多约束条件下机器人柔性装配技能自学习
多约束条件下机器人柔性装配技能自学习
复制标题
DOI：
10.13195/j.kzyjc.2020.0925
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
李贻斌
中科院分区：
文献类型：
--
作者：
宋锐;李凤鸣;权威;李贻斌
机器人的装配策略受装配对象特性、装配工艺和装配控制方法的约束,针对装配过程接触阶段的位姿不确定性问题,提出一种装配姿态调整技能自学习的方法.首先描述多约束条件下的机器人装配技能问题,建立基于力/力矩、位姿、关节角度等多模信息描述的装配系统模型;然后构建融合竞争架构的机器人决策网络和策略优化网络,通过与环境的不断交互,进行装配姿态调整技能的学习;最后,在低压电器塑料外壳卡合装配实验平台上进行测试验证,结果表明,在工件特性、装配工艺、控制规律约束下,机器人采用技能学习的方法可以获得末端姿态调整的策略,完成卡合装配,比基于深度Q学习网络(DQN)的算法成功率提高7.4 %.