-
公开(公告)号:CN117854054A
公开(公告)日:2024-04-09
申请号:CN202311770490.9
申请日:2023-12-21
Applicant: 核动力运行研究所 , 中核武汉核电运行技术股份有限公司 , 浙江大学
IPC: G06V20/62 , G06V10/44 , G06V10/52 , G06V10/75 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明属于计算机视觉技术领域,具体涉及一种带有视觉伺服的仪表检测识别与读数方法。采取网上同类型图片和实地采集图片相结合,并通过数据增强方式增加样本数量,制作数据集;在数据集标注上,对压力表的标注仅包含表盘部分,对流量计的标注仅包含透明区域;控制移动机械臂到达检测位置;对压力表和流量计进行目标检测,预测二维检测框并裁剪;基于压力表识别算法对压力表进行读数;基于流量计识别算法对流量计进行读数。本发明解决工厂大量仪表的情况下人为读取仪表的效率太低的问题。
-
公开(公告)号:CN117590747A
公开(公告)日:2024-02-23
申请号:CN202311542652.3
申请日:2023-11-17
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于高程图的四足机器人高效鲁棒落足规划方法,包括如下步骤:首先根据激光点云和里程计信息构建高程地图,并计算地形特征,进而得到通行性地图,在通行性地图中根据目标点得到局部质心轨迹,并在候选落足点周围提取足端子图并做地图分割,在分割后的子图中做凸包提取,同时优化候选落足点和凸包,得到最优落足点,最后利用最优落足点反算质心位置,与质心轨迹做滚动优化,最终求得同时满足质心轨迹与足端运动的局部规划结果。本发明通过在高程图中提取凸包,实现了将地形信息转化为凸约束,提高了四足机器人整个运动控制的求解成功率,提升了四足机器人跨越复杂地形时的运动鲁棒性。
-
公开(公告)号:CN117944061A
公开(公告)日:2024-04-30
申请号:CN202311784084.8
申请日:2023-12-22
Applicant: 核动力运行研究所 , 中核武汉核电运行技术股份有限公司 , 浙江大学
IPC: B25J11/00 , B25J9/16 , B25J18/00 , B62D57/032
Abstract: 本发明提供了一种基于模型预测控制和全身力控的足臂机器人末端跟踪方法,包括:获取四足机器人与机械臂的关节反馈数据,以及当前时刻的机械臂末端的末端轨迹指令;通过状态估计器估计机器人躯干部分的当前位姿和当前速度;获得一个时间段内四足机器人的机身位置、机身速度、机身加速度、关节位置、关节速度、关节加速度以及足端接触力轨迹,作为第一层控制架构;建立搭载机械臂的四足机器人全身动力学模型,添加平衡相关约束、机身与关节跟踪约束和足端力跟踪约束,作为第二层控制架构;结合第一层控制架构和第二层控制架构,获得搭载机械臂的四足机器人的关节扭矩。本发明能实现在跟踪末端轨迹同时不违背机器人的物理极限。
-
公开(公告)号:CN114895560B
公开(公告)日:2024-03-19
申请号:CN202210441986.0
申请日:2022-04-25
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开一种电动机堵转条件下足式机器人物体追踪自适应控制方法,属于智能机器人技术领域。创建电动机堵转条件下足式机器人动力学仿真环境;训练上层控制器用于根据机器人状态输出上层控制指令,包含前进、后退、左转、右转和停止指令;下层控制器基于多层感知机构建前向动力学模型并训练。当需要对电动机位置控制指令进行选择时,基于上层控制指令得到相应的下层奖励函数,基于前向动力学模型获得一组电动机动作分布对应的预测状态,基于该预测状态与下层奖励函数获得该组动作的回报值,以增大回报值为目标,不断优化电动机动作分布的均值与方差,直到达到指定轮数,将最后一轮分布的动作均值作为机器人电动机下一步执行的动作。
-
公开(公告)号:CN114895560A
公开(公告)日:2022-08-12
申请号:CN202210441986.0
申请日:2022-04-25
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开一种电动机堵转条件下足式机器人物体追踪自适应控制方法,属于智能机器人技术领域。创建电动机堵转条件下足式机器人动力学仿真环境;训练上层控制器用于根据机器人状态输出上层控制指令,包含前进、后退、左转、右转和停止指令;下层控制器基于多层感知机构建前向动力学模型并训练。当需要对电动机位置控制指令进行选择时,基于上层控制指令得到相应的下层奖励函数,基于前向动力学模型获得一组电动机动作分布对应的预测状态,基于该预测状态与下层奖励函数获得该组动作的回报值,以增大回报值为目标,不断优化电动机动作分布的均值与方差,直到达到指定轮数,将最后一轮分布的动作均值作为机器人电动机下一步执行的动作。
-
-
-
-