导读:本文包含了多机器人装配论文开题报告文献综述及选题提纲参考文献，主要关键词:计算机应用,机器人,装配线平衡,空间约束
多机器人装配论文文献综述
周炳海,吴琼[1]（2019）在《考虑工具和空间约束的机器人装配线平衡优化》一文中研究指出为了提高流水装配线的效率和产能,在进行机器人装配线平衡的同时,优化任务资源的占用空间大小,考虑工具的占用空间及切换次数,在工作站数量最小化以及每个工作站占用空间最小化两个冲突目标之间寻求平衡。针对该带约束的多目标优化问题,首先建立数学模型,然后提出一种改进的多目标免疫克隆算法,基于该问题的特殊性提出了针对性的编码方式,引入了Pareto前沿排序、精英策略、全局搜索策略,以提升该算法的综合性能。最后,对不同规模的实例问题进行优化,并且与其他算法进行对比,以评价本文算法的效率和优越性。结果表明:本文算法在得到的解数量与质量方面都更加有效,对于不同规模问题都具有可行性。(本文来源于《吉林大学学报(工学版)》期刊2019年06期）
栗移新[2]（2019）在《基于机器视觉的协作机器人装配汽车外饰条的应用》一文中研究指出利用光栅传感器结合旋转编码器跟踪双板链输送线上车辆位置,利用激光测距仪引导视觉拍照系统至车辆Y向等距位置,通过视觉系统定位车辆相对协作机器人执行机构的位置。在周边设置稳定光源,不同颜色车辆的差异化图像处理,使定位成功率达到99.8%。协作机器人接收视觉系统X、Z坐标信息,通过力控方式,按设定轨迹完成装配过程。通过验证,该过程轨迹100%覆盖装配点,装配点受力完全满足技术要求。(本文来源于《机电信息》期刊2019年24期）
王通[3]（2019）在《圆-长方形复合孔类零件的机器人装配理论与方法研究》一文中研究指出装配是产品生产流程中非常重要的一个环节,装配质量的好坏往往直接决定了最终产品质量的优劣。目前在工业生产中,大部分的装配工作仍需要工人采用手工装配的方式来完成,但是手工装配存在工作强度大、工作效率低、出错率高和费用高昂等缺点。针对手工装配这些问题,制造业对于利用机器人代替人工完成装配任务有着越来越迫切的需求。相对于手工装配,机器人装配不仅能够提高装配效率,其应用范围也更加广泛,可以应用在高温、辐射和真空等环境中。当前,在机器人装配领域的研究中,研究对象大多是圆柱孔类零件和方形轴孔类零件的装配,而在实际生产过程中,圆—长方形复合孔类零件的应用也十分广泛,目前国内外对这一类复杂零件装配的研究还非常少。本文针对间隙配合的圆—长方形复合孔类零件,提出一种新的装配方法,结合柔顺控制策略,对此类复杂零件的装配展开研究。圆—长方形复合孔类零件的种类繁多,为了保证本文的研究具有一般性和普适性,从常见的圆—长方形复合孔类零件中提取了一种基本形式作为研究对象,分析了其几何特点,并在此基础上确定了装配用模块化机械臂的构型及组合设计方案。针对圆—长方形复合孔类零件的装配特点,对装配过程中轴和孔可能产生的接触状态进行了归纳和分类,提出了针对复合孔类零件的通用型接触力分析方法,并推导了圆—长方形复合孔类零件力学方程的通用表达式。在分析接触受力情况的基础上,提出了基于六维力传感器力信息和复合孔类零件接触状态判别条件的装配方法,根据接触状态的识别计算的结果生成相应的位姿调整运动,保证装配的顺利进行。本文将圆—长方形复合孔类零件的装配过程划分为接近、搜孔和插入叁个阶段。在接近阶段,采用在动力学前馈的基础上加入PD反馈的动态控制策略,保证机械臂可以控制轴件按指定轨迹快速接近孔件;在搜孔阶段,采用了基于力传感器反馈信息的搜孔策略,机械臂控制轴件与孔件发生试探性接触,利用反馈力信息计算轴孔的相对位姿关系,按顺序依次调整沿x轴的位置误差、沿y轴的位置误差和绕z轴的角度误差;在插入阶段,提出了根据力传感器反馈的力信息识别接触状态,进而生成位姿调整方案以完成装配任务的装配策略。整个装配过程采用力/位控制实现位置和接触力的动态平衡,避免因接触力过大而导致装配失败。最后对本文提出的装配方法进行了仿真验证,在ADAMS中建立了虚拟的装配环境,并根据本文提出的装配方法在MATLAB/Simulink中搭建了装配控制器进行联合仿真。仿真中实现了装配间隙为0.03mm的圆—长方形复合孔类零件的装配。仿真结果表明,本文提出的装配方法能够实现复合孔类零件的机器人装配任务。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
张文勇[4]（2019）在《机器人装配应用中的视觉引导关键技术研究》一文中研究指出视觉引导的机器人技术,意味着将机器人搭配视觉,让机器人拥有一双“慧眼”,加强它对外界事物的辨识能力,让机器人的工作效率、精度以及可靠性得到提升。视觉系统完成装配零件的检测、跟踪定位,将获取的位置信息传递给机器人,让其更加自动化、柔性化的完成装配任务。因此,机器人的这双“慧眼”怎样更好地去引导其“手部”实现高精度装配,将会是未来零部件装配技术的核心竞争力。本课题针对工业生产线上来料的零部件进行自动柔性装配,开展了机器人在装配应用中的视觉引导关键技术研究,主要成果如下:⑴实现了总体方案的综合设计,选用并联机器人,确定了视觉子系统、运动控制子系统中核心部件的选型及控制方式。⑵依据Tsai径向一致约束的经典假设,在两步标定法的基础上加以改进,提出了基于中心无畸变区的相机光学中心标定方法求解出主点坐标,克服了传统的假设主点坐标方法所带来的不确定性,建立多项式畸变模型,取消了Tsai两步法中对相机镜头只考虑径向畸变的局限性,并且完成手眼标定。⑶在经典运动目标检测方法的基础上,引入了一种相邻帧差与背景差分先后处理相结合的运动目标检测方法,该方法对相邻帧差法和背景差分法两者的优劣势进行互补结合。然后,基于Kalman滤波算法来预测运动目标零件的位置及其速度特征数据。⑷对机器人进行运动学分析,在此基础上完成装配运动控制优化。接着搭建视觉结合机器人的装配应用实验平台,对软件、硬件进行联合调试实验,验证本次设计的视觉引导机器人在装配应用中,对目标零件进行检测、跟踪以及装配位姿的准确性,在实际工程应用中有着重要的参考意义。(本文来源于《安徽工业大学》期刊2019-05-10）
杨莹雪[5]（2019）在《双机器人装配单元布局优化问题研究》一文中研究指出自动化装配生产线上以机器人为核心的机器人装配单元是整个装配线的重要组成部分,整个单元的性能都在布局阶段确定。布局的合理性将直接影响单元后期生产。本课题对双机器人装配单元的布局优化问题进行研究,设计了一种多目标布局优化方法,协同优化设备组件位置和机器人作业任务分配。对装配单元内的设备采取长方体包络的方式,将布局问题简化为对一组矩形的最优化排列。以序列对的方式对组件设备进行定位,引入虚拟组件设备表示设备维护、维修等的必要空间,并协同优化设备组件与虚拟设备组件。考虑机器人的任务分配对布局的影响,将设备组件位置和机器人任务进行协同优化。以机器人关节空间中的运动时间作为装配单元生产周期时间的评价指标;以设备作业点处机器人的可操作性为评价指标来避免设备作业点处于机器人奇异点的情况;以单元的占地面积作为二级评价指标。对设备作业点进行约束,使其处于机器人作业空间内。以边干涉检验方法对机器人进行作业点处进行碰撞检测。根据评价指标和约束条件,设计了一种基于多目标混合粒子群遗传算法的布局优化算法。通过混合粒子群算法思想改进遗传算法,对以适应度值划分的家族,以每个家族适应度值最高的个体为节点与其他家族进行信息传递,以此达到提高收敛速度的目的。以某变速箱中间轴齿轮热压装单元为例,在MATLAB中编写仿真程序,对布局设计方法进行了验证。仿真结果表明建立的数学模型可靠,优化算法有效。(本文来源于《合肥工业大学》期刊2019-05-01）
陈玲琳[6]（2019）在《基于机器人装配生产线的结构与离散事件建模研究》一文中研究指出为实现机器人装配生产线的智能化,减少装配成本,节省生产时间,提高机器人装配的生产效率。文章通过Petri网对包装流水线的离散事件建模,再根据Petri网模型来分析生产线的装配性能,采取数学分析法对生产线的可行性进行评估;从而证明生产线工艺性能好、物料分派均衡、结构合理、资源溢出、死锁等情况不会在流水线上发生。实验结果,设计出一套行之有效、具有可操作性装配生产线,从而达到提升生产效率目的。(本文来源于《太原学院学报(自然科学版)》期刊2019年01期）
张彦陟[7]（2019）在《四足机器人装配稳健创新设计方法》一文中研究指出针对四足机器人在不同位置与控制模式下内力较大的问题,建立液压四足机器人动力学方程,实现液压机器人关节轴运动。同时,采用关节位置控制方法,在关节位置实现精准控制,解决机器人柔性控制和外部干扰问题,稳健设计方法。(本文来源于《现代制造技术与装备》期刊2019年03期）
周炳海,康雪云[8]（2019）在《考虑能效的多机器人协同装配线平衡方法》一文中研究指出为解决工位内多机器人的协同装配问题,以装配线的节拍、能源的总消耗以及机器人的总投入成本最小为优化目标,建立了工位内多机器人协同作业的装配线平衡问题的数学模型.在此基础上,提出了一种基于工位码、任务码、机器人码叁层编码的多目标混合帝国竞争算法,该算法融合了非支配排序遗传算法的排序规则,并引入了延迟爬山算法,以提高算法的搜索性能.最后,对算法进行仿真实验,结果表明该算法是有效、可行的.(本文来源于《北京理工大学学报》期刊2019年03期）
张辰,张华,冯兴华,杨厚易[9]（2019）在《视觉引导技术在SCARA机器人装配任务中的应用》一文中研究指出基于实际生产项目,提出了一种针对平面关节型机器人(SCARA)平面装配任务的手眼标定方法。对线性标定法的输出通过多次迭代使得累积误差和逐渐减小,相较于使用线性标定法来进行手眼标定,视觉定位的平均定位误差降低了0. 4 mm,最大定位误差降低了0. 6 mm。在使用SCARA机器人进行毫米(mm)级作业时,使用迭代线性标定法比传统的线性标定法有更高的视觉定位精度。同时,末端执行器完成对目标工件的抓取任务之后,使用解线性方程的思想求解SCARA机器人完成装配任务的末端位姿,通过实际工程项目的验证,装配成功率可达98. 6%。(本文来源于《传感器与微系统》期刊2019年02期）
刘毅[10]（2018）在《6R型工业机器人装配操作轨迹与运动规划研究》一文中研究指出工业机器人具有通用性与可编程性强,安全性高等特点而被制造业广泛应用。工业机器人装配操作技术、焊接技术、3D打印技术等成为时下研究的热点,其中工业机器人装配操作技术已成为航天、汽车等高端制造领域的关键技术。点到点运动是传统装配机器人的主要动作。然而,随着科技的进步,工业“制造”逐渐向工业“智造”转变,传统的工业机器人拥有高速运动时机身振动无法消除、关节奇异区域运动不连续、双机协作的柔顺性差、目标识别时易感知混淆等局限性,制约了工业机器人向智能装配延伸。因此,智能装配对工业机器人现有装配操作的轨迹与运动规划技术提出严峻挑战,研究意义重大。国内外已开展大量有益的研究,但原有工业机器人装配操作轨迹与运动规划技术不能从根本上解决机器人轨迹优化时奇异值所导致的优化结果不精确或不可用,难以开发合适的优化算法;缺乏在双机协作时,主从机器人的协作路径、轨迹以及运动跟随的规划与控制,运动效率低且柔顺性差;无法有效摒除环境干扰对机器人识别目标的影响,导致机器人自主装配的成功率低、精度差。本文对6R型工业机器人从单机轨迹规划、双机协作柔顺控制、单机在线运动规划等方面入手,提出合理的轨迹优化和运动规划策略,为提升装配机器人的规划效率、协作柔顺性和自主装配的成功率展开了研究。主要内容如下:利用微分变换法计算SR10C机器人的雅可比矩阵。分析产生奇异的条件,将导致奇异的分块矩阵在雅可比矩阵中进行分离,易于定位奇异值发生的关节位置,也降低了寻找关节轨迹曲线奇异值的计算量。针对轨迹规划问题和机器人下位机控制特性,提出了一种基于循环阻尼系数的奇异值规避方法,并进行仿真实验。在预设的固定装配路径下,提出一套基于改进的自适应精英种群遗传算法(Improved adaptive elite genetic algorithm,IA-EGA)的工业机器人时间最优轨迹规划方法。将奇异值规避方法融入IA-EGA中,在优化关节轨迹曲线的同时规避轨迹的奇异值,增加算法对轨迹最优时间的辨识能力。采用五次多项式函数曲线作为机器人末端运动曲线模型来确保关节运动平滑。根据机器人运动学理论推导笛卡尔空间与关节空间实时运动关系。设定关节动态阈值并设置运动时间为目标函数。利用融合奇异值规避的IA-EGA优化轨迹曲线,最终使目标函数收敛。根据最优时间得到机器人末端轨迹曲线继而得到关节空间的轨迹曲线,输入到机器人各关节进行运动,该方法在保证机器人运动平滑与连续性的基础上,提高了轨迹规划的效率。在前文研究基础上,对最短装配路径下的双机协作装配操作轨迹规划进行研究。基于马尔可夫决策过程(Markov decision process,MDP)框架对协作装配路径进行背包旅行商问题(Traveling salesman problem,TSP)建模,提出一种基于策略记忆的自适应动态规划算法(Policy memoried adaptive dynamic programming,PM-ADP)用于最短路径规划。通过与经典路径优化算法进行对比,PM-ADP在面对低维度任务时更精确、高效。以主机器人基坐标系为基准,建立主从机器人空间位姿关系模型。根据装配任务讨论双机协作运动方式并以迭加运动作为运动约束准则。在最优装配路径下,对主机器人进行时间最优轨迹规划,得到主机器人运动轨迹。以主机器人轨迹为主导,依据主从机器人坐标系转换关系,对双机空间位姿关系进行理论推导,解决从机器人对主机器人的协作跟随问题。双机协作轨迹规划实验结果证明双机协作轨迹规划方法在赋予了双机相互独立与灵活运动的基础上,保证了双机平滑、连续的运动状态。路径与轨迹的规划属于离线的,低层的规划,为实现智能装配,进一步研究机器人在线装配操作运动规划。针对复杂环境下工业机器人智能轴孔装配任务,提出一套基于人工技能与卷积神经网络(Convolutional neural network,CNN)融合驱动的无标定自主轴.孔装配运动规划方法。建立LeNet-5型CNN网络模型,进行正、反向传播理论推导并编程。对人工装配技能进行总结、简化与样本分类,将其融入到CNN的网络训练当中。仿真实验结果验证了 CNN的LeNet-5构型与参数的设定使网络收敛。针对轴孔装配实验内容搭建工业机器人智能装配平台,采用双相机切换作用的模式对整个装配运动规划过程提供视觉反馈。在Eye-in-Hand模式下,基于图像深度信息实现去干扰和工件识别,并控制机器人进行工件对中与定位。在Eye-to-Hand模式下实时采集图像并处理,通过融合人工技能的CNN得到运动标签,规划机器人动作,进行轴孔装配定位。对比传统方法,多次轴孔装配定位实验验证了本文方法有效解决了目标感知混淆问题,拥有较高的定位精度、成功率与效率,且轴孔定位误差满足力引导装配的精度要求。(本文来源于《大连理工大学》期刊2018-12-06）
多机器人装配论文开题报告
（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：
利用光栅传感器结合旋转编码器跟踪双板链输送线上车辆位置,利用激光测距仪引导视觉拍照系统至车辆Y向等距位置,通过视觉系统定位车辆相对协作机器人执行机构的位置。在周边设置稳定光源,不同颜色车辆的差异化图像处理,使定位成功率达到99.8%。协作机器人接收视觉系统X、Z坐标信息,通过力控方式,按设定轨迹完成装配过程。通过验证,该过程轨迹100%覆盖装配点,装配点受力完全满足技术要求。
（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。
多机器人装配论文参考文献
[1].周炳海,吴琼.考虑工具和空间约束的机器人装配线平衡优化[J].吉林大学学报(工学版).2019
[2].栗移新.基于机器视觉的协作机器人装配汽车外饰条的应用[J].机电信息.2019
[3].王通.圆-长方形复合孔类零件的机器人装配理论与方法研究[D].哈尔滨工业大学.2019
[4].张文勇.机器人装配应用中的视觉引导关键技术研究[D].安徽工业大学.2019
[5].杨莹雪.双机器人装配单元布局优化问题研究[D].合肥工业大学.2019
[6].陈玲琳.基于机器人装配生产线的结构与离散事件建模研究[J].太原学院学报(自然科学版).2019
[7].张彦陟.四足机器人装配稳健创新设计方法[J].现代制造技术与装备.2019
[8].周炳海,康雪云.考虑能效的多机器人协同装配线平衡方法[J].北京理工大学学报.2019
[9].张辰,张华,冯兴华,杨厚易.视觉引导技术在SCARA机器人装配任务中的应用[J].传感器与微系统.2019
[10].刘毅.6R型工业机器人装配操作轨迹与运动规划研究[D].大连理工大学.2018