航空航天领域机器人化智能装配技术综述

航空航天领域机器人化智能装配技术综

述

摘要：航空航天工业的发展直接代表和衡量了一个国家的科学技术水平和综

合国力，而在航空航天产品制造领域除了先进技术、设计外，最为重要的就是装

配制造，装配制造水平直接影响了航空产品的成本、投产周期和质量。尤其航空

航天产品结构复杂，精度要求高，对于装配制造提出了更高的要求和标准，而机

器人化智能装配技术的出现，则为航空航天产品装配提供了更为有效的工具和方法，有效促进了装配效率、精度和质量的提升。因此，文章就对航空航天装配中

机器人化智能装配技术中的关键技术和相关应用进行了探讨分析，以供参考。

关键词：航空航天；工业机器人；智能装配；关键技术

引言

航空航天零件的结构非常复杂并且大小不同，在装配作业过程中难度较大，

同时由于任务要求不同，经常会遇到狭小空间作业的情况，这就给利用通用工装

设备开展自动化装配造成了困难。所以在当下航空航天领域，零部件装配中多采

用人工装配，而人工装配的精度、效率、质量等都难以得到有效保障，严重制约

了航空航天工业的发展。而随着现阶段机器人技术不断成熟，通过机器人装配可

以获得更高的自动化程度和精准度，并且其在灵活性、适用性等方面也有了较大

的提升，能够与大行程龙门行车、AGV作业平台等形成有效配合，进而实现高柔性、高自动化、高精度的智能化装配作业[1]。所以在当下航空航天领域，对于机

器人智能装配技术的研究也在不断增多，相关技术和设备也在不断成熟，为航空

航天事业的发展做出了有效贡献。

1工业机器人简介

工业机器人通常分为控制、驱动和主体三部分，主体部分主要模拟人体的动作，比如抓取、搬运等动作；控制系统则分为数据层，物理层和人机交互及部分；

执行机构则包括机械臂、机械手等部分，机器人的功能性直接可以通过其动作的

自由度进行体现，通常情况下机器人的自由度在三个以上，但是在现阶段部分高

精度工业机器人自由度能够超过7个。而控制系统则相当于大脑，其主要控制机

器人按照提前编制的程序来进行各种动作；驱动系统则相当于人的肌肉骨骼，在

获得控制系统的命令后，配合执行系统来完成各项操作[2]。现阶段工业机器人技

术发展极其迅速自动化程度不断提高，各种复杂的动作或者操作也可以顺利完成，所以在当下工业生产中得到了广泛应用，已经能够代替人类来进行各类操作。除

此以外，机器人也可以结合实际工业生产需求，由技术人员手动操控。与人工操

作相比，工业机器人在工作效率、准确度等方面都有着较大的优势，因此在当下

装配、搬运、喷涂、包装等工业生产中工业机器人的应用越发普遍。

2机器人化智能装配的关键技术分析

2.1装配状态感知

在航空航天机械装配过程中，除了要确保不同零部件间的尺寸配合，更需要

根据既定的装配工艺及要求做好零部件的安装和匹配。上述操作仅通过位置控制

难以实现，必须确保机器人具有力控制操作能力，这就导致机器人在视觉方面不

能够及时将装配状态进行反馈。当下协作机器人通常通过电流环反馈来估计关节

力矩，然而该方法在具体应用中噪声和误差相对较大，所以对于力矩的控制精度

比较有限，并不适用于高精度要求的操作控制。而通过关节力矩传感器就能够进

一步促进关节力矩测量精度的提升，实现对关节力矩的高精度辨识和控制。末端

力传感器能够有效检测末端工具和物体间的力矩大小，在装配、碰撞检测等操作

中都可以得到有效应用，能够有效促进机器人感知智能化程度的提升。在装配插

孔或者螺栓连接的过程中，也可以通过接触力检测来进行装配过程的实时监测，

从而判断装配操作的成功与否[3]。在具体的机器人装配操作中，环境、工艺、遮

挡等因素都会增加视觉测量的难度和复杂性，不利于装配精度的提升。通过立决

信息监测反馈，就可以更加精准地对装配位置进行掌握并进行调整，有效提升装

配的稳定度和精确度。除此以外，力觉反馈信息还有助于促进系统安全稳定性的

增强，在机器人装配过程中能够结合反馈信息实时进行装配状态的调整和控制，

避免错误操作的出现。视觉和力学混合感知，能够进一步实现对机器人装配状态

的精准掌握，对装配过程中的尺度、关键目标等进行实时检测和反馈，有效克服

装配中的各种不确定因素影响，实现装配过程的全方位感知。

2.2装配规划与智能决策

装配对合过程中会存在接触挤压等操作，如果操作不当很可能会影响装配的

成功率，甚至还会对零部件造成损坏。特别是在高精度、低孔隙的条件下进行装配，受重复精度的影响，机器人并不能够利用示教重现的方法来提高装配的精度。

同时与相机与点云的精度相比，机器人的重复误差范围也相对较小，所以误

差不长时，并不能够采用动态测量的方法。因此在装配后期必须通过力传感器对

装配的状态进行感知，然后再通过控制算法来确保装配件地对合。在机器人装配

过程中，会受到摩擦、非线性问题、弹性性变等因素的影响，造成装配过程的不

确定性，所以在装配过程中需要从规划和决策算法方面来尽可能降低上述不确定

因素的影响。在机器人装配过程中，为了尽可能提高装配的精度和智能化，需要

围绕规划决策算法的融合感知能力提升以及泛化性入手来进行研究和突破。在以

往装配控制中，多数通过受力分析建模来控制装配件的接触，然后再利用力传感

器来反馈装配状态，进而设置相应的控制策略[4]。为了进一步提升机器人装配的

精度，现阶段关于装配外部轮廓构建了各种机理模型，这就为装配任务的开展提

供了有效的指导和参考。但是所研究的模型多数是处于理想状态下，并不能够全

面符合实际装配工作的特点和变化，所以不确定性相对较高。因此，在当下为了

克服上述问题，可以从模糊分类器、支持向量、隐马尔可夫、神经网络等方面来

进行状态识别算法的设计，从而有效降低噪声干扰。但是在航空航天装配任务中

存在各种不同的装配任务，如果针对每个任务都需要构建相应的状态识别模型难

度加成本高，并不具备实操性，所以在现阶段正在研究通过数据驱动，使模型能

够结合大量经验来总结出相匹配的装配件对合方法。大量实践发现，将深度学习

和强化学习进行融合，可以获得更加科学的装配算法，与装配环境形成有效交互，试错的学习到更加合理的装配方法。

2.3多机/人机协同装配