器人末端实际位姿矩阵，Tj表示机器人末端目标位姿；

继续迭代补偿直到误差满足要求，利用末端位姿误差矩阵计算新的末端目标位姿Tj+1如下：

Tj+1＝TjΔT

其中，Tj+1表示工业机器人(2)的新的末端目标位姿，Tj表示机器人末端目标位姿，ΔT表示机器人末端位姿误差矩阵；

然后神经网络迭代补偿模块(7)将新的末端目标位姿Tj+1返回到BP神经网络逆解模块(6)进行BP神经网络逆解，如此按照上述全部的具体过程循环，使得机器人的关节角不断减小误差，直至获得满足误差阈值要求的关节误差ΔE则停止计算，最后迭代获得的期望关节角θj+1由BP神经网络逆解模块(6)输出。

8.根据权利要求5所述系统的一种神经网络迭代补偿的工业机器人轨迹跟踪方法，其特征在于：所述步骤二中，神经网络PID模块(8)由PID控制模块(10)和改进BP神经网络模块(9)构成；

PID控制模块(10)中采用以下公式进行增量式PID系统控制：uzs(t)＝uzs(t‑1)‑kPcP‑kIcI+kDcD其中，uzs(t)表示t时刻的增量式PID系统控制率；

同时改进BP神经网络模块(9)利用BP神经网络来调整优化PID控制模块(10)中的PID参数，PID参数包含了调节比例系数kP、积分系数kI和微分系数kD，cP表示比例系数kP的网络偏差，cI为积分系数ki的网络偏差，cD为微分系数kD的网络偏差。

9.根据权利要求7所述系统的一种神经网络迭代补偿的工业机器人轨迹跟踪方法，其特征在于：所述的改进BP神经网络模块(9)中，具有BP神经网络，BP神经网络包含输入层、隐含层和输出层，隐含层神经元个数设置时，输出层的三个输出神经元分别对应PID控制器的三个可调参数比例系数kP、积分系数kI、微分系数kD，隐含层的神经元个数m由以下公式计算设置：

其中，n为输入层神经元个数，o为输出层神经元个数，l为[1,10]之间常数；

并且设置改进的Sigmoid激活函数gimp(x)：其中，α为比例因子，取值范围为(0,1)；β为位移因子，取值范围为(‑1,1)；

采用以上BP神经网络的隐含层神经元个数设置和改进的Sigmoid激活函数来优化系统PID参数，分别用输出层的输出对增量式PID系统控制率求偏导，分别得到神经网络PID控制的三个可调的PID参数——比例系数kP、积分系数kI、微分系数kD的网络偏差：其中，cP表示比例系数kP的网络偏差，cI为积分系数ki的网络偏差，cD为微分系数kD的网络偏差， 为输出层的三个输出参数，w表示第一参数，第二参数，第三参数，w＝1,2,3；e(t)表示时刻t下期望关节角与实际关节角之间的偏差。