基于仿生学的多机器人加工作业任务规划研究

Comparing with the traditional numerical control machining, multi-robot machining takes the advantages of greater working space, better flexibility, higher efficiency and lower cost. This project focuses on the following studies: processing stability prediction and the machining precision in multi-robot operations, the development of the interactive dynamics model of the robot and the manufacturing process environment, multi-robot cooperative task planning based on the ecological mechanism of root growth, and autonomous regulatory of process parameters...Attentions are focused on the two scientific issues, i.e., to reproduce the multi-robot task planning like the root growth in bionic sense, and characterization of machining system response with autonomous regulation of process parameters. Then we propose to develop a systematic theory on the multi-robot task planning based on plant bionics, build a virtual prototype of multi-robot machining of a typical mechanical structure, and realize the function on working conditions identification - system dynamics learning - process parameters decision-making. The outcome of this project would provide a new technical approach for the efficient machining of large-scale structures, as well as to advance the understanding of robot aided machining process.

与传统数控加工相比，多机器人协同加工具有操作空间大、柔性好、效率高、成本低等优势。本项目重点研究多机器人作业加工稳定性预报与结构件精度保证方法，建立机器人与制造工艺环境之间的交互动力学模型，借助生态学中植物根系生长机理规划多机器人协同作业任务，自主调控结构件加工工艺。..围绕上述研究内容，拟解决多机器人作业任务规划的仿生复现、加工系统响应特性表征与工艺自主调控关键科学问题。在以上工作基础上系统而完整地提出一套基于仿生学的多机器人作业任务规划理论和方法，构建典型结构件多机器人加工原型系统，实现工况感知-系统动力学特性学习-工艺决策功能，为结构件高效加工提供新的技术途径和实现方法，丰富机器人加工理论。

本项目的目标是研究机器人加工的稳定性预报和结构件精度保证方法，并在此基础上提出加工作业任务自适应规划策略，为多机器人加工作业规划提供基础理论和方法。围绕项目目标，开展了三项工作。一、建立了多自由度机器人加工动力学模型，提出了多自由度结构模态下加工稳定性的高效高精预报方法，以及加工动力学约束下机器人加工工艺参数的序列优化方法；针对稳定性模型预测的不确定性，建立了用于增强弱颤振信号的随机共振新模型，发展了实时工况下早期颤振特征的及时诊断方法。二、构建了切削用量、刀具位姿、实测切削力等工艺输入与加工变形的贝叶斯关联模型，实现加工变形的实时监测与在线调控；发展了加工结构件表面精度的对抗学习与在线调控方法，建立了实测工况特征与表面纹理特征的深度网络映射模型，以实测的切削工况修正纹理特征的预测偏差。三、为实现多机器人协同加工的精确定位和支撑，采用多线激光雷达对装夹位置处结构件局部特征进行扫描，通过获取的局部特征实际形貌和精确定位，实现夹持形状的判断和模式分类，并从预存的夹持方法中规划出对应的最优装夹方案。.以上工作在ASME和IEEE汇刊上发表多篇论文，在CIRP国际会议上宣讲论文两次。项目成果获2018年“世界机器人大赛-共融机器人挑战赛”最佳感知技术奖和2018年江苏省科学技术一等奖。

内容获取失败，请点击重试