The primary objective of this dissertation is to develop novel and practical techniques for optimal task placement in robotic cells. To this end, it is shown how task placement affect the efficiency of the cell, whether the task is automated fiber placement to create composite materials, gluing or inspection. Here, efficiency of the cell is defined by either cycle time of the production or distance to singularity, having collision avoidance as a constraint. Task placement, even for one robotic arm, is an under-constrained problem in nature. This issue drastically grows in case of redundant robotic cells. Actuator redundancy in robotic cells is added by either a positioner or another manipulator.

This work is focused on taking advantage of redundancy in robotic cells and optimizing it for better performance. One of the main challenges here is to identify the number of independent placement parameters. Therefore, we ignore ineffective variables and only focus on minimum number of parameters possible. Hence, faster optimization process and more precise results are obtained. Another challenge is in motion planning of redundant cells. Because there can be infinite solutions for such cells, there is room for optimization. In this work, we propose methods to fix the optimal placement of the task and, furth

ermore, assign the optimal motion planning to all manipulators in the cell, simultaneously. A novel method is proposed to identify the number of independent parameters and applied to a gluing path for a coordinated redundant robotic workcell. The workcell consists of a generic six-DOF serial manipulator and a one-DOF redundancy provider (RP). Two cases of RPs are investigated, namely a rotary table and a linear guide. An innovative method using swept volume is proposed for determining the number of independent parameters for both cases under study. The outcome of this study is an intuitive method to identify the number of independent parameters in redundant cells. The results are compared between using all initial parameters, as contrary to only the independent ones. It is proven that the proposed method improves the optimization efficiency by 32%. Moreover, the performance of the rotary table is compared to the linear guide, for a specific gluing application.

Optimization methods in this work are based on Particle Swarm Optimization (PSO). A workcell consisting of a six degrees of freedom (DOF) serial manipulator, a six-DOF parallel manipulator and a rotary table mounted on the parallel manipulator is studies for automated fiber placement task. The solution to motion planning is obtained considering the singularities of the serial manipulator and the workspace boundaries of all manipulators. The algorithm to obtain the optimum path placement is explained through a simple example and the results for a helix path with nearly 2,700 points around the workpiece is represented. The results for motion planning are represented where distance to singularity is maximized, collision avoidance and workspace boundaries are respected. The result is obtained after 10 iterations with 20 particles. This outcome of this study is a reliable and easy to apply motion planning algorithm to be used in redundant cells.

Another challenge in this work is combinatorial task placement that arises in robotic inspection cells. The goal is to improve the efficiency of a turbine blade inspection cell through optimizing the placement of the camera and optimizing the sequence of the images. The workcell contains a six-DOF serial manipulator that is holding the blade and shows it to the camera from different angles, whereas the camera takes inspection images. The problem at hand consists of a six-DOF continuous optimization for camera placement and discrete combinatorial optimization of sequence of images (end-effector poses). A novel combined approach is introduced, called Blind Dynamic Particle Swarm Optimization (BD-PSO), to simultaneously obtain the optimal design for both domains. Our objective is to minimize the cycle time, while avoiding any collisions in the workcell during the inspection operation. Even though PSO is vastly used in engineering problems, novelty of the proposed combinatorial optimization method is in its ability to be used efficiently in the traveling salesman problems where the distances between cities are unknown (blind) and the distances are subject to change (dynamic). This highly unpredictable domain is the case of the inspection cell where the cycle time between images will change for different camera placements. The cycle time is calculated based on weighted joint travel time of the robot. All the eight configurations of the robot are taken into the consideration, therefore, robot’s configuration is optimized in the final result as well. The outcome of this study is an innovative hybrid algorithm to simultaneously solve combinatorial and continues problems. Results show fast convergence and reliable motions. The test of benchmarks selected from TSPLIB shows that the results obtained by this algorithm are better and closer to the theoretical optimal values with better robustness than those obtained by other methods. The best placement of camera and best image sequence (for 8 images) is obtained after 11 iterations using 30 particles.

In general, the main results of this thesis are three algorithms:​ an algorithm to obtain minimum number of placement parameters in redundant robotic workcells;​ an algorithm for motion planning of highly redundant cells;​ and an algorithm to optimize camera placement and simultaneously obtain the optimal image sequence in an inspection cell.

Le but de la présente étude est d’améliorer l’efficacité des cellules robotisées dans divers domaines d’application en optimisant l’emplacement de la tâche. Le problème de placement de tâche est examiné pour quatre cas :​ (a) un robot sériel, (b) un robot sériel et un parallèle avec une table rotative, (c) un robot et un module externe redondant à un degré de liberté (ddl) avec planification des trajectoires et (d) un robot avec un placement discret des tâches. La premer cas est étudié comme un cas particulier du deuxième cas. Pour avoir une estimation approximative du meilleur emplacement possible, une approche créative basée sur la géométrie est tout d’abord utilisée pour trouver un emplacement suffisant pour la tâche afin de maximiser l’espace de travail accessible. Ensuite, des approches numériques pour une exécution optimale des tâches pour plusieurs fonctions objectives sont introduites.

Pour le deuxième cas, une méthode d’optimisation utilisant le Particle Swarm Optimization (PSO) est introduite afin d’optimiser simultanément la planification de la trajectoire et le placement d’un chemin donné dans une cellule de travail robotique redondante pour une application de placement de fibre automatisé. La cellule de travail consiste en un manipulateur sériel à six ddl, un manipulateur parallèle à six ddl et une table rotative montée sur le manipulateur parallèle. Comme la cellule de travail dispose de treize ddl, il faut résoudre la redondance cinématique. La solution sera obtenue en tenant compte des singularités du manipulateur sériel et des limites de l’espace de travail de tous les manipulateurs. L’algorithme permettant d’obtenir le placement optimal du chemin est expliqué par un exemple simple et le résultat d’un chemin en hélice autour de la pièce est représenté.

Pour le troisième cas, une nouvelle méthode est proposée pour identifier le nombre de paramètres indépendants afin d’optimiser l’emplacement d’un chemin de pose de la colle pour une cellule robotique redondante. La cellule robotique consiste en un manipulateur sériel à six ddl et à un module actioné à un ddl. La pièce est attachée au module, mais le module n’est pas attaché au manipulateur sériel. Deux cas de module sont étudiés, à savoir une table rotative et un guide linéaire. En général, six paramètres sont nécessaires pour placer un chemin sur le module et six paramètres pour placer le module dans l’espace de travail du manipulateur sériel. Cependant, en raison des symétries et du degré de redondance impliqués dans le problème, les douze paramètres ne peuvent pas tous affecter de manière indépendante la décision de placement. Par conséquent, il est important d’identifier le nombre de paramètres indépendants afin d’améliorer l’efficacité du processus d’optimisation du placement. Une méthode innovante utilisant le volume balayé est proposée pour déterminer le nombre de paramètres indépendants pour les deux cas étudiés, à savoir la table rotative et le guide linéaire, en tenant et en ne tenant pas compte les limites articulaires. Le processus d’optimisation est appliqué et les résultats de l’utilisation des douze paramètres, par opposition aux seuls paramètres indépendants, sont comparés. De plus, les performances de la table rotative sont comparées à celles du guide linéaire, pour l’application de colle sur un masque.

Pour le quatrième cas, l’objectif est d’améliorer l’efficacité d’une cellule robotique utilisée pour l’inspection des aubes de turbine en optimisant l’emplacement de la caméra de contrôle et en optimisant la séquence des images. La cellulerobotique contient un manipulateur sériel à six ddl qui tient l’aube et la montre à la caméra sous différents angles. La caméra prend des images d’inspection. Le problème à résoudre consiste en une optimisation continue à six ddl pour le placement de la caméra et en une optimisation combinatoire discrète de la séquence d’images. Une nouvelle approche combinée est introduite, appelée optimisation dynamique des essaims de Particle Swarm Optimization (BD-PSO), afin d’obtenir simultanément la conception optimale pour les deux domaines. L’objectif est de minimiser le temps de cycle, tout en évitant les collisions dans la cellule de travail lors de l’inspection. Bien que PSO soit largement utilisé dans les problèmes d’ingénierie, la méthode d’optimisation combinatoire proposée présente une nouveauté :​ sa capacité à être utilisée efficacement dans les problèmes des vendeurs itinérants, où les distances entre les villes sont inconnues (aveugle) et les distances sont variables (dynamique). Ce domaine hautement imprévisible est le cas de la cellule d’inspection où le temps de cycle entre les images changera pour différents emplacements de la caméra. Le temps de cycle est calculé sur la base du temps de parcours mixte pondéré du robot. Les huit configurations du robot sont prises en compte, par conséquent, la configuration du robot est également optimisée dans le résultat final.