| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 主要符号表 | 第19-20页 |
| 1 绪论 | 第20-39页 |
| 1.1 研究背景与研究意义 | 第20-22页 |
| 1.2 国内外相关研究进展 | 第22-35页 |
| 1.2.1 国内外工业机器人装配应用发展简介 | 第22-25页 |
| 1.2.2 机器人轨迹规划研究现状 | 第25-28页 |
| 1.2.3 双机器人协作研究现状 | 第28-29页 |
| 1.2.4 机器人运动规划研究现状 | 第29-35页 |
| 1.3 本文主要研究内容与思路 | 第35-39页 |
| 1.3.1 研究内容的提出 | 第35-36页 |
| 1.3.2 本文主要研究思路 | 第36-39页 |
| 2 6R型工业机器人运动学分析及奇异值规避 | 第39-56页 |
| 2.1 引言 | 第39页 |
| 2.2 机器人结构参数建模 | 第39-42页 |
| 2.2.1 笛卡尔空间刚体位姿描述方法 | 第39-41页 |
| 2.2.2 6R型工业机器人连杆参数和关节变量 | 第41-42页 |
| 2.3 6R型工业机器人正、逆运动学解 | 第42-51页 |
| 2.3.1 SR10C机器人运动学正解 | 第42-46页 |
| 2.3.2 SR10C机器人运动学反解 | 第46-51页 |
| 2.4 6R型工业机器人奇异位形分离及奇异点规避 | 第51-55页 |
| 2.4.1 6R型机器人雅可比矩阵与奇异分离 | 第51-53页 |
| 2.4.2 面向轨迹规划的奇异规避方法 | 第53-55页 |
| 2.5 本章小结 | 第55-56页 |
| 3 基于奇异值规避的机器人时间最短轨迹规划 | 第56-77页 |
| 3.1 引言 | 第56页 |
| 3.2 工业机器人轨迹规划模型建立 | 第56-63页 |
| 3.2.1 装配轨迹的时间最优规划分析 | 第56-58页 |
| 3.2.2 作业路径插补分类与轨迹曲线模型建立 | 第58-63页 |
| 3.3 GA算法模型评价与改进方法 | 第63-67页 |
| 3.3.1 GA算法模型建立与评价 | 第63-65页 |
| 3.3.2 改进的自适应精英种群GA算法 | 第65-67页 |
| 3.4 基于改进GA的时间最短轨迹规划方法 | 第67-72页 |
| 3.4.1 考虑边界条件约束的轨迹曲线计算与分析 | 第67-69页 |
| 3.4.2 基于融合奇异值规避的IA-EGA的时间最短轨迹规划 | 第69-72页 |
| 3.5 时间最短轨迹规划实验结果与分析 | 第72-76页 |
| 3.6 本章小结 | 第76-77页 |
| 4 基于装配路径最短优化的双机协作轨迹规划 | 第77-100页 |
| 4.1 引言 | 第77页 |
| 4.2 基于MDP框架的双机协作装配路径TSP建模 | 第77-81页 |
| 4.2.1 装配路径的马尔可夫性分析 | 第77-78页 |
| 4.2.2 基于MDP框架的TSP模型建立 | 第78-81页 |
| 4.3 基于策略记忆的自适应DP算法 | 第81-86页 |
| 4.3.1 DP的迭代方法分析与选择 | 第81-83页 |
| 4.3.2 基于策略记忆的前向搜索方式收敛判据 | 第83-85页 |
| 4.3.3 自适应的DP策略迭代方法 | 第85-86页 |
| 4.4 基于PM-ADP的双机协作路径规划与主机器人轨迹规划 | 第86-91页 |
| 4.4.1 基于PM-ADP的装配路径最短优化 | 第86-89页 |
| 4.4.2 最短装配路径下的主机器人时间最短轨迹规划 | 第89-91页 |
| 4.5 双机器人协作约束关系分析及轨迹规划实验 | 第91-98页 |
| 4.5.1 双机协作约束关系分析 | 第91-93页 |
| 4.5.2 主机轨迹为主导的双机协作轨迹规划实验 | 第93-98页 |
| 4.6 本章小结 | 第98-100页 |
| 5 人工技能与深度学习融合驱动的装配操作运动规划 | 第100-125页 |
| 5.1 引言 | 第100页 |
| 5.2 面向轴孔装配的CNN模型建立与正、反向传播推导 | 第100-106页 |
| 5.2.1 LeNet-5型CNN正向传播推导 | 第100-102页 |
| 5.2.2 LeNet-5型CNN反向传播推导 | 第102-106页 |
| 5.3 基于图像深度信息集的无标定工件定位方法 | 第106-110页 |
| 5.3.1 基于图像深度信息集的目标识别方法 | 第106-108页 |
| 5.3.2 无标定工件定位方法 | 第108-110页 |
| 5.4 融合人工技能的CNN网络训练 | 第110-114页 |
| 5.4.1 基于人工技能的机器人行为标签制定 | 第110-112页 |
| 5.4.2 融合人工技能的CNN网络参数设定与训练 | 第112-114页 |
| 5.5 机器人装配操作实验 | 第114-123页 |
| 5.5.1 实验平台搭建与实验方案 | 第114-116页 |
| 5.5.2 基于图像深度信息集的工件定位运动规划 | 第116-118页 |
| 5.5.3 人工技能与CNN融合驱动的轴孔定位运动规划 | 第118-120页 |
| 5.5.4 机器人装配操作运动与轨迹规划实验 | 第120-123页 |
| 5.6 本章小结 | 第123-125页 |
| 6 结论与展望 | 第125-129页 |
| 6.1 结论 | 第125-127页 |
| 6.2 创新点 | 第127页 |
| 6.3 展望 | 第127-129页 |
| 参考文献 | 第129-137页 |
| 攻读博士学位期间科研项目及科研成果 | 第137-139页 |
| 致谢 | 第139-140页 |
| 作者简介 | 第140页 |
