基于多机器人协调的大型舱段轴孔精密装配控制方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    U1813208
  • 项目类别:
    联合基金项目
  • 资助金额:
    302.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0309.机器人学与智能系统
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

Large bay section assembly is a key technology in the manufacturing of national defense equipment. However, the traditional assembly method cannot fulfill the precise assembly of large bay section automatically. In this project, high precision pole-in-hole assembly of large bay section is chosen as the objective. The multi-robot coordination control method is developed and a prototype is designed. This project focuses on the key technical breakthrough in the following three aspects: (1) The rapid and accurate measurement of pose information of large bay section. Combining the deep neural network and ROI, position marker can be roughly located in the global image. Then the structured light vision is used to achieve the precise measurement of the position marker in the local range. (2) The precise measurement of the contact force of large bay section pole-in-hole assembly. The distributed force sensor model can be obtained by the dynamic analysis of the bay section and supporting mechanism, while the signal error from the force sensor is analyzed and the sensor is calibrated accordingly. Thus, the precise measurement of the contact force in assembly process is realized. (3) High precision control method of large bay section pole-in-hole assembly. A hierarchical intelligent control model is adopted. Then an intelligent control method based on force and position information feedback and reinforcement learning is presented, which reduces the system’s dependence on the mechanical model and the sensor precision. Therefore, the high precision pole-in-hole assembly of large bay section is achieved.
大型舱段装配是国防装备制造的关键技术,现有的方法无法自动完成大型舱段轴孔精密装配。本项目以大型舱段轴孔精密装配为目标,研究多机器人协调控制方法,研制原理样机,并重点突破以下三方面关键技术:(1) 大型舱段位姿信息快速准确测量。采用深度神经网络与ROI相结合在全局图像中实现标志点的粗定位,利用结构光视觉在局部范围内完成标志点的精确测量。(2) 大型舱段轴孔装配接触力的精密测量。通过对舱段和支撑机构的动力学分析,得到分布式力传感器理论模型,并对力传感器信号进行误差分析及校准,实现装配接触力的精密测量。(3) 大型舱段轴孔高精度装配控制方法。采用分层递阶的智能控制模式,提出基于力位信息反馈和强化学习的控制方法,降低对于力学模型和传感器精度的依赖,实现大型舱段轴孔高精度装配。

结项摘要

舱段对接工艺是航空航天和军工制造中常见的生产过程,对接装配技术直接影响最终产品的生产周期、一致性以及性能,而目前我国的舱段装配方式智能化和自动化程度较低。本课题研究多机器人协同的舱段精密自主装配方法。首先,完成了多机器人协同的装配系统设计,并提出一种灵巧工作空间的快速求解方法。在舱段位姿测量方面,提出了一种基于全局立体视觉和局部手眼结构光视觉的大型工件位姿测量系统和方法。在大型舱段轴孔装配接触力的测量方面,提出一种基于旋量几何的动力学建模方法,完成了负载分配分析以及舱段接触力辨识。在大型舱段轴孔精密装配的控制方法方面,提出了一种三阶段力反馈柔顺控装配方法,实现了舱段接触到轴孔插入再到定位结构精确配合的全流程柔顺作业。另外在系统标定方面,提出了一种基于视觉的舱段坐标系标定与标定位形规划方法,一种线结构光手眼系统的内外参高效标定流程,以及一种不依赖标定物的结构光手眼自标定方法。通过以上研究及所搭建原理样机,实现了高效、自主、柔顺的舱段精密装配。

项目成果

期刊论文数量(14)
专著数量(0)
科研奖励数量(0)
会议论文数量(11)
专利数量(19)
Learning Human Strategies for Tuning Cavity Filters with Continuous Reinforcement Learning
通过连续强化学习学习人类调整腔体滤波器的策略
  • DOI:
    10.3390/app12052409
  • 发表时间:
    2022-02
  • 期刊:
    Applied Sciences
  • 影响因子:
    --
  • 作者:
    Zhiyang Wang;Yongsheng Ou
  • 通讯作者:
    Yongsheng Ou
A Fast and Robust Seam Tracking Method for Spatial Circular Weld Based on Laser Visual Sensor
基于激光视觉传感器的空间圆焊缝快速鲁棒焊缝跟踪方法
  • DOI:
    10.1109/tim.2021.3106685
  • 发表时间:
    2021-01-01
  • 期刊:
    IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT
  • 影响因子:
    5.6
  • 作者:
    Ma, Yunkai;Fan, Junfeng;Tan, Min
  • 通讯作者:
    Tan, Min
Reconstruction based Hand-Eye Calibration using Arbitrary Objects
使用任意对象进行基于重建的手眼校准
  • DOI:
    10.1109/tii.2022.3203771
  • 发表时间:
    2022
  • 期刊:
    IEEE Transactions on Industrial Informatics
  • 影响因子:
    12.3
  • 作者:
    Shiyu Xing;Fengshui Jing;Min Tan
  • 通讯作者:
    Min Tan
An Initial Point Alignment and Seam-Tracking System for Narrow Weld
窄焊缝初始点对准和焊缝跟踪系统
  • DOI:
    10.1109/tii.2019.2919658
  • 发表时间:
    2020-02-01
  • 期刊:
    IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS
  • 影响因子:
    12.3
  • 作者:
    Fan, Junfeng;Deng, Sai;Tan, Min
  • 通讯作者:
    Tan, Min
Kinematics, dynamics, and load distribution analysis of a 4-PPPS redundantly actuated parallel manipulator
4-PPPS 冗余驱动并联机械手的运动学、动力学和负载分布分析
  • DOI:
    10.1016/j.mechmachtheory.2021.104494
  • 发表时间:
    2021-08-18
  • 期刊:
    MECHANISM AND MACHINE THEORY
  • 影响因子:
    5.2
  • 作者:
    Liu, Zhaoyang;Tao, Rui;Tan, Min
  • 通讯作者:
    Tan, Min

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

机器人轨迹纠偏控制方法研究
  • DOI:
    10.13973/j.cnki.robot.2017.0292
  • 发表时间:
    2017
  • 期刊:
    机器人
  • 影响因子:
    --
  • 作者:
    景奉水;杨超;杨国栋;谭民
  • 通讯作者:
    谭民
FAST馈源支撑系统位姿分配方法研究
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    光学精密工程
  • 影响因子:
    --
  • 作者:
    邓赛;景奉水;梁自泽;杨国栋;于东俊
  • 通讯作者:
    于东俊
基于球面贝塞尔的姿态过渡与插补方法
  • DOI:
    10.13245/j.hust.171014
  • 发表时间:
    2017
  • 期刊:
    华中科技大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    张少林;景奉水;王硕
  • 通讯作者:
    王硕
串联抑振轨迹规划方法及在FAST馈源支撑系统中的应用
  • DOI:
    10.1360/ssi-2021-0130
  • 发表时间:
    2021
  • 期刊:
    Scientia Sinica Informationis
  • 影响因子:
    --
  • 作者:
    景奉水;郑榕樟;杨国栋;邓赛;谭民
  • 通讯作者:
    谭民

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

景奉水的其他基金

焊接机器人自动编程与自主作业方法研究
  • 批准号:
    62173327
  • 批准年份:
    2021
  • 资助金额:
    60.00 万元
  • 项目类别:
    面上项目
基于多源信息融合的FAST馈源实时高精度控制方法研究
  • 批准号:
    61573358
  • 批准年份:
    2015
  • 资助金额:
    64.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码