[發明專利]一種具有不確定干擾的機器人拆卸順序的規劃方法

在審

• 申請號: 202210362523.5
• 申請日: 2022-04-07
• 公開（公告）號: CN114815688A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 馮立超;馮亦非;張依;張國忠;王永靖;于雪梅;朱文亮;訾克明;王華兵;謝寧
• 申請（專利權）人: 銘之城科技（蘇州）有限公司
• 主分類號: G05B19/042
• 分類號: G05B19/042
• 代理公司: 北京和聯順知識產權代理有限公司 11621
• 代理人: 謝冰

本發明公開了一種具有不確定干擾的機器人拆卸順序的規劃方法，首先確定2D空間中物理組件的數學表示，剖析了算法的動態重新規劃過程，解決迭代估計和序列排序方案，3D案例研究以評估算法；然后通過模糊動態不確定性矩陣，結合重新規劃策略，根據已發生的事件定義最優拆卸順序進行規劃；本發明將成本和可靠性優先級與實時決策相結合，通過學習機制，預測產品狀況的實時不確定性和重新規劃策略，實習環境效益最大化。

技術領域

本發明涉及機械制造領域，具體為一種具有不確定干擾的機器人拆卸順序的規劃方法。

背景技術

再制造過程中追求拆卸的自動化、高效率，促進了對拆卸順序規劃(DSP)的研究。遺傳算法從組件的幾何描述中生成優化的拆卸順序規劃。通過蜂群算法結合兩個指針方法來進行實時優化，如果一個組件在運行期間發生故障，該算法將忽略先前移除的組件并為剩余的組件重新配置一個新的拆卸順序規劃。

由于遺傳算法復雜性和迭代性質，大多數自適應優化方法似乎不能用于在線決策；蜂群算法結合兩個指針方法雖然成功地將成本和可靠性優先級與實時決策相結合，但該技術缺乏學習機制，因此在預測產品狀況的實時不確定性和重新規劃策略方面存在差距；為此提供了一種具有不確定干擾的機器人拆卸順序的規劃方法。

發明內容

本發明的目的是針對現有技術的缺陷，提供一種具有不確定干擾的機器人拆卸順序的規劃方法，以解決上述背景技術提出的問題。

為實現上述目的，本發明提供如下技術方案：一種具有不確定干擾的機器人拆卸順序的規劃方法，首先確定2D空間中物理組件的數學表示，剖析了算法的動態重新規劃過程，解決迭代估計和序列排序方案，3D案例研究以評估算法；然后通過模糊動態不確定性矩陣，結合重新規劃策略，根據已發生的事件定義最優拆卸順序進行規劃；

具體方法步驟如下：

步驟1：使用初始條件生成壓縮可行性、置信度和關系矩陣；

步驟2：使用蒙特卡羅正向傳播整理可行性和置信矩陣，置信度的正態分布平均值和兩倍標準偏差進行求和和和壓縮；

步驟3：如果未選擇移除新組件，則添加遞歸止動器，選擇總和得分最低的組件進行刪除；

步驟4：確定部件和拆卸方向，確認組件是否被移除，如果移除則進行步驟6，如果未移除則進行步驟5；

步驟5：故障響應：一旦發生故障，所有接觸部件都會收到基于未壓縮置信矩陣和固定值懲罰成本的可變可行性懲罰；然后，組件的置信值增加系數e^(0.01/U)增加不確定性，最后，如果懲罰值小于差值，為防止組件重新建議，則生成并存儲遞歸停止矩陣，以便在下一次迭代中提供臨時懲罰；

步驟6：通過響應：成功移除給定組件后，相應的置信值降低10％；從源數據中提取可行性和置信度數據，并存儲在相應的聚合矩陣中；同樣，組件的可行性、置信度及其當時的產品也作為分數保存，以供以后對序列進行評估，然后確認是否實現完全拆卸，如果完全拆卸了則進入到步驟7，如果未完全拆卸則返回到步驟2和步驟5進行循環；

步驟7：循環數據：循環完成，算法輸出通過/失敗數據以及實現的DSP，計算完成序列的總分；

步驟8：系統數據：系統輸出平均聚合可行性和置信度，穩態矩陣顯示了過去所有周期的影響；創建序列字典以查找模式DSP，然后，這些分數被用來定位最可行、最確定和最好的總體DSP；

步驟9：編輯初始條件：算法運行，直到循環數等于運行大小標準；否則，初始置信度設置為等于平均總置信度；將之前的循環懲罰應用于存儲的可行性矩陣；然后減去一個平衡器，以允許迭代估計，從而阻止新的可行性矩陣收斂；然后存儲新的可行性矩陣，為下一個循環做好準備。