不确定检测环境下强化学习覆盖路径规划研究

李彦征; 刘银华; 赵文政; 孙芮

doi:10.13433/j.cnki.1003-8728.20220203

Chinese

您当前的位置：

首页 >

文章列表页 >

不确定检测环境下强化学习覆盖路径规划研究

机械动力学 | 更新时间：2026-07-10

- 不确定检测环境下强化学习覆盖路径规划研究
- A Coverage Path Planning Method with Reinforcement Learning Considering Manufacturing Process Uncertainty
- 机械科学与技术 2024年43卷第1期页码：9-15
- 作者机构：
  
  1. 上海理工大学机械工程学院,上海,200093
  2. 上海交通大学机械与动力工程学院,上海,200240
- 作者简介：
  
  李彦征, 博士研究生,
  刘银华, 教授, 博士生导师,
- 基金信息：
  
  国家自然科学基金项目 51875362 上海市自然科学基金项目 21ZR1444500 机械系统与振动国家重点实验开放基金项目 MSV202010
- DOI：10.13433/j.cnki.1003-8728.20220203
  中图分类号：
- 网络首发：2024-01-25，
  
  纸质出版：2024
- 稿件说明：
移动端阅览
李彦征, 刘银华, 赵文政, 等. 不确定检测环境下强化学习覆盖路径规划研究[J]. 机械科学与技术, 2024,43(1):9-15.

LI Yanzheng, LIU Yinhua, ZHAO Wenzheng, et al. A Coverage Path Planning Method with Reinforcement Learning Considering Manufacturing Process Uncertainty[J]. Mechanical Science and Technology for Aerospace Engineering, 2024, 43(1): 9-15.
李彦征, 刘银华, 赵文政, 等. 不确定检测环境下强化学习覆盖路径规划研究[J]. 机械科学与技术, 2024,43(1):9-15. DOI： 10.13433/j.cnki.1003-8728.20220203.

LI Yanzheng, LIU Yinhua, ZHAO Wenzheng, et al. A Coverage Path Planning Method with Reinforcement Learning Considering Manufacturing Process Uncertainty[J]. Mechanical Science and Technology for Aerospace Engineering, 2024, 43(1): 9-15. DOI： 10.13433/j.cnki.1003-8728.20220203.

摘要

机器人扫描测量系统在汽车质量检测领域获得广泛应用，尤其数模环境下基于仿生优化算法的视点采样与路径规划研究取得较大进展。然而，基于名义数模环境的路径规划结果难以适用实际不确定性检测环境。为此，本文提出基于改进的蒙特卡洛树搜索的视点自适应采样方法，在线生成工业机器人运动轨迹。通过车门内板案例的对比分析，验证本文方法的有效性，为实现不确定制造环境下工艺路径的在线规划提供理论依据。

Abstract

The robotic scanning system has been widely used in the quality inspection field of automobiles

especially the studies of viewpoint sampling and path planning based on the genetic optimization algorithm in the model-based environment. However

the path planning results based on the nominal models are difficult to apply to the actual inspection environment. To address this problem

a viewpoint adaptive sampling method is proposed based on an improved Monte Carlo tree search

and industrial robot motion trajectories are planned online. Finally

the case of the car door inner panel was used to illustrate the effectiveness of the method.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向复杂大部件装配的多机器人制造系统运动规划研究进展

CF/PEEK-AA7075搅拌摩擦铆接成型机理及力学性能研究

电动汽车IPMSM深度弱磁扩速控制策略

六足仿生机器人步态设计及运动研究

三维亥姆霍兹线圈驱动的仿生鳐鱼微机器人