-
公开(公告)号：CN108161934B
公开(公告)日：2020-06-09
申请号：CN201711420089.7
申请日：2017-12-25
Applicant: 清华大学
IPC: B25J9/16
Abstract: 本发明涉及一种利用深度强化学习实现机器人多轴孔装配的方法，属于机器人装配技术领域。本发明方法在训练过程中，将利用传统模糊力控制方法与深度强化学习网络基于仿真模型产生的专家经验数据和普通经验数据加入经验数据集，从经验数据集中随机抽取经验数据对深度强化学习网络进行训练，使该网络的装配动作能够快速的达到传统模糊控制方法的装配水平并且继续训练可以超过传统模糊控制方法的装配效果。将利用仿真模型训练好的深度强化学习网络直接用于实际机器人多轴孔装配任务，本发明方法利用仿真模型产生的经验数据进行训练，解决了实际装配环境无法提供足够训练数据的难题同时也降低了训练的成本。
-
公开(公告)号：CN108230399B
公开(公告)日：2019-11-08
申请号：CN201711401539.8
申请日：2017-12-22
Applicant: 清华大学
IPC: G06T7/80
Abstract: 本发明涉及一种基于结构光技术的投影仪标定方法，属于光测量技术领域。本发明的投影仪标定方法，利用结构光技术，使用光强传感模块感知经投影仪得到的结构光图像亮度变化，建立亮度变化与待标定投影仪图像的关系，建立并求解投影仪坐标和世界坐标的数学模型，得到待标定投影仪的内参矩阵Min和外参矩阵Mex，实现投影仪的标定。本发明方法可以使用任意已知三维结构的标定物进行投影仪标定，有效降低了标定投影仪所需的额外成本；标定过程中的每次循环仅采集一个定位点处的光强变化，并仅计算本定位点对应的图像坐标，减少了已有标定方法中对整个投影结构光区域进行计算的算法难度和复杂度，操作简单，提高了投影仪标定的工作效率。
-
公开(公告)号：CN112264995B
公开(公告)日：2021-11-16
申请号：CN202011107036.1
申请日：2020-10-16
Applicant: 清华大学
Abstract: 本发明提出一种基于层级强化学习的机器人双轴孔装配方法，属于人工智能技术应用领域。该方法将待学习的装配技术进行分解，通过将待学习的技术进行分解成多个选项，通过不断训练每个选项内部的行为策略最终学习出解决双轴孔的装配策略。本发明利用层级强化学习算法用于解决工业中的双轴孔装配问题，更好的利用人工智能的技术有效提高工业生产的效率。
-
公开(公告)号：CN110238839B
公开(公告)日：2020-10-20
申请号：CN201910287227.1
申请日：2019-04-11
Applicant: 清华大学 , 中国科学院自动化研究所
Abstract: 本发明提出一种利用环境预测优化非模型机器人多轴孔装配控制方法，属于机器人装配技术领域。本发明利用通用动作值函数进行环境相关知识预测，并且根据人的装配经验设计模糊逻辑系统将学习的知识预测作为输入，输出用于优化非模型控制算法的参数，当深度强化学习网络迭代次数上限且装配符合要求时，输出训练完毕的深度强化学习网络用于多轴孔装配过程中输出装配动作。本发明可实现对已有非模型机器人控制算法的优化，缩短了机器人多轴孔装配所需的时间。
-
公开(公告)号：CN108145279B
公开(公告)日：2020-04-03
申请号：CN201711401584.3
申请日：2017-12-22
Applicant: 清华大学
IPC: B23K9/04
Abstract: 本发明涉及一种用于空间螺旋件的电弧增材制造方法，属于金属加工技术领域。本发明方法首先在仿真环境中对生成的空间路径轨迹进行仿真，保证焊接过程中的路径连续可行，制造过程中焊枪始终保持垂直姿态，焊枪的高度和位置可以进行微调，机器人带动工件焊接平台，保证工件焊接平台与焊枪始终保持一定焊接起弧距离，通过焊接平台的的空间运动来实现金属在工件平台上按照指定轨迹进行堆积制造零件。本发明方法充分利用了六自由度机器人的空间灵活性带动焊接基板运动，利用多自由度机器人带动焊接基板基于电弧增材制造技术实现空间复杂螺旋件的制造，从而保证螺旋件的制造精度和力学性能。
-
Patent Agency Ranking
公开(公告)号：CN108638063A
公开(公告)日：2018-10-12
申请号：CN201810446004.0
申请日：2018-05-11
Applicant: 清华大学
IPC: B25J9/16
Abstract: 本发明提出一种基于电机电流测量的3P3R机械臂末端力估计方法，属于机器人自动化装配技术领域。该方法首先在3P3R机械臂每个关节的驱动电机上安装一个电流采集模块，每个电流采集模块实时采集对应关节驱动电机的电流值。在任一时刻，根据采集得到的每个驱动电机电流值计算得到该时刻对应关节的电机转矩，进而得到该时刻机械臂每个移动关节所受推力和每个转动关节输出转矩，从而获取该时刻机械臂原始末端力。利用时间延时估计算法和同时输入状态估计算法去除原始末端力的过程干扰项，最终得到该时刻3P3R机械臂末端力的估计值。本发明简便易操作，可以得到精度较高的估计结果，具有很高的实用价值。
-
公开(公告)号：CN108161934A
公开(公告)日：2018-06-15
申请号：CN201711420089.7
申请日：2017-12-25
Applicant: 清华大学
IPC: B25J9/16
Abstract: 本发明涉及一种利用深度强化学习实现机器人多轴孔装配的方法，属于机器人装配技术领域。本发明方法在训练过程中，将利用传统模糊力控制方法与深度强化学习网络基于仿真模型产生的专家经验数据和普通经验数据加入经验数据集，从经验数据集中随机抽取经验数据对深度强化学习网络进行训练，使该网络的装配动作能够快速的达到传统模糊控制方法的装配水平并且继续训练可以超过传统模糊控制方法的装配效果。将利用仿真模型训练好的深度强化学习网络直接用于实际机器人多轴孔装配任务，本发明方法利用仿真模型产生的经验数据进行训练，解决了实际装配环境无法提供足够训练数据的难题同时也降低了训练的成本。
-
公开(公告)号：CN112264995A
公开(公告)日：2021-01-26
申请号：CN202011107036.1
申请日：2020-10-16
Applicant: 清华大学
Abstract: 本发明提出一种基于层级强化学习的机器人双轴孔装配方法，属于人工智能技术应用领域。该方法将待学习的装配技术进行分解，通过将待学习的技术进行分解成多个选项，通过不断训练每个选项内部的行为策略最终学习出解决双轴孔的装配策略。本发明利用层级强化学习算法用于解决工业中的双轴孔装配问题，更好的利用人工智能的技术有效提高工业生产的效率。
-
公开(公告)号：CN108638063B
公开(公告)日：2020-04-24
申请号：CN201810446004.0
申请日：2018-05-11
Applicant: 清华大学
IPC: B25J9/16
Abstract: 本发明提出一种基于电机电流测量的3P3R机械臂末端力估计方法，属于机器人自动化装配技术领域。该方法首先在3P3R机械臂每个关节的驱动电机上安装一个电流采集模块，每个电流采集模块实时采集对应关节驱动电机的电流值。在任一时刻，根据采集得到的每个驱动电机电流值计算得到该时刻对应关节的电机转矩，进而得到该时刻机械臂每个移动关节所受推力和每个转动关节输出转矩，从而获取该时刻机械臂原始末端力。利用时间延时估计算法和同时输入状态估计算法去除原始末端力的过程干扰项，最终得到该时刻3P3R机械臂末端力的估计值。本发明简便易操作，可以得到精度较高的估计结果，具有很高的实用价值。
-
公开(公告)号：CN108196447A
公开(公告)日：2018-06-22
申请号：CN201711423471.3
申请日：2017-12-25
Applicant: 清华大学
Abstract: 本发明涉及一种利用基于学习遗传进化算法的机器人双轴孔装配方法，属于机器人自动化装配技术领域。本发明方法利用回归预测模型，对实际的机器人装配过程的适应度值，进行预测，每次仅对少量的最优的基因进行实际实验的测试，因此本发明方法能够基于少量的实验就对实际环境中的装配控制算法进行优化，从而改善装配过程。本方法利用支持向量机的回归模型，对于复杂的包含噪声的非线性系统具有很强拟合能力，并且可以理论上收敛到最优，避免局部极小的问题，其计算复杂性取决于支持向量机的数目而不是样本空间的维数，一定程度上可以避免了维数灾难问题。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.02 seconds)
