[发明专利]基于机器人技能学习的电连接器装配方法及系统

说明书

本发明涉及基于机器人技能学习的电连接器装配方法及系统，包括以下步骤：基于图像信息调整待装配电连接器处于初始位姿，控制机器人携带待装配电连接器接触装配孔位并执行轨迹搜索，当待装配电连接器落入装配孔内时，轨迹搜索完毕；以机器人末端携带待装配电连接器的位姿和接触力作为已构建的机器人装配技能学习网络的输入值，机器人下一步动作的关节角度为输出值；基于机器人装配技能学习网络中的奖励函数，迭代使网络收敛，并判断待装配电连接器落入装配孔内的装配深度和接触力满足设定值时，电连接器装配完毕。待装配电连接器先接触装配孔位经轨迹搜索后落入装配孔内，再控制待装配电连接器落入装配孔内的装配进给过程，最终完成装配。

技术领域

本发明涉及自动控制技术领域，具体为基于机器人技能学习的电连接器装配方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

在利用机器人实现电连接器(如USB、HDMI等)的装配过程中，由于装配的连接器结构复杂、装配尺寸较为精密，导致装配过程受力多且复杂，在装配过程中容易出现零部件损坏及装配失败的问题。目前的装配机器人在纯位置控制、操作刚性较强的物体装配能力已经相对成熟，但是对于弱刚度、复杂构型零部件的装配能力相对较弱，难以应对电连接器等复杂结构的装配作业任务。

现有的机器人针对复杂零部件的装配方法大多基于对零部件的几何建模，建立精确的物理模型，根据几何模型及装配过程中的力/位信息，调整机械臂装配动作。然而基于物理模型的方法，需要机器人预先了解零部件的精确模型，此种方式很难实现。而基于数据模型的方法，又会出现奖励函数设置困难的问题。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供基于机器人技能学习的电连接器装配方法及系统，采用基于数据驱动的策略，将外部传授与内部增强的方法相结合，配合专家数据信息，学习出最优的奖励函数，并采用强化学习的方法决策机器人下一步动作，避免了人工设置奖励函数的困难和零部件物理模型的构建，并且相比以往的DDPG算法(深度确定性策略梯度算法)做了优化，采用TD3算法(双延迟深度确定性策略梯度算法)，避免了调参数的困难。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供基于机器人技能学习的电连接器装配方法，包括以下步骤：

利用图像信息调整待装配电连接器处于初始位姿，基于初始位姿控制机器人携带待装配电连接器接触装配孔位，获取待装配电连接器与装配孔位的接触力大小的和电连接器落入装配孔位时的装配深度；

以机器人末端携带待装配电连接器的位姿和接触力作为已构建的机器人装配技能学习网络的输入值，机器人下一步动作的关节角度为输出值；

基于机器人装配技能学习网络中的奖励函数，判断待装配电连接器落入装配孔内的装配深度和接触力满足设定值时，电连接器装配完毕。

控制机器人携带待装配电连接器接触装配孔位后，执行轨迹搜索。

轨迹搜索的过程包括，机器人携带待装配电连接器依据正弦轨迹搜索装配孔位，当待装配电连接器和装配孔位接触后的接触力小于设定值时，待装配电连接器落入装配孔内。

机器人装配技能学习网络的构建过程包括：

机器人预先经人工示教获取专家数据，专家数据包括机器人执行装配时每一步的状态和对应的动作信息；

利用机器人的状态与对应动作信息的特征基函数，和特征基函数对应的权重值，构建以预先示教后的专家数据为目标的奖励函数；

将奖励函数输入强化学习网络中训练网络，迭代至网络收敛。