Research on Human-robot Collaborative Assembly Sequence Replanning Based on the Human Muscle Activation Fatigue Model

在人机协作装配过程中，长时间的重复性工作会导致人体出现肌肉疲劳，从而引起装配序列完成时间的波动，降低整体装配效率。因此，提升机器人对人当前疲劳状态的感知能力，实时评估装配任务中人的肌肉疲劳度，并对装配序列进行优化，对于提高装配效率和减轻人的工作负担具有重要意义。为此，基于人体肌肉激活疲劳模型，研究人机协作装配序列的重规划方法：首先，采集人在装配过程中的动作图像，并利用Open Pose提取动作数据，据此构建人的个性化骨骼肌模型；然后，使用OpenSim软件计算装配动作中的肌肉力变化，结合人体肌肉激活疲劳模型计算最受累肌肉执行装配动作时的疲劳指数，并利用实时获取的关节角变化数据，训练LSTM深度神经网络以快速通过实时关节角变化判断人的动作类别，从而可基于判断的动作类别实时得到人的动作疲劳指数；接下来，利用多目标遗传算法对总装配时间和总人体疲劳两个目标进行优化，并根据人体实时关节角得到人的动作类别以及对应动作的疲劳指数，当人体受累肌肉的疲劳积累时，基于实时监测的人的疲劳与动作耗时重新规划下一轮的装配序列，从而提高整体装配效率并减少人体疲劳。以人机协作装配齿轮减速箱为试验场景，开展了实时疲劳检测与装配序列重规划的试验。试验结果表明，所提出的方法能够识别人的肌肉疲劳，并有效重规划出能够减轻疲劳的装配序列，提升了人机协作装配效率并减轻了人体装配过程中的肌肉疲劳。