考虑产品零件失效特征的工业机器人拆解序列规划方法

    公开(公告)号:CN114800510A

    公开(公告)日:2022-07-29

    申请号:CN202210487771.2

    申请日:2022-05-06

    IPC分类号: B25J9/16

    摘要: 本发明公开了一种考虑产品零件失效特征的工业机器人拆解序列规划方法,包括以下步骤:构建面向拆解过程的产品失效零件对其他零件拆解时间的关联关系模型;建立拆解信息模型;构建面向工业机器人拆解序列规划问题的环境模型,确定各要素与拆解序列规划模型的映射关系;构建决策网络与目标网络的双层网络结构,并引入经验回放机制,对神经网络进行训练得到较优的网络模型;最后通过深度强化学习得到的决策网络模型获取拆解产品的最优拆解序列。本发明考虑了零件失效特征对产品拆解过程的影响关系,公开了用于求解工业机器人拆解序列规划问题的深度强化学习方法,解决了在状态空间较大时的维数灾难问题,有助于提升工业机器人拆解废旧产品的效率。

    面向人机协作装配的人员作业意图识别方法

    公开(公告)号:CN114445741A

    公开(公告)日:2022-05-06

    申请号:CN202210041957.5

    申请日:2022-01-14

    摘要: 本发明公开了一种面向人机协作装配的人员作业意图识别方法,用于识别人机协作装配过程中人员的作业意图,包括以下步骤:采集装配环境场景的RGB‑D图像;构建装配场景感知网络,并对装配场景感知网络进行训练,以检测装配场景中存在的各要素;其中,各要素包括人员、机器以及各类工件;将图像输入至装配场景感知网络进行检测,并提取各要素的视觉特征以及空间特征;构建图注意力网络,利用视觉特征初始化各节点的特征,利用空间特征初始化节点间边的特征,动态聚合各节点特征,推理人员作业意图。本发明通过有效利用装配环境中的上下文信息,包括视觉信息、空间信息,提高了人员作业过程中作业意图识别精度与泛化性。

    一种基于安全保障策略的人机协作拆卸线平衡优化方法

    公开(公告)号:CN110900138B

    公开(公告)日:2021-07-27

    申请号:CN201911184604.5

    申请日:2019-11-27

    IPC分类号: B23P19/00 B23P21/00 B25J11/00

    摘要: 本发明公开了一种基于安全保障策略的人机协作拆卸线平衡优化方法,该方法包括:1)对拆卸线上的拆卸任务按照拆卸任务的属性特征建立拆卸任务分类模型;2)根据拆卸任务分类模型的分类结果和人与机器人拆卸作业点的距离,建立基于安全保障策略的拆卸任务分配方案;3)建立以最小拆卸空闲时间、最大需求指数和最小拆卸成本为目标的人机协作拆卸线优化模型;4)对多目标优化模型进行求解,得到相对最优的拆卸任务分配方案和拆卸任务序列。本发明结合拆卸任务分类模型,最大程度地保证操作人员的安全,并在保证拆卸时间最短的同时拆卸成本达到最小。

    一种带预拉伸装置的光纤光栅螺栓应力传感器

    公开(公告)号:CN105403337A

    公开(公告)日:2016-03-16

    申请号:CN201510739756.2

    申请日:2015-11-02

    IPC分类号: G01L1/24

    CPC分类号: G01L1/246

    摘要: 一种带预拉伸装置的光纤光栅螺栓应力传感器,包括:螺栓、左端螺纹接头、右端螺纹接头、动头、定头、销、紧定螺钉、螺旋压缩弹簧、感知螺栓应力的光栅、感知温度的光栅,所述两个光栅刻在同一根光纤上,螺栓中心轴上开有阶梯孔,在孔径较小的部位安装感知螺栓应力的光栅,通过反向拧出预拉伸装置中的左端螺纹接头,可预拉伸感知螺栓应力的光栅,销连接可防止该光栅的扭转;在螺栓靠近外螺纹的孔径较大的部位安装感知温度的光栅,两个光栅的波长变化差值即为螺栓应力带来的波长变化。本发明通过光栅和螺栓基体之间的无胶化封装,能够提高测量的精度和动态性能,预拉伸装置可方便地调节预紧力,传感器出纤少,不受温度变化的影响,可串联。

    一种工业云机器人制造能力服务推荐方法

    公开(公告)号:CN114896414A

    公开(公告)日:2022-08-12

    申请号:CN202210488705.7

    申请日:2022-05-06

    IPC分类号: G06F16/36 G06Q10/06 G06Q50/04

    摘要: 本发明涉及提供工业云机器人制造能力服务推荐方法,用于从海量制造服务中推荐满足功能需求和非功能需求的工业云机器人制造能力服务,该方法主要包括:构建融合工业云机器人模型、制造任务模型、制造能力服务模型和制造过程模型的工业云机器人制造过程信息模型;构建工业云机器人制造能力服务知识图谱;围绕时间、成本、能耗、失误率等优化目标,提出满足个性化需求和偏好的评分优选方法;利用知识表示学习,提出满足功能需求和非功能需求的工业云机器人制造能力服务推荐方案生成方法。与现有技术相比,本发明考虑用户个性化需求,基于知识表示学习,可对工业云机器人制造能力服务知识进行有效管理,有效从海量制造能力服务中推荐优质可靠的服务。

    基于遮挡情况下带圆形工件的位姿检测方法

    公开(公告)号:CN114549639A

    公开(公告)日:2022-05-27

    申请号:CN202210088425.7

    申请日:2022-01-25

    摘要: 本发明公开了一种基于遮挡情况下带圆形工件的位姿检测方法,包括以下步骤:通过采取多种工件在不同遮挡情况下的照片来训练SN‑PatchGAN网络,用于修复带圆形工件的遮挡区域;通过GAN支持的椭圆检测方法检测遮挡情况下带圆形工件图像上的椭圆,并输出椭圆5D参数;结合摄像机内部参数以及椭圆5D参数,根据圆形特征位姿估计模型得到带圆形工件的位姿参数。本发明提出的基于遮挡情况下带圆形工件的位姿检测方法,可以有效解决圆形物体存在遮挡情况下的椭圆检测率,进而可以有效检测到圆形物体的位姿,其检测准确率高。

    一种基于光纤光栅的分布式液体温度传感器

    公开(公告)号:CN110954242A

    公开(公告)日:2020-04-03

    申请号:CN201911280132.3

    申请日:2019-12-13

    IPC分类号: G01K11/32

    摘要: 本发明公开了一种基于光纤光栅的分布式液体温度传感器,包括测温光纤光栅、不锈钢毛细管、基体、热缩管,光纤跳线,光纤光栅去掉涂覆层后穿过弯曲的毛细管,并与毛细钢管轴线不平行,在不锈钢毛细管两端分别通过胶黏剂将光纤固定在基体的中心区域,胶黏剂覆盖的光纤区域无涂覆层,通过上述封装,确保光纤光栅能够抵御外部拉力,以及毛细管由于热胀冷缩带来的光纤伸长量,隔绝热应力的影响。本发明基于光纤光栅的分布式液体温度传感器,在结构上具有结构简单、安装牢靠、便于装卸的特点;在功能上具有测量范围广、测量精度高且可分布式测量的特点;并且能够抗电磁干扰、耐化学腐蚀。

    一种带预拉伸装置的光纤光栅螺栓应力传感器

    公开(公告)号:CN105403337B

    公开(公告)日:2018-11-06

    申请号:CN201510739756.2

    申请日:2015-11-02

    IPC分类号: G01L1/24

    摘要: 一种带预拉伸装置的光纤光栅螺栓应力传感器,包括:螺栓、左端螺纹接头、右端螺纹接头、动头、定头、销、紧定螺钉、螺旋压缩弹簧、感知螺栓应力的光栅、感知温度的光栅,所述两个光栅刻在同一根光纤上,螺栓中心轴上开有阶梯孔,在孔径较小的部位安装感知螺栓应力的光栅,通过反向拧出预拉伸装置中的左端螺纹接头,可预拉伸感知螺栓应力的光栅,销连接可防止该光栅的扭转;在螺栓靠近外螺纹的孔径较大的部位安装感知温度的光栅,两个光栅的波长变化差值即为螺栓应力带来的波长变化。本发明通过光栅和螺栓基体之间的无胶化封装,能够提高测量的精度和动态性能,预拉伸装置可方便地调节预紧力,传感器出纤少,不受温度变化的影响,可串联。

    一种碳纤维预氧化炉参数优化方法、系统及存储介质

    公开(公告)号:CN115356999B

    公开(公告)日:2024-09-13

    申请号:CN202211115642.7

    申请日:2022-09-14

    IPC分类号: G05B19/418

    摘要: 本发明公开了一种碳纤维预氧化炉参数优化方法、系统及存储介质,包括以下步骤:获取预氧化炉多温区的温度时间参数以及预氧纤维的密度模量数据;使用处理后的数据基于KNN回归模型建立多精度预测模型;将相关控制参数作为决策变量,设置预氧化炉多温区的温度时间最优值,将每个预测模型预测值与相应预氧纤维的密度最优值之差的绝对值和模量预测模型预测值最大化作为目标函数,利用遗传编程算法进行多目标优化,得到目标函数最优的预氧化炉参数。本发明解决了传统方法难以对碳纤维预氧化炉多温区的温度时间参数进行优化设置的难题,能够快速准确的完成预氧化炉多温区的温度时间参数的优化调整。

    考虑产品零件失效特征的工业机器人拆解序列规划方法

    公开(公告)号:CN114800510B

    公开(公告)日:2024-01-23

    申请号:CN202210487771.2

    申请日:2022-05-06

    IPC分类号: B25J9/16

    摘要: 本发明公开了一种考虑产品零件失效特征的工业机器人拆解序列规划方法,包括以下步骤:构建面向拆解过程的产品失效零件对其他零件拆解时间的关联关系模型;建立拆解信息模型;构建面向工业机器人拆解序列规划问题的环境模型,确定各要素与拆解序列规划模型的映射关系;构建决策网络与目标网络的双层网络结构,并引入经验回放机制,对神经网络进行训练得到较优的网络模型;最后通过深度强化学习得到的决策网络模型获取拆解产品的最优拆解序列。本发明考虑了零件失效特征对产品拆解过程的影响关系,公开了用于求解工业机器人拆解序列规划问题的深度强化学习方法,解决了在状态空间较大时的维数灾难问题,有助于提升工业机(56)对比文件D.E. Grochowski,Y. Tang.A machinelearning approach for optimal disassemblyplanning.International Journal ofComputer Integrated Manufacturing.2009,第22卷(第4期),第374-383页.