一种微纳米颗粒分散分布的分析评估方法

    公开(公告)号:CN103903266A

    公开(公告)日:2014-07-02

    申请号:CN201410138109.1

    申请日:2014-04-08

    Abstract: 本发明提供的一种微纳米颗粒分散分布的分析评估方法,包括以下步骤:采集微纳米颗粒显微图像,并进行灰度化处理;采用OTSU大津法进行二值化处理,去除图像中的杂质点和无效连通域;利用形态学运算,分离相连的连通域,并填补连通域中的孔洞;添加虚拟颗粒,采用分水岭算法进行图像分割,获得分割后的特征连通域;计算特征连通域的相关数据;对微纳米颗粒分散分布进行评估。本发明提供的分析评估方法,能够获得更加精确的结果;可批量快速处理大量的微纳米颗粒分布显微图像;能够从均匀度、密度和团聚程度三个方面,全面地对微纳米颗粒分布的情况进行分析和评估。

    一种基于继电器位置反馈时域特征的伺服系统辨识方法

    公开(公告)号:CN103699010A

    公开(公告)日:2014-04-02

    申请号:CN201310647691.X

    申请日:2013-12-04

    Abstract: 本发明公开了一种基于继电器位置反馈时域特征的伺服系统辨识方法,其实现步骤为:设置继电器模块的参数和实验参数;进行继电器位置反馈实验,并记录相应的实际位移振荡曲线;确定振荡幅值和振荡周期;确定伺服系统模型及其参数;精确地计算出被控伺服系统增益和时间常数。本发明有效避免了基于描述函数法频域辨识的近似问题,合理避免了继电器速度反馈中的量化误差带来的影响,获取了更高的模型辨识精度。并且具有运算量较小,运行时间短,易于现场实现,调试过程灵活等优点。

    一种基于嵌入式运动控制板卡的DMA数据传输系统及其传输方法

    公开(公告)号:CN103676739A

    公开(公告)日:2014-03-26

    申请号:CN201310654111.X

    申请日:2013-12-05

    Abstract: 本发明公开了一种基于嵌入式运动控制卡的DMA传输数据系统及其传输方法,采用自行研发的嵌入式运动控制器。本发明提供的DMA数据传输系统包括FPGA逻辑处理模块、内嵌DMA功能的DSP模块和电机控制模块。本发明提供的DMA数据传输方法通过上位机、FPGA和DSP协同工作并合理的分配时间段与程序段,实现了DMA数据传输方式对上位机和运动控制板卡以及运动板卡内部模块之间的批量数据交互,实现运动控制器对于伺服电机的精确控制。

    基于FPGA单处理器的光纤接口多轴运动控制系统

    公开(公告)号:CN102004468B

    公开(公告)日:2012-06-27

    申请号:CN201010533784.6

    申请日:2010-11-07

    Abstract: 一种电机控制技术领域的基于FPGA单处理器的光纤接口多轴运动控制系统,包括:FPGA控制模块、计算机总线通讯模块、现场总线光纤通讯模块、D/A转换放大以及脉冲输出后处理模块、光电编码器采样预处理模块、IO输入输出模块、电源模块、时钟发生模块以及FPGA配置模块,本发明具备现场总线光纤通讯接口的运动控制系统。本发明采用FPGA单处理器实现光电编码器采样、闭环控制计算、DA信号输出预处理、脉冲控制信号输出预处理、IO信号输入输出预处理、与计算机总线或现场总线光纤通讯模块通讯等功能,同时提供了一种通用的现场总线光纤通讯接口方案。

    基于FPGA单处理器的光纤接口多轴运动控制系统

    公开(公告)号:CN102004468A

    公开(公告)日:2011-04-06

    申请号:CN201010533784.6

    申请日:2010-11-07

    Abstract: 一种电机控制技术领域的基于FPGA单处理器的光纤接口多轴运动控制系统,包括:FPGA控制模块、计算机总线通讯模块、现场总线光纤通讯模块、D/A转换放大以及脉冲输出后处理模块、光电编码器采样预处理模块、IO输入输出模块、电源模块、时钟发生模块以及FPGA配置模块,本发明具备现场总线光纤通讯接口的运动控制系统。本发明采用FPGA单处理器实现光电编码器采样、闭环控制计算、DA信号输出预处理、脉冲控制信号输出预处理、IO信号输入输出预处理、与计算机总线或现场总线光纤通讯模块通讯等功能,同时提供了一种通用的现场总线光纤通讯接口方案。

    基于示教与深度学习的机器人抓取数据集建立装置和方法

    公开(公告)号:CN113989373B

    公开(公告)日:2025-02-07

    申请号:CN202111337322.1

    申请日:2021-11-12

    Abstract: 本发明公开了一种基于示教与深度学习的机器人抓取数据集建立装置和方法,涉及机器人领域。所述方法包括:步骤1、采用示教器在目标物体上进行抓取位姿的示教,根据抓取空间,从场景中提取得到抓取部分点云,收集数据的同时进行人工打分,标注标签数据;步骤2、利用收集到的标签数据快速训练六自由度抓取位姿评价网络;步骤3、采用连续帧拍摄的方式快速收集实际抓取场景的点云数据;步骤4、在实际抓取场景点云上进行六自由度抓取位姿的采样,利用训练完成的六自由度抓取位姿评价网络对每一个采样位姿进行评价打分,从而完成场景点云的标签自动生成。本发明解决了以往六自由度抓取数据集生成建立的硬件成本和时间成本较高的技术难点。

    大尺度无共视相机外参标定方法

    公开(公告)号:CN114972524B

    公开(公告)日:2024-11-12

    申请号:CN202210256977.4

    申请日:2022-03-16

    Abstract: 一种大尺度无共视相机外参标定方法,依靠定尺寸标定模块构建目标相机与辅助相机的联系;标定辅助相机与两个目标相机的外部参数;全局优化目标相机的外部参数;仿真实验验证本发明的可行性与精度;实际问题中应用本方法体现本发明的实际应用性。本发明利用辅助相机及定尺寸标定模块,建立大尺度下无公共视野的相机标定模式,实现了低成本、高精度、高柔性的大尺度无共视相机的标定方法,为车身定位等应用提供相机外部参数。

    一种基于深度强化学习的机器人推拨装箱方法及系统

    公开(公告)号:CN114800512B

    公开(公告)日:2024-08-09

    申请号:CN202210505516.6

    申请日:2022-05-10

    Abstract: 本发明公开了一种基于深度强化学习的机器人推拨装箱方法及系统,涉及机器人装箱领域,包括如下步骤:在仿真环境中使用强化学习方法训练推拨深度神经网络;将物体放置在箱子中,通过训练好的所述推拨深度神经网络,获取所述推拨深度神经网络输出的推拨动作;机器人执行所述推拨动作,将所述物体推动至所述箱子中的合适位置。本发明通过深度强化学习方法学习推拨动作,避免传统方法所需要对摩擦力等参数做强有力假设的问题,通过学习到的推拨动作完成装箱任务,减少了装箱过程中机器人由于感知误差和操作不确定性对结果的影响。

Patent Agency Ranking