关键词： 动力学模型   串联机器人   参数辨识   小波逼近   数值计算  

摘要： 工业机器人是工业自动化和智能制造的关键技术装备,其精确控制能力的提升对于提高生产效率和产品质量具有重要意义。随着“工业4.0”和“中国制造2025”等国家战略的实施,机器人过程参数辨识技术的要求也在不断提高。机器人动力学模型存在复杂度高、求解难、速度慢等问题,难以实时辨识机器人末端负载质量惯性参数,对此本文提出了一种基于小波逼近的动力学计算和负载辨识方法,旨在提高机器人动力学模型的计算效率和负载辨识的准确性。主要研究内容包括: 首先,推导串联机器人的运动学模型和雅可比矩阵,基于拉格朗日法建立其动力学模型。在此基础上提出四种动力学模型的逼近方法,包括高维小波逼近、递归法、时间差分法和一维小波逼近。所提方法可通过数值拟合来替代拉格朗日动力学中的偏导数计算,简化计算与避免复杂符号求解,从而提高计算速度和实时性。 然后,以UR5工业机器人为研究对象,将实验数据代入所提四种方法进行计算与分析。结果表明:在特定运动状态下递归法和差分法的计算精度较差;六维小波逼近法准确度较高,但复杂度过高、用时长;一维小波逼近法可在保持良好跟踪精度,复杂度较低、用时短,且随自由度增加其计算量增长低。 为了验证所提辨识方法的有效性,以一维小波逼近的动力学模型为基础构建负载辨识模型,并使用前三关节的激励轨迹和力矩求解法展开负载辨识实验。结合参数的辨识误差和模型补偿后的力矩残差均方根值对实验结果进行分析,可知所提方法的辨识结果与原方法基本一致,且对模型的补偿效果不亚于原方法。 此外,本文还探讨了一维小波逼近方法在更高自由度模型中的应用可行性。通过使用Adams仿真平台,验证了小波逼近方法在七自由度模型计算上的精度,并统计分析了该方法与经典拉格朗日方法的计算时间随自由度的变化情况,证明了该方法在更高自由度动力学计算上的潜在可行性。 本文的研究成果不仅提高了机器人动力学模型的计算效率和负载辨识的准确性,而且为高自由度机器人的动力学建模和控制提供了新的技术途径。

关键词： 动态任务分配   任务复杂度   深度强化学习   轴孔装配  

摘要： 任务分配作为人机协作装配领域的研究热点,旨在实现操作者与机器人装配任务的最优分配。目前,任务分配模型大多适用于流水线生产,装配场景因素简单,人机协作程度较低;模型仅考虑静态分配过程,通常忽略机器人状态和实际装配场景的影响,获得的分配结果无法进行动态调整,可能造成资源分配不合理;同时,随着协作机器人的发展,机器人具有自主感知、自主决策、自主执行以及自主学习能力,传统模型难以充分发挥机器人自身能力,造成资源浪费。 针对以上问题,本文基于传统任务复杂度分配模型,重点探究复杂动态装配过程的任务分配实现方法。 面向复杂动态装配过程的人机协作任务分配方法研究。考虑动态分配过程中操作者意图、机器人能力变化和实际装配场景因素影响,提出一种复杂动态装配任务分配流程。通过设计提示词对预训练模型GPT(Generative Pre-trained Transformer)进行微调,实现对装配任务细化,从而获得与机器人能力相匹配的动作序列,结合动态分配流程,实现装配任务动作级别的分配;基于传统复杂度任务分配模型,改进任务复杂度评价流程,细化任务评价结果,对评价存疑的任务进行在线装配仿真验证,并考虑机器人能力变化的影响,更新任务评价集合;设计机器人在线插空学习策略,以实现机器人能力的在线更新。以简单产品装配为例,通过本文提出的复杂动态任务分配流程,实现在人机协作动态过程中的动作级别任务分配,为实现动态任务分配的提供一种思路。 基于深度强化学习的复杂轴孔装配仿真研究。针对不同孔位姿的复杂轴孔装配问题,在Gazebo仿真环境下,基于SoftActor-Critic(SAC)深度强化学习算法,构建统一的算法环境,包括状态空间、动作空间、奖励函数等;采用相同算法环境分别对垂直和倾斜轴孔装配模型进行强化学习训练,并对训练获得的两个装配模型进行不同直径和间隙的轴孔装配仿真测试,其装配成功率分别达到97%和98%。针对不同孔型的轴孔装配问题,利用原有垂直装配模型实现对不同边长和间隙方形轴孔装配的仿真测试,表明了装配模型具有一定的鲁棒性和泛化性。针对复杂动态任务分配对在线仿真验证和在线插空学习的需求,设计了在线装配仿真场景创建流程,实现了实际场景到仿真场景的映射,并验证了分段强化学习提升机器人能力的可行性。 机器人自主轴孔装配实验。为验证在线装配仿真场景创建及强化学习仿真模型迁移的可行性,搭建Sawyer机器人实际装配场景。通过机器视觉和点云识别定位获取装配对象信息,搭建仿真场景,加载倾斜轴孔装配模型,完成在线装配仿真。并将仿真获得的机器人关节角序列输出给Sawyer机器人执行,借助孔的导向特性,最终实现对直径50mm、间隙0.1mm、倾角30°的斜孔装配。

关键词： 变刚度机器人   人机交互   运动学补偿   动力学建模   控制器系统  

摘要： 近年来,机器人与我们的生活和工作联系越来越密切,被应用到各种生活场景和行业中。人机协作在工业环境、医疗、服务以及野外等环境应用时往往要求机器人能够像人一样具有更为强大的环境适应能力。以往的研究和应用表明,传统的刚性机器人关节为了保证工作精度以及工作效率,会采用刚性驱动器,刚性驱动器的高刚性可以减少机械振动和变形,有助于提高工作精度。而在机器人工作中,快速位置移动和姿态转换时可能导致与操作人员或周围环境发生碰撞。过高的刚度会产生巨大力量,对人员、环境和机器人本身造成破坏,威胁生命和财产安全。变刚度机器人由于可以改变自身刚度,从而提高机器人人机安全性和环境适应性,已经成为柔性机器人的主要发展方向之一。串联构型作为变刚度机器人的主要形式之一,其具有可变机械刚度的优势和传统串联机器人的灵活性。本文针对串联变刚度机器人的刚度对轨迹跟踪精度影响和关节间耦合问题,以及变刚度系统的非线性引起的关节抖动问题,开展串联变刚度机器人的动力学建模与控制器设计研究,并基于其存在的问题开展了如下工作: (1)针对现有的变刚度机器人存在的响应速度慢、结构不紧凑等问题。设计了一款基于磁通叠加原理,以混合电磁铁作为变刚度机构核心的串联式变刚度机器人。其具有较好的响应速度、精度和稳定性。根据串联变刚度机器人的动力学建立的正逆动力学的模型。串联式变刚度机器人有多个电磁变刚度关节组成,由于刚度可变,就需要建立非线性的正逆动力学模型,并结合多关节变刚度动力学模型,考虑刚度改变对轨迹跟踪的影响,建立了串联式变刚度机器人轨迹运动补偿模型。考虑关节可控柔性对变刚度关节稳定性和位置控制的影响,进行控制器设计。 (2)建立了附加自适应补偿项的力矩控制器。传统的力矩控制器无法补偿柔性机器人系统的非线性误差和串联多关节系统的耦合误差,为了补偿系统中的非线性量,将采用自适应补偿,建立自适应补偿项,改善系统的跟踪能力。 (3)搭建磁通调整式变刚度关节的实验平台。基于实验平台验证变刚度关节的特性,使用不同的控制器分别进行了正弦轨迹跟踪试验。实验结果表明,在低刚度时在频率为0.8、1.6和3.2时相比于传统的开环控制器,附加自适应补偿项的力矩控制器轨迹跟踪精度提高了7.06%、11.8%和14.54%。实验结果表明通过运动补偿和添加自适应补偿项,使其在不同刚度时依然有较好的轨迹跟踪精度和跟踪效果。

关键词： 机器人竞赛   创新实践能力培养   创新意识   团队协作  

摘要： 本文针对国家重点关注的基础研究领域及创新人才的原创能力培养，同时考虑新工科背景下的行业需求，研究了如何通过组织和指导学生参与中国机器人大赛，以提升人才培养的质量，提高大学生的创新实践能力。根据近五年的实践经验，我们发现机器人竞赛对于教师专业技能的提升和学生原创能力的培养具有显著的效果。同时，这种竞赛也对大学生的性格发展产生了积极的作用，对他们的职业规划和长期发展具有深远的影响。