一种基于图模型的机器人自主装配顺序规划方法技术

本发明专利技术涉及一种基于图模型的机器人自主装配顺序规划方法，属于机器人智能装配领域。该方法具体的实施步骤包括以下阶段。图模型构建阶段：基于装配件的三维模型获取装配零件数据，用节点表示零件，用边表示对应关系，根据装配基本约束初始化对应的图模型；图模型学习阶段：在机器人演示装配过程中，根据绝对约束条件和最优化目标获得一定数量的观测数据，并使用观测数据更新图模型的结构和参数；装配顺序推断阶段：利用遗传算法推算最佳装配体基准零件，并基于图模型的最小生成树推断实际装配顺序。该方法能有效提高装配顺序规划的效率，减少时间和人力付出。少时间和人力付出。少时间和人力付出。

【技术实现步骤摘要】
一种基于图模型的机器人自主装配顺序规划方法


[0001]本专利技术属于机器人智能装配领域，具体涉及了一种基于图模型的机器人自主装配顺序规划方法。

技术介绍

[0002]目前大量工业装配机器人正广泛地应用于工业生产之中，代替人类在条件恶劣、危险，尺度极大或极小地环境中进行危险的或者重复的劳动。然而现有的机器人技术仍难以满足多品种、小批量、短周期产品的应用需求。不同的装配体零件结构千变万化，装配方式千差万别。如果能针对不同零件自主生成对应的装配顺序，这将大大提高行业生产效率。
[0003]装配顺序规划是制造业中著名的组合优化问题，也是一个NP
‑
hard问题。传统的方法将会产生大量的装配顺序，并花费大量时间对装配顺序进行评估。因此如何在有限的时间内获得近优的装配顺序是目前工业生产中亟待解决的问题。

技术实现思路

[0004]本专利技术的目的是为克服已有技术的不足之处，提供一种基于图模型的机器人自主装配顺序规划方法。本专利技术通过装配件的三维模型数据构建对应装配图模型；在机器人演示装配过程中充分考虑零件之间的装配关系、机器人与零件的物理约束以及装配最优化目标等因素，更新图模型结构和参数；最后利用遗传算法和图的最小生成树算法生成零件装配顺序。
[0005]本专利技术提出了一种基于图模型的机器人自主装配顺序规划方法，其特征在于，该方法包括以下阶段。
[0006]1）图模型构建阶段：基于装配件的三维模型获取装配零件数据，用节点表示零件，用边表示对应关系，根据装配基本约束初始化对应的图模型；所述装配件的三维模型包括在三维建模软件中的装配体和零件模型，以及装配体对应的xml格式的层级化文本文件。
[0007]所述装配零件数据包括从三维模型中获取的零件编号N，两两零件间的相对位姿和装配关系。
[0008]所述装配基本约束包括从三维模型中获取的零件间机械可行性约束，装配的运动自由度约束。
[0009]2）图模型学习阶段：在机器人演示装配过程中，根据绝对约束条件和最优化目标获得一定数量的观测数据，并使用观测数据更新图模型的结构和参数。
[0010]在机器人演示装配过程中，所述绝对约束条件包括装配过程中的碰撞约束，装配件的稳定性约束。
[0011]所述碰撞约束为装配过程中，机器人与装配件应当避免碰撞，装配件与装配件产生的碰撞力应当小于一定阈值。
[0012]所述稳定性约束为装配过程中，已装配件应当保持稳定，以及稳定状态应当为目
标状态。
[0013]作为优选，所述的最优化目标选取装配时间、装配成本、装配总能量消耗多个指标共同组成。
[0014]其中机器人演示装配过程的观测数据获取方法如下。
[0015]2‑
1）根据装配任务搭建对应的仿真环境。在仿真中导入装配件模型、机器人模型，并设置对应的动力学参数。
[0016]2‑
2）构建机器人基元动作集，轨迹规划方法，机器人控制方法。
[0017]作为优选，所述基元动作集包括夹爪夹紧，夹爪松开，自由空间移动，装配进程移动。
[0018]作为优选，所述轨迹规划方法采用带抛物线过渡的线性插值算法。
[0019]作为优选，所述机器人控制方法采用机器人笛卡尔空间阻抗控制。
[0020]2‑
3）根据图模型边选择对应装配动作，将其分解为机器人基元动作和运动轨迹的组合。
[0021]2‑
4）机器人在仿真中多次执行装配动作。
[0022]2‑
5）获得观测数据。针对每次装配返回一个等长的观测数据向量，用以记录绝对约束条件的满足情况和最优化目标的评价结果。
[0023]其中观测数据向量长度等于约束条件数和最优化目标数之和。绝对约束条件采用定性的判别结果，最优化目标采用定量的判别结果。
[0024]进一步，所述的图模型结构和参数的更新方法包括以下步骤。
[0025]2‑
6）根据每个装配动作的成功率，删减图模型结构的边，更新图模型结构。
[0026]2‑
7) 利用模糊层次分析法对上述观测数据进行分析。
[0027]2‑
8）根据模糊层次分析法得到平均评价更新对应边的权重。
[0028]3）装配顺序推断阶段：利用遗传算法推算最佳装配体基准零件，并基于图模型的最小生成树推断实际装配顺序，具体步骤如下。
[0029]3‑
1) 考虑图模型节点度数、零件三维模型结构、零件在装配体中的位置，建立多目标的优化问题模型；利用多目标遗传算法求解关于装配体基准零件选择的Pareto解集。
[0030]3‑
2）基于图模型的最小生成树Prim算法，将基准零件作为整棵树的父节点，生成图模型的层级化装配树。在层级化装配树中隐含了部分装配顺序信息，如下层零件的装配应优于上层零件的装配，同层零件之间可以转换装配顺序。
[0031]3‑
3）在层级化装配树上搜索获得最佳装配顺序。
[0032]本专利技术的有益效果为：1）利用图模型表征装配关系，采用遗传算法和最小生成树算法获得近优装配顺序，极大减少算法时间复杂度。2）在机器人演示装配过程中，自主采集并学习装配知识，提高自主规划装配顺序的能力。3）利用模糊层次分析法，充分考虑装配过程中定性定量的约束和目标，提高规划装配顺序的合理性和可靠性。
附图说明
[0033]图1是本专利技术实施中的基于图模型的机器人自主装配顺序规划方法的流程示意图。
[0034]图2是本专利技术中图模型更新流程图。
[0035]图3是本专利技术中层级化装配树的示意图。
具体实施方式
[0036]下面将结合本专利技术附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。
[0037]如图1所示，本专利技术提出一种基于图模型的机器人自主装配顺序规划方法。所述方法包括以下步骤。
[0038]1）图模型构建阶段：基于装配件的三维模型获取装配零件数据，用节点表示零件，用边表示对应关系，根据装配基本约束构建对应的图模型。
[0039]具体的，所述装配件的三维模型包括在三维建模软件中的装配体和零件模型，以及装配体对应的xml格式的层级化文本文件。所述装配零件数据包括从三维模型中获取的零件编号N，两两零件间的相对位姿和装配关系。所述装配基本约束包括从三维模型中获取的零件间机械可行性约束，装配的运动自由度约束。
[0040]在本专利技术具体实施过程中，将用上述数据构建一张用节点表示零件，用带权重值的边表示零件间对应关系的无向图模型。图模型采用邻接矩阵的形式存储。
[0041]2）图模型学习阶段如图2所示：在机器人演示装配过程中，根据绝对约束条件和最优化目标获得一定数量的观测数据，并使用观测数据更新图模型的结构和参数。
[0042]具体的，所述绝对约束条件包括装配过程中的碰撞约束，装配件的稳定性约束。所述碰撞约束为装配过程中，机器人与装配件应当避免碰撞，装配件与装配本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明提出了一种基于图模型的机器人自主装配顺序规划方法，其特征在于，该方法包括以下步骤：图模型构建阶段：基于装配件的三维模型获取装配零件数据，用节点表示零件，用边表示对应关系，根据装配基本约束初始化对应的图模型；图模型学习阶段：在机器人演示装配过程中，根据绝对约束条件和最优化目标获得一定数量的观测数据，并使用观测数据更新图模型的结构和参数；装配顺序推断阶段：利用遗传算法推算最佳装配体基准零件，并基于图模型的最小生成树推断实际装配顺序。2.根据权利要求1所述的一种基于图模型的机器人自主装配顺序规划方法，其特征在于，所述装配件的三维模型包括在三维建模软件中的装配体和零件模型，以及装配体对应的xml格式的层级化文本文件。3.根据权利要求1所述的一种基于图模型的机器人自主装配顺序规划方法，其特征在于，所述装配零件数据包括从三维模型中获取的零件编号，两两零件间的相对位姿和装配关系。4.根据权利要求1所述的一种基于图模型的机器人自主装配顺序规划方法，其特征在于，所述装配基本约束包括从三维模型中获取的零件间机械可行性约束，装配的运动自由度约束。5.根据权利要求1所述的一种基于图模型的机器人自主装配顺序规划方法，其特征在于，所述绝对约束条件包括装配过程中的碰撞约束，装配件的稳定性约束；所述碰撞约束为在装配过程中，机器人与装配件应当避免碰撞，装配件与装配件产生的碰撞力应当小于一定阈值；所述稳定性约束为在装配过程中，已装配件应当保持稳定，以及稳定状态应当为目标状态；所述的最优化目标选取装配时间、装配成本、装配总能量消耗多个目标共同组成。6.根据权利要求1、权利要求5所述的一种基于图模型的机器人自主装配顺序规划方法，其特征在于，所述机器人演示装配过程中的观测数据获取方法为：1) 根据装配任...

【专利技术属性】
技术研发人员：汤卿，裘方舟，
申请(专利权)人：四川大学，
类型：发明
国别省市：