基于强化学习的大口径精密轴孔部件装配技术研究
轴孔部件的装配任务是制造领域中常见且重要的一类任务。利用工业机器人来替代人工实现自动化装配，进而提升生产效率是目前轴孔部件装配领域的重要发展方向。大口径精密部件 (直径大于200 mm，小于400 mm) 装配是常见于筒状部件装配场景中的任务，具有装配轴长度短、配合精密、装配过程复杂等特点，其装配机理尚不明晰，常规机器人装配方法难以应用。因此，本文针对大口径精密轴孔部件装配任务，以利用机器人实现安全、可靠的自动化装配为研究目标，分析了装配过程中的接触状态与接触力情况，提出了一种基于近端策略优化算法（Proximal Policy Optimization, PPO）的强化学习轴孔装配算法，搭建了仿真和真实实验平台并开展了算法测试和实验研究。本文的主要研究内容及结论如下： (1) 大口径精密轴孔装配过程的建模和仿真。针对大口径精密轴孔装配任务，对装配过程中的接触状态进行了分析与简化，确定了所有可能的接触状态，建立了接触力计算模型，实现了利用轴孔相对位姿计算装配过程接触力的功能。此外，通过现有物理引擎MuJoCo来辅助计算接触力并实现了装配过程的可视化仿真，揭示了此类装配对象的装配难点与装配特点，并为建立仿真装配环境做准备。 (2) 基于强化学习的大口径精密轴孔装配算法的设计与实现。针对大口径精密轴孔装配任务的插入阶段，设计和实现了一种基于PPO算法的装配算法，该算法主要根据反馈的力矩信息和位姿信息来自动输出装配动作，实现柔顺装配的目的；在MuJoCo中设计和构建了仿真装配环境，用于强化学习装配算法的训练和测试。该仿真装配环境的设计考虑了现实环境中客观存在的位姿测量误差，提高了仿真环境的准确性，实现了可以安全、快速训练和测试装配算法的功能。 (3) 装配算法的仿真训练与算法可靠性的实验验证。基于仿真装配环境开展了装配算法的强化学习训练，分析了算法在训练过程中的收敛性，测试了算法的装配性能，研究了装配过程中的装配步数和接触力大小，仿真实验证明算法具有较好的稳定性和收敛性。最后搭建了真实实验平台，并在真实场景下完成了大口径精密轴孔的装配，装配过程中最大接触力低于20 N，装配时间约为300 s，相较于传统基于吊机或专用装配设备的方法，该方法具备装配过程简便和安全的特点，且满足非批量化的装配要求。
轴孔部件;自动化装配;近端策略优化算法;强化学习
四川大学
硕士
机械电子工程
余德平;陈东生
2021
中文
TH166
2023-06-02（万方平台首次上网日期，不代表论文的发表时间）