科研之友
微信
新浪微博
Facebook
分享链接
摘要
利用机器人进行自动装配操作时，控制装配过程的接触力和柔顺性对于保证装配质量具有重要意义。为此提出一种基于力-位图像学习的柔顺装配方法，将装配过程中的位姿和接触力信息转化为力-位图像，然后通过对力-位图像的分类学习，获得不同初始位姿情况下的柔顺装配动作策略，从而控制机器人实现柔顺装配。首先，控制机器人完成多次装配，并在装配过程中收集机器人位姿以及装配力和力矩信息；然后，利用这些信息绘制力-位曲线并将其组合成为力-位图像，基于运动方向判定算法为力-位图像自动标记装配动作标签，以构建力-位图像数据集；最后，在力-位图像数据集上对深度学习模型进行训练，并基于深度学习模型控制机器人进行柔顺装配。为了验证该方法的有效性，以RJ45连接头和连接口间的装配为例，采集了2500次装配操作的力-位数据，共生成92328张力-位图像及对应标签，然后基于ResNet50网络训练力-位图像分类模型，并基于该模型控制机器人进行装配实验，装配成功率达到96.7%。
- 单位
