摘要
随着越来越多的机器人在生产及生活中部署，其应用场景也变得更加复杂。机器人在新环境下的快速适应性对机器人的自主学习能力有了更高的要求。印制电路板（Printed Circuit Board，PCB）作为各类电子产品中的重要组成部分，其上布置着各类不同的电子元件。为了实现PCB板的自动化装配，许多企业将机器人引入生产流水线中，用以提高生产装配效率。如果采用传统的轨迹规划方法编写装配的机器人运动轨迹，路径规划困难，程序编写复杂，对编程人员的技术要求高。因此，这类机器人的轨迹规划方法无法快速灵活适应新的任务环境。而演示学习是一种新的机器人编程方式，它使得机器人能够模仿人类动作，通过自主学习的方式获得相应的运动轨迹。从而降低对编程人员的技术要求，提高机器人的适应能力，扩大机器人的应用范围。 本文针对PCB板的电子元器件装配任务提出了一种基于动态运动基元的机器人运动规划方法。该方法利用拖动示教的方式规划 PCB 板的装配运动轨迹，并记录演示过程中的运动轨迹数据；随后快速地对采集的机器人运动轨迹数据进行滤波，去除数据中的多余噪声；最后利用动态基元算法对演示的装配轨迹进行学习，并将学习得到的装配轨迹泛化到不同的电子元件装配任务中，使得机器人能够在多种装配场景中完成不同产品的装配任务。 针对拖动示教演示装配路径的过程中，传感器采集的运动轨迹数据含有噪声且存在数据丢包的问题，本文提出了一种基于线性二次型最优控制的运动轨迹滤波方法。该方法首先针对机器人的运动特性建立状态空间模型，并设计相应的性能指标；当演示的时间确定时，采用有限时间线性二次型最优控制方法对运动轨迹进行滤波；当演示的时间不确定时，则采用无限时间的线性二次型最优控制方法对数据进行滤波；然后根据相应算法求解对应的黎卡提方程，得到最优控制律以及最优闭环控制系统。在实验使用中采用了Franka Emika Panda七自由度机械臂作为实验对象，将机器人传感器采集的数据作为系统输入求得系统的最优输出轨迹，实现数据的滤波。 针对电子元件装配过程中的装配任务多变以及演示轨迹特征学习较难等问题，本文利用了动态运动基元方法对演示轨迹进行学习和泛化。首先建立动态运动基元系统方程，利用非线性最优化的局部加权回归方法求得演示轨迹的权重系数；然后利用 Panda 机器人在空间规划一条运动轨迹，并对该演示轨迹进行滤波；最后将滤波后的数据通过动态运动基元算法得到学习后的运动轨迹，通过演示轨迹与学习轨迹的对比，验证该算法的轨迹学习能力；修改演示轨迹的起始点和目标点位置后利用该算法对演示轨迹进行泛化；通过演示轨迹与泛化轨迹的对比，验证该算法的轨迹泛化能力。 最后，搭建了基于Franka Emika Panda机器人的PCB板电子元件装配实验平台对提出的基于动态运动基元的电子元件装配运动轨迹规划方法进行验证。首先通过拖动示教的方式演示电子元件的装配运动轨迹；然后利用线性二次型最优控制方法对演示轨迹进行滤波；最后根据实际任务需求复现演示轨迹或由新的任务点位置泛化得到新的装配任务轨迹，实现基于演示学习的机器人 PCB板电子元件装配。 结果表明：本文提出的线性二次型最优控制方法能有效地抑制传感器采集数据的噪声，使得处理后的数据能更好的应用于机器人的演示学习；通过动态运动基元方法学习并泛化的机器人运动轨迹也能够很好的完成机器人PCB板的电子元件装配任务，证明了该方法的有效性和实用性。
NETL