基于模仿学习的双曲率曲面零件复合材料织物机器人铺放
针对双曲率曲面零件的复合材料织物铺放,手工铺放效率低、质量均一性差,机器人铺放的相关研究未能准确地描述手工铺放技能.为此,本文提出基于模仿学习的铺放技能采集、描述与重现的相关方法.首先,利用拖动示教获取织物铺放的轨迹信息,以压力阈值为分割依据进行有监督的轨迹分割,再采用高斯混合模型(Gaussian mixture model,GMM)与高斯混合回归(Gaussian mixture regression,GMR)学习得到铺放轨迹概率模型.在此基础上,以示教姿态和曲面法向为参考,计算末端执行器的法向姿态,再次进行示教获得法向压力信息,由GMM/GMR学习得到铺放压力概率模型;然后,针对接触状态建立过程,在力/位混合控制框架下,提出预控制量退出机制,实现接触状态建立过程中无冲击的控制器切换;最后,基于UR5e机械臂、ATI六维力/力矩传感器和ROS(robot operating system)搭建试验平台,进行试验.结果表明:所提出的技能采集、描述方法可实现对人工铺放经验的准确提取与表达,采用预控制量退出机制,接触状态建立过程的最大压力误差为1.8N,小于曲面模具所有16条轨迹的铺放压力均方根误差2.0N,完成的铺层无肉眼可见的鼓包与褶皱等缺陷,深度相机测量织物点云距模具点云距离小于1.0 mm的点约占97.3％.
复合材料织物、双曲率曲面、模仿学习、概率模型、接触任务、状态切换
44
TP242.6(自动化技术及设备)
国家自然科学基金51705371
2022-08-29（万方平台首次上网日期，不代表论文的发表时间）
共9页
504-512
