面向低压电器制造业的机器人柔性装配关键技术与方法研究

To address the matters of complex procedures, compact space and multiply types of low voltage electrical apparatus assembly, a fault-tolerant flow control modeling method is proposed, and a cooperative Petri nets (CPN) model for precise assembly process is set up. Based on the models, a workpiece shape estimating method based on apparent factor decomposition is put forward; using the nonlinear model of random projection space, the pose variables are separated to estimate the position and posture of workpiece, and to resolve the multi-factor coupling problem of workpiece morphology graphic. Then, a Mason model based precise assembly method for low-voltage apparatus is developed, in combination with six-dimensional on-line feedback method, the manipulator can accomplish the installation process of small-scale components. Subsequently, the flexible joint robust control method based on screw theory and Kane equation is researched, and the corresponding redundant structures are developed to perform the robust control for joint motion. Finally, based on the deep machine learning and brain-inspired intelligence of cloud computing, the on-line real-time assembly parameters are optimized to improve the global economic benefits of low-voltage electrical apparatus manufacturing. The research works of the project can offer theoretical references to develop novel flexible assembly robots and resolve the problems of high complexity, low efficiency and poor stability caused by the multi-procedure/position and product varieties.

研究面向低压电器装配的可容错流程控制建模方法，建立了考虑协作过程的Petri-Nets（CPN）模型，提出基于表观因素分解方法的工件估计方法，利用随机投影空间中的非线性模型，分离姿态变量并独立估计工件的姿态，解决零件表观图像受多种因素耦合影响的问题。研究基于海森模型（Mason’s Models）的低压电器组件精确定位与装配方法，结合六维力在线反馈方法，使得机械手可以完成小组件入孔等面向精确定位安装的过程。研究基于旋量理论与凯恩(Kane)动力学方程的轮足关节柔顺性鲁棒控制方法，设计相应的冗余动力机构，对关节进行平滑鲁棒柔顺性控制。结合云计算的深度学习能力和类脑智能发育能力，在线实时优化装配参数，实现全局经济效益的最大化。本课题研究成果为开发新型柔性装配机器人，解决电器产品装配生产中由于多工位、多工序、产品多样性导致生产线控制复杂、效率低下、稳定性差等问题提供理论依据。

低压电器行业具有小数量多批量、装配节奏快、定位配合要求高、需求变动频繁等特点，造成相关企业占用大量劳动力资源，生产技术水平较低。针对上述问题，本项目主要研究低压电器的柔性装配方法，复杂装配环境下低压电器零件的视觉精确识别与定位方法，基于云平台的多工位快速重构技术以及基于零件弹性形变机理的低压电器机器人装配控制方法。采用Color Petri-Nets理论，提出低压电器机器人柔性装配的可容错控制方法，对低压电器的装配过程进行了准确的模拟和分析。提出基于云平台的在线装配参数优化方法，通过多工位快速重构技术，实现了生产功能的转变。提出基于结构化形状描述子的位姿估计和定位技术以及基于多任务学习的机器人自主目标识别与分拣策略以实现小尺寸、不规则零件的快速分类、识别。提出具有高斯化的特征加权朴素贝叶斯分类器以及基于密度相关的量化二叉树最小二乘支持向量机的状态识别方法，提高了非刚体和刚体零件装配过程中接触状态的预测精度和速度。基于中心对称静摩擦模型建立了装配机器人的高精度动力学模型，并提出了一种机器人装配的动态柔顺性控制策略。搭建了机器人装配验证仿真平台和工作站，以及低压电器零件多工位协同装配实验平台，实现了预期研究成果中理论模型与算法的虚拟和实体验证。研究成果在国内外主流学术期刊与国际会议上已发表论文44篇，其中SCI/EI检索论文35篇，其中1篇入选ESI高被引论文，1篇获2019 Emerald Literati 杰出论文奖。申请发明专利30项，其中已授权8项；培养青年学术骨干6名，培养硕博研究生32名。研究成果可为小件装配领域的柔性重构、流程鲁棒控制、实时图像识别等方面提供理论依据；在技术层面，也可为相关领域所涉及的精确定位和柔性关节等方面提供可靠支撑。本项目取得研究成果为浙江省小尺寸、高标准产品组装相关产业升级提供重要技术推动，对于提高相关领域的两化水平，缓解劳动力紧张问题具有广泛意义。