摘要：受工业机器人本体结构几何及非几何误差因素的影响,机器人执行末端的实际运动轨迹与其理论规划轨迹往往不一致,这严重限制了机器人在加工领域的拓展应用。另外,通过研究发现机器人除在工作空间上定位误差等级存在差异分布外,在服役时间上随着机器人工作性能的退化也会显著恶化其定位精度。为解决该问题,提出了一种基于定长记忆窗增量学习的机器人定位误差在线自适应补偿方法。在该方法中,首先定量分析机器人定位误差与位姿的相关关系,将工作空间划分为多个位姿区块并创建校准样本库,建立了位姿映射模型的自适应优化机制以克服空间中误差等级差异分布的问题;然后设计了定长记忆窗增量学习算法,克服神经网络模型的灾难性遗忘缺陷,并平衡了在线模式下建立机器人新、旧位姿数据映射关系的精度和效率,解决了机器人性能退化加剧定位误差影响位姿映射模型适用性的问题,从而确保算法的补偿精度稳定在目标精度水平线以上;最后,利用St?ubli机器人和UR机器人对所提方法进行了精度在线补偿实验验证。实验结果表明该方法可将St?ubli机器人的定位误差从0.85 mm降至0.13 mm,将UR机器人的定位误差从2.11 mm降至0.17 mm,明显提高了机器人的定位精度,且通过对比发现所提方法的性能明显优于其他同类已发表方法。

摘要：为保证航空航天领域大型筒件最终装配的协调性和互换性,一般在总装前对其安装面进行精加工处理。其中对大型筒件位姿精确感知是保证安装面机器人加工准确性的根本前提,但目前多采用人工划线找正方式对大型筒件进行定位,使得大型筒件定位精度的一致性与其效率无法得到保证。为解决该问题,提出了一种基于双目视觉和先验数据的大型筒件原位位姿感知方法。在该方法中,首先采用深度学习与边缘检测视觉算法可实现对大型筒件关键特征的识别与定位,将关键特征的中心位置定位至一个像素点。基于此,根据双目视觉三维重构方法可实现大型筒件关键特征中心位置的空间坐标求解。同时引入大型筒件的先验数据并结合其关键特征三维重构结果可最终求解出大型筒件的原位位姿(即轴线位姿和轴向偏转角),并基于上述方法开发了大型筒件原位位姿测量系统。最后以某型号大型筒件为验证对象对所提方法的有效性和可行性进行了实验验证。实验结果表明所提方法及所设计系统能够实现大型筒件原位位姿的有效感知,从而满足大型筒件机器人原位加工的需求。

摘要：针对大型构件装配界面加工中刀具磨损和表面质量的监测状态与加工任务关联性弱、切削参数优化中未考虑刀具磨损的实际与理论值的差异性及对工人经验的强依赖性等问题,提出了一种事件驱动考虑加工任务和监测状态的切削参数在线优化方法。首先,建立了事件驱动的切削参数在线优化框架,利用事件处理技术监测装配界面加工过程,确保各阶段加工任务正确,进而通过事件驱动监测与优化方法。其次,在该框架下对异常监测事件(如刀具寿命报警、表面粗糙度报警等)处理,触发混合遗传粒子群优化算法实现切削参数在线优化。最后,通过某型飞机垂尾装配界面样件的加工试验数据和系统验证了所提方法的有效性。结果表明该方法能够有效保证大型构件装配界面的加工质量和效率,为加工过程的监测和切削参数在线自适应优化提供了理论基础和技术支持。

摘要：等几何拓扑优化方法将经典拓扑优化理论中的有限元分析过程更改为等几何分析计算,从而提高了拓扑优化的效率与稳定性。针对现有的等几何拓扑优化方法在处理复杂实体结构优化问题时具有一定的局限性,提出一种非结构化样条实体等几何拓扑优化方法。基于混合B样条构造技术,在非结构化六面体网格上构造具有复杂结构的样条实体,并将其作为拓扑优化问题的设计域。用于描述这一样条实体的基函数被直接应用于材料密度分布的表达以及等几何分析计算。在数值算例中,该方法表现出应用于复杂结构时的良好稳定性和鲁棒性。研究成果对等几何拓扑优化方法应用于实际工程问题具有一定的参考意义。