Resumen

Los tiempos de ajuste de la alineación de la actitud fluctúan debido a la fluctuación de la señal de fuerza de contacto causada por los momentos perturbadores en el conjunto de clavija en agujero conforme. Sin embargo, estas fluctuaciones son difíciles de medir o definir con precisión como resultado de muchos factores inciertos en el entorno de trabajo. Cabe destacar que los momentos perturbadores gravitatorios y los momentos de inercia afectan significativamente a estas fluctuaciones, en las que los cambios de la clavija relativos a la masa y la longitud tienen una influencia crucial. En este trabajo se propone una estrategia de agarre visual basada en el aprendizaje profundo por refuerzo para el ensamblaje de clavijas en agujeros. En primer lugar, se analizan los momentos perturbadores del ensamblaje para investigar los factores de la fluctuación del tiempo de ensamblaje. A continuación, esta investigación diseña una estrategia de agarre visual, que establece una relación de mapeo entre la posición de agarre y el tiempo de montaje para mejorar la eficiencia del montaje. Finalmente, se construyó un sistema robótico para el ensamblaje en V-REP para verificar la eficacia del método propuesto, y el robot puede completar el entrenamiento de forma independiente sin intervención humana y etiquetado manual en el proceso de entrenamiento de agarre. Los resultados simulados muestran que este método puede mejorar la eficiencia del ensamblaje en un 13,83%. Y, cuando la masa y la longitud de la clavija cambian, el método propuesto sigue siendo eficaz para la mejora de la eficiencia de montaje.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:eficacia de montaje, método, tiempo de montaje, momentos perturbadores, montaje de orificios, señal de fuerza de contacto, aprendizaje profundo por refuerzo, momentos perturbadores gravitatorios, muchos factores inciertos, montaje
• Keywords:assembly efficiency, method, assembly time, disturbing moments, hole assembly, contact force signal, deep reinforcement learning, gravitational disturbing moments, many uncertain factors, assembly