论文部分内容阅读
随着市场对产品的需求发生转变,制造生产模式也须转变。传统工业机器人存在编程效率低、开发应用成本高、制造柔性不足等缺点,已难以满足新一代制造业发展的要求,并已经成为阻碍产业升级的瓶颈之一,如何克服这些缺点是业界当前亟待解决的关键问题。人-机器人技能传递(Human-robot skill transfer)技术能够将人的柔顺作业技能(Compliant skills)快速地传递给机器人。该技术具有两个显著的优点:(1)能够高效地实现对机器人的示教编程,从而便于对机器人产线快速开发应用,降低人工与时间成本;(2)能够使得机器人具备类人化(Human-like)的柔顺操作技能,提高基于机器人的制造系统的柔性,从而能够拓宽机器人在制造业中的应用场景并提高其产品加工质量。由此可见,人机技能传递技术是解决上述问题的有效手段,成为业界当前重点研究领域之一。本文从当前工业机器人发展现状出发,首先阐述了人-机器人技能传递技术的研究背景和意义。接着对人机技能传递技术的发展现状进行了综述,主要集中在两个方面:运动技能的获取与表达和柔顺技能的学习方法。在运动技能的获取与表达方面,介绍了机器人学习示教者技能的一般过程(示教-模型学习-复现)、人机示教交互的主要方式(视觉、遥操作、人机物理交互)、以及对示教数据建模的几种主要模型(动态运动原语模型、概率模型)。在仿人柔顺技能学习方面,介绍了基于肌电信号的变刚度技能传递与基于运动学习的仿人控制方法。最后,针对目前技能传递技术研究中存在的不足,引出本文的主要研究内容。为了将人的自适应刚度调节的技能传给机器人,本文搭建了一套人机示教交互系统。利用人在示教过程中采集的手臂表面肌电信息估计出手臂的末端刚度,并将其映射到机械臂关节空间的阻抗控制器中,使得机械臂具备柔性操作的能力。为了使机器人具备技能泛化(Generalization)能力,包括空间位置泛化和刚度/力的泛化,进一步提出了一种基于运动原语模型的人机技能传递示教学习框架。该框架对运动轨迹与刚度轨迹平行表达,通过对二者各自分别调节,可以高效地调整机器人的运动轨迹与刚度大小,以泛化到新的任务情况。另外,通过将轨迹分割、对齐技术集成到该框架内,方便于对运动轨迹与刚度轨迹的调节。并且,通过多个不同类型的实验验证了所提出方法的有效性。为了使机器人学习到人在示教过程中更完整的技能特征,本文提出了一种多模态信息融合学习方法。该方法先利用上述的示教系统在示教过程中采集三种模态信息,包括机器人任务空间的运动信息(位置与速度)、示教者手臂的肌电信息、机械臂末端与环境的交互力信息;再利用隐半马尔可夫模型学习位置与速度、位置与刚度以及位置与力的关联信息,使得速度、刚度与力轨迹的演化分别与位置信息相关,根据此相关信息利用高斯混合模回归算法生成相应的控制变量。最后通过对比实验,验证了该方法的有效性。为了提高人-机器人柔顺技能传递的效率,本文提出了一种基于仿人运动学习(Motor learning)控制策略的示教学习方法。该方法包括“运动示教-柔顺复现”两个步骤。其中,在任务复现阶段可以根据运动误差在线调节机械臂阻抗(刚度与阻尼)与前馈力/力矩的大小。通过人机协作与交互示教实验表明,该方法可以使得机器人柔顺地适应于其外部环境或协作者。