近年來,隨著機器人自動化裝配在工業(yè)領域的不斷擴展,傳統(tǒng)手工裝配的小型復雜零件對其柔順性提出了更嚴峻的挑戰(zhàn)。而力控機器人具有高精度、高生產(chǎn)效率以及可擴展性等優(yōu)點,成為了科學研究的熱門課題和工業(yè)應用的興趣熱點。接觸狀態(tài)是裝配任務中最為重要的信息,使用機器學習算法從裝配過程中采集的力數(shù)據(jù)中學習得到接觸狀態(tài)成為柔順裝配智能化的關鍵環(huán)節(jié),因此基于機器學習的機器人裝配接觸狀態(tài)識別的研究具有重要意義。首先,本文分析了適用于小樣本量的機器學習分類器的基礎原理,建立了支持向量機和各種參數(shù)尋優(yōu)算法模型,并詳細分析了支持向量機的優(yōu)缺點,得到了支持向量機參數(shù)對其分類的影響。在此基礎上介紹了支持向量機參數(shù)尋優(yōu)的工作原理。其次,介紹了剛性/非剛性零件裝配的接觸狀態(tài)識別方案并建立實驗平臺,分析了裝配零件材質(zhì)對識別精度的影響;在此基礎上利用MATLAB機器人工具箱建立了三菱機器人仿真模型,并設計了剛性軸孔零件和非剛性卡扣零件的機器人裝配動作。利用MATLAB和RT ToolBox2等軟件建立機器人裝配糾偏系統(tǒng),基于該系統(tǒng)識別了零件不同接觸狀態(tài)下的偏移角度,并通過機器人逆運動學計算完成了糾偏位姿變換。最后,針對不同材質(zhì)... 

【文章來源】：浙江工業(yè)大學浙江省

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景與意義
    1.2 機器人裝配技術的國內(nèi)外研究現(xiàn)狀
        1.2.1 機器人柔順控制方法的發(fā)展
        1.2.2 機器人力覺傳感技術的發(fā)展
    1.3 接觸狀態(tài)識別方法的研究與發(fā)展
    1.4 機器學習分類器的研究與發(fā)展
    1.5 論文工作與內(nèi)容
        1.5.1 本文工作
        1.5.2 論文內(nèi)容安排
第二章 裝配接觸狀態(tài)分析與實驗平臺
    2.1 引言
    2.2 實驗平臺
        2.2.1 機器人裝配實驗硬件設計
        2.2.2 機器人接觸狀態(tài)識別軟件設計
        2.2.3 零件材料特性分析
    2.3 裝配接觸狀態(tài)及數(shù)據(jù)采集
        2.3.1 機器人工作空間分析
        2.3.2 剛性零件裝配動作設計及數(shù)據(jù)采集
        2.3.3 非剛性零件裝配動作設計及數(shù)據(jù)采集
    2.4 六維力數(shù)據(jù)分析及處理
        2.4.1 力數(shù)據(jù)正態(tài)性分析
        2.4.2 濾波對數(shù)據(jù)特性的影響
    2.5 本章小結
第三章 支持向量機分類器研究
    3.1 引言
    3.2 支持向量機算法研究
        3.2.1 支持向量機基礎算法
        3.2.2 支持向量機優(yōu)缺點分析
        3.2.3 支持向量機參數(shù)
    3.3 支持向量機參數(shù)尋優(yōu)算法
        3.3.1 遺傳算法
        3.3.2 鯨魚優(yōu)化算法
    3.4 本章小結
第四章 混合鯨魚-遺傳算法支持向量機的接觸狀態(tài)識別
    4.1 引言
    4.2 支持向量機分類器的接觸狀態(tài)識別模型
        4.2.1 接觸狀態(tài)識別輸入輸出分析
        4.2.2 支持向量機接觸狀態(tài)識別過程
        4.2.3 裝配接觸狀態(tài)測試數(shù)據(jù)集
    4.3 支持向量機分類器的接觸狀態(tài)結果與分析
        4.3.1 剛性零件接觸狀態(tài)識別結果與分析
        4.3.2 非剛性零件接觸狀態(tài)識別結果與分析
    4.4 混合鯨魚-遺傳算法支持向量機的接觸狀態(tài)識別結果與分析
        4.4.1 混合鯨魚-遺傳算法研究
        4.4.2 剛性接觸狀態(tài)識別結果與分析
        4.4.3 非剛性接觸狀態(tài)識別結果與分析
    4.5 本章小結
第五章 機器人糾偏系統(tǒng)的開發(fā)和裝配驗證
    5.1 引言
    5.2 機器人糾偏裝配平臺
        5.2.1 機器人裝配糾偏問題描述
        5.2.2 糾偏系統(tǒng)的控制平臺構建
    5.3 零件偏移接觸狀態(tài)識別分析
        5.3.1 偏移接觸狀態(tài)訓練與驗證
        5.3.2 測試接觸狀態(tài)識別結果與分析
    5.4 機器人糾偏運動控制設計
        5.4.1 機器人逆運動學分析
        5.4.2 零件位姿調(diào)整軌跡
    5.5 本章小結
第六章 結論與展望
    6.1 結論
    6.2 創(chuàng)新點
    6.3 展望
參考文獻
致謝
作者簡介
學位論文數(shù)據(jù)集


【參考文獻】：
期刊論文
[1]基于封閉矢量法和D-H法的四足機器人逆運動學分析[J]. 李鵬飛,傘紅軍,陳久朋,張道義.  科學技術與工程. 2019(04)
[2]機器學習及其算法和發(fā)展分析[J]. 姜娜,楊海燕,顧慶傳,黃吉亞.  信息與電腦(理論版). 2019(01)
[3]基于加權樸素貝葉斯分類器和極端隨機樹的蛋白質(zhì)接觸圖預測[J]. 金康榮,於東軍.  南京航空航天大學學報. 2018(05)
[4]大規(guī)模混合網(wǎng)絡中基于樸素貝葉斯分類的TCP自適應鑒別器[J]. 陳婭婷,魯凌云.  通信學報. 2018(S1)
[5]基于斯皮爾曼系數(shù)的加權樸素貝葉斯分類算法研究[J]. 郭英明,李虹利.  信息與電腦(理論版). 2018(13)
[6]基于力/位混合控制的工業(yè)機器人精密軸孔裝配[J]. 吳炳龍,曲道奎,徐方.  浙江大學學報(工學版). 2018(02)
[7]基于引力模型的樸素貝葉斯分類算法[J]. 王威,趙思逸,王新.  計算機應用研究. 2018(09)
[8]基于粒子群算法的阻抗控制在機械臂柔順控制中的應用[J]. 周曉東,任天助,張激揚,周銳.  空間控制技術與應用. 2016(03)
[9]有機玻璃研磨拋光機器人力控制研究[J]. 楊林,趙吉賓,李論,劉雷.  機械設計與制造. 2015(04)
[10]工業(yè)機器人技術的發(fā)展與應用綜述[J]. 計時鳴,黃希歡.  機電工程. 2015(01)



本文編號：3160995