基于机械臂辅助的卫星柔顺装配技术研究

针对卫星大型部件、重载单机装配中位姿调整、接触应力、重力卸载的控制问题,将机械臂辅助装配技术应用到了卫星装配中,提出了一种基于力传感交互控制的机械臂辅助柔顺装配技术。通过力传感器实时采集了机械臂末端作用力,进行了负载重力参数标定,提取了外力/力矩分量;建立了基于外部作用力/力矩控制的装配体位姿柔顺随动算法,对算法的误差识别及控制方法进行了分析;搭建了机械臂辅助柔顺装配系统,在某卫星结构舱板装配、星上单机装配中进行了应用实验。研究结果表明:力/力矩控制范围下限达到10 N/2 Nm,与传统装配方法相比,该技术具有位姿调整柔顺、装配接触应力可控、负载重力承载/卸载精确、适用于狭窄空间等优势。     

多传感器协助机器人精确装配

在传统的机器人装配系统中,工业机器人只能以固定的姿态装配由输送线输送的工件。这种装配系统,由于物料输送系统误差大,很难满足产品高精度装配要求。随着机器人装配技术的发展,提出了多传感器协助机器人自动装配系统方案,它能有效地降低供料供料系统误差。在这种装配方案中,位移传感器依据零件表面特征快速示教机器人确定初始装配位姿。力传感器依据装配过程中测量的力、力矩信息,引导机器人精调装配位姿。最后结合一实例,来验证提出的装配系统的准确性和实用性。     

基于多方向导纳力控制的机器人柔顺装配系统

针对轴孔装配过程中遇到卡阻或楔紧现象导致接触力过大损坏工件的问题,提出一种基于导纳力控制的机器人柔性装配系统。将轴孔装配过程为搜孔阶段和调整插入阶段。首先,搜孔阶段提出一种基于阿基米德螺旋线的搜孔策略。其次,调整插入阶段提出一种基于等效质量–阻尼–弹簧的多维方向的导纳力控制装配方法。最后,选取圆形轴孔开展实际装配实验,结果表明所提出的方法能够实现机器人柔顺插孔,达到了预期效果。     

协作机器人辅助的空间展开机构桁架铰链微重力装配

针对大型空间展开机构桁架铰链装配中重力卸载过程复杂、需手工反复调整、装配精度一致性差的难题，提出一种采用协作机器人辅助的桁架铰链微重力装配方法。首先提出协作机器人辅助的微重力装系统架构和工艺流程；然后利用视觉引导结合四元数有界偏差关节路径规划法，实现桁架铰链的快速自动抓取；构建基于D-H法的机器人运动学模型，并利用牛顿—拉夫森迭代法在线补偿位姿误差，提高机器人在桁架铰链装配中的绝对定位精度；最后构建桁架铰链的重力卸载等效模型，并利用基于内环位置控制的机器人阻抗控制方法，实现桁架铰链的自动平稳重力卸载。实验表明，该方法的位姿精度满足桁架铰链装配要求，并可使桁架铰链以临界阻尼形式进行平稳重力卸载，为大型空间展开机构关键组件高精度装配和重力卸载提供理论依据和技术支持。     

基于模糊控制的机器人柔顺装配研究

机器人进行轴孔装配时,末端初始位姿常存在偏差,如何利用力传感器获取的力信息调整末端位姿非常重要。对轴孔装配的模型进行了分析,建立了装配接触点坐标系,并推导了接触点坐标系到力传感器坐标系的变换,解耦了由力传感器获得的力矩数据。基于解耦的力信息,本文提出了直接调整法调整末端位姿,该方法简单,不需复杂计算,但调整步长单一。针对直接调整法的不足,文中将模糊控制应用于输入输出关系,使调整步长多样化。实验证明了模糊控制的有效性。     

基于过程建模的机器人分阶引导装配方法

针对机器人装配过程难以建立精确的物理模型,导致机器人装配灵活性差、装配成功率低的问题,提出一种基于过程建模的机器人分阶引导装配方法,建立基于装配各阶段的力、力矩、位姿装配过程模型,结合装配状态与机器人执行动作之间的映射,形成机器人装配阶段引导策略.通过在所搭建的KUKA机器人装配平台上进行算法验证表明,装配阶段的识别准确率达到99％以上,分阶引导策略下机器人的装配成功率达到97.2％.     

面向柔顺装配装夹的机器人手腕变刚度机理研究

在柔顺装配装夹过程中,不同工序对机器人手腕刚度要求不同。在刚性定位工序中,大的手腕刚度可保证机器人搬运工件定位到作业位置的精度。在装配装夹工序中,小的手腕刚度可柔顺补偿机器人装配装夹工件的位姿误差。提出了一种大范围变刚度的五自由度手腕,可实现工件的翻转、俯仰、偏转和平移。研究通过调节弹性张力改变手腕刚度的机理,实现手腕关节刚度随弹性张力的增加而线性增加。分析手腕弹性张力和几何参数对手腕变刚度特性和刚度分布的影响,通过设计手腕关节的几何参数实现手腕刚度分布保持不变。研究变刚度手腕刚性定位与柔顺装配装夹的机理,建立手腕装配装夹过程中的形变位姿模型和补偿工件位姿误差的空间模型,得到手腕刚度随手腕位姿的变化模型,实现手腕克服阻力完成装配装夹作业。实验结果表明机器人手腕可大范围变刚度,满足刚性定位与柔顺装配装夹要求。     

用于机器人螺钉柔性装配的夹持器

从机器人螺钉柔性装配位姿调整策略的需要出发,简要介绍了机器人末端适从方式,提出了基于刚度矩阵的适从表达方案,设计并制作出具有良好适从特性的螺钉柔顺夹持器,实验结果表明,该夹持器所具有的较宽位姿适从范围为机器人螺钉柔性装配的实施打下了良好基础.     

基于深度图像的零件识别及装配监测

针对机械产品装配中零件和装配体的识别、监测问题,提出一种基于深度图像和像素分类的装配体零件识别及装配监测方法。首先构建装配体深度图像标记样本集,包括合成标记样本集和真实标记样本集;然后提取深度差分特征,利用随机森林分类器对深度图像的像素进行分类,获取像素预测图像;最后通过对比像素预测图像和颜色标签图像对装配体各零件进行识别,并对比待测状态像素预测图像和正确装配像素预测图像,实现对装配过程的监测。为了提高边缘像素点的分类准确率,引入边缘因子。实验结果表明,该方法不但准确率高,而且兼具一定实时性和鲁棒性,在装配维修诱导、装配监测和自动化装配领域具有一定应用价值。     

机器人柔顺装配的几何及力学分析研究

对柔顺装配过程中轴孔位姿偏差和装配力变化规律进行了分析研究,提出了装配作业可行域,指出了改善装配效果的可能途径。提出的数学模型和约束条件是研究各类柔顺技术的理论基础。     

基于DMP的双臂机器人装配策略研究

针对双臂机器人装配规划难题,提出了基于动态运动基元的双臂协调运动和装配策略。首先,分析双臂机器人运动空间,建立双臂运动约束模型,使每条手臂不仅满足自身任务要求,还满足双臂之间的相对位姿约束,然后将双臂之间的相对位姿约束与动态运动基元方法结合,使得生成的机械臂运动轨迹可以达到自避障的效果。其次,根据装配任务需求,分析双臂运动约束,设计双臂装配策略。最后,通过仿真和实验,验证了所提出方法的有效性。     

视觉与力觉结合的卫星部件机器人装配

针对卫星特殊部件的装配需求,为了使机器人具有适用不同工况的柔性并在卫星多变的装配工况中获得较高的应用效率,本文研究视觉引导与力反馈控制下的机器人装配技术,给出一种视觉与力觉结合的机器人装配方案:在装配孔位安装辅助销钉,通过视觉引导将部件引导至销钉的锥面导向范围内,而后在销钉导向下对机器人采用力反馈控制,实现工件的准确装配到位。采用红外相机结合合作靶标的方式实现稳定地视觉识别与目标定位,设计了探针式测量工具,并给出测量方法,实现了目标点位的柔性便捷测量。给出了一种已知空间对应点对条件下,求位姿变换矩阵及机器人目标位姿的计算方法。采用力/位混合控制方法实现柔顺销钉导向控制。实验结果表明:装配对应孔位的测量匹配误差在2.9 mm以内,机器人在视觉引导下,可以将工件运送至销钉的导向范围内,并在销钉导向及力反馈控制下将工件准确装配到位,力控制阈值为30 N。证明了本文所采用的技术可以满足卫星部件装配的工程实施要求。     

A preview approach to force control of robot manipulators

Automated assembly operations that utilize robots tend to constrain the robot's motion due to the task geometry. This constrained motion is termed compliant motion. Complaint motion can be actively controlled using a method of force feedback based upon servo-loop compensation, or it can be passively controlled by mechanical devices integrated into the robot structure. The “preview approach” to force control presented in this paper is a scheme based on predictive calculation of the contact forces that develop at the interface between mating parts. The preview approach utilizes predicted, present and past information to execute motion control. Contact forces are calculated using a mathematical model of the assembly process and are then used to control the compliant motion through suitable compensation torques. The control algorithm used here is more efficient than the standard methods that rely on data from force sensors and use no preview.     

混合现实装配检测中深度学习的数据增强方法

针对混合现实装配检测中,装配者的视觉检测位姿具有不确定性极易发生误检漏检的问题,提出一种混合现实装配检测中深度学习的数据增强方法。采用人为最佳数据增强策略的数据预处理方法,通过图像增强、几何变换、少量噪声干扰和随机遮挡的方式生成增强数据集,并改善图像增强过程中的特征失真,不仅能有效解决深度学习中人工标注样本任务量大的问题,还有助于提升检测模型的泛化能力。实验结果表明,该方法训练得到的新模型对汽车装配生产线零件的检测精度提升了11.38%。     

机器人基座六维力传感器重力补偿研究

机器人基座六维力传感器常受到安装精度和机器人重力影响而出现测量误差。为了解决这一问题,在利用 D-H 法建立机器人位姿模型的基础上,推导出基于最小二乘法的基座六维力传感器静态重力补偿算法。针对算法中需要采集大量机器人位姿数据的问题,采用正交实验法确定样本空间以减少位姿采集量。最后以六自由度协作机器人为例,利用 6 因素 5 水平的正交实验表获取机器人典型位姿,搭建数据采集平台,实现补偿算法所需数据的采集,求解该机器人的基座六维力传感器静态重力补偿矩阵。实验表明,该补偿算法能够有效得到基座六维力传感器测得的误差值。     

COMBINING INTERNAL AND EXTERNAL ROBOT MODELS FOR IMPROVED MODEL PARAMETER ESTIMATION

Experimental robot identification techniques can principally be divided into two categories, based on the type of models they use : internal or external. Internal models relate the joint torques or forces and the motion of the robot; external models relate the reaction forces and torques on the bedplate and the motion data. This paper describes how internal and external robot models can be combined into one identifiable minimal model. This model allows to combine joint torque/force and reaction torque/force measurements in one parameter estimation scheme. This combined model estimation will yield more accurate parameter estimates, and consequently better actuator torque predictions, which is shown by means of a simulated experiment on an industrial robot (KUKA IR 361). This increased accuracy is quite interesting in view of using advanced control algorithms such as computed torque control.     

Robotic automatic assembly system for random operating condition

A vision guided tabletop robotic assembly system is constructed for the random environment automatic assembly purpose. The distributed control structure is designed for this assembly system. A PC is specified as the central control unit for machine vision operation and the harmonization of At89c51 distributed control unit for each axis. The machine vision is introduced to search the locations and measure the size of the assembly parts in the robotic workspace. Then, the central controller commands the robot to pick the part sequentially based on the specified program to complete the automatic assembly process. The model-free fuzzy sliding mode control scheme is embedded in each joint micro controller for simplifying the model based control problem. The central control unit PC communicates with each joint controller by network communication. This assembly system is implemented on a 3 DOF SCARA robot. The experimental results show that the robotic motion control performance is good enough for assembling work; the vision pattern classification and assembly motion paths planning and monitoring are exactly executed by the central control unit. The goal of this robotic random assembly operation is achieved with the appropriate integration of robotic motion control, machine vision, sensor and assembly force detecting techniques.     

[制造前沿]机器人测量-操作-加工一体化技术研究及其应用

阐述了机器人加工的发展现状与面临的挑战，回顾了机器人测量操作加工一体化所需要的关键技术。以典型的机器人加工过程为例，分析了机器人测量-操作-加工一体化过程中误差的来源，建立了加工误差及其传递模型，并分别计算分析了测量误差、坐标变换误差与机器人执行误差对加工精度的影响。将机器人测量加工一体化方案用于飞机机翼和机身装配垫片的磨削加工，由点云数据得到工业机械臂的加工轨迹和工艺参数规划数据，通过在机械臂末端安装顺应打磨头来消除工件法向的位置误差，实现恒力打磨。实验结果表明，该机器人加工方案能够实现飞机装配垫片的变厚度磨削加工。     

基于强化学习的机器人手臂仿人运动规划方法

面向人-机器人交互共融环境对机械臂仿人运动规划的重大需求,本文提出了一种基于强化学习的机器人手臂仿人运 动规划方法。 首先,基于人体手臂的结构特征,设计了体现机械臂运动特性的肩夹角、肘夹角和腕关节运动角,并采用正态性和 相关性分析方法,对 VICON 运动捕捉系统获取的人体手臂运动数据进行分析,以获取人臂运动特性规则。 然后,根据不同的运 动特性规则,设计对应的回报函数,并采用强化学习方法进行机械臂仿人运动模型的训练。 最后,搭建机械臂仿人运动平台,实 验统计仿人运动的成功率为 91. 25% ,验证了所提规划方法的可行性和有效性,可用于提高机械臂运动的仿人性。