导读:本文包含了装配路径规划论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:路径,算法,阻抗,模糊,深度,飞机,快速。
装配路径规划论文文献综述
李妍,甄成刚[1]（2019）在《基于深度Q网络的虚拟装配路径规划》一文中研究指出针对虚拟装配中自由空间相对狭窄造成的复杂环境通行性问题,提出通过跟踪和反馈的方式学习最优的动作序列决策的模糊贝叶斯-深度Q网络算法。将模糊综合评判法和贝叶斯决策算法结合起来替代深度Q网络中的ε-贪婪算法,有效进行探索与利用,生成最优的动作序列决策,规划待装配体的装配路径。实验结果表明,在狭窄空间中,利用模糊贝叶斯-深度Q网络算法解决虚拟装配的路径规划问题具有较好的通行性和规划效率。(本文来源于《计算机工程与设计》期刊2019年07期）
仵宇博[2]（2019）在《自主装配机器人路径规划及力位跟踪控制研究》一文中研究指出机器人实现智能装配、协作装配是“中国制造2025”提出的具体要求,现有的机器人技术已经实现了力伺服控制,面对市场多元化需求,现有装配机器人智能化程度较低,产品装配效率不高,因此,借助人工智能技术对装配机器人实现快速,高效的智能装配迫在眉睫。本文基于视觉/力觉融合的六自由度机器人,对装配机器人传感器重力补偿及手爪标定、工作空间路径规划、力位跟踪控制等展开研究。1.装配机器人六维力传感器重力补偿及手爪标定。建立传感器空间受力模型,获取N(N≥3)组不同姿态的负载下传感器数据,采用最小二乘法分析并进行实验,求得传感器零点值、负载重心坐标、以及负载重力值,对机器人所受的外部环境力精确补偿。基于视觉引导抓取轴模型,对工具坐标系位置标定采用最小二乘法求解,姿态标定采用Halcon手眼视觉标定计算。最后进行实验标定,获得工具坐标系到末端坐标系的变换矩阵,为路径规划实现轴的精确抓取做准备。2.装配机器人路径规划。提出一种改进人工势场法(局部)和APF-RRT(全局)结合的避障路径规划算法。首先,根据六自由度装配机器人模型,引入浮动控制点和固定控制点,修正引力势场函数,对斥力势场引入与目标点的相对距离,并增加调节因子实现势场调控,使机器人碰到障碍物时朝着目标点的方向逃离;其次,针对势场法易陷入极小问题,将APF的目标引力概念引入RRT的搜索树扩展阶段,使机器人向目标点方向移动,从而跳出局部极小。最后,对提出算法采用MATLAB进行多环境仿真,证明该算法可以对六自由度装配机器人从抓取到装配位置实现工作空间环境的运动规划,能适应环境的变化。3.装配机器人力位跟踪控制算法研究。对轴孔接触时六维力传感器进行受力分析,建立轴孔装配接触的阻抗控制数学模型,将传感器的受力转换为轴孔的实际接触力,进行基于末端力反馈的阻抗控制;对装配过程阻抗模型稳态力误差进行分析,采用Simulink搭建机器人阻抗仿真系统,采用控制变量法对期望的阻抗参数进行辨识仿真得到合适的阻抗参数;对于不确定环境加入模型参考自适应控制算法,对柔顺装配系统进行在线力位调节,仿真实验表明,加入了自适应系统的阻抗控制在面对以下环境:平面的位置和刚度突变、斜面、平面向斜面过渡、曲面、平面向曲面过渡等环境时,切向位置跟踪响应由2s降低到0.2s,稳态接触力响应由4s降低到0.4s,法向接触力跟踪误差由4N降低到到0.3N,自适应阻抗比阻抗控制有良好的适应环境能力,实现了柔顺装配力位精确跟踪仿真。4.装配机器人路径规划实验。设计实验方案,无障碍环境下采用改进势场法与APF-RRT融合算法进行路径规划,验证了算法应用的有效性;在机器人工作空间存在球形包络长方体盒子的障碍物前提下,采用本文提出的算法进行路径规划,验证了算法的避障路径规划能力。(本文来源于《西安理工大学》期刊2019-06-30）
李妍[3]（2019）在《基于深度强化学习的虚拟装配路径规划方法研究》一文中研究指出虚拟装配是虚拟制造的重要组成部分,利用虚拟装配,可以验证装配设计和操作的正确与否,以便及早的发现装配中的问题,对模型进行修改,并通过可视化显示装配过程。路径规划是虚拟装配的一个重要发展方向,研究虚拟装配环境下的路径规划技术对于复杂环境的装配路径设计具有十分重要的意义。装配路径规划是从产品的装配起点出发,根据装配环境的特点及待装配零部件与其它零部件的相对位置关系等信息进行路径求解,并最终获得一条满足装配要求的无碰撞路径。在计算机上搭建虚拟装配场景,实现装配路径的规划,可及时验证装配产品零部件的装配有效性。但是路径规划主要用于机器人领域,通过传感器识别简单环境,根据环境建模对路径进行规划。而虚拟装配中具有大量复杂环境,不容易被建模且包含狭窄空间,传统路径规划算法无法保证复杂环境下的通行性和规划效率,因而不适宜直接运用在虚拟装配的复杂环境中。针对虚拟装配中自由空间相对狭窄而造成的复杂环境通行性问题,提出了通过跟踪和反馈的方式学习最优的动作序列决策的深度强化学习。本文基于深度强化学习实现了虚拟装配的路径规划,主要完成了以下几个方面的问题:(1)介绍了路径规划领域的发展和研究现状,通过分析国内外的研究成果和实际问题,归纳出本文所解决的问题:虚拟装配中因自由空间相对狭窄而造成的复杂环境通行性问题。(2)详细介绍了深度学习和强化学习的基础理论,在分析深度学习和强化学习的算法原理和适用性的基础上,本文提出利用深度强化学习来解决虚拟装配的路径规划问题,该方法将深度学习的感知能力和强化学习的决策能力相结合,适用于解决序列决策问题。(3)将虚拟装配的路径规划问题转换为寻路的序列决策问题。从理论上验证,本课题提出的深度强化学习能够训练深度网络来解决自动寻路问题。(4)本文为了验证模糊贝叶斯-深度Q网络算法在虚拟装配环境中的实验效果,对虚拟装配的复杂环境进行了模拟,在模拟环境中对算法进行了研究确保该方法的可行性和有效性。对虚拟装配中具有狭窄空间的复杂环境具有较好的通行性和规划效率。(本文来源于《华北电力大学》期刊2019-03-01）
张璐璐,刘恩福,刘晓阳[4]（2018）在《一种装配路径规划改进GoalBia-RRT算法》一文中研究指出针对复杂产品装配路径规划问题,提出一种偏目标型快速扩展随机树改进算法。该算法主要是基于偏向目标快速扩展随机算法(GoalBia-RRT),采用混沌搜索生成随机采样点的策略和局部引导新节点生成策略进行改进,不仅能够快速搜索覆盖整个装配空间,使朝着目标点生长的搜索路径可以快速脱离局部极小区域,避免陷入局部极小值问题,而且得到的路径可通行性得到极大改善。最后,通过仿真实验验证了该算法的优越性,并集成在CATIA平台上,开发出原型系统,通过实例验证了可行性和实用性。(本文来源于《机械设计与制造》期刊2018年11期）
肖文轩[5]（2018）在《自主轴孔装配机器人路径规划及力控制研究》一文中研究指出装配作为产品制造过程中不可或缺的一个环节,也是最耗费人力的一个环节,但现有装配机器人都存在智能化程度较低,适应性差,效率低等不足,提升装配机器人的智能化程度,对我国实现“中国制造2025”具有重要意义。本文以传统的工业机械臂为基础,围绕路径规划、柔顺力控制、控制系统等展开研究,为实现机器人的自主轴孔装配打下基础。1.装配机器人的路径规划。从抓取工件到达预装位置,需要机器人根据工作空间环境,自主地规划无碰撞路径。首先,在考虑到计算机运算能力的前提下,选用随机生成树RRT算法作为基础,并对其贪婪生长、收敛速度慢等缺点进行改进。通过加入目标引力函数,使得算法平均时间由原来的1.16s减少到0.3s左右;其次,考虑到机器人的连杆约束问题,将障碍物统一地映射到机器人的关节空间,在关节空间中,利用改进后的RRT算法进行路径规划,并对规划的路径进行剪枝和平滑处理,使其更加符合机器人的运动学要求;最后,利用Matlab中机器人工具箱搭建机器人的仿真模型,对规划的路径进行仿真,从而证明了该方法在机器人上应用的可行性和有效性。并对其进行实验,将RRT算法在线生成的关节路径通过测控系统下发到运动控制器,通过实验验证了该路径可以有效的避开空间的障碍物。2.基于六维力传感器的轴孔相对位姿测量。为了使得轴孔接触脱离叁点接触状态,方便后续的柔顺控制。首先,针对轴孔在叁点接触状态下的位置和姿态偏差进行描述;其次,通过对轴孔叁点接触下的状态进行受力分析和几何分析,进而建立轴孔位置偏差、姿态偏差和受力之间的关系模型;最后,利用六维力传感器的测量数据获得实际的轴孔相对位姿偏差,进而为后续装配力控制策略提供调整依据。研究结果表明,通过六维力传感器采集的数据可以计算出轴孔之间的相对位姿。3.基于模糊规则的机器人阻抗力控制。为了让装配机器人具备柔顺的能力,需要为其设计力控制方法。首先,利用Kalman滤波器将力传感器采集的数据中带有的高斯白噪声滤除,提高力控制系统的稳定性;其次,建立机器人与外部环境之间的阻抗模型,利用阻抗特性对机器人进行力控制,通过模糊规则来使控制系统自动调节阻抗参数,将力的误差和误差的变化量作为模糊控制器的输入,阻抗参数调节量作为输出,分别为其设定论域和隶属度函数,制定模糊规则表;最后,利用Simulink搭建机器人的力控制系统仿真平台,并在该平台下对机器人的搜孔过程进行模拟,使其在XY平面上跟踪圆形轨迹,在Z方向上保持恒力或者变力跟踪。仿真实验结果表明,加入了模糊规则的阻抗控制在恒力情况下,稳态的力跟踪误差由原来的±1N下降到±0.1N,变力情况下,稳态误差由±3N下降到±0.5N,并且具有更快的响应速度和更小的超调量。4.装配机器人测控系统的开发。首先,针对装配机器人的需求,对测控系统进行总体设计,利用模块化的思想,将测控系统分解为相互独立的子模块;然后,对整个机器人测控系统的软硬件平台功能、力传感器的二次开发以及控制系统通讯模块开发过程进行详细描述;最后,基于Visual Studio开发环境,完成了装配机器人测控系统。(本文来源于《西安理工大学》期刊2018-06-30）
何磊,曹虎,陈雷[6]（2018）在《基于改进A*算法的狭窄空间装配路径规划》一文中研究指出针对飞机总装过程中部分狭窄区域存在装配路径仿真困难,提出叁维空间下改进A*算法,进行装配路径规划。将A*算法由二维平面推广到叁维空间,同时考虑安装物体的尺寸及旋转对装配路径的影响。对安装空间和安装物体进行网格化处理,形成地图映射。根据安装物体在叁维空间中的移动和旋转成本,建立评价函数,利用改进A*算法进行启发式搜索,获得装配路径节点。利用CATIA二次开发技术,在CATIA装配环境中进行算法实现和路径仿真。仿真结果表明该方法可以有效控制安装物体的移动及旋转,避开在狭窄空间中的障碍物,生成装配路径。(本文来源于《航空制造技术》期刊2018年12期）
汪磊[7]（2018）在《虚拟装配中装配路径自动规划的研究与实现》一文中研究指出在新产品的设计与制造环节中,产品的装配一直是产品开发周期中重要的环节,因此,装配也成为了影响产品开发周期,产品开发成本与时间最主要的因素之一。然而,在传统的装配工艺规划中,其装配工艺的制定严重依赖装配工艺人员的经验知识,不仅效率低下,出错率较高,而且也很难规划出最优的装配工艺方案。随着计算机技术的高速发展,计算机辅助装配规划的应用在一定程度上缓解了上述的不足,但研究重点大多在装配建模、装配序列规划等方面,而对装配路径的自动规划方面却研究甚少。因此,本文在UG软件平台上,对虚拟装配中装配路径自动规划的实现机制进行了详细的研究。围绕这一主题,本文主要开展了以下几方面的研究:(1)基于改进的A*算法装配路径规划研究在概述了UG/OPEN二次开发工具各模块的功能以及相互关系的基础上,阐述了UG二次开发的基本框架,并根据UG装配环境中装配概念与术语,构建了利于自动装配路径规划的装配信息模型。在详细分析了层次装配路径规划的基础上,对规划空间的建模以及计算进行了深入的研究。阐述了起始点与起始栅格关联的基本方法。对比分析了邻域栅格选择的不同对装配路径规划的影响。并对A*算法中的部分参数如启发项、搜索步长的选择进行了详细的分析与说明。最后举例说明了传统A*算法在装配路径规划方面的不足,并提出了相应的改进算法。(2)基于AABB包围盒的碰撞检测算法研究对比分析了AABB包围盒、OBB包围盒、Sphere包围盒、k-Dops包围盒在计算量、存储量、紧密性、碰撞检测复杂度等方面的性能差异。阐述了选AABB包围盒作为碰撞检测的原因。说明了UG装配环境下层次包围盒的构建与更新的基本方法,并分析了基于AABB包围盒碰撞检测的基本流程。在调用UG自有的干涉模块进行精确碰撞检测时,详细分析了各API函数调用的基本流程。构建起了粗、精相结合的碰撞检测算法。(3)NX环境下的装配动画仿真在阐述了装配动画仿真实现机制的基础上,深入研究了组件在装配空间中的位姿描述以及位姿变换的相关知识。推导出了空间任意位姿状态的改变所对应的位姿变换矩阵,并详细分析了在不同空间下的位姿变换的相互关系。最后搭建起了基于UG软件平台的装配路径自动规划系统,通过该系统不仅扩大了可进行装配路径自动规划的机械零部件的种类,而且也提高了装配路径规划的效率,提升了装配工艺规划的数字化水平。(本文来源于《武汉理工大学》期刊2018-03-01）
章诗晨[8]（2018）在《飞机总装关重件装配路径规划技术研究》一文中研究指出作为飞机制造的最后一环,飞机总装具有重要地位,且涉及到大量关重件。关重件在飞机总装过程中具有重要意义,它直接影响了飞机整体最终质量。但目前飞机总装过程中关重件的装配作业依然以手工操作为主,自动化程度较低。装配路径规划能够验证飞机装配工艺的合理性,是指导飞机总装关重件装配的有力手段,对提高飞机总装装配效率具有重要意义,其核心内容是为待装配的零部件计算出一条从装配起点到装配终点的无碰撞路径。鉴于飞机总装的复杂性,其关重件的装配路径规划仍然面临着许多难点与挑战。本文针对现有的飞机总装路径规划过程耗时长、路径解不准确等问题,对飞机产品总装阶段的关重零部件装配路径规划中的关键问题进行了研究,主要内容如下:(1)引入位姿空间的概念和虚拟环境中处理叁维刚体的基本方法作为装配路径规划的基础;分析了飞机总装关重件路径规划的特点和难点后,提出了研究的总体框架。(2)提出了一种基于双向平衡快速扩展的随机树算法(Bi-RRT)的改进算法——RB-RRT算法。该算法通过引入一种迭代寻优的回收策略和自适应判断开阔空间及狭窄空间的算子,大大提高了飞机总装狭窄空间中关重件的装配路径规划的质量和效率(3)提出了飞机总装关重件路径规划的前后处理方法。两者的结合使得关重件的装配路径符合工程实际。(4)在DELMIA V6平台下设计开发了飞机总装关重件路径规划原型系统,并选取飞机总装过程中的典型关重件为案例,进行了装配路径的计算和优化。(本文来源于《南京航空航天大学》期刊2018-03-01）
周伟,陈浩[9]（2017）在《混流装配物流运输路径合理规划方法仿真》一文中研究指出对混流装配物流运输路径的合理规划,能够更好的提升装配过程的工作效率。对物流运输路径的合理规划,需要建立了以最小化装配线的生产节拍,得到最小化各装配作站间的负荷平滑指数。传统方法在对工程车装配进行作业测定,划分装配单元,但忽略了得到最小化站间负荷平滑指数,导致规划精度偏低。提出基于改进粒子群的混流装配物流运输路径规划方法。利用最小工作循环策略得到混流装配的初始序列,满足单个生产循环中各种类型产品的需求数量,得到最小化总产品变化率,建立了以最小化装配线的生产节拍、站间平滑指数为优化目标的混流装配线路规划模型,融合于粒子群理论得到最小化各装配作站间的负荷平滑指数,给出混流装配物流运输路径最优规划方案,完成对混流装配物流运输路径的规划。仿真证明,所提方法规划效率较高,为车间调度人员的决策提供了多样化的选择。(本文来源于《计算机仿真》期刊2017年12期）
朱永国,李俊杰,刘春锋,宋利康[10]（2017）在《基于正态模糊时间窗约束的飞机装配物料配送路径规划》一文中研究指出针对飞机装配过程中装配工位物料需求时间模糊化现象,提出基于正态模糊时间窗约束的工位物料需求时间参数表征方法,用正态模糊数的隶属度表示工位的满意度。建立了基于正态模糊时间窗约束的飞机装配物料配送路径规划数学模型,并采用遗传算法进行了求解。遗传算法的选择算子利用轮盘赌和最优保留策略,交叉算子采取小生境选择机制的双选择交叉策略,变异算子确保每代个体得到进化。MATLAB仿真结果表明,该规划方法拥有较好的经济效益。(本文来源于《中国机械工程》期刊2017年21期）
装配路径规划论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
机器人实现智能装配、协作装配是“中国制造2025”提出的具体要求,现有的机器人技术已经实现了力伺服控制,面对市场多元化需求,现有装配机器人智能化程度较低,产品装配效率不高,因此,借助人工智能技术对装配机器人实现快速,高效的智能装配迫在眉睫。本文基于视觉/力觉融合的六自由度机器人,对装配机器人传感器重力补偿及手爪标定、工作空间路径规划、力位跟踪控制等展开研究。1.装配机器人六维力传感器重力补偿及手爪标定。建立传感器空间受力模型,获取N(N≥3)组不同姿态的负载下传感器数据,采用最小二乘法分析并进行实验,求得传感器零点值、负载重心坐标、以及负载重力值,对机器人所受的外部环境力精确补偿。基于视觉引导抓取轴模型,对工具坐标系位置标定采用最小二乘法求解,姿态标定采用Halcon手眼视觉标定计算。最后进行实验标定,获得工具坐标系到末端坐标系的变换矩阵,为路径规划实现轴的精确抓取做准备。2.装配机器人路径规划。提出一种改进人工势场法(局部)和APF-RRT(全局)结合的避障路径规划算法。首先,根据六自由度装配机器人模型,引入浮动控制点和固定控制点,修正引力势场函数,对斥力势场引入与目标点的相对距离,并增加调节因子实现势场调控,使机器人碰到障碍物时朝着目标点的方向逃离;其次,针对势场法易陷入极小问题,将APF的目标引力概念引入RRT的搜索树扩展阶段,使机器人向目标点方向移动,从而跳出局部极小。最后,对提出算法采用MATLAB进行多环境仿真,证明该算法可以对六自由度装配机器人从抓取到装配位置实现工作空间环境的运动规划,能适应环境的变化。3.装配机器人力位跟踪控制算法研究。对轴孔接触时六维力传感器进行受力分析,建立轴孔装配接触的阻抗控制数学模型,将传感器的受力转换为轴孔的实际接触力,进行基于末端力反馈的阻抗控制;对装配过程阻抗模型稳态力误差进行分析,采用Simulink搭建机器人阻抗仿真系统,采用控制变量法对期望的阻抗参数进行辨识仿真得到合适的阻抗参数;对于不确定环境加入模型参考自适应控制算法,对柔顺装配系统进行在线力位调节,仿真实验表明,加入了自适应系统的阻抗控制在面对以下环境:平面的位置和刚度突变、斜面、平面向斜面过渡、曲面、平面向曲面过渡等环境时,切向位置跟踪响应由2s降低到0.2s,稳态接触力响应由4s降低到0.4s,法向接触力跟踪误差由4N降低到到0.3N,自适应阻抗比阻抗控制有良好的适应环境能力,实现了柔顺装配力位精确跟踪仿真。4.装配机器人路径规划实验。设计实验方案,无障碍环境下采用改进势场法与APF-RRT融合算法进行路径规划,验证了算法应用的有效性;在机器人工作空间存在球形包络长方体盒子的障碍物前提下,采用本文提出的算法进行路径规划,验证了算法的避障路径规划能力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
装配路径规划论文参考文献
[1].李妍,甄成刚.基于深度Q网络的虚拟装配路径规划[J].计算机工程与设计.2019
[2].仵宇博.自主装配机器人路径规划及力位跟踪控制研究[D].西安理工大学.2019
[3].李妍.基于深度强化学习的虚拟装配路径规划方法研究[D].华北电力大学.2019
[4].张璐璐,刘恩福,刘晓阳.一种装配路径规划改进GoalBia-RRT算法[J].机械设计与制造.2018
[5].肖文轩.自主轴孔装配机器人路径规划及力控制研究[D].西安理工大学.2018
[6].何磊,曹虎,陈雷.基于改进A*算法的狭窄空间装配路径规划[J].航空制造技术.2018
[7].汪磊.虚拟装配中装配路径自动规划的研究与实现[D].武汉理工大学.2018
[8].章诗晨.飞机总装关重件装配路径规划技术研究[D].南京航空航天大学.2018
[9].周伟,陈浩.混流装配物流运输路径合理规划方法仿真[J].计算机仿真.2017
[10].朱永国,李俊杰,刘春锋,宋利康.基于正态模糊时间窗约束的飞机装配物料配送路径规划[J].中国机械工程.2017
论文知识图
