[发明专利]一种基于门控循环单元的轴孔装配插孔方法

说明书

本发明公开了一种基于门控循环单元的轴孔装配插孔方法。该方法基于门控循环网络来对轴孔装配过程中的带有时序信息的动态接触力进行分类预测，结合基于速度的导纳控制，实现底座处于不确定姿态下的轴孔装配插孔任务。不同的接触状态主要分为八类，分别位于笛卡尔坐标系的坐标轴上和坐标轴之间，每一类的接触状态的变化过程为轴与孔存在一定倾角姿态差到轴顺利入孔的过程。基于门控循环单元方法，能够快速实现对八类不同的动态接触力序列的接触状态识别。本发明可以实现底座处于不确定姿态下的轴孔装配任务，带有时序信息的动态接触力可以提高接触状态识别的准确性，并且基于数据驱动的方法可以使其快速迁移到其他轴孔装配平台。

技术领域

本发明属于机器人技术领域，涉及一种基于门控循环单元的轴孔装配插孔方法。

技术背景

近几年，工业机器人技术得到快速发展，在制造业的装配作业中得到了广泛地应用，比如航空部件的装配、汽车零件的装配、以及3C零件的装配。在工业机器人的装配作业中，轴孔装配作为零件装配中的典型任务，约占总装配任务的40％。

因此，开展轴孔装配研究对于发展机器人装配技术具有重要实际应用价值。但是，由于轴孔装配任务接触复杂，采用传统的经典控制方法需要大量时间进行繁琐的参数调整，并且更换新的任务场景后，需要重新调整参数，无法适应新环境。近些年，机器学习和深度学习研究得到了快速发展，已经有许多学者将深度学习和强化学习等算法引入工业机器人的轴孔装配任务中，实现机器人的自动化装配。例如专利“基于深度强化学习实现机器人方形零件装配的方法”，专利号CN201910858957.2中，王永青等人利用深度强化学习方法实现了机器人的方形零件装配；专利“一种利用深度强化学习实现机器人多轴孔装配的方法”，专利号CN201711420089.7中，徐静等人利用普通经验数据和深度强化学习方法获取的专家经验数据，结合模糊控制实现机器人的多轴孔装配。

这些方法都是基于深度强化学习的方法开展轴孔装配的，存在训练时间长，Sim2real复杂并且耗时等问题。因此，本文将结合一种基于门控循环单元的深度学习方法和基于速度的导纳控制方法，实现底座处于不确定姿态下的轴孔装配插孔任务。

发明内容

本发明的目的在于针对现有技术的不足，本发明要解决的技术问题是针对上述技术的不足，提供一种基于门控循环单元的轴孔装配插孔方法，以实现底座处于不确定姿态下的轴孔装配插孔任务。

本发明所采取的技术方案是：一种基于门控循环单元的轴孔装配插孔方法，包括以下步骤：

(1)结合末端六维力传感器和基于速度的导纳控制完成机械臂在末端笛卡尔坐标系的导纳控制；所述末端六维力传感器为型号为MINI45的力与力矩传感器；

(2)在步骤(1)中导纳控制的基础上，采集不同接触状态的末端接触力数据；

(3)对采集到数据进行预处理，使其能够用门控循环单元建立时序分类预测模型；

(4)根据步骤(3)数据处理后得到的数据，基于门控循环单元建立接触力的时序分类预测模型；

(5)结合基于速度的导纳控制，将训练得到的模型应用到不确定姿态下的轴孔装配插孔任务中，最终完成轴孔装配插孔任务。

进一步地，所述步骤(1)中基于速度的导纳控制的离散控制率如下公式所示：

其中，k＝0,1,...,n为对时间离散后的各个离散时刻，T为离散时间间隔，分别为第k时刻和第k-1时刻期望的速度，为第k时刻期望的力，V^k,V^k-1分别为第k时刻和第k-1时刻末端实际的速度，F^k为第k时刻末端实际的力，M_d,B_d为期望的质量矩阵和阻尼矩阵；公式中除了时间间隔T，其余各个变量均是六维的向量或矩阵。