-
公开(公告)号：CN119927897A
公开(公告)日：2025-05-06
申请号：CN202411877375.6
申请日：2024-12-19
Applicant: 浙江大学 , 余姚市机器人研究中心
Abstract: 本发明属于机器人运动规划与轨迹优化领域，公开了一种基于改进NSGA‑III的移动机械臂时空轨迹综合性能优化方法。包括步骤1：移动机械臂初始路径生成；步骤2：轨迹时空参数化表示；步骤3：多目标函数建立，添加具体的任务约束，为了生成平滑、安全且满足动力学约束的轨迹以供移动机械臂完成特定任务；步骤4：改进NSGA‑II算法实现轨迹优化。该方法针对高自由度的移动机械臂的避障、路径平滑性、动力学约束和时间最优等多个目标，采用时空轨迹表示法可以通过直接对路点和时间控制，减少优化过程中的计算成本，实现高效优化，并采用智能优化算法克服非线性造成的寻求最优解困难的问题。
-
公开(公告)号：CN119904512A
公开(公告)日：2025-04-29
申请号：CN202411964344.4
申请日：2024-12-30
Applicant: 余姚市机器人研究中心 , 浙江大学
Abstract: 本发明属于深度学习技术领域，公开了一种基于形状先验的类级别物体6D姿态估计方法，首先基于RetinaNet网络检测图像中所有需要预测的物体，并且获取物体掩码图，进一步生成物体局部三维点云。然后基于类pointnet编码器、全连接层解码器以及现有三维点云数据集训练形状先验生成器。进一步将形状先验点云、分割出的物体局部RGB图片、物体局部点云输入姿态预测网络，生成先验点云形状变化以及与物体局部点云的对应。之后根据先验点云形状变化以及旋转变化对先验点云进行变形得到物体的归一化点云。最后利用Umeyama算法将归一化点云和物体实际局部点云进行对齐变换，得到物体的实际6D姿态。提高了识别效率。
-
公开(公告)号：CN119328757A
公开(公告)日：2025-01-21
申请号：CN202411570967.3
申请日：2024-11-06
Applicant: 浙江大学
IPC: B25J9/16
Abstract: 本发明属于机器人运动控制领域，公开了一种基于动力学在线辨识前馈的移动机械臂动态滑模运动控制方法，包括步骤1：设计移动机械臂的物理一致性线性化耦合动力学模型；步骤2：设计基于建模误差协方差动态更新的自适应卡尔曼滤波算法，实现移动机械臂物理一致性动力学参数的高精度在线辨识；步骤3：设计移动机械臂的递归动力学前馈算法；步骤4：设计基于递归动力学前馈的自适应超扭动态滑模控制算法，保证控制律连续性和实现移动机械臂运动误差高精度有限时间收敛；步骤5：采用Lyapunov设计方法实现控制器稳定性，形成一个机器人动力学前馈有限时间运动控制的范式框架，能够有效提升机器人运动控制的响应速度和精度。
-
公开(公告)号：CN118672248A
公开(公告)日：2024-09-20
申请号：CN202410653627.0
申请日：2024-05-24
Applicant: 浙江大学
Abstract: 本发明涉及智能机器人领域，尤其涉及一种基于任务梯度引导的欠约束负载平稳运输避障规划方法，包括以下步骤：步骤1：面向负载运输避障规划的底盘初始路径生成；步骤2：基于底盘初始路径的安全行驶走廊的构建；步骤3：基于安全行驶走廊的一致性避障梯度引导方向的构建；步骤4：欠约束负载平稳运输姿态调整梯度引导方向的构建；步骤5：移动机械臂各关节初始轨迹构建；步骤6：基于任务梯度引导的轨迹规划。本发明能够提高规划问题的求解效率，实现移动机械臂在躲避障碍物的同时保障运输的欠约束负载的稳定性，抑制负载的滑动，提升了运输作业的安全性和平稳性。
-
公开(公告)号：CN118163108A
公开(公告)日：2024-06-11
申请号：CN202410407392.7
申请日：2024-04-07
Applicant: 余姚市机器人研究中心 , 浙江大学
Abstract: 本发明公开了基于参数灵敏度分析预测的机械臂参数误差辨识补偿方法，包括如下步骤：步骤S1：构建机械臂几何误差补偿模型，基于机械臂的参数进行几何误差补偿；步骤S2：设计参数灵敏度分析的表征指标，基于机械臂几何误差补偿模型和机械臂参数，计算参数对末端位置误差的影响程度，得到误差贡献度；步骤S3：基于机械臂参数的误差贡献度，采用聚类方法进行自适应参数优先级分类，根据聚类得到的参数优先等级，从高到低，逐步对几何模型进行序列二次规划补偿；步骤S4：对非几何误差采用基于序列粒子群优化算法的极限学习机进行预测，预测真实位置与期望位置的偏差值，根据偏差值计算实际的机械臂参数。
-
Patent Agency Ranking
公开(公告)号：CN117888292A
公开(公告)日：2024-04-16
申请号：CN202310611955.X
申请日：2023-05-26
Applicant: 浙江大学
Abstract: 本发明涉及机器人轨迹规划领域，尤其涉及一种基于法向压力与布料张力控制的机器人辅助缝制送料方法，首先建立了基于位置的阻抗控制模型，并对不同阻抗参数对控制系统响应的影响进行了分析，通过劳斯稳定性判据确定了阻抗参数调节范围；然后基于改进粒子群算法改进目标函数与自适应惯性因子，使控制系统适应度指标最优，获得了最优阻抗参数，对法向压力实现了跟踪控制；最后通过动态调整期望阻尼参数设计自适应阻抗控制器，动态补偿环境扰动，再采用劳斯稳定性判据分析自适应控制器稳定性，确定了自适应更新率的取值范围，对布料张力实现跟踪控制。本发明能够解决机器人辅助缝制过程中由于法向压力和布料张力波动导致的布料滑动、边缘褶皱等问题。
-
公开(公告)号：CN115336944B
公开(公告)日：2024-04-09
申请号：CN202210961979.3
申请日：2022-08-11
Applicant: 浙江大学
Abstract: 本发明属于玻璃清洗技术领域，公开了一种玻璃材质表面的激光自适应清洗装置及方法，包括一种玻璃材质表面的激光自适应清洗装置，包括光学光束组件、视觉传感器、图像处理后端、激光发生器、控制电路和显示界面；光学光束组件与激光发生器连接，激光发生器与控制电路连接，视觉传感器与图像处理后端连接，图像处理后端与控制电路连接。本发明通过比对预先学习所得的知识库进行图像分析处理，分析玻璃表面的污垢成分，大小，污染程度，评估玻璃表面的清洗效果；计算并调整下一时刻清除污垢所需的激光功率和线激光的宽度；根据线激光的宽窄、实时功率动态规划清洗路径以及扫描速度，提高清洗效率的同时保证玻璃表面得到全覆盖的清洗效果。
-
公开(公告)号：CN102278193A
公开(公告)日：2011-12-14
申请号：CN201110119740.3
申请日：2011-05-10
Applicant: 浙江大学
CPC classification number: Y02T10/144 , Y02T10/146
Abstract: 本发明涉及发动机增压系统，旨在提供一种内燃机辅助增压系统。该系统包括作动气缸、增压气缸和储气罐；作动气缸中设作动气缸活塞，两气室分别经控制阀连接至进气管与大气；增压气缸中设增压气缸活塞，活塞一侧与作动气缸活塞固定连接，另一侧的气室经管路分别连接至储气罐和进气管；储气罐还与补气管相连，补气管连接至发动机进气管；该系统还包括用于控制各控制阀开启状态的的电子控制单元，电子控制单元与发动机管理系统之间电连接。本发明可避免发动机过度增压，而且可以充分利用发动机排气能量；消除涡轮迟滞效应，改善发动机瞬态响应特性；适用于匹配有进气增压系统的点燃式发动机和压燃式发动机，还可应用于无进气增压的发动机。
-
公开(公告)号：CN117621080A
公开(公告)日：2024-03-01
申请号：CN202311767126.7
申请日：2023-12-21
Applicant: 浙江大学
IPC: B25J9/16
Abstract: 本发明公开了基于抓取成本预测和L加速梯度重启优化的抓取规划方法，能够综合优化抓取位姿和轨迹规划，生成最近邻高成功率的抓取轨迹。本发明通过神经抓取距离场（NGDF）预测机械臂最优抓取位姿，并根据实际末端位姿与最近邻可行抓取位姿的距离构建抓取代价模型，结合该模型构建机器人轨迹优化目标函数，从而实现抓取位姿和最优轨迹的耦合规划。同时本发明设计L加速梯度重启算法进行目标函数最小值求解，该算法能够自适应调整李普希兹常量保证加速梯度下降幅值，同时通过重启算法减小算法对于参数设置的依赖，实现目标函数快速优化求解。
-
公开(公告)号：CN116695342A
公开(公告)日：2023-09-05
申请号：CN202310612156.4
申请日：2023-05-26
Applicant: 浙江大学
Abstract: 本发明涉及机器人轨迹规划领域，尤其涉及一种基于曲率分段的机器人辅助缝制进给轨迹规划方法，具体过程为：基于Canny算子提取目标待缝制底板的轮廓并转换为缝制曲线；获得目标缝制曲线后，根据机器人与缝纫机完成曲线缝制的运动约束关系，建立机器人末端点与缝制曲线点的位姿关系，生成机器人进给轨迹；分析缝制曲线曲率变化趋势，结合缝制工艺要求，对缝制曲线进行曲率分段；最后基于梯形速度曲线规划方法对分段后曲线进行速度规划，得到适合不规则曲线缝制的轨迹速度，完成机器人末端辅助缝制的速度规划。本发明的方法有效改善了在面对具有复杂曲线的缝制任务时，机器人在曲率变化处的速度波动问题，实现了复杂曲线的较平稳缝制。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.023 seconds)
