大型易损坏物体的高精度装配策略研究—基于视觉与高维环境约束融合方法

本课题以国家0902重大专项（国务院《国家中长期科学和技术发展规划》16个重大专项之一）为应用背景，针对大科学装置建设中装配的共性基础问题，研究大型易损坏部件的高精度装配方法。本课题的成果能够为0902的装配应用提供理论和技术支撑。大科学装置装配的特殊困难在于：极端的工作环境要求（洁净度、辐射等）；苛刻的抓取要求（不能使物体变形、不能接触关键部位）；特殊的装配需求（重量大、容易损坏的物体需要装配到狭小的空间）。因而，本课题研究目标包括：(1) 利用视觉信息对大型物体的快速、精确识别和定位；(2)形变最小、接触面积最少条件下的抓取力优化和基于最优视觉特征的抓取规划；(3) 在不能完全感知环境信息时基于视觉信息和高维环境约束融合的高精度、柔性装配策略。申请人及团队在机器人装配方面有系列、深入的理论研究和应用工作，申请团队由具有长期合作关系的人员组成，任务分工明确，研究方案和步骤清晰、可行。

本课题研究可用于大尺寸、大重量、易损坏的部件的高精度装配方法以及相应的装配系统。本课题的研究成果为大型元件自动化、柔性装配提供了应用理论和技术支撑，同时也推广应用到了汽车发动机装配、压缩机装配和机器人关节减速器装配等精密装配过程中。在课题的支持下，申请团队发表或接收SCI国际期刊论文7篇，申请中国发明专利3项，国际发明专利1项。项目成果作为组成部分之一，获得了北京市科学技术一等奖。申请团队完成了课题目标任务。.主要工作包括以下几个部分：.（1）针对微形变、微残留应力、无污损等多种约束条件下，对大型物体的灵活抓取要求，提出了一种新的多核学习方法，建立夹持位置、夹持力、环境温度和元件形变之间的非线性模型，通过双层回归方式，将夹持力对形变的影响、温度对形变的影响分层表述，提高了夹持模型的精度。工作发表在光学领域知名SCI期刊《Applied optics》和国际会议The 11th World Congress on Intelligent Control and Automation（入围会议最佳学生论文）。.（2）针对工业机器人操作的高效和高稳定性需求，我们提出了融合“高维环境吸引域”和视觉信息的新方法，以及基于视觉引导的包围抓取（caging grasp）方法，即便被抓取零件在抓取过程中存在有运动，零件仍然能够被稳定抓取。研究工作发表在SCI国际期刊IEEE Trans. on SMC-A和IEEE Trans. on ASE上。同时，作为co-organizer，我们在IEEE/RSJ International Conference on Intelligent Robots and Systems国际会议上组织了主题为“caging and its applications”的workshop。.（3）我们提出了基于子模式双线性模型和岭回归参数估计的零件识别方法，以及针对学习系统连续值属性离散化方法。相关的研究工作发表在SCI国际期刊Neurocomputing上。.（4）针对复杂零件装配的困难，我们提出基于高维环境约束域分解的复杂零件装配策略，实现了对复杂零件的高精度装配。研究成果发表在SCI国际期刊Assembly Automation上。.在应用上，申请团队和秦川机床集团合作承担了04专项课题，联合研制工业机器人关节减速器装配线。

内容获取失败，请点击重试