[發明專利]基于神經網絡分析的裝配過程力與力矩預測系統及方法

有效

• 申請號: 201910018178.1
• 申請日: 2019-01-09
• 公開（公告）號: CN109794935B
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 劉長春;張盡力;全旭松;陳海平;徐旭;葉郎;曹庭分;易聰之
• 申請（專利權）人: 中國工程物理研究院激光聚變研究中心
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 重慶為信知識產權代理事務所(普通合伙) 50216
• 代理人: 余錦曦

本發明公開一種基于神經網絡分析的裝配過程力與力矩預測系統及方法，通過建立精確的數學模型，繼而通過收集的數據對參數進行求解，將采集不同條件下的數據對用來訓練神經網絡模型并建立其映射關系，最終實現精確預測力與力矩。有益效果：可以通過分析未裝配狀態的裝配端受影響情況，再在裝配狀態中引入之前分析的受影響情況，就能得到實際的接觸力/力矩數據，有效去除干擾數據，裝配的控制精度大大提高。

技術領域

本發明涉及裝配機器人控制技術領域，具體的說，涉及一種基于神經網絡 分析的裝配過程力與力矩預測系統及方法。

背景技術

出于全自動裝配的考慮，裝配過程中機器人的控制是否精確直接影響裝配 結果，而機器人力和力矩的參數準確性是精確控制的必要條件，由于裝配時負 載重力、安裝誤差等擾動，使機器人控制所需要的實際力和力矩難以準確計算， 就需要對接觸力和力矩進行預測，其預測結果可作為實際控制的重要參考，則 預測精度越高，實際控制的裝配效果越好。

機器人裝配端安裝的六維力傳感器測得的力與力矩數據由三部分造成,即: 傳感器自身系統誤差、裝配負載重力作用、裝配負載所受外部接觸力，若要得 到裝配負載所受外部接觸力,即實際控制所需要的力，就需要消除傳感器系統 誤差和裝配負載重力作用的影響。

如下公式所示：

可以看出，裝配過程的接觸力(F_cx、F_cy、F_cz)是力傳感器測量值(F_x、F_y、F_z)減去負載重力帶來的影響(G_x、G_y、G_z)，以及傳感器自身帶來的誤差(F_x0、 F_y0、F_z0)，力矩也存在類似問題。

接觸力的精確感知問題可以歸結為，求取機器人末端位姿和接觸力的映射 關系問題。

發明內容

針對上述背景所存在的問題，本發明提出了一種基于神經網絡分析的裝配 過程力與力矩預測系統及方法，通過建立精確的數學模型，繼而通過收集的數 據對參數進行求解，將采集不同條件下的數據對用來訓練神經網絡模型并建立 其映射關系，最終實現精確預測力與力矩。

為達到上述目的，本發明采用的具體技術方案如下：

一種基于神經網絡分析的裝配過程力與力矩預測系統，包括裝配機器人， 該裝配機器人的裝配端設置有姿態傳感器和力傳感器，所述姿態傳感器用于檢 測裝配端的三軸位姿參數I₁，所述力傳感器用于檢測裝配端的三軸接觸力數據 I₂、三軸力矩數據I₃；

還包括預測機構，所述預測機構的數據輸入端組連接所述姿態傳感器的輸 出端和所述力傳感器的輸出端，所述預測機構的數據輸出端組連接有裝配機器 人控制機構的數據輸入端組。

對于裝配端受重力和誤差造成的影響，實際在未裝配狀態和裝配狀態兩種 過程中是幾乎一致的，因此可以通過分析未裝配狀態的裝配端受影響情況，再 在裝配狀態中引入之前分析的受影響情況，就能得到實際的接觸力/力矩數據， 有效去除干擾數據，裝配的控制精度大大提高；

上述未裝配狀態是指裝配端已經連上裝配件但裝配件還未與裝配目標接觸 的過程，則裝配狀態指裝配件開始與裝配目標接觸直到裝配完成的過程。

進一步設計，所述預測機構包括靜態位姿與力/力矩關系映射模塊、動態實 際接觸力/力矩數據計算模塊、處理模塊、數據存儲模塊，所述處理模塊分別與 靜態位姿與力/力矩關系映射模塊、動態實際接觸力/力矩數據計算模塊、數據存 儲模塊連接。