来源：期刊VIP网 时间：
作者：张舒婷;万小金;
单位：武汉理工大学汽车工程学院;现代汽车零部件技术湖北省重点实验室;汽车零部件技术湖北省协同创新中心;
摘要：【目的】针对机器人自主装配研究多聚焦静态目标，移动目标装配相关研究不足的问题，提出一种视觉阻抗控制器的变参数控制方法，以提升机器人在动态环境中目标跟踪与移动装配的适应性和柔顺性。【方法】首先，结合力反馈与视觉反馈信息，在特征空间构建2阶阻抗控制器，为动态装配提供控制基础；其次，将蒙特卡洛随机失活（Monte Carlo Dropout, MCD）作为概率动力学模型，改进概率推理学习控制优化（Probabilistic Inference for Learning Control Optimization, PILCO）算法，平衡状态不确定性推理能力与计算效率；最后，以特征误差和机器人关节位置信息为观测空间，自适应调整控制器阻抗参数，优化动态跟踪与装配性能。【结果】仿真及试验台验证结果表明，相比原高斯过程模型，MCD模型在保留状态不确定性推理能力的同时，显著缩短训练时间（50轮训练时间从43.50 h降至12.82 h）；装配成功率从94.5%提升至98.0%，平均装配用时从5.820 s缩短至3.253 s，超调量大幅减少，跟踪响应更及时。研究可为移动目标柔顺装配提供参考。
关键词：机器人装配;;移动目标;;强化学习;;视觉伺服;;变阻抗控制
基金资助：国家自然科学基金项目(52075403)
