讲座论坛
“机电-卓越”博士生学术论坛(第十八期)
发布时间:2021-11-17 14:27:35 666

演讲人:杨先声 博士生

题  目:面向3C产品精密装配的双模块并联机器人系统设计与分析

时  间:2021年11月18日星期四 下午14:00

地  点:哈工大(深圳) T2411 

讲座简介:

3C产品是计算机(Computer)、通信(Communication)、消费电子(Consumer Electronics)产品的统称。小家电、低压电动产品及汽车电子,因其制造工艺与3C产品类似,也可以归为广义的3C产品。中国是3C产品的消费大国,同时也是生产大国,尤其是深圳市及周边地区是3C产品的全球制造基地,全世界超过2/3的3C产品在我国制造。随着中国经济转型,人口老龄化、人力成本的提升以及招工困难,机器人在中国制造中的作用越来越明显,工业机器人自动化制造技术是3C产品制造商的必然选择。机器人在3C制造领域的应用将成为继汽车及零部件之后的工业机器人应用第二大行业。目前在3C制造业应用机器人的工序,主要集中在拧紧、插件、打磨、焊接、搬运、测试、包装等环节,而工人数量最多的装配环节,仍然以人工操作为主。而3C产品的组装,传统工业机器人是难以实现的。

因此,针对3C产品装配的特点,本课题设计了一个7自由度的双模块并联机器人,该机器人由两个并联机器人模块协同运动而组成,其中一个模块为具备Schönflies-Motion的4自由度并联机器人,作为装配中的“主动手”,完成取料与装配的主要操作,且不同于传统的Schönflies-Motion,其转动自由度是Pitch方向的转动,其更符合3C装配的需求特征;另一个模块为具备Spherical-Motion的3自由度并联机器人,作为装配中的“被动手”,配合“主动手”进行灵巧且精密的姿态调整。针对上述提出的7自由度的双模块并联机器人,本课题完成了其运动学的分析与优化设计,使得其满足3C装配的实际性能需求,并研发了机器人样机系统,通过性能测试与实验验证了该机器人设计的有效性。

此外,针对该3C产品装配机器人系统,本课题还设计了针对3C产品高精度、高灵巧装配的6D视觉伺服控制系统,可以在较大范围内引导双模块机器人系统完成姿态与位置调整,最终完成高精度的装配。目前,该系统通过手机、手表以及鼠标等3C产品装配实验,验证了本课题所提出的面向3C产品精密装配的双模块并联机器人系统的有效性。

个人简介:

杨先声,男,楼云江教授博士生,主要研究方向为3C产品装配系统,包括并联机器人机构设计与优化、6D位姿估计以及6D视觉伺服控制。攻读博士学位期间,通过休学创业的方式,深度参与了3C产品自动化生产设备,尤其是3C产品装配设备的调研、研发与设备销售。本人深入3C产品生产制造一线4年左右时间,对3C产品,尤其是手机、手表、笔记本电脑的实际生产制造现状及其对“机器人换人”的实际需求与问题,具有较为深度的理解。基于此,本人主要参与了深圳市科技计划基础研究学科布局项目:柔性辅料贴装智能机器人关键技术研究,并完成了该项目的结题,目前正在主要参与国家自然科学基金-深圳机器人中心联合基金项目:面向3C产业的柔性部件装配机器人设计与控制关键技术研究,本人的博士课题是该项目的主要内容,目前进展顺利,正在准备项目结题相关工作。

本人在3C产品装配领域已经(第一作者/合作作者)发表SCI论文4篇,EI论文10余篇,申请/授权专利15项,并获得2019年度深圳市科技进步一等奖——“驱控一体化装配机器人控制系统”,以及两项国际会议的最佳会议论文提名奖,包括“2019 IEEE International Conference on Robotics and Biomimetics (ROBIO 2019), Best Paper Finalist”以及“2019 World Robot Conference - Symposium on Advanced Robotics and Automation, Best Paper Finalist”

 

 

演讲人:胡浩鹏

题  目:3C产品装配机器人的演示学习方法

时  间:2021年11月18日星期四 下午14:00

地  点:哈工大(深圳)T2411

讲座简介 :

随着制造业从大批量、单一品种向小批量、多样化生产发展,未来的自动化生产线需要面对短周期、个性化的制造需求。短周期生产将引发生产线的频繁换线问题。该问题使得机器人等自动化设备部署成本高,无法满足实际生产需求。以3C(Computer, Communication and Consumer Electronics)产品制造为例,现有的3C装配生产线普遍以靠人工装配,且一条装配产线需在一天内分时段进行多种3C产品的装配工作。

机器人演示学习(Learning from Demonstration, LfD)技术为机器人的快速部署提供了一种解决方案。演示学习是指机器人根据人或其它智能体对某一任务的演示数据学习该任务的技能模型,进而使自身能够完成该任务。鉴于3C零部件为人工装配设计,基于机器人演示学习技术,装配工人可根据自身操作经验,用演示的方式为机器人提供完成指定装配任务所需的动作信息,如装配时双手的运动轨迹。机器人通过模仿人的操作掌握特定产品的装配技能,完成相应装配任务或与人协同装配。

实现基于演示学习的机器人3C装配应用需要装配动作演示技术、高精度零件位姿估计、装配机器人设计、机器人装配策略学习、柔顺机器人控制等诸多技术环节。为了采集工人的双手装配动作,我们采用光学动作捕捉系统设计了演示平台。该演示平台获取的装配动作演示数据经由降噪、丢点补偿等处理后,用于学习机器人装配策略。装配策略以机器人执行过程中的目标装配位姿为输入,6维度的目标位姿可由3D视觉检测模块给出;随后,装配策略将输出相应的机器人运动指令。我们采用机器人主动柔顺控制方法及基于强化学习的精密插孔策略,以补偿动作指令的微小偏差。同时,为进一步提高装配效率我们设计了3C装配双臂并联机器人,该机器人构形建立以对典型3C装配动作的归纳总结为基础,能够实现相比于传统串联(双臂)机器人更高的装配效率与精度。

个人简介:

胡浩鹏,男,楼云江教授博士生,主要研究方向为3C产品装配系统及机器人演示学习方法,包括人工装配动作捕捉、零件的6D位姿估计、面向精密装配任务的演示学习方法、变阻抗机器人控制方法、双臂机器人运动规划等。

本人在3C产品装配及机器人演示学习领域已经(第一作者/合作作者)发表SCI论文3篇,EI论文10余篇,申请/授权专利3项,以及三项国际会议的最佳会议论文提名奖,包括“2019 IEEE International Conference on Robotics and Biomimetics (ROBIO 2019), Best Paper Finalist”、“2019 World Robot Conference - Symposium on Advanced Robotics and Automation, Best Paper Finalist”以及“2021 World Robot Conference - Symposium on Advanced Robotics and Automation, Best Student Paper Finalist”。

 

  

 

演讲人:陈雨景 博士生

题  目:密集人群中共融移动机器人导航系统研究

时  间:2021年11月18日星期四 下午14:00

地  点:哈工大(深圳)T2411   

讲座简介:

共融机器人(Coexisting-Cooperative-Cognitive Robots, Tri-Co Robots)是指能与作业环境、人和其它机器人自然交互、自主适应复杂动态环境并协同作业的机器人。共融移动机器人是其中一类针对移动任务应用的机器人。共融移动机器人因为能满足个人,家庭生活和商业服务的需求,满足解决人口老龄化和劳动力缺口增大等问题的需要,相关技术与市场正在飞速发展。然而,将移动机器人部署在人机共融的环境中仍然存在巨大挑战。一方面,在动态乃至于密集的行人环境中存在大量不确定性。因此需要保证行人和机器人的安全。另一方面,公共空间中行人步行存在潜在的社会规范,以保证公共步行的秩序和效率。因此需要让机器人融入密集人群当中而不会影响公共步行的秩序和效率,引起行人的不适和排斥。

针对公共环境中行人的特点,基于社会心理学和行为学的研究,本课题设计了一个共融移动机器人导航系统。该导航系统由感知-定位-决策-规划控制四个模块组成。在有限的移动机器人机载计算单元上,本课题完成密集人群的检测与跟踪,在密集人群中的准确定位,模仿行人步行行为的多模态运动决策,基于人群流动统计模型的全局路径规划和基于行人意图与交互预测的模型预测控制器的研究。本课题通过仿真与实验验证了该导航系统的有效性,与最先进的几种导航方法相比,在安全,效率,轨迹平滑度上都有更好的表现。

个人简介:

陈雨景,男,楼云江教授博士生,主要研究方向为人机共融环境下移动机械臂控制与系统,包括共融环境中的机器人感知、定位、决策、规划控制算法研究。本人主要参与了深圳市科技计划基础研究学科布局项目:移动机械臂控制与系统关键技术研究。本人的博士课题是该项目的主要内容。目前正在参与国家重点研发计划:自主搜救机器人在线检伤原理与技术,并参与深圳市科技计划基础研究学科布局项目:柔性辅料贴装智能机器人关键技术研究,负责控制系统开发(已结题)。

本人在共融机器人领域已经发表(一作)IEEE trans 2篇 (TSMC,TASE),EI论文2篇,合作EI论文4篇,申请/授权中国发明专利11项,授权美国发明专利1项,软件著作权2项,并获得2021年深圳市科学技术协会优秀自然科学学术论文(一作)。