-
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：CN116056106B
公开(公告)日：2023-06-02
申请号：CN202310204307.2
申请日：2023-03-06
Applicant: 湖南大学
IPC: H04W24/00 , G06F17/18 , H04L41/142 , H04B17/336
Abstract: 本发明公开了一种RIS辅助的车间无线网络遍历容量上界计算方法，其方法包括：建立RIS辅助的车间无线网络通信系统，其中，单天线基站通过RIS与车间内的设备进行通信；基于单天线基站、RIS、设备之间的通信关系，设置第一通信信道和第二通信信道；根据第一通信信道和第二通信信道，建立设备接收信号数学模型；根据设备接收信号数学模型，得到最大信噪比表达式；根据最大信噪比表达式，并且根据广义K分布的性质，得到信噪比概率密度表达式；根据信噪比概率密度表达式，并基于期望与概率密度的数学关系，得到信噪比的期望表达式；基于信噪比的期望表达式得到车间无线网络通信系统的遍历容量上界表达式。
-
公开(公告)号：CN115568015A
公开(公告)日：2023-01-03
申请号：CN202211563622.6
申请日：2022-12-07
Applicant: 湖南大学
IPC: H04W64/00 , G01S5/06 , G01S5/02 , G06V20/52 , G06V10/764 , G06K17/00 , G16Y10/25 , G16Y20/10 , G16Y20/20 , G16Y40/10 , G16Y40/20 , G16Y40/60
Abstract: 本发明公开了一种船舶分段制造车间物料融合定位方法，包括：获取布置于分段制造车间内的UWB标签和生产要素，将UWB标签部署于定位区间，并将UWB标签与生产要素绑定；判断生产要素是否位于定位区间，是则读取生产要素绑定的UWB标签的位置；否则获取生产要素的精确定位；确定各生产要素的类型及其定位坐标；判断同种类型的生产要素是否有且仅有一个；若是，将第一检测结果传输至终端；若否，将第二检测结果传输至终端；终端将接收到的第一检测结果或第二检测结果进行显示。该方法对实现船舶制造大场景中生产要素的状态感知具有重大意义。
-
公开(公告)号：CN118181303B
公开(公告)日：2024-07-12
申请号：CN202410592626.X
申请日：2024-05-14
Applicant: 湖南大学
Abstract: 本申请涉及一种基于OPC_UA的数字孪生系统，该系统包括：设备实体端、OPC_UA服务器、数字孪生端；设备实体端包括设备实体、传送带；设备实体上配有开发板，传送带控制器通过串口与所述开发板连接，设备实体进行机器人软件框架开发；OPC_UA服务器分别与设备实体端、数字孪生端连接，用于实现设备实体端与数字孪生端之间的数据交互；数字孪生端包括Gazebo模型和OPC_UA客户端，Gazebo模型用于模拟机器人的运动、感知以及与环境的交互；OPC_UA客户端用于与OPC_UA服务器通信；在Gazebo模型与设备实体保持相同的位姿时通过路径插值优化方法降低Gazebo模型抖动现象。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN119168977A
公开(公告)日：2024-12-20
申请号：CN202411241891.X
申请日：2024-09-05
Applicant: 湖南大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/084 , G06N3/0455 , G06F18/24 , G06F18/10
Abstract: 本发明属于图像处理技术领域，具体涉及一种磨削机器人图像数据质量评价方法和装置，包括如下步骤：采集磨削机器人进行工作时的一维震动信号，并进行预处理；基于不同参数组合，对经预处理后的一维震动信号执行连续小波变换，生成CWT图像数据集，并记录图像数据生成时间；将CWT图像数据集输入预训练的Swin‑Transformer模型，对CWT图像数据进行分类，并获取分类准确率；基于相关系数，构建图像质量评价指标，获取图像质量评价得分；结合图像数据生成时间、分类准确率、图像质量评价得分，计算得到数据集综合质量评分，以确定最佳CWT图像数据集。
-
公开(公告)号：CN118194165B
公开(公告)日：2024-08-09
申请号：CN202410613776.4
申请日：2024-05-17
Applicant: 湖南大学
IPC: G06F18/2415 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及一种基于迁移学习的装配机器人故障诊断特征变换方法，具体包括如下步骤：S1：提取原始特征：采集一维数据，将采集的数据分别标注对应正常或故障的标签；S2：特征变换：S3：特征融合：将S2中经过特征变换后的特征融合；S4：利用迁移学习网络进行故障诊断：将S3中经过特征融合的数据分成有标签的源域数据和无标签的目标域数据，将所有源域数据和部分目标域数据作为训练集，余下的目标域数据作为验证集，通过迁移学习，获得目标域样本相对源域样本的相似概率；S5：判断迁移学习算法的准确率和损失是否达到预设精度。本发明能够解决样本不足的问题，以及改善算法性能、提高实用性。
-
公开(公告)号：CN117195110A
公开(公告)日：2023-12-08
申请号：CN202311468706.6
申请日：2023-11-07
Applicant: 湖南大学
IPC: G06F18/243 , G06F16/903
Abstract: 本申请涉及一种OPC_UA节点感知自适应优先级分类方法，该方法包括：提取变量节点的语义特征，并基于语义特征确定变量节点中数据的类型；判断第二类型数据是否变化，是则将第二类型数据归类为过程数据，否则给第二类型数据对应的节点打上低优先级标签；判断过程数据是否为字节串类型数据，是则给过程数据对应的节点打上低优先级标签，否则将过程数据归类为非图像型数据；判断非图像型数据中变异系数是否大于阈值，是则将非图像型数据归类为激变数据，否则给非图像型数据对应的节点打上中优先级标签；判断激变数据对应的节点的属性是否支持历史化存储，是则给激变数据对应的节点打上中优先级标签，否则给激变数据对应的节点打上高优先级标签。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.02 seconds)
