On the design of a fuzzy impedance control optimized through a neural network approach for empowering human in industrial tasks

Human-robot cooperation is increasingly demanded, such as in industrial applications or rehabilitation tasks where a physical interaction between the human and the manipulator (both considering wearable robots or standard manipulators) is required. Many tasks require the robot to enhance the capabilities of humans, allowing people to execute onerous tasks or to improve their functionalities. Beside wearable robotics, standard industrial manipulators are common solutions adopted to empower humans. With this aim, the thesis describes a fuzzy impedance control based approach to assist the human operator in industrial applications while executing onerous tasks (e.g., lifting heavy loads). The developed method allows to set in real-time the set-point of the impedance control on the basis of the human’s intentions. Two fuzzy membership functions have been defined, respectively, on the basis of force derivative and velocity signals to describe human intention. Such membership functions allow to on-line cal- culate an assistance level through the task execution, deforming the impedance control set-point to enhance the capabilities of the human operator. Moreover, an off-line optimization of such membership functions, together with the impedance control parameters (i.e., stiffness and damping parameters) has been performed through an optimization algorithm consisting of neural networks. The designed neural networks have been trained taking as inputs the impedance control parameters, the level of assistance imposed by the designed fuzzy controller and the manipulated component weight and as output a standard normalized jerk-related indexes (the objective function to be minimized). The proposed method has been verified in an experimental procedure where several human subjects interact with the manipulator (KUKA iiwa 14 R820) to lift a heavy component. The cooperation has been evaluated by scoring seven different criteria. During the validation procedure, the developed control strategy has been compared with the standard impedance controller. Experimental results show the capabilities of the designed control strategy including both fuzzy impedance control and the optimization algorithm in empowering the human operator executing the target task. The proposed algorithm has been also validated in an industrial task, performing the installation of a heavy and bulky hatrack component inside an AIRBUS A320 airplane, case-study related to the H2020 CleanSky 2 EURECA project (a project devoted to innovation of aerospace installation procedures through collaborative robotic solutions). The proposed application has been shown during the KUKA Innovation Award at Hannover Messe (April, 2017) where ITIA-CNR MACHAMP team participated as a finalist in the competition. The proposed thesis has been carried out at ITIA-CNR laboratories.

Diversi task industriali richiedono l’utilizzo di sistemi robotici per migliorare le capacità e le funzionalità degli operatori, permettendo di eseguire compiti onerosi, aumentando la flessibilità e la produttività. Oltre a soluzioni di tipo wearable, i manipolatori industriali sono soluzioni comunemente adottate per assistere la persona. A tale scopo, la tesi descrive un approccio basato su un controllo di tipo fuzzy-impedance per assistere l’operatore nelle applicazioni industriali durante l’esecuzione di compiti onerosi (ad esempio, sollevamento di carichi pesanti). Il metodo sviluppato consente di impostare il set-point del controllo di impedenza in tempo reale, stimando l’intenzione di movimento dell’operatore. Due membership functions per il controllo fuzzy sono state definite, rispettivamente, sulla base dei segnali di derivata di forza (imposta sul manipolatore dall’operatore) e di velocità che descrivono l’intenzione di movimento dell’operatore. In questo modo è possibile calcolare il livello di assistenza con cui il manipolatore assiste l’operatore durante l’esecuzione dei task industriali, deformando il set-point di controllo dell’impedenza per migliorare le funzionalità dell’operatore. Inoltre, un’ottimizzazione off-line dei parametri di controllo è stata eseguita attraverso un algoritmo di ottimizzazione basato su rete neurale. Tali reti neurali sono state addestrate avendo come input i parametri del controllo di impedenza, il livello di assistenza imposto dal controllo fuzzy e il peso del componente manipolato, e come output un indice di jerk normalizzato (che descrive le performance di assistenza del manipolatore). Il metodo proposto è stato verificato tramite una procedura sperimentale in cui diversi soggetti interagiscono con il manipolatore (KUKA iiwa 14 R820) per sollevare un componente pesante. La collaborazione è stata valutata attraverso un questionario, definendo sette diversi criteri. Durante il processo di convalida, la strategia di controllo sviluppata è stata confrontata con un controllo di impedenza standard. I risultati sperimentali mostrano un miglioramento delle performance della strategia proposta. L’algoritmo proposto è stato anche convalidato in un task industriale, realizzando l’installazione di un componente pesante e ingombrante, oggetto del progetto H2020 CleanSky 2 EURECA (progetto dedicato all’innovazione delle procedure di installazione nel settore aerospaziale tramite soluzioni robotiche collaborative). In particolare, una cappelliera è stata assemblata attraverso l’esecuzione di un task cooperativo ricreando lo scenario industriale dell’interno di un AIRBUS A320. L’applicazione proposta è stata presentata durante il KUKA Innovation Award ospitato durante la Hannover Messe (aprile, 2017), dove il team ITIA-CNR MACHAMP ha partecipato come finalista. La tesi proposta è stata svolta presso i laboratori ITIA-CNR.