配网带电作业机器人接引流控制方法、装置及终端设备

    公开(公告)号:CN115967041A

    公开(公告)日:2023-04-14

    申请号:CN202211516238.0

    申请日:2022-11-29

    IPC分类号: H02G1/02 B25J9/16

    摘要: 本申请提供了一种配网带电作业机器人接引流控制方法、装置及终端设备,涉及接引流控制技术领域,方法包括:获取配网带电作业机器人的作业环境参数;依据作业环境参数确定配网带电作业机器人的作业步骤,调用与作业步骤对应的控制模型,以控制配网带电作业机器人的第一机械臂和/或第二机械臂执行对应的接引流作业动作;作业步骤对应的控制模型至少包括配网带电机器人在执行接引流作业过程中每个步骤对应的第一机械臂和/或第二机械臂的控制模型。本申请通过将配网作业环境参数化,构建作业环境参数与配网带电作业机器人的作业步骤的对应关系,从而实现根据配网作业环境自适应调整作业步骤,从而能够有效提高配网带电作业机器人的控制效率。

    机械臂控制方法、装置及终端设备

    公开(公告)号:CN116442211A

    公开(公告)日:2023-07-18

    申请号:CN202211516181.4

    申请日:2022-11-29

    IPC分类号: B25J9/16 B25J13/08 B25J13/00

    摘要: 本申请提供了一种机械臂控制方法、装置及终端设备,涉及机械臂控制技术领域,方法包括:获取第一机械臂的第一初始位姿及第二机械臂的第二初始位姿;确定第一机械臂的第一作业目标及第二机械臂的第二作业目标,在满足作业条件的情况下,确定第一机械臂的执行末端的第一末端位姿及第二机械臂的执行末端的第二末端位姿;以第一末端位姿及第二末端位姿为输入,经机械臂运动学模型确定第一机械臂的第一运动路径及第二机械臂的第二运动路径;在确定第一机械臂与第二机械臂不产生干涉的情况下,控制第一机械臂以第一运动路径运动,控制第二机械臂以第二运动路径运动。本申请能够同时对双机械臂进行控制且能有效保机械臂不会在运动过程中产生干涉。

    自适应亮度调节的图像增强方法及系统

    公开(公告)号:CN115965544A

    公开(公告)日:2023-04-14

    申请号:CN202211518064.1

    申请日:2022-11-29

    IPC分类号: G06T5/00 G06N3/0464

    摘要: 本发明实施例提供一种自适应亮度调节的图像增强方法及系统,属于图像处理技术领域。所述方法包括:采集目标图像,并对所述目标图像进行预处理,获得预处理后的图像信息;基于所述预处理后的图像信息作为预设Zero‑DCE算法的入参,进行图像增强,每完成一次迭代,获得一幅图像信息;完成预设次数迭代后,将所有图像信息作为图像集;基于所述图像集进行信息熵和峰值信噪比确认,并基于确认的信息熵和峰值信噪比构建优化函数,基于所述优化函数确定迭代次数;在所述图像集中基于确定的迭代次数选择完成对应迭代次数后的图像信息作为增强后的图像信息本发明方案能够根据场景图片自适应地对图像进行增强,做到亮度、对比度、色彩和不丢失细节等方面的均衡,达到实际场景应用的需求。

    斗臂车绝缘斗控制机构及斗臂车
    26.
    发明公开

    公开(公告)号:CN115818535A

    公开(公告)日:2023-03-21

    申请号:CN202211516222.X

    申请日:2022-11-29

    摘要: 本发明提供一种斗臂车绝缘斗控制机构及斗臂车,属于斗臂车控制技术领域,斗臂车具有多个关节,每一关节对应一个液压推杆,所述控制机构包括:多个连杆机构,设置在斗臂车的控制台内,与对应的液压推杆连接,用于实现液压推杆动作;多个驱动机构,设置在斗臂车的控制台内,每一个驱动机构与一个连杆机构对应设置,用于产生使连杆机构动作的驱动力;第二控制器,设置在斗臂车的控制台内,用于在接收到第一控制器发送的动作指令时,控制对应的驱动机构产生驱动力;第一控制器,与第二控制器通信连接,用于根据外部输入信号产生对应的动作指令,并将动作指令发送至第二控制器。本发明具有调斗作业的安全性高,便于调整绝缘斗水平旋转角的优点。

    基于深度强化学习的机械臂自主动态避障方法及系统

    公开(公告)号:CN116100539A

    公开(公告)日:2023-05-12

    申请号:CN202211534571.4

    申请日:2022-11-29

    IPC分类号: B25J9/16

    摘要: 本发明实施例提供一种基于深度强化学习的机械臂自主动态避障方法及系统,属于自动化及机器人技术领域。所述机械臂自主动态避障方法包括:初始化当前的环境参数和经验回放池;选择当前需要执行的动作;将选择的动作发送至服务器端,以完成机械臂状态的更新;依据更新后的机械臂状态,更新奖励函数值;将执行动作前的状态、选取的动作、执行动作后的状态以及奖励值存储至经验回放池中;判断经验回放池内的数据量是否达到最小采样数;采用经验回放池训练深度学习网络,并确定深度学习网络的避障准确率;判断本轮迭代中的避障准确率与上一轮迭代中的避障准确率的差值是否大于预设值;在判断小于预设值的情况下,输出深度学习网络。