本文由上海大学及上海财经大学的 Jia-Yang Zhu、Yan-Ning Sun、Yu-Xuan Shi 等共同完成。
针对飞机大型部件机器人装配过程中,末端执行器位姿误差难以直接测量、传统模型难以适应工况变化的问题,文章构建了数字孪生驱动的智能监测框架,通过物理层、数据层、计算层和应用层的协同,实现装配状态感知与虚拟模型交互。研究进一步提出融合时空多头持续注意力机制与正则化弹性权重巩固算法的预测模型,在线估计机器人末端执行器的位姿误差,并在新工况下持续学习。实验结果表明,该方法在多种运行条件下具有较好的预测精度和适应能力,为飞机大型部件机器人装配的实时监测、装配质量预测与工艺优化提供了技术支持。