CN112180720B - 一种基于模仿学习的纤维铺放工艺参数模型构建方法及系统 - Google Patents

Abstract

本发明公开了一种基于模仿学习的纤维铺放工艺参数模型构建方法及系统，系统包括人工铺放示教模块等模块，示教者手持小型纤维铺放装置在模具表面进行纤维铺放工作，动作捕捉模块记录下铺放点在模具的实时位置，视频记录模块实时记录操作过程，工艺参数传感模块实时记录纤维铺放工艺参数，上述数据传输至工控机进行数据存储与处理，通过模仿学习算法模块完成人工铺放示教作业的学习过程，输出“工艺参数‑曲面曲率”的概率映射模型，基于协作机械臂的纤维自动铺放系统利用学习到的模型结果，结合智能控制算法，实现纤维在曲面上的自动铺放工作。本发明提高了复合材料铺放过程中对铺放路径和工艺参数的控制精度，从而减少铺放缺陷。

Description

一种基于模仿学习的纤维铺放工艺参数模型构建方法及系统

技术领域

本发明提供了一种基于模仿学习的纤维铺放工艺参数模型构建方法和系统，涉及先进复合材料制造、人工智能和机器人技术领域。

背景技术

纤维增强复合材料是指由高强度纤维与基体材料组合成的复合材料，因其具有比强度高、抗疲劳、耐腐蚀、可设计性强等优势，在航空航天、船舶汽车、体育医疗等领域有着广泛的应用需求。

复合材料自动铺放是广泛应用的高性能低成本的成形方式之一，根据预浸料及加工方式不同，主要分为自动纤维带铺放与自动纤维丝铺放。在纤维自动铺放过程中，铺放速度、压力、张力等工艺参数直接影响铺放质量，然而多参数间的耦合对铺放质量的影响机制复杂，尤其是铺放工艺参数-材料力学特性-构件铺放质量之间的多参数精确模型难以建立，给数值分析和优化求解带来困难。传统的方法多利用单因素法或响应曲面法获得一定的经验数据，但是需要设计大量的试验，并且得到的工艺参数关系模型泛化能力差，难以牵引到特征相似的构件上达到相同的铺放效果。另一方面，目前基于多轴机械臂的运动系统完成纤维铺放的操作任务多是基于刚性铺放环境假设，针对复合材料铺放过程中粘弹性接触环境下的轨迹与工艺参数控制研究较少，并且传统的铺放参数控制中，特别是复杂曲面铺放未考虑随机扰动对铺放质量的影响。使得机器人铺放系统的控制效果难以满足纤维铺放的需求。

通过人工示教模仿学习方法，学习人类铺放纤维的动作技能，在建立工艺参数数据集的基础上，构建“工艺参数-曲面曲率”的概率映射模型；并利用增量式学习策略，提升工艺参数分布模型的泛化能力；可解决当前多工艺参数模型难以精确建立的问题，另一方面，基于鲁棒滑模位置控制器与干扰观测器补偿，实现复杂铺放环境下多轴机械臂的鲁棒力/位混合控制与纤维铺放头的多变量解耦控制，提高对铺放路径和工艺参数的精确调控。

发明内容

针对当前纤维铺放工艺参数的获取依赖于大量试验，且得到的参数推广泛化能力差以及机器人式纤维自动铺放系统工艺参数控制精度不高等问题，本发明提出了一种基于模仿学习的纤维铺放工艺参数模型构建方法和系统，通过人工示教模仿学习方法，构建纤维铺放工艺参数概率映射模型；结合设计的智能控制算法，实现复杂铺放环境下多轴机械臂的鲁棒力/位混合控制与纤维铺放头的多变量解耦控制，提高对铺放路径和工艺参数的精确调控。

本发明提出的基于模仿学习的纤维铺放工艺参数模型构建系统主要包括人工铺放示教模块、基于协作机械臂的纤维自动铺放模块、动作捕捉模块、视频记录模块、工艺参数传感模块及模仿学习算法处理模块；人工铺放示教模块主要是示教者人工进行纤维铺放工作，基于协作机械臂的纤维自动铺放模块主要是利用学习到的模型结果，结合智能控制算法完成纤维的自动铺放，动作捕捉模块主要是完成铺放头在模具上的绝对位置反馈，视频记录模块主要是记录手工铺放作业过程，用于有效铺放数据筛选，工艺参数传感器模块主要是采集并反馈铺放头进行纤维铺放作业过程中的工艺参数，模仿学习算法处理模块主要是利用采集到的工艺参数信息与铺放曲面模型信息，构建“工艺参数-曲面曲率”的概率映射模型。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于模仿学习的纤维铺放工艺参数模型构建系统，其特征在于：包括本体以及控制本体的控制单元；所述控制单元包括

人工铺放示教模块:用于示教者人工进行纤维铺放工作，包含一个小型、半自动化的人工纤维铺放头；

基于协作机械臂的纤维自动铺放模块：利用学习到的模型结果，结合智能控制算法完成纤维的自动铺放，包含协作型机械臂、小型自动化纤维铺放头、模具旋转台；

动作捕捉模块：用于完成铺放头在模具上的绝对位置反馈，包含成套动作捕捉系统；

视频记录模块：记录手工铺放作业过程，用于有效铺放数据筛选，包含摄像机；

工艺参数传感模块：采集并反馈铺放头进行纤维铺放作业过程中的工艺参数，包含张力传感器、六维力/力矩传感器、旋转编码器、热成像仪；

模仿学习算法处理模块：利用采集到的工艺参数信息与铺放曲面模型信息，构建“工艺参数-曲面曲率”的概率映射模型，包含一台高性能工控机；

本体包括：平台基座、协作型机械臂、六维力/力矩传感器、纤维铺放头、张力传感器、旋转编码器、热成像仪、模具旋转台、曲面模具、摄像机、动作捕捉系统、工控机；

平台基座作为整个铺放系统的安装基座，协作型机械臂和模具旋转台安装并固定在平台基座上；曲面模具安装于模具旋转台上；张力传感器、旋转编码器、热成像仪传感模块安装在设计的纤维铺放头上；纤维铺放头、六维力/力矩传感器、协作型机械臂顺次安装构成纤维自动铺放装置，工控机用于控制所有模块。

一种上述系统进行的纤维铺放工艺参数模型构建方法，其特征在于：

步骤1、利用人工铺放示教模块进行多次人工铺放作业；铺放过程中视频记录模块、工艺参数传感模块分别进行视频记录与多种工艺参数数据采集工作，工作捕捉模块实时获取并记录当前铺放点的空间位置信息；

步骤2、对曲面上的复合材料铺放质量进行评价；结合视频记录模块筛选质量良好的铺放数据，对有效数据进行规整生成参数数据集；

步骤3、在已建立工艺参数数据集的基础上，在模仿学习算法处理模块中利用训练集对选用的模型进行训练获得工艺参数映射模型并采用增量式学习方法提升模型泛化能力；

步骤4、利用基于协作机械臂的纤维自动铺放模块，结合工艺参数模型输出结果，对上述工艺参数进行跟踪控制，实现曲面零件上铺放工艺参数的精密控制。

在上述的方法,手工纤维铺放过程工艺参数信息采集过程中,针对待铺放模具表面的模型信息，设计人工铺放作业方案，手持铺放头进行铺放作业；铺放过程中对指定的压力、张力工艺参数进行恒定控制，同时进行视频记录与多种工艺参数数据采集工作。

在上述的方法,数据筛选与工艺参数数据集生成过程具体包括：

步骤1、针对已完成的纤维铺放层，分别从缺陷包括褶皱、拉扯以及层间贴合效果等方面对曲面上的复合材料铺放质量进行评价，结合视频回放与位置跟踪数据筛选质量良好的铺放数据；

步骤2、对有效数据利用隐马尔科夫模型方法进行规整，其中利用时间戳数据对齐采样数据，由此建立观测变量的集合，用{x₁,x₂,...,x_n}表示，其中x_n表示系统在第n时刻工艺参数的状态观测值，x_n＝[P,F,V,T],其中P代表n时刻的压力，F代表铺放张力，V代表铺放速度，T代表铺放温度；状态变量由铺放数据的评价结果组成，用{y₁,y₂,...,y_n}表示，其中y_n表示系统在第n时刻系统状态，y_n＝[S,D,K]，其中S代表铺放质量评价值，D代表空间位置，K代表空间曲率值；

步骤3、存储数据，生成参数数据集，参数包括：工艺参数包括压力、张力、速度、温度；几何模型参数包括位置、曲率；以及铺放质量评价值。

在上述的方法,工艺参数模型学习与训练过程具体包括：

步骤1、首先将数据集随机等分为N份，在后续的模型训练过程中不重复地每次取其中X份做测试集，用其他N-X份做训练集训练模型；

步骤2、模型学习阶段利用训练集对高斯混合模型进行训练；其中建立一个高斯混合模型

其中p(x)表示高斯混合模型的概率分布，x表示观测到的数据，K表示混合模型中子高斯模型的数量(聚类数目，i＝1,2,…K)，σ_i表示观测数据第i个高斯子模型的数据标准差，u_i表示观测数据第i个高斯子模型的数据均值，φ_i表示观测数据第i个子模型的高斯密度分布函数；通过将其聚类数目设置为K，利用选取的高斯模型对数据集数据进行聚类处理，可获取K个聚类点集；同时获取每个点集的均值与方差信息，得到高斯混合模型训练结果；

步骤3、采用交叉验证的方式轮换模型的训练集与测试集对模型学习结果进行评估，当出现欠拟合时采用增加新的特征或正则化等方法，出现过拟合时采用特征选择或正则化等方法，对模型进行优化，输出曲面上位置、曲率、压力以及速度的具有一定泛化能力的工艺参数分布模型；

步骤4、增强模型泛化能力阶段则在相似曲面特征的零件进行铺放路径生成，并基于学习模型生成铺放工艺参数，进行铺放试验，验证模型泛化能力；在整个过程中，将存储所有新生成的铺放过程中的工艺数据，挑选出评价值高的数据用来迭代训练“工艺参数-曲面曲率”概率映射模型，实现增量式学习，增强模型泛化能力；最终实现“工艺参数-曲面曲率”概率映射模型的输出。

在上述的方法,铺放轨迹跟踪与工艺参数控制过程中，具体包括：

步骤1、利用学习到的“工艺参数-曲面曲率”概率映射模型，得到实际铺放路径下工艺参数包括压力、张力、速度、温度的分布；

步骤2、铺放过程中，通过动作捕捉系统获取当前铺放位置，利用该位置信息输入到模型学习训练结果中可进一步输出得到当前工艺参数的控制目标,包括铺放压力、张力、速度；其中铺放位置与铺放压力采用力/位混合控制算法实现目标跟踪控制；其中铺放张力与铺放速度采用解耦控制算法实现目标跟踪控制；

步骤3、在铺放位置与铺放压力的控制过程中，通过力、位置信号采集传感器分别获取压力、位置的反馈信息，其中压力反馈信息通过滤波处理后与目标压力值进行差值计算，作为压力输入传递给力/位混合控制器，位置反馈信息利用正运动学求解末端铺放头位置后与目标位置值进行插值计算，作为位置输入传递给力/位混合控制器；控制器输出机械臂多轴控制信息，实现协作机器人系统的反馈跟踪控制；

步骤4、在铺放张力与铺放速度的控制过程中，通过张力、速度信号采集传感器分别获取张力、速度的反馈信息，其中张力、速度反馈信息通过滤波处理后与目标张力、速度值进行差值计算，分别作为张力、速度输入传递给解耦控制器，控制器输出纤维铺放头电机控制结果，实现纤维铺放头的反馈跟踪控制；

步骤5、结合协作机械臂搭载复合材料铺放头组成的自动铺放系统，对工艺参数进行跟踪控制，实现曲面零件上铺放工艺参数的精密控制。

与现有技术相比，本发明具有以下优点：

本发明通过借鉴人类纤维铺放经验，基于模仿学习构建纤维铺放工艺参数模型，相比于传统方法，其工艺参数模型的泛化能力得到了增强，模型训练结果可推广至具有相似曲面特征的零件上使用，无需重新学习，降低了模型学习与部署成本，提升了整个系统的模仿学习效率；

本发明设计多轴协作机械臂的鲁棒力/位混合控制器与纤维铺放头的多变量解耦控制器，可实现对铺放路径和工艺参数的精确调控，提高了协作机械臂系统的智能性，提升了纤维自动铺放质量；

附图说明

图1为本发明所涉及的系统仿真环境图。

图2为本发明所涉及的系统组成框图。

图3为本发明所涉及的系统整套流程运行图。

图4为本发明所涉及的机械臂智能控制算法框图。

具体实施方式

下面结合附图对本发明作进一步说明。

图1是本发明所涉及的系统结构图示，主要包括：平台基座1作为整个系铺放统的安装基座，协作型机械臂2和模具旋转台8安装并固定在平台基座1上；曲面模具9安装于模具旋转台8上；张力传感器5、旋转编码器6、热成像仪7等传感模块安装在设计的纤维铺放头4装置上；纤维铺放头4、六维力/力矩传感器3、协作型机械臂2顺次安装构成纤维自动铺放装置；

图2是本发明所涉及的系统组成框图，包括本体以及控制本体的控制单元；所述控制单元包括

人工铺放示教模块:用于示教者人工进行纤维铺放工作，包含一个小型、半自动化的人工纤维铺放头；

基于协作机械臂的纤维自动铺放模块：利用学习到的模型结果，结合智能控制算法完成纤维的自动铺放，包含协作型机械臂、小型自动化纤维铺放头、模具旋转台；

动作捕捉模块：用于完成铺放头在模具上的绝对位置反馈，包含成套动作捕捉系统；

视频记录模块：记录手工铺放作业过程，用于有效铺放数据筛选，包含摄像机；

工艺参数传感模块：采集并反馈铺放头进行纤维铺放作业过程中的工艺参数，包含张力传感器、六维力/力矩传感器、旋转编码器、热成像仪；

模仿学习算法处理模块：利用采集到的工艺参数信息与铺放曲面模型信息，构建“工艺参数-曲面曲率”的概率映射模型，包含一台高性能工控机；

本体包括：平台基座、协作型机械臂、六维力/力矩传感器、纤维铺放头、张力传感器、旋转编码器、热成像仪、模具旋转台、曲面模具、摄像机、动作捕捉系统、工控机；

平台基座作为整个铺放系统的安装基座，协作型机械臂和模具旋转台安装并固定在平台基座上；曲面模具安装于模具旋转台上；张力传感器、旋转编码器、热成像仪传感模块安装在设计的纤维铺放头上；纤维铺放头、六维力/力矩传感器、协作型机械臂顺次安装构成纤维自动铺放装置，工控机用于控制所有模块。

基于模仿学习的纤维铺放工艺参数模型构建，其整体运行流程如图3所示。具体实现步骤包括：

步骤1：手工纤维铺放过程工艺参数信息采集；

此阶段主要通过人工完成纤维铺放作业，采集并记录铺放过程中的各项工艺参数；

步骤1.1：针对待铺放模具表面的模型信息，设计人工铺放作业方案；选取多位有经验的复合材料铺放工人，手持铺放头在模具表面完成纤维铺放作业；

步骤1.2：通过数据总线等方式实时记录并传输多种工艺参数数据(位置、压力、张力、温度等)，摄像头实时记录人工铺放过程。

步骤2：数据筛选与工艺参数数据集生成；

在步骤1的基础上，针对人工铺放效果进行综合评价，并结合视频回放，筛选铺放质量好的工艺参数数据，并利用隐马尔科夫模型方法进行规整，最终记录并存储成工艺参数数据集；

步骤2.1：铺放质量评估；

铺放质量评估包括单层缺陷因素评估与单层贴合效果评估；

采用视觉检测手段观察单层铺放过程出现的影响铺放质量的缺陷因素，如间隙、重叠和褶皱等，并针对各个缺陷严重程度对铺放质量的影响程度进行等级划分，拟定分为差、一般和好三个等级，分别打分为2分、1分和0分。利用图像处理可获取各个缺陷因素在单条铺放路径上所占面积比和在该铺层的单层铺放面积占比，完成单层中各个缺陷因素对铺放质量影响的评估；

通过剥离试验对预浸料的黏性展开研究，获得不同工艺参数组合下的层间贴合效果，并对贴合效果进行等级划分，拟定为差、一般和好三个等级，分别打分为2分、1分和0分。结合试验分析，获得实际铺放中不同工艺参数组合时不同等级贴合效果所在单条预浸料的面积占比和在单层铺层中的面积占比，完成单层贴合效果的评估。

综合考虑上述两方面评估，对评估分数进行叠加，认定评估分数大于质量阈值分数即可认为铺放质量良好，可作为有效铺放面积。

步骤2.2：数据筛选与规整；

针对有效铺放面积，利用视频记录回放的方式获取铺放时间段，对记录的工艺参数数据进行有效筛选；

结合筛选得到的有效铺放数据，利用隐马尔可夫模型对铺放数据的时间序列进行规整，记录为工艺参数数据集；具体是对有效数据利用隐马尔科夫模型方法进行规整，其中利用时间戳数据对齐采样数据，由此建立观测变量的集合，用{x₁,x₂,...,x_n}表示，其中x_n表示系统在第n时刻工艺参数的状态观测值，x_n＝[P,F,V,T],其中P代表n时刻的压力，F代表铺放张力，V代表铺放速度，T代表铺放温度；状态变量由铺放数据的评价结果组成，用{y₁,y₂,...,y_n}表示，其中y_n表示系统在第n时刻系统状态，y_n＝[S,D,K]，其中S代表铺放质量评价值，D代表空间位置，K代表空间曲率值；

步骤2.3、存储数据，生成参数数据集，参数包括：工艺参数包括压力、张力、速度、温度；几何模型参数包括位置、曲率；以及铺放质量评价值。

步骤3：工艺参数模型学习与训练；

在获取得到工艺参数数据集后，对训练集进行划分，采用交叉验证的方式，利用训练集对高斯混合模型进行训练，利用测试集验证模型学习效果。

步骤3.1：数据集划分；

将获取得到的工艺参数数据集进行随机等分为N份，在后续的模型训练过程中不重复地每次取其中X份做测试集，用其他N-X份做训练集训练模型；

步骤3.2模型训练与交叉验证；

在模型训练阶段，选用高斯混合模型对每次选取的N-X份训练集数据进行训练，其中建立一个高斯混合模型

将其聚类数目设置为K，利用选取的高斯模型对数据集数据进行聚类处理，可获取K个聚类点集；同时获取每个点集的均值与方差信息，得到高斯混合模型训练结果；利用剩余的X份测试集数据对训练结果进行评估，计算该模型在测试集上的均方误差MSE；采用上述交叉验证的方式对模型学习结果进行评估后，若当出现欠拟合时采用增加新的特征或正则化等方法，出现过拟合时采用特征选择或正则化等方法，对模型进行优化，输出曲面上位置、曲率、压力以及速度的具有一定泛化能力的分布模型。

步骤3.3增量式学习与模型泛化；

重新选取其他具有相似曲面特征的三维零件模型，重复步骤3.1～3.2，，并基于学习模型生成铺放工艺参数，进行铺放试验，新获得的工艺参数数据集将进一步对模型进行训练，从而验证并提升模型泛化能力；

步骤4：铺放轨迹跟踪与工艺参数控制(如图4所示)；

利用学习到的“工艺参数-曲面曲率”概率映射模型，可得到实际铺放路径下工艺参数(压力、张力、速度、温度等)的分布；结合协作机械臂搭载复合材料铺放头组成的自动铺放系统，对上述工艺参数进行跟踪控制，可实现曲面零件上铺放工艺参数的精密控制。具体步骤如下：

步骤4.1：控制目标参数值获取；

首先构建待铺放模具的三维模型，基于学习得到的工艺参数概率映射模型，获取模具表面的工艺参数分布模型；然后通过动作捕捉系统获取当前铺放位置，利用该位置信息结合工艺参数分布模型得到当前工艺参数的控制目标；

步骤4.2：智能控制器设计与部署；

采用力/位混合控制框架实现对铺放压力和铺放路径的精确控制跟踪，设计解耦控制器完成对铺放过程中输送速度、张力等工艺参数的多变量解耦，结合PI控制器，利用张力、速度信息与传感器系统反馈信息作为输入，实现铺放张力与速度的实时精密控制。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (6)

1.一种基于模仿学习的纤维铺放工艺参数模型构建系统，其特征在于：包括本体以及控制本体的控制单元；所述控制单元包括

人工铺放示教模块:用于示教者人工进行纤维铺放工作，包含一个小型、半自动化的人工纤维铺放头；

基于协作机械臂的纤维自动铺放模块：利用学习到的模型结果，结合智能控制算法完成纤维的自动铺放，包含协作型机械臂、小型自动化纤维铺放头、模具旋转台；

动作捕捉模块：用于完成铺放头在模具上的绝对位置反馈，包含成套动作捕捉系统；

视频记录模块：记录手工铺放作业过程，用于有效铺放数据筛选，包含摄像机；

工艺参数传感模块：采集并反馈铺放头进行纤维铺放作业过程中的工艺参数，包含张力传感器、六维力/力矩传感器、旋转编码器、热成像仪；

模仿学习算法处理模块：利用采集到的工艺参数信息与铺放曲面模型信息，构建“工艺参数-曲面曲率”的概率映射模型，包含一台高性能工控机；

本体包括：平台基座(1)、协作型机械臂(2)、六维力/力矩传感器(3)、纤维铺放头(4)、张力传感器(5)、旋转编码器(6)、热成像仪(7)、模具旋转台(8)、曲面模具(9)、摄像机(10)、动作捕捉系统(11)、工控机(12)；

平台基座(1)作为整个铺放系统的安装基座，协作型机械臂(2)和模具旋转台(8)安装并固定在平台基座(1)上；曲面模具(9)安装于模具旋转台(8)上；张力传感器(5)、旋转编码器(6)、热成像仪(7)传感模块安装在设计的纤维铺放头(4)上；纤维铺放头(4)、六维力/力矩传感器(3)、协作型机械臂(2)顺次安装构成纤维自动铺放装置，工控机(12)用于控制所有模块。

2.一种利用权利要求1所述系统进行的纤维铺放工艺参数模型构建方法，其特征在于：

步骤1、利用人工铺放示教模块进行多次人工铺放作业；铺放过程中视频记录模块、工艺参数传感模块分别进行视频记录与多种工艺参数数据采集工作，动作捕捉模块实时获取并记录当前铺放点的空间位置信息；

步骤2、对曲面上的复合材料铺放质量进行评价；结合视频记录模块筛选质量良好的铺放数据，对有效数据进行规整生成参数数据集；

步骤3、在已建立工艺参数数据集的基础上，在模仿学习算法处理模块中利用训练集对选用的模型进行训练获得工艺参数映射模型并采用增量式学习方法提升模型泛化能力；

步骤4、利用基于协作机械臂的纤维自动铺放模块，结合工艺参数模型输出结果，对上述工艺参数进行跟踪控制，实现曲面零件上铺放工艺参数的精密控制。

3.根据权利要求2所述的方法,其特征在于：手工纤维铺放过程工艺参数信息采集过程中,针对待铺放模具表面的模型信息，设计人工铺放作业方案，手持铺放头进行铺放作业；铺放过程中对指定的压力、张力工艺参数进行恒定控制，同时进行视频记录与多种工艺参数数据采集工作。

4.根据权利要求2所述的方法,其特征在于：数据筛选与工艺参数数据集生成过程具体包括：

步骤1、针对已完成的纤维铺放层，分别从缺陷包括褶皱、拉扯以及层间贴合效果对曲面上的复合材料铺放质量进行评价，结合视频回放与位置跟踪数据筛选质量良好的铺放数据；

步骤2、对有效数据利用隐马尔科夫模型方法进行规整，其中利用时间戳数据对齐采样数据，由此建立观测变量的集合，用{x₁,x₂,...,x_n}表示，其中x_n表示系统在第n时刻工艺参数的状态观测值，x_n＝[P,F,V,T],其中P代表n时刻的压力，F代表铺放张力，V代表铺放速度，T代表铺放温度；状态变量由铺放数据的评价结果组成，用{y₁,y₂,...,y_n}表示，其中y_n表示系统在第n时刻系统状态，y_n＝[S,D,K]，其中S代表铺放质量评价值，D代表空间位置，K代表空间曲率值；

步骤3、存储数据，生成参数数据集，参数包括：工艺参数包括压力、张力、速度、温度；几何模型参数包括位置、曲率；以及铺放质量评价值。

5.根据权利要求2所述的方法,其特征在于：工艺参数模型学习与训练过程具体包括：

步骤1、首先将数据集随机等分为N份，在后续的模型训练过程中不重复地每次取其中X份做测试集，用其他N-X份做训练集训练模型；

步骤2、模型学习阶段利用训练集对高斯混合模型进行训练；其中建立一个高斯混合模型

其中p(x)表示高斯混合模型的概率分布，x表示观测到的数据，K表示混合模型中子高斯模型的数量，子高斯模型的数量就是聚类数目，i＝1,2,…K，σ_i表示观测数据第i个高斯子模型的数据标准差，u_i表示观测数据第i个高斯子模型的数据均值，φ_i表示观测数据第i个子模型的高斯密度分布函数；通过将其聚类数目设置为K，利用选取的高斯模型对数据集数据进行聚类处理，可获取K个聚类点集；同时获取每个点集的均值与方差信息，得到高斯混合模型训练结果；

步骤3、采用交叉验证的方式轮换模型的训练集与测试集对模型学习结果进行评估，当出现欠拟合时采用增加新的特征或正则化，出现过拟合时采用特征选择或正则化，对模型进行优化，输出曲面上位置、曲率、压力以及速度的具有一定泛化能力的工艺参数分布模型；

步骤4、增强模型泛化能力阶段则在相似曲面特征的零件进行铺放路径生成，并基于学习模型生成铺放工艺参数，进行铺放试验，验证模型泛化能力；在整个过程中，将存储所有新生成的铺放过程中的工艺数据，挑选出评价值高的数据用来迭代训练“工艺参数-曲面曲率”概率映射模型，实现增量式学习，增强模型泛化能力；最终实现“工艺参数-曲面曲率”概率映射模型的输出。

6.根据权利要求2所述的方法,其特征在于：铺放轨迹跟踪与工艺参数控制过程具体包括：

步骤1、利用学习到的“工艺参数-曲面曲率”概率映射模型，得到实际铺放路径下工艺参数包括压力、张力、速度、温度的分布；

步骤2、铺放过程中，通过动作捕捉系统获取当前铺放位置，利用该位置信息输入到模型学习训练结果中可进一步输出得到当前工艺参数的控制目标,包括铺放压力、张力、速度；其中铺放位置与铺放压力采用力/位混合控制算法实现目标跟踪控制；其中铺放张力与铺放速度采用解耦控制算法实现目标跟踪控制；

步骤3、在铺放位置与铺放压力的控制过程中，通过力、位置信号采集传感器分别获取压力、位置的反馈信息，其中压力反馈信息通过滤波处理后与目标压力值进行差值计算，作为压力输入传递给力/位混合控制器，位置反馈信息利用正运动学求解末端铺放头位置后与目标位置值进行插值计算，作为位置输入传递给力/位混合控制器；控制器输出机械臂多轴控制信息，实现协作机器人系统的反馈跟踪控制；

步骤4、在铺放张力与铺放速度的控制过程中，通过张力、速度信号采集传感器分别获取张力、速度的反馈信息，其中张力、速度反馈信息通过滤波处理后与目标张力、速度值进行差值计算，分别作为张力、速度输入传递给解耦控制器，控制器输出纤维铺放头电机控制结果，实现纤维铺放头的反馈跟踪控制；

步骤5、结合协作机械臂搭载复合材料铺放头组成的自动铺放系统，对工艺参数进行跟踪控制，实现曲面零件上铺放工艺参数的精密控制。

Images