一种基于挠度分析的机器人非刚体装配方法组成比例

一种基于挠度分析的机器人非刚体装配方法，基于挠度分析提出的接触力觉模型符合非刚体零件在装配过程中的接触形变特性，能够较好地预测轴的偏角θ和偏移量d

【技术实现步骤摘要】
一种基于挠度分析的机器人非刚体装配方法


[0001]本专利技术属于机器人装配和控制领域，适用于机器人非刚体零件装配领域。具体地说，涉及一种基于挠度分析的机器人非刚体装配方法。

技术介绍

[0002]近年来，随着工业机器人产业和相关技术的迅速发展，工业机器人被广泛应用于自动化装配、制造等各个领域。在自动化装配领域，装配件的材质逐渐多样化，不再局限于刚度较大，质地较硬的金属材料，如塑料、橡胶等非刚体材料也等到了广泛的应用。与刚体不同，非刚体零件在装配接触过程中易发生弹性形变，这样的形变会导致力反馈信息不准确从而影响整体装配，故有必要对机器人非刚体零件的装配方法进行研究。
[0003]现有的机器人零件装配方法是结合接触力觉模型和机器人逆运动学分析实现零件的装配任务。但是现有的接触力觉模型仅适用于刚体零件，即零件在装配接触过程中形变可忽略，针对在装配接触过程中产生不可忽略形变的非刚体零件来说并不适用。

技术实现思路

[0004]为了克服现有机器人装配方法中接触力觉模型不适用于非刚体零件的问题，本专利技术提供了一种基于挠度分析的机器人非刚体装配方法，采用基于挠度分析而建立的非刚体零件接触力觉模型，该模型能够较好地表达装配特性，同时不同的装配状态对应不同的装配步骤，最终通过机器人逆运动学分析控制机器人实现非刚体零件的装配任务。
[0005]本专利技术解决其技术问题所采用的技术方案是：
[0006]一种基于挠度分析的机器人非刚体装配方法，包括以下步骤：
[0007]步骤1：轴孔装配分为三个状态：单点接触状态、两点接触状态以及平面接触状态。针对不同接触状态采集力觉数据，分析不同状态的力觉数据特征并结合机器学习算法和静力学特征建立非刚体装配接触状体态识别模型；
[0008]步骤2：针对不同的接触状态设计基于挠度分析建立非刚体接触力觉模型，
[0009]单点接触状态和两点接触状态：
[0010]M
x
＝-G(0.5sinθl-l
g
)-F
f
(cosθl+sinθr-l
v
+δ1)
[0011]+F
n
(sinθl-cosθr+l
h
+δ2)
[0012]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0013]l
g
＝cosθW
g
ꢀꢀꢀꢀ
(2)
[0014]l
v
＝-sinθ(cosθ
e
r+W
e-r)+cosθsinθ
e
r
ꢀꢀꢀꢀ
(3)
[0015]l
h
＝cosθ(cosθ
e
r+W
e-r)+sinθsinθ
e
r
ꢀꢀꢀꢀ
(4)
[0016][0017]object＝|M
x
+G(0.5sinθl-l
g
)+F
f
(cosθl+sinθr-l
v
+δ1)
[0018]-F
n
(sinθl-cosθr+l
h
+δ2)|
[0019]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0020]G＝max(|tanθ
e-θ
e
|-σ1，0)+max(θ
e-θ，0)+max(|l
h
|-σ2，0)
ꢀꢀ
(7)
[0021]fitness(i)＝object+(C
×
i)
γ
G
ꢀꢀ
(8)
[0022]式中：M
x
为轴所受力矩，G为轴所受重力，F
f
为轴所受摩擦力，F
n
为轴所受支持力，l为轴的长度，r为轴的半径，θ为轴相对于垂线的偏角，l
g
为轴重心相对于夹持端的横向偏移量，l
v
为轴接触点相对于夹持端的纵向偏移量，l
h
为轴接触点相对于夹持端的横向偏移量，δ1，δ2为接触点局部形变量，W
g
为轴中点的挠度， W
e
为轴自由端挠度，θ
e
为轴自由端端面转角，G1，G2，G3均为单点接触状态约束条件，σ1，σ2为约束常量object为该模型的目标函数，G为该模型的约束函数， fitness为适应性函数，C，γ均为动态惩罚函数的惩罚常数，i为优化算法的迭代次数，约束函数能够将变量限定在可行域内，动态惩罚函数能对整个可行域进行充分的搜索，从而在可行域内找到最优值；
[0023]结合公式(1)-(8)和参数优化算法，预测得到轴相对于垂线的偏角θ，为后续装配提供纠偏参数；
[0024]平面接触状态：
[0025][0026][0027]M
z
＝F1(y1+ε
y
)-F2(x1+ε
x
)
ꢀꢀ
(11)
[0028]fitness(i)＝|M
z-F1(y1+ε
y
)+F2(x1+ε
x
)|
ꢀꢀ
(12)
[0029][0030][0031][0032]式中：x1，y1为轴端面与孔平面接触部分的形心位置，F1，F2，F
n
为轴在形心位置所受的各个方向的力，M
x
，M
y
，M
z
分别为轴所受绕x，y，z轴的力矩，ε
x
，ε
y
为因轴发生弹性形变而造成的形心补偿量，d
x
，d
y
，α分别为轴端面中心和孔中心的相对距离和相对偏角，结合公式(9)-(12)和参数优化算法，预测形心补偿量，即ε
x
，ε
y
，结合公式(13)-(15)以及ε
x
，ε
y
的预测值计算得到轴端面中心和孔中心的相对距离，即偏距d
x
，d
y
，为后续装配提供纠偏参数；
[0033]步骤3：机器人夹持非刚体零件后开始执行装配任务向下运动，待轴孔接触并达到纵向力F
z
的阈值，迅速上抬使轴孔分离，同时等待下一步指令；
[0034]步骤4：将轴孔接触过程中采集到的力觉数据传输到PC端，由PC端调用相应软件和接触状态识别模型，根据数据特征判断处于何种接触状态；
[0035]步骤5：根据不同的接触状态调用相应的接触力觉模型，若零件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于挠度分析的机器人非刚体装配方法，其特征在于，所述方法包括以下步骤：步骤1：轴孔装配分为三个状态：单点接触状态、两点接触状态以及平面接触状态，针对不同接触状态采集力觉数据，分析不同状态的力觉数据特征并结合机器学习算法和静力学特征建立非刚体装配接触状体态识别模型；步骤2：针对不同的接触状态设计基于挠度分析建立非刚体接触力觉模型，单点接触状态和两点接触状态：M
x
＝-G(0.5sinθl-l
g
)-F
f
(cosθl+sinθr-l
v
+δ1)+F
n
(sinθl-cosθr+l
h
+δ2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)l
g
＝cosθW
g
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)l
v
＝-sinθ(cosθ
e
r+W
e-r)+cosθsinθ
e
r
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)l
h
＝cosθ(cosθ
e
r+W
e-r)+sinθsinθ
e
r
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)object＝|M
x
+G(0.5sinθl-l
g
)+F
f
(cosθl+sinθr-l
v
+δ1)-F
n
(sinθl-cosθr+l
h
+δ2)|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)G＝max(|tanθ
e-θ
e
|-σ1，0)+max(θ
e-θ，0)+max(|l
h
|-σ2，0) (7)fitness(i)＝object+(C
×
i)
γ
G
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)式中：M
x
为轴所受力矩，G为轴所受重力，F
f
为轴所受摩擦力，F
n
为轴所受支持力，l为轴的长度，r为轴的半径，θ为轴相对于垂线的偏角，l
g
为轴重心相对于夹持端的横向偏移量，l
v
为轴接触点相对于夹持端的纵向偏移量，l
h
为轴接触点相对于夹持端的横向偏移量，δ1，δ2为接触点局部形变量，W
g...

【专利技术属性】
技术研发人员：胥芳，沈一丰，陈教料，张立彬，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：