一种基于二维码的调整操作平行度的装置与方法

    公开(公告)号:CN117283534A

    公开(公告)日:2023-12-26

    申请号:CN202311006715.3

    申请日:2023-08-10

    IPC分类号: B25J9/08 B25J9/16 B25J5/00

    摘要: 本发明公开了一种基于二维码的调整操作平行度的装置,涉及机器人技术领域,包括AGV模块、机械臂模块、末端模块、视觉信息处理模块、通信模块和总控模块。本发明还公开了一种基于二维码的调整操作平行度的方法,包括S100、构建地图;S200、放置二维码;S300、粗调观测姿态;S400、细调观测姿态;S500、调整操作平行度。本发明具有稳定性高、自适应强、适用范围广、泛化性强、效果显著等特点,能够更加高效地满足复杂场景的需求。

    一种基于稀疏识别的间歇反应过程预测控制方法

    公开(公告)号:CN117193101A

    公开(公告)日:2023-12-08

    申请号:CN202311254264.5

    申请日:2023-09-26

    IPC分类号: G05B19/042

    摘要: 本发明公开了一种基于稀疏识别的间歇反应过程预测控制方法,涉及过程控制领域,所述方法包括以下步骤:步骤1、记录间歇反应过程中的生产数据,包括生产数据的批次数I、变量数J以及每一批次的采样点总数K,其中,变量数J=nx+nu,nx为状态个数,nu为控制输入个数,并对生产数据进行阶段分割;步骤2、基于SINDY和FNN建立间歇反应过程的混合模型;步骤3、设计模型预测控制器,将步骤2建立的混合模型作为模型预测控制器中的预测模型;步骤4、基于误差触发机制在线更新混合模型,并采用移动窗口误差度量Eh来表示混合模型在t=tk时刻的预测精度。设定误差限Et,如果满足Eh>Et,则进行混合模型的在线更新。

    一种基于形态学图像处理的闭环抓取检测方法

    公开(公告)号:CN114193446B

    公开(公告)日:2023-04-25

    申请号:CN202111383213.3

    申请日:2021-11-22

    摘要: 本发明公开了一种基于形态学图像处理的闭环抓取检测方法,涉及图像处理、深度学习以及机器人抓取控制领域,包括以下步骤:步骤1、对公开抓取检测数据集Cornell中的深度图像进行预处理;步骤2、利用形态学知识对深度图像进行分割,对深度图像中的目标物体进行凸包运算,分割出凸包中独立于目标物体的不连续区域;步骤3、搭建抓取检测网络,抓取检测网络包括卷积神经网络和闭环反馈网络;步骤4、将公开抓取检测数据集Cornell的数据分为训练集和测试集;步骤5、将公开抓取检测数据集Cornell的数据输入抓取检测网络进行训练和测试,将抓取检测网络进行改进;步骤6、将经过改进的抓取检测网络用于实际机械臂上,测试抓取效果并对抓取检测网络进行改进。

    一种基于深度强化学习和市场情绪的股票交易决策方法

    公开(公告)号:CN114998010A

    公开(公告)日:2022-09-02

    申请号:CN202210544679.5

    申请日:2022-05-19

    IPC分类号: G06Q40/04 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于深度强化学习和市场情绪的股票交易决策方法,涉及股票交易和深度强化学习技术领域,包括:步骤1、计算数据指标,进行数据预处理,形成包含若干状态的训练集;步骤2、构建神经网络的模型,通过所述神经网络进行特征提取和交易动作输出;步骤3、将所述交易动作和交易环境进行交互,所述交易环境返回交易后的下一时刻状态和交易回报,所述状态发生更新;步骤4、对所述神经网络的参数进行优化,使深度强化学习方法能够给出交易动作;步骤5、使用情感词典分析市场情绪,根据市场情绪进行二次决策,在市场情绪极端时停止交易。本发明实现由交易状态信息到交易决策的端到端的决策,并可在市场情绪极端时停止交易,降低风险。

    一种驾驶行为的模仿学习方法
    20.
    发明公开

    公开(公告)号:CN114818981A

    公开(公告)日:2022-07-29

    申请号:CN202210583928.1

    申请日:2022-05-27

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明公开了一种驾驶行为的模仿学习方法,涉及人工智能模仿学习技术领域,包括以下步骤:S100、原始轨迹数据处理;S200、驾驶轨迹数据集数据增强;S300、增强驾驶轨迹数据集聚类;S400、模仿学习模型训练。本发明打通了从原始轨迹数据到驾驶行为学习的全流程,对不同的驾驶行为进行模拟学习,在交通流模拟仿真时提高了交通状况还原的真实性。