基于强化学习的移动目标柔顺装配方法
张舒婷
万小金
武汉理工大学 汽车工程学院,武汉 430070;现代汽车零部件技术湖北省重点实验室,武汉 430070;汽车零部件技术湖北省协同创新中心,武汉 430070
摘要：[目的]针对机器人自主装配研究多聚焦静态目标,移动目标装配相关研究不足的问题,提出一种视觉阻抗控制器的变参数控制方法,以提升机器人在动态环境中目标跟踪与移动装配的适应性和柔顺性.[方法]首先,结合力反馈与视觉反馈信息,在特征空间构建2阶阻抗控制器,为动态装配提供控制基础;其次,将蒙特卡洛随机失活(Monte Carlo Dropout,MCD)作为概率动力学模型,改进概率推理学习控制优化(Probabilistic Inference for Learning Control Optimization,PILCO)算法,平衡状态不确定性推理能力与计算效率;最后,以特征误差和机器人关节位置信息为观测空间,自适应调整控制器阻抗参数,优化动态跟踪与装配性能.[结果]仿真及试验台验证结果表明,相比原高斯过程模型,MCD模型在保留状态不确定性推理能力的同时,显著缩短训练时间(50轮训练时间从43.50 h降至12.82 h);装配成功率从94.5%提升至98.0%,平均装配用时从5.820 s缩短至3.253 s,超调量大幅减少,跟踪响应更及时.研究可为移动目标柔顺装配提供参考.
关键词：机器人装配移动目标强化学习视觉伺服变阻抗控制
分类号：TP242(自动化技术及设备)
资助基金：国家自然科学基金(52075403)
论文发表日期：2026-02-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 99-106 )
英文信息