随着机器人技术的发展,协作机器人走入工厂与人协作共同完成装配任务将成为未来的发展方向。针对人机协作装配中的安全性问题,本文提出了基于人手运动预测的多重人机安全协作策略。该方法首先对人机协作装配过程中的人手运动目标点进行预测,使机械臂具备预知操作者动作意图的能力;之后基于上述预测结果,针对人机协作装配中的安全性问题,面向不同阶段的装配场景,提出了基于运动预测的多重人机安全协作策略,使机械臂能够在保证人身安全的同时也具备灵活应对装配场景变化的能力。本文的主要研究内容和成果如下:首先,将装配任务抽象简化为小球装盘任务,搭建了面向模拟装配的人体运动数据采集传感系统。该系统搭配有Kinect v2深度传感器,用于对装配时的人体操作手臂关节运动轨迹进行采集。针对数据采集过程中出现的人体关节自遮挡引起的数据跳动以及Kinect自身精度问题,利用了SDK状态和人体骨长约束对异常数据进行了剔除,且针对剔除后的关节数据缺失,提出了基于IMU的缺失关节点位置补偿方法,保证了采集所得数据的完整性和准确性。其次,针对人机协作装配中的人手运动目标点预测问题,提出了基于级联LSTM的协作任务中人手运动预测方法。级联LSTM分为Gra＿LSTM和Pla＿LSTM两部分,首先将部分抓取动作序列输入到第一段训练好的Gra＿LSTM神经网络,对人手抓取动作目标点进行预测;之后将此预测结果与部分放置动作序列一同输入到第二段训练好的带有先验信息解析模块的Pla＿LSTM神经网络进行训练,对人手放置动作目标点进行预测。重复交替上述预测过程即可完成人机协作装配中的人手运动预测。再次,针对人机协作装配过程中的人身安全问题,提出了基于运动预测的多重人机安全协作策略。在预测出被协作者动作目标点后,将采集到的双人协作中的协作者应对该目标点的手腕运动轨迹作为机械臂末端的运行轨迹,面向不同装配阶段分别提出了基于任务层面的避碰策略规划、基于轨迹层面的避碰策略规划以及基于外力观测器的碰后策略规划,以充分保障人身安全。最后,基于UR5协作机械臂搭建了人机协作装配实验场景,完成了人机协作装配实验。验证了本文所提出的基于级联LSTM的协作任务中人手运动预测方法的可行性,以及基于运动预测的多重人机安全协作策略的可靠性。