Control of robots in physical interaction with the environment and cooperation with humans based on learning and optimization techniques

[Н. Кнежевић ]

111 стр.

Електротехника и рачунарство - Роботика и управљање системима / Electrical and Computer Engineering - Robotics and Control Systems

Дисертација обрађује методе и приступе управљања робота у физичкој интеракцији са околином и човеком. Као основни елемент Индустрије 5.0 која ставља човека у центар производног процеса, предлаже се изглед неуроергономске радне станице са колаборативним роботом. Предложена архитектура садржи пет модула (процена физичког и менталног стања, физичка, нефизичка, и стратешка подршка) за повећање продуктивности уз смањење менталног оптерећења. Неуроергономска радна станица је демонстрирана у фабричком окружењу на процесу колаборативне монтаже. За потребе демонстрације развијени су модули: неинвазивни интерфејс са роботом, мозак-рачунар интерфејс, асистивни модул у виду колаборативног робота, и адаптивни графички интерфејс. Даља унапређења ефикасности и безбедности колаборативног рада робота и човека су приказана кроз новоразвијени алгоритам обликовања крутости завршног уређаја. Предложена је геометријска интерпретација у виду елипсоида крутости као интуитив- нијег начина презентације и задавања матрице крутости од стране човека. Алгори- там је базиран на секвенцијалном квадратном програмирању погодном за нелинеарне проблеме. Перформансе предложеног приступа су експериментално потврђене на два задатка: провлачење шрафа кроз алуминијумски профил и сечење. Како би развијене методе управљања интеракцијом биле применљиве и на најновију генерацију колаборативних робота са актуаторима променљиве крутости, предлаже се употреба машинског учења са итеративним особинама за моделовање таквих актуатора. Коришћен је алгоритам заснован на регресији за учење модела уз присуство несиметрије и трења, док су особине инкременталног учења искоришћене за праћење параметра еластичног елемента услед експлоатације. Перформансе управљања робота погоњеног актуаторима променљиве крутости експериментално су верификоване на роботу са че- тири степена слободе и бидирекционим антагонистичким погонима у присуству случајно генерисаних пертурбација, где је за изазивање пертурбација коришћен колаборативни робот и сензор силе и момента.

The dissertation explores methods and approaches for controlling robots in physical interaction with the environment and humans. As a main pillar of Industry 5.0, which places humans at the center of the production process, a neuroergonomic workstation with a collaborative robot is proposed. The proposed architecture contains five modules (assessment of physical and mental states, physical, non- -physical, and strategic support) to increase productivity while reducing mental workload. The neuroergonomic workstation is demonstrated in a factory environment in the collaborative assembly process. For demonstration purposes, modules were developed: a non-invasive robot interface, a brain-computer interface, an assistive module in the form of a collaborative robot, and an adaptive graphical interface. Further improvements in the efficiency and safety in collaboration of collaborative robots and humans are demonstrated through a newly developed algorithm for shaping the stiffness of the end effector. A geometric interpretation is proposed in the form of a stiffness ellipsoid as a more intuitive way of presenting and setting stiffness matrices by humans. The algorithm is based on sequential quadratic programming suitable for nonlinear problems. The performance of the proposed approach is experimentally confirmed on two tasks: pulling bolt through an aluminum profile and cutting. In order for the developed control methods to be applicable to the latest generation of collaborative robots with variable stiffness actuators, the use of machine learning with iterative properties is proposed to model such actuators. An algorithm based on regression was used to learn the model in the presence of asymmetry and friction, while incremental learning properties were utilized to track the parameters of the elastic element during exploitation. The performance of controlling a robot powered by variable stiffness actuators was experimentally verified on a four-degree-of-freedom robot with bidirectional antagonistic actuators in the presence of randomly generated perturbations, where a collaborative robot and a force and moment sensor were used to induce perturbations.

физичка интеракција робота и човека; неуроергономска радна ста- ница, колаборативни роботи, обликовање крутости завршног уређаја у Декартовом ко- ординатном систему, локално пондерисана линеарна регресија, итеративно учење

physical human-robot interaction, neuroergonomic workstation, collaborative robots, shaping Cartesian stiffness of end effector, locally weighted linear regression, iterative learning

007.52(043.3)

Tekst