深度强化学习在低压电器装配中的应用研究

发布时间：2020-05-19 23:20

【摘要】：本文针对以低压电器为代表的小型电器的自动化装配过程中的种种难点,例如零件结构复杂,零件初始位置以及生产线固定,灵活性较差等问题,将深度强化学习应用到低压电器的装配研究中。利用深度强化学习良好的感知能力和决策能力,实现以小型断路器为代表的低压电器的自动化装配,并在仿真环境和真实环境中进行验证,取得了良好的效果。本文在对低压电器装配和视觉装配现状进行调查和总结后,主要工作体现在:1、设计组建小型断路器的装配系统,并对执行模块的七自由度iiwa机械臂建立运动学模型,分析机械臂的正逆运动学;设计小型断路器的装配流程,制定以视觉伺服模式作为装配策略。最后在仿真软件中分析了机械臂的运动过程。2、设计了基于模板匹配的装配评价体系,搭建基于Kinect v2的视觉模块,在进行装配工作前对获取的图像进行预处理,通过模板匹配算法来判断装配是否成功,并根据模板匹配设计了装配评价体系。3、研究学习了基于值函数的深度强化学习算法,分析装配过程的状态空间、动作空间表达方式,根据装配评价体系设计奖励函数,构建小型断路器上下盖卡和装配过程的马尔可夫模型。制定装配动作策略,给出基于深度Q学习的装配方法伪代码。4、在Gazebo仿真平台下搭建了装配系统的各个模块,分析仿真实验的总体设计与需求;在仿真环境中设计算法流程,并在Tensorflow算法框架下实现。分别在仿真和真实环境中进行训练测试。通过仿真和真实实验的训练与测试,说明本文提出的装配算法能够有效解决小型断路器自动装配的问题。最后,对本文所做工作以及取得的研究成果进行总结,分析本文研究中的不足之处以及在后续研究过程中需要解决的问题。
【学位授予单位】：青岛大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM52;TP391.41;TP18

【相似文献】