人机协作制造是指人和机器人共享同一个工作空间并完成制造任务的过程，其结合了机器人与人的优点，提高了生产效率。现代制造生产作业具有多品种、小批量的特点。而人机协作既能利用人类的灵活性和决策能力又能发挥机器人抗疲劳、高负荷、作业效率持续稳定的优点。在人机协作场景中，人类在长时间的重复工作下会造成疲劳度的积累并影响协作效率，在传统的任务编排过程中无法充分考虑人因工程要素并动态改变任务编排。现阶段人机协作任务规划方法上存在人因要素不足、系统动态性不足、任务规划实时性不强等缺陷。因此，本文研究人机协作任务规划并动态调整装配任务节律以稳定人机装配节律具有重要意义。针对上述问题，本文重点研究的人机协作装配任务动态规划问题，其主要研究工作如下：
（1）构建了基于人员疲劳度的人机协作装配模型。本文建立了面向人机协作场景中装配过程的零件装配信息模型与人体疲劳度模型，在此基础上结合人类与机器人在协作装配场景下的不同优势，提出了基于人员疲劳度的人机协作装配模型。
（2）在人机协作装配模型基础上，实现了在协作场景中对人体疲劳度的动态监测与工序状态的实时识别。应用了神经网络算法Mediapipe与YOLO v4算法构建了面向人机协作任务的动态评价模型。在该模型中采用基于Mediapipe的人体疲劳度检测算法，实现了对人体疲劳度识别；并通过粒子群优化支持向量机PSO-SVM算法与手部21个位点的三维坐标信息实现了对装配过程中的人体手部动作识别；提出了在协作装配场景下的基于YOLO v4算法的装配工具识别算法，结合手部动作识别结果完成了对装配工序的检测；实验结果表明该模型的综合识别速度达到24FPS，综合识别成功率达到91.28%。
（3）提出了面向人机协作任务的动态评价模型，针对该模型归纳为 “成本-时间-难度”的三维度多目标优化问题。本文在原始版本的人工蜂群的基础上，在可行解编码解码、种群初始化策略、精英蜂群生成策略、跟随蜂生成策略与局部搜索策略等方面进行改进，其与另外三类常用算法对比具有更好的收敛性能与求解稳定性，满足人机协作场景中的人机任务规划需求。
（4）搭建了面向人机协作装配的人机协作系统。利用协作机器人、摄像头等硬件设备，设计了一款协作装配场景下的面向人机任务规划的人机协作系统。
实验结果表明，本文所提出的算法通过更合理的任务编排方式减缓了装配作业对人体疲劳积累效应，将重复疲劳转化为间歇疲劳，提升了23%装配绩效。
谷歌
火狐
