基于强化学习的高精度轴孔装配策略搜索算法研究

发布时间：2021-10-19 10:57

　　轴孔装配是手机生产测试装配领域的常见操作,目前通常还是由人工完成。轴孔自动装配任务仍然是最近几年的一大挑战。传统的方法是根据静态分析求解轴孔平面的接触力模型设计控制器,这需要大量的时间和精力。并且对于高精度的轴孔装配,由于传感器的噪声、机械臂定位误差等原因,模型的精度低以至于无法保证装配完成。无模型的强化学习控制方法则无需建立模型,减少了传感器等误差的影响,提高装配精度。本文将针对高精度的轴孔装配任务展开研究。在本文中,针对高精度轴孔装配任务,以测试光纤的安装为研究目标,分析了任务需求并选择合适的执行机构以及力矩传感器,搭建了真实场景下的实验平台,提出了一种基于强化学习的高精度轴孔装配策略搜索算法。根据装配过程的不同特征将其分解为寻孔和插入两个步骤,寻孔过程中,首先将插头与插孔平面相接触并保持稳定的压力,通过改变插头在插孔平面的位置,将插头移动到插孔的正中心,而插入的目标是通过改变插头的前进方向即姿态信息,将插头移动到目标深度。对以上两个步骤根据不同的特征设计了的马尔科夫决策过程,并引入低方差的Actor-Critic方法。在ROS系统下搭建仿真环境并进行实验,结果表明能够完成高精度轴... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

Newman提出力矩映射方法

接触力模型的建立

Inoue提出深度强化学习算法国内研究人员对于轴孔装配任务的研究主要集中在主动方法Fei[26]

【参考文献】：
期刊论文
[1]基于深度Q学习的工业机械臂路径规划方法[J]. 王曌,胡立生.  化工自动化及仪表. 2018(02)
[2]基于力/位混合控制的工业机器人精密轴孔装配[J]. 吴炳龙,曲道奎,徐方.  浙江大学学报(工学版). 2018(01)
[3]深度强化学习进展:从AlphaGo到AlphaGo Zero[J]. 唐振韬,邵坤,赵冬斌,朱圆恒.  控制理论与应用. 2017(12)
[4]机器航天员轴孔装配过程中的力位混合控制方法[J]. 陈钢,王玉琦,贾庆轩,孙汉旭,张晓东.  宇航学报. 2017(04)
[5]深度强化学习综述[J]. 刘全,翟建伟,章宗长,钟珊,周倩,章鹏,徐进.  计算机学报. 2018(01)
[6]用于机器人轴孔装配的主–被动结合柔顺装置[J]. 欧阳帆,张铁,陈杨.  华南理工大学学报(自然科学版). 2016(07)
[7]强化学习在移动机器人避障上的应用[J]. 唐鹏,李小坚.  科学家. 2016(05)
[8]操作机器人轴孔装配的行为动力学控制策略[J]. 魏明明,傅卫平,蒋家婷,杨世强,王雯.  机械工程学报. 2015(05)
[9]强化学习研究综述[J]. 陈学松,杨宜民.  计算机应用研究. 2010(08)
[10]基于强化学习的机械臂避碰研究[J]. 张尚炜,李世其.  机械设计与制造. 2007(08)

硕士论文
[1]Qlearning强化学习算法的改进及应用研究[D]. 马朋委.安徽理工大学 2016
[2]基于视觉/力传感器的机器人柔顺装配技术研究[D]. 李海龙.燕山大学 2014
[3]基于力传感器的工业机器人主动柔顺装配系统研究[D]. 林君健.华南理工大学 2013
[4]基于强化学习的机械臂控制研究[D]. 王明明.华中科技大学 2009
[5]基于力控制的机器人轴孔装配作业实验研究[D]. 谢飞.南京理工大学 2008



本文编号：3444739