[发明专利]一种基于挠度分析的机器人非刚体装配方法

说明书

一种基于挠度分析的机器人非刚体装配方法，基于挠度分析提出的接触力觉模型符合非刚体零件在装配过程中的接触形变特性，能够较好地预测轴的偏角θ和偏移量d_x，d_y；基于接触状态识别模型和接触力觉模型，能够较好的反映零件当前的接触状态和姿态，有利于较快地实现零件装配。

技术领域

本发明属于机器人装配和控制领域，适用于机器人非刚体零件装配领域。具体地说，涉及一种基于挠度分析的机器人非刚体装配方法。

背景技术

近年来，随着工业机器人产业和相关技术的迅速发展，工业机器人被广泛应用于自动化装配、制造等各个领域。在自动化装配领域，装配件的材质逐渐多样化，不再局限于刚度较大，质地较硬的金属材料，如塑料、橡胶等非刚体材料也等到了广泛的应用。与刚体不同，非刚体零件在装配接触过程中易发生弹性形变，这样的形变会导致力反馈信息不准确从而影响整体装配，故有必要对机器人非刚体零件的装配方法进行研究。

现有的机器人零件装配方法是结合接触力觉模型和机器人逆运动学分析实现零件的装配任务。但是现有的接触力觉模型仅适用于刚体零件，即零件在装配接触过程中形变可忽略，针对在装配接触过程中产生不可忽略形变的非刚体零件来说并不适用。

发明内容

为了克服现有机器人装配方法中接触力觉模型不适用于非刚体零件的问题，本发明提供了一种基于挠度分析的机器人非刚体装配方法，采用基于挠度分析而建立的非刚体零件接触力觉模型，该模型能够较好地表达装配特性，同时不同的装配状态对应不同的装配步骤，最终通过机器人逆运动学分析控制机器人实现非刚体零件的装配任务。

本发明解决其技术问题所采用的技术方案是：

一种基于挠度分析的机器人非刚体装配方法，包括以下步骤：

步骤1：轴孔装配分为三个状态：单点接触状态、两点接触状态以及平面接触状态。针对不同接触状态采集力觉数据，分析不同状态的力觉数据特征并结合机器学习算法和静力学特征建立非刚体装配接触状体态识别模型；

步骤2：针对不同的接触状态设计基于挠度分析建立非刚体接触力觉模型，

单点接触状态和两点接触状态：

M_x＝-G(0.5sinθl-l_g)-F_f(cosθl+sinθr-l_v+δ₁)

+F_n(sinθl-cosθr+l_h+δ₂)

(1)

l_g＝cosθW_g (2)

l_v＝-sinθ(cosθ_er+W_e-r)+cosθsinθ_er (3)

l_h＝cosθ(cosθ_er+W_e-r)+sinθsinθ_er (4)

object＝|M_x+G(0.5sinθl-l_g)+F_f(cosθl+sinθr-l_v+δ₁)

-F_n(sinθl-cosθr+l_h+δ₂)|