课题基金 / 基金详情

面向智能化增量制造的机器人系统理论及工艺研究

批准号:
U1613205
项目类别:
联合基金项目
资助金额:
264.0 万元
负责人:
徐静
依托单位:
学科分类:
机器人与机构学
结题年份:
2020
批准年份:
2016
项目状态:
已结题
项目参与者:
陈恳、杨向东、王健美、王国磊、张启毅、潘增喜、郝丽娜、刘宇

项目摘要

结项摘要

项目成果

徐静的其他基金

相似基金

相关文献

中文摘要
本项目以实现机器人智能化增量制造为目标。本项目以现有的增量制造机器人系统及研究成果为基础,研究机器人智能化增量制造的核心理论与关键技术:(1) 发展高时空分辨率、高精度的三维检测与控制理论与技术,包含高时空分辨率的最优编码方法和基于编码相位的视觉伺服理论;(2)研究最优轨迹规划与在线调整理论与方法,包含最优轨迹规划方法和基于实时三维检测的在线轨迹调整方法;(3)探索机器人增量制造工艺参数规律与优化方法,包含机器人增量制造工艺参数规律和机器人增量制造多工艺参数优化方法;(4)研究增量制造设计优化及精度评价理论与方法,包含基于结构拓扑的设计优化理论和基于点云序列融合的精度评价方法。通过上述内容的研究,本项目将解决智能化增量制造机器人的核心理论与关键技术,推广增量制造的应用。
英文摘要
The objective of this project is to realize the intelligent additive manufacturing by robot. On the basis of our additive manufacturing robotic system and research outcomes, we investigate the core theory and key technique of robot for intelligent additive manufacturing: (1) development of theory and technique for high space-time resolution 3D inspection and control, including optimal pattern encoding for high space-time resolution inspection and encoded phase-based visual servoing; (2) study on theory and technology for optimal path planning and online adjustment, including optimal path planning and online adjustment based on real-time 3D inspection; (3) exploration of process parameter rule and optimization for robotic additive manufacturing, including process parameter rule and multiple process parameter optimization for robotic additive manufacturing; (4) study on optimization design and accuracy evaluation theory and method for robotic additive manufacturing, including structure topology-based optimization design and accuracy evaluation base on fusion of point cloud sequence. The core theory and key technique of intelligent additive manufacturing by robot will be solved through above studies, resulting in application promotion of additive manufacturing.
机器人增量制造过程中存在精确的测量与控制、自适应的分层与路径规划、精确的工艺参数调控等难题。本项目研究了高时空分辨率的最优编码方法和基于编码相位的视觉伺服方法,实现了高精度测量与控制;研究了最优轨迹规划方法和在线轨迹调整方法,提高了成形精度;研究了机器人增量制造工艺参数规律和机器人增量制造工艺参数优化方法,实现了焊道形貌的精确控制;研究了机器人增量制造的拓扑优化理论和基于点云序列融合的制造精度评价方法,提高了制造质量和精度。.取得的主要研究结果如下:.(1)建立了测量相位误差与频率和散焦核的解析模型,提出了基于模型驱动的条纹投影测量的最优编码方法,提高了三维测量精度;提出了基于相位图的两阶段伺服控制方法,设计了基于域流方程约束的相位图伺服控制方法,提高了机器人伺服控制精度。.(2)提出了基于重心轴线的非均匀层分层方法,设计了轮廓法与之字形法的混合的轨迹规划方法,提出了基于实时检测与工艺参数模型的轨迹在线调整方法,提高了制造质量。.(3)揭示了工艺参数对成形尺寸和质量的影响规律,提出了平面单道及平面多道的成形模型,提出了基于长短期记忆网络和模型预测控制的工艺参数优化方法,实现了焊道形貌的精确控制。.(4)提出了基于工艺约束的模型拓扑优化方法,提出了基于显著性与平面约束优化的点云拼接方法,提高了制造质量和精度。.在IEEE transactions on Pattern Analysis and Machine Intelligence等国际知名期刊上发表SCI论文46篇,授权发明专利18项,在国内外学术会议上作特邀报告4次,主旨报告1次。培养研究生18人,清华大学优秀硕士学位论文1人;培养博士后2人,国家级人才计划资助项目1项。项目的研究成果为机器人增量制提供了理论基础和技术方法,研究成果具有良好的应用前景。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
Image-based visual servoing using a set for multiple pin-in-hole assembly
基于图像的视觉伺服,使用一组用于多销孔装配
DOI: 10.1108/aa-08-2018-110
发表时间: 2020
期刊: Assembly Automation
影响因子: 2.1
作者: [Liu Chicheng, Song Libin, Chen Ken, Xu Jing]
通讯作者: Xu Jing
A Depth-Based Weighted Point Cloud Registration for Indoor Scene.
室内场景的基于深度的加权点云配准
DOI: 10.3390/s18113608
发表时间: 2018-10-24
期刊: Sensors (Basel, Switzerland)
影响因子: --
作者: [Liu S, Gao D, Wang P, Guo X, Xu J, Liu DX]
通讯作者: Liu DX
Fuzzy Logic-Driven Variable Time-Scale Prediction-Based Reinforcement Learning for Robotic Multiple Peg-in-Hole Assembly
模糊逻辑驱动的基于可变时间尺度预测的机器人多钉孔装配强化学习
DOI: 10.1109/tase.2020.3024725
发表时间: 2022-01-01
期刊: IEEE TRANSACTIONS ON AUTOMATION SCIENCE AND ENGINEERING
影响因子: 5.6
作者: [Hou,Zhimin, Li,Zhihu, Xu,Jing]
通讯作者: Xu,Jing
DOI: 10.1016/j.rcim.2020.102000
发表时间: 2021-02-01
期刊: ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING
影响因子: 10.4
作者: [Gao, Xifeng, Li, Xingchen, Xiang, Chaoqun]
通讯作者: Xiang, Chaoqun
48
    飞机电缆线束机器人自动化安装的基础理论与关键技术研究
    • 批准号:
      --
    • 项目类别:
      面上项目
    • 资助金额:
      59万元
    • 批准年份:
      2021
    • 负责人:
      徐静
    • 依托单位:
    大部件无损伤、高精度装配机器人的关键理论与技术研究
    • 批准号:
      51675291
    • 项目类别:
      面上项目
    • 资助金额:
      62.0万元
    • 批准年份:
      2016
    • 负责人:
      徐静
    • 依托单位:
    用于镜面反射型工件三维测量的机器人系统研究
    • 批准号:
      51105218
    • 项目类别:
      青年科学基金项目
    • 资助金额:
      25.0万元
    • 批准年份:
      2011
    • 负责人:
      徐静
    • 依托单位:
    国内基金
    海外基金