-
公开(公告)号：CN114758176B
公开(公告)日：2025-03-18
申请号：CN202210398851.0
申请日：2022-04-15
Applicant: 上海交通大学
IPC: G06F18/2413 , G06V10/764 , G06V10/82 , G06V10/54 , G06F18/214 , G06F18/2135 , G06N3/0464 , G06N3/096 , G06Q10/0639
Abstract: 一种基于工业机器人本体信息的打磨状态在线监测方法，通过在预打磨实验时采集机器人关节电流，并在打磨完成后采集表面质量纹理；然后将关节电流时序信号转换为图像，从而生成打磨状态标签以及打磨状态分类模型数据集，并采用数据集训练打磨状态分类模型；最后在在线阶段采用训练后的打磨状态分类模型实现机器人闭环反馈控制。本发明采用卷积神经网络捕捉机器人关节电流中内蕴的时频域特征，建立了基于关节电流主成分分析的特征关节选取模型，实现了机器人打磨状态的在线监测。
-
公开(公告)号：CN114516050B
公开(公告)日：2024-02-13
申请号：CN202210207511.5
申请日：2022-03-03
Applicant: 上海交通大学
IPC: B25J9/16
Abstract: 一种基于位形雅可比条件数优化的机器人外力估计方法及系统，使用基于反向传播神经网络的半参数摩擦力模型构建广义动量观测器估计机器人受到的外部作用力，通过提升机器人低关节速度下的摩擦力建模准确度，改善了观测器的外力估计精度，结合基于位形雅可比条件数的优化，得到了能有效抑制关节力矩噪声和建模误差对外力估计产生不良影响的机器人位形。满足了在不使用力/力矩传感器的条件下机器人准确感知外力的需求。
-
Patent Agency Ranking
公开(公告)号：CN116690559A
公开(公告)日：2023-09-05
申请号：CN202310580657.9
申请日：2023-05-23
Applicant: 上海交通大学
IPC: B25J9/16
Abstract: 一种基于时空图卷积网络的工业机器人关节力矩补偿方法，在离线阶段通过生成符合机器人关节位置和速度限制的优化运动轨迹，设置机器人按优化运动轨迹运动并同步采集机器人关节位置、速度以及用于计算机器人各关节估算力矩的关节电流，通过机器人动力学参数辨识得到机器人动力学模型，进而得到初步的关节预测力矩，再根据机器人关节之间的空间关系以及运动学和动力学特性构建关节图邻接矩阵，从而得到用于训练时空图卷积网络的样本集；在在线阶段采用训练后的时空图卷积网络预测得到时刻各个关节的力矩补偿量，即初步的关节预测力矩和关节估算力矩之差；将此补偿力矩前馈给机器人各关节驱动电机，从而有效减小机器人各关节的力矩跟踪误差。本发明显著提升了工业机器人的运动性能。
-
公开(公告)号：CN115130541A
公开(公告)日：2022-09-30
申请号：CN202210447120.0
申请日：2022-04-15
Applicant: 上海交通大学
Abstract: 一种面向3C装配领域微力锁付缺陷检测的深度学习方法，通过建立缺陷数据集样本并利用无监督学习的卷积自编码思想的时序数据特征提取方法，从中提取特征维度一致的锁付缺陷检测评估的特征数据，生成锁付缺陷检测的特征数据集，将原始锁付特征数据集和增强锁付的特征数据集结合后输入轻量级卷积神经分类网络模型进行迭代训练，得到一种有效分类锁付缺陷推理的网络模型。本发明通过普适性的特征提取和特征降维方法以及时序信号深度学习网络，可以判断锁付质量并识别具体的锁付缺陷种类。能够显著提高精密微力锁付质量检测的准确性、稳定性和效率。
-
公开(公告)号：CN114516050A
公开(公告)日：2022-05-20
申请号：CN202210207511.5
申请日：2022-03-03
Applicant: 上海交通大学
IPC: B25J9/16
Abstract: 一种基于位形雅可比条件数优化的机器人外力估计方法及系统，使用基于反向传播神经网络的半参数摩擦力模型构建广义动量观测器估计机器人受到的外部作用力，通过提升机器人低关节速度下的摩擦力建模准确度，改善了观测器的外力估计精度，结合基于位形雅可比条件数的优化，得到了能有效抑制关节力矩噪声和建模误差对外力估计产生不良影响的机器人位形。满足了在不使用力/力矩传感器的条件下机器人准确感知外力的需求。
-
公开(公告)号：CN117001669A
公开(公告)日：2023-11-07
申请号：CN202311064861.1
申请日：2023-08-23
Applicant: 上海交通大学
Abstract: 一种结合机器人本体及外部力传感的原位标定和同步辨识方法，通过建立工业机器人关节的动力学模型以及机器人基座的受力模型；采集工业机器人在沿激励轨迹运动时的关节电流以及基座的外部力传感信息并基于物理可行性约束的迭代算法进行关节电机转矩常数和力传感器耦合矩阵的全局原位标定的同时，辨识得到机器人动力学参数。本发明针对现有基于模型的动力学参数辨识的方法的特点，解决了采用关节电流反馈信号的工业机器人参数辨识精度较低且容易受到关节电流噪声影响的问题。
-
公开(公告)号：CN114758176A
公开(公告)日：2022-07-15
申请号：CN202210398851.0
申请日：2022-04-15
Applicant: 上海交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/54 , G06K9/62 , G06K9/00 , G06T1/00 , G06N3/04 , G06N3/08 , G06Q10/06
Abstract: 一种基于工业机器人本体信息的打磨状态在线监测方法，通过在预打磨实验时采集机器人关节电流，并在打磨完成后采集表面质量纹理；然后将关节电流时序信号转换为图像，从而生成打磨状态标签以及打磨状态分类模型数据集，并采用数据集训练打磨状态分类模型；最后在在线阶段采用训练后的打磨状态分类模型实现机器人闭环反馈控制。本发明采用卷积神经网络捕捉机器人关节电流中内蕴的时频域特征，建立了基于关节电流主成分分析的特征关节选取模型，实现了机器人打磨状态的在线监测。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
