-
公开(公告)号：CN117370889A
公开(公告)日：2024-01-09
申请号：CN202311318568.3
申请日：2023-10-12
IPC: G06F18/2415 , G01M13/00 , G06V10/764 , G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本申请涉及一种机器人打磨装备的可解释故障诊断方法，该方法包括：收集每种打磨装备故障状态下的机械臂末端的振动信号以及被打磨工件的表面图像；将振动信号进行分割处理，将分割处理的振动信号映射为振动图像；提取表面图像的图像特征，并统计图像特征的像素值分布；基于深度学习网络构建故障诊断模块和辅助学习模块；将振动图像分别输入至故障诊断模块、辅助学习模块，并将像素值分布输入至辅助学习模块，进行联合训练，使故障诊断模块学习到工件的打磨质量；将待检测的振动图像输入至联合训练后的故障诊断模块，输出故障诊断结果；故障诊断结果包括故障类型以及工件的打磨质量。该方法为故障诊断结果提供了可信度。
-
公开(公告)号：CN116728291B
公开(公告)日：2023-10-31
申请号：CN202311030811.1
申请日：2023-08-16
Applicant: 湖南大学
IPC: B24B49/12 , B24B27/00 , B25J11/00 , G01M13/00 , G01H1/00 , G06F18/241 , G06N3/0455 , G06N3/0464 , G06V10/764 , G06V10/82 , G06F18/22
Abstract: 本申请的实施例提供了基于边缘计算的机器人打磨系统状态监测方法和装置。所述方法包括获取当前的振动信号；对所述振动信号进行降噪和融合处理，得到振动图像；将所述振动图像，输入至预先训练的故障诊断模型，得到当前打磨系统的故障类型；将所述振动图像，输入至预先训练的质量匹配模型，得到当前打磨系统的相关值和力信号；所述力信号用于确定当前打磨系统的打磨质量；基于所述故障类型、相关值和打磨质量，完成对当前打磨系统的监测。以此方式，仅采集加度传感器的振动信号即可完成故障、打磨质量的统一监测，极大的减少了传感器的数量和类型，在降低了经济成本的同时降低了机器人打磨系统的复杂性。
-
公开(公告)号：CN118647055A
公开(公告)日：2024-09-13
申请号：CN202411120484.3
申请日：2024-08-15
Applicant: 湖南大学
IPC: H04W28/20 , H04W24/02 , H04W72/51 , H04W72/542 , G05B13/02
Abstract: 本申请涉及一种用于AGV的带宽优化方法，所述方法包括以下步骤：计算AGV运动时参考轨迹和实际轨迹的误差，并计算误差变化率；基于所述误差变化率判断信道环境，若误差变化率大于预先设定的误差变化阈值，则信道环境恶劣，否则，信道环境良好；若信道环境恶劣，利用带宽调节器对带宽进行优化；若信道环境良好，则维持原带宽。通过监控轨迹的误差变化率，优化带宽，使AGV的控制性能提高。
-
Patent Agency Ranking
公开(公告)号：CN118631762A
公开(公告)日：2024-09-10
申请号：CN202410877002.2
申请日：2024-07-02
Applicant: 湖南大学
IPC: H04L47/762 , H04L47/78
Abstract: 本申请的实施例提供了应用于飞机蒙皮测量的资源分配方法、装置、设备和计算机可读存储介质。所述方法包括获取用于飞机蒙皮测量的业务数据；将所述业务数据进行拟合，得到第一业务模型和第二业务模型；基于所述第一业务模型，生成第一数据包；基于所述第二业务模型，生成第二数据包；通过DQN算法，进行第一切片与第二切片间的动态资源分配；通过PPO算法，分别对所述第一切片和第二切片进行切片内的动态资源分配；通过上述动态资源分配方式，进行飞机蒙皮测量数据的传输。以此方式，能够在频谱资源有限的情况下，实现无线接入网切片间和切片内资源的动态分配，保证了各类业务数据的高效稳定可靠传输。
-
公开(公告)号：CN117961976B
公开(公告)日：2024-06-21
申请号：CN202410375666.9
申请日：2024-03-29
Abstract: 本申请的实施例提供了基于生成扩散迁移的装配机器人在线检测方法、装置、设备和计算机可读存储介质。所述方法包括获取装配机器人的信号数据；将所述信号数据输入到已训练的故障识别模型中，得到当前装配作业的故障类型，其中，所述故障识别模型可通过如下方式进行训练：获取样本数据集合；所述样本数据集合包括带有标注信息的样本数据；将所述样本数据拆分为两个子域；基于有监督的训练方式和无监督的训练方式，利用神经网络模型对两个子域中的样本数据进行学习，得到目标损失函数；基于所述目标损失函数完成对所述故障识别模型的训练。以此方式，能够实现装配机器人的在线实时故障诊断，大幅度提高了生产效率。
-
公开(公告)号：CN118647055B
公开(公告)日：2024-10-18
申请号：CN202411120484.3
申请日：2024-08-15
Applicant: 湖南大学
IPC: H04W28/20 , H04W24/02 , H04W72/51 , H04W72/542 , G05B13/02
Abstract: 本申请涉及一种用于AGV的带宽优化方法，所述方法包括以下步骤：计算AGV运动时参考轨迹和实际轨迹的误差，并计算误差变化率；基于所述误差变化率判断信道环境，若误差变化率大于预先设定的误差变化阈值，则信道环境恶劣，否则，信道环境良好；若信道环境恶劣，利用带宽调节器对带宽进行优化；若信道环境良好，则维持原带宽。通过监控轨迹的误差变化率，优化带宽，使AGV的控制性能提高。
-
公开(公告)号：CN117961976A
公开(公告)日：2024-05-03
申请号：CN202410375666.9
申请日：2024-03-29
Abstract: 本申请的实施例提供了基于生成扩散迁移的装配机器人在线检测方法、装置、设备和计算机可读存储介质。所述方法包括获取装配机器人的信号数据；将所述信号数据输入到已训练的故障识别模型中，得到当前装配作业的故障类型，其中，所述故障识别模型可通过如下方式进行训练：获取样本数据集合；所述样本数据集合包括带有标注信息的样本数据；将所述样本数据拆分为两个子域；基于有监督的训练方式和无监督的训练方式，利用神经网络模型对两个子域中的样本数据进行学习，得到目标损失函数；基于所述目标损失函数完成对所述故障识别模型的训练。以此方式，能够实现装配机器人的在线实时故障诊断，大幅度提高了生产效率。
-
公开(公告)号：CN116728291A
公开(公告)日：2023-09-12
申请号：CN202311030811.1
申请日：2023-08-16
Applicant: 湖南大学
IPC: B24B49/12 , B24B27/00 , B25J11/00 , G01M13/00 , G01H1/00 , G06F18/241 , G06N3/0455 , G06N3/0464 , G06V10/764 , G06V10/82 , G06F18/22
Abstract: 本申请的实施例提供了基于边缘计算的机器人打磨系统状态监测方法和装置。所述方法包括获取当前的振动信号；对所述振动信号进行降噪和融合处理，得到振动图像；将所述振动图像，输入至预先训练的故障诊断模型，得到当前打磨系统的故障类型；将所述振动图像，输入至预先训练的质量匹配模型，得到当前打磨系统的相关值和力信号；所述力信号用于确定当前打磨系统的打磨质量；基于所述故障类型、相关值和打磨质量，完成对当前打磨系统的监测。以此方式，仅采集加度传感器的振动信号即可完成故障、打磨质量的统一监测，极大的减少了传感器的数量和类型，在降低了经济成本的同时降低了机器人打磨系统的复杂性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
