(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210514862.0 (22)申请日 2022.05.12 (71)申请人 四川大学 地址 610065 四川省成 都市武侯区一环路 南一段24号 (72)发明人 汤卿　裘方舟　 (51)Int.Cl. B25J 9/16(2006.01) (54)发明名称 一种基于图模型的机器人自主装配顺序规 划方法 (57)摘要 本发明涉及一种基于图模型的机器人自主 装配顺序规划方法， 属于机器人智能装配领域。 该方法具体的实施步骤包括以下阶段。 图模型构 建阶段： 基于装配件的三维模型获取装配零件数 据， 用节点表示零件， 用边表示对应关系， 根据装 配基本约束初始化对应的图模型； 图模型学习阶 段： 在机器人演示装配过程中， 根据绝对约束条 件和最优化目标获得一定数量的观测数据， 并使 用观测数据更新图模型的结构和参数； 装配顺序 推断阶段： 利用遗传算法推算最佳装配体基准零 件， 并基于图模 型的最小生 成树推断实际装配顺 序。 该方法能有效提高装配顺序规划的效率， 减 少时间和人力付出。 权利要求书2页 说明书4页 附图3页 CN 114872044 A 2022.08.09 CN 114872044 A 1.本发明提出了一种基于图模型的机器人自主装配顺序规划方法， 其特征在于， 该方 法包括以下步骤： 图模型构建阶段： 基于装配件的三 维模型获取装配零件数据， 用节点表 示 零件， 用边表示对应关系， 根据装配基本约束初始化对应的图模型； 图模型学习阶段： 在机 器人演示装配过程中， 根据绝对约束条件和最优化 目标获得一定数量的观测数据， 并使用 观测数据更新图模型 的结构和参数； 装配顺序推断阶段： 利用遗传算法推算最佳装配体基 准零件， 并基于图模型的最小生成树推断实际装配顺序。 2.根据权利要求1所述的一种基于图模型的机器人自主装配顺序规划方法， 其特征在 于， 所述装配件的三维模型包括在三维建模软件中的装配体和零件模型， 以及装配体对应 的xml格式的层级化文本文件。 3.根据权利要求1所述的一种基于图模型的机器人自主装配顺序规划方法， 其特征在 于， 所述装配零件数据包括从三维模型中获取 的零件编号， 两两零件间的相对位姿和装配 关系。 4.根据权利要求1所述的一种基于图模型的机器人自主装配顺序规划方法， 其特征在 于， 所述装配基本约束包括从三维模型中获取 的零件间机械可行性约束， 装配的运动自由 度约束。 5.根据权利要求1所述的一种基于图模型的机器人自主装配顺序规划方法， 其特征在 于， 所述绝对约束 条件包括装配过程中的碰撞约束， 装配件的稳定性约束； 所述碰撞约束为 在装配过程中， 机器人与装配件应当避免碰撞， 装配件与装配件产生的碰撞力应当小于一 定阈值； 所述稳定性约束为在 装配过程中， 已装配件应当保持稳定， 以及稳定状态应当为目 标状态； 所述的最优化目标选取装配时间、 装配成本、 装配总能量消耗多个目标共同组成。 6.根据权利要求1、 权利要求5所述的一种基于图模型的机器人自主装配顺序规划方 法， 其特征在于， 所述机器人演示装配过程中的观测数据获取方法为： 1)  根据装配任务搭 建对应的仿真环境； 在仿真中导入装配件模型、 机器人模型， 并设置对应的动力学参数； 2)   构建机器人基元动作集， 轨迹规划方法， 机器人控制方法； 所述基元动作集包括夹爪夹紧， 夹爪松开， 自由空间移动， 装配进程移动； 所述轨迹规划方法包括带抛物线过渡的线性插 值， B样条曲线插值等； 所述机器人控制方法采用机器人笛卡尔空间阻抗控制； 3)  根据图模 型边选择对应装配动作， 将其分解为机器人基元动作和运动轨迹的组合； 4)  机器人在仿 真 中多次执行装配动作； 5)  获得观测数据； 针对每次装配返回一个等长的观测数据向量， 用 以记录绝对约束 条件的满足情况和最优化目标的评价结果； 其中观测数据向量长度等于约 束条件数和最优化 目标数之和； 绝对约束条件采用定性的判别结果， 最优化 目标采用定量 的判别结果。 7.根据权利要求1所述的一种基于图模型的机器人自主装配顺序规划方法， 其特征在 于所述的图模型结构和参数 的更新方法为： 1） 根据每个装配动作的成功率， 删减图模型结 构的边， 更新图模 型结构； 2） 利用模糊层次分析法对上述观测数据进 行分析； 3） 根据模糊层 次分析法得到针对 装配动作的平均评价， 更新图模型对应边的权 重。 8.根据权利要求1所述的一种基于图模型的机器人自主装配顺序规划方法， 其特征在 于所述装配顺序推断具体方法为： 1)  考虑图模型节点度数、 零件三维模型结构、 零件在装 配体中的位置， 建立多目标的优化问题模型； 利用多目标遗传算法求解关于装配体基准零 件选择的Pareto解集； 2） 基于图模型的最小生成树Prim算法， 将基准零件作为整棵树的父权　利　要　求　书 1/2 页 2 CN 114872044 A 2节点， 生成图模型的层级化装配树； 在层级化装配树中隐含了大部 分装配顺序信息， 下层零 件的装配应优于上层零件的装配， 同层零件之间可以转换装配顺序； 3） 在层级化装配树上 搜索获得最佳装配顺序。权　利　要　求　书 2/2 页 3 CN 114872044 A 3