微装配机器人的视觉感知与智能控制技术研究

At present, the micro-assembly robot exists low efficiency and instability. The bionics and machine learning are introduced into the research, the ICF target assembly is regarded as applicable prototype. The research is started around two scientific issues: visual perception and intelligent control, and mainly considers: the automatic recognition of object part in the micro-visual image, the intelligent tracking of object part during the micro-assembly process, the pose measurement of cross-scale parts based on multiple microscopic systems, robotic intelligent control method with self-learning ability. The project presents: automatic recognition method of object part from microscopic images, intelligent tracking method based on the online learning, the multi-objective optimization method of microscopic visual system for cross-scale parts, the intelligent control method based on the reinforcement learning. The successful implementation of project will effectively enhance the micro-assembly efficiency and quality, also provide new theory and method for micro-assembly robots.

针对微装配机器人应用中存在的装配效率低和质量不稳定问题，本项目将仿生学和机器学习相关理论引入微装配机器人领域，以ICF靶装配为应用原型，围绕机器人微装配中的视觉感知和智能控制两大科学问题，深入研究显微视觉场景下目标零件的自动识别、微装配过程中目标零件的智能跟踪、基于多视显微系统的跨尺度零件位姿测量和具有自学习能力的机器人智能装配控制等关键技术。提出显微视觉场景下目标零件的自动识别方法、基于在线学习的零件智能跟踪方法、面向跨尺度零件的显微视觉系统多目标优化方法和基于增强学习的机器人智能装配控制模型。本项目的成功实施，将有效地提升微器件装配的效率和质量，同时也为微装配机器人领域提供新理论和新方法。

针对微装配机器人应用中存在的装配效率低和质量不稳定问题，本项目将机器学习相关理论引入微装配机器人领域，以ICF靶装配为应用原型，围绕机器人微装配中的视觉感知和智能控制两大科学问题，深入研究显微视觉场景下目标零件的自动识别、微装配过程中目标零件的智能跟踪、跨尺度零件位姿测量和具有自学习能力的机器人智能装配控制等关键技术，提出基于卷积神经网络的微零件的自动识别定位方法、基于“跟踪器+检测器”组合模式的微零件跟踪算法和基于强化学习的微装配机器人控制模型，有效的提升了微零件的装配效率和质量。.本项目研制出冷冻罩组件、微球-微管组件装配机器人系统样机，可实现冷冻罩和微管-微孔组件的机器人装配，装配的微靶已成功应用于激光核聚变实验。机器人样机的装配指标达到国内领先、国际一流的水平（与美国国家点火装置NIF微靶装配对标）。本项目研究成果共发表论文12篇，其中SCI收录6篇，EI收录论文6 篇；申请国家发明专利3项，培养研究生3名，达到项目预期成果要求。