-
公开(公告)号：CN113168149B
公开(公告)日：2024-08-09
申请号：CN201980076982.3
申请日：2019-10-28
Applicant: 西门子股份公司
IPC: G05B19/05
Abstract: 本发明涉及一种用于工业系统(100)中的一个或多个自动化装置(DEV)的扩展装置(MI)。本发明尤其涉及能够基于一个或多个人工神经网络执行数据处理的工业数据处理单元(PU)。为了在工业系统(100)中启用和/或加速一个或多个计算(Cl、…、Cn)，从而简化将人工智能集成到工业系统(100)中，并且为了简化能够使用人工智能来处理数据的扩展装置(MI)与自动化装置(DEV)之间的数据交换，本发明提出获得(S2)一个或多个计算(C1、…、Cn)的一个或多个结果(R1、…、Rn)，其中这些结果(R1、…、Rn)指示工业系统(100)的一个或多个状态(S1、…、Sn)并且经由与自动化装置(DEV)共享的过程状态模型(PM)来提供(S3)一个或多个结果(R1、…、Rn)以监视和/或控制工业系统(100)。
-
公开(公告)号：CN117730523A
公开(公告)日：2024-03-19
申请号：CN202280052620.2
申请日：2022-07-18
Applicant: 西门子股份公司
IPC: H04L67/1087
Abstract: 本公开描述了与工业设施中的微服务通信的方法。该方法通过控制器实施并且包括获得一个或多个数据结构类型，其中该数据结构类型是基于与微服务相关联的API定义生成的，基于获得的数据结构类型生成一个或多个变量，其中变量与控制器的一个或多个功能块相关联，以及经由代理组件将与变量相关联的数据传输到微服务。控制器以与变量相关联的串行二进制格式将与变量相关联的数据传输到代理组件。代理组件被配置为进行转换以将数据从串行二进制数据转换为第一串行化格式，并且将第一串行化格式的数据传输到微服务。
-
公开(公告)号：CN117355836A
公开(公告)日：2024-01-05
申请号：CN202280036827.0
申请日：2022-03-04
Applicant: 西门子股份公司
IPC: G06F30/27
Abstract: 本发明涉及用于生成用于机器学习模型的训练数据的方法，训练数据设计和设置用于通过使用机器学习方法设置机器学习模型，机器学习模型特别用作用于得出抓取物体的抓取装置的控制数据的方法的一部分，其特征在于以下方法步骤：‑选定物体，‑选定平坦面上的物体的起始数据，‑产生物体从起始数据开始的朝平坦面的方向的下落运动，‑在物体在平坦面上的运动停止后捕获物体的图像，‑为捕获的图像分配标识，标识包括物体采用的稳定姿态的识别信息，物体采用的稳定姿态设计和设置用于将物体的全部姿态数据分配给采用的稳定姿态，姿态数据能通过围绕平坦面的表面法线的旋转和/或平移相互转换，‑存储包括捕获的图像和属于图像的图像标识的训练数据。
-
公开(公告)号：CN119183552A
公开(公告)日：2024-12-24
申请号：CN202380040117.X
申请日：2023-04-17
Applicant: 西门子股份公司
Inventor： 亚历山大·凯斯勒 , 约瑟普·索莱尔·加里多 , 伊恩戈·桑 , 弗兰克·勒洛夫斯
IPC: G05B19/042 , G05B19/05 , G05B23/02
Abstract: 一种用于控制装置(100，200)的应用模块，其中，应用模块(110，230，240，250)设计和配置用于在机器(400，500)或设施的控制范围内与控制装置(100，200)的其他部件(102，104，114，214，216，217，218，230)进行通信和交互，其中，应用模块(110，230，240，250)设计和配置用于借助于使用用户应用(115)生成用于所述控制装置(100，200)的附加功能，其中，设有用于配置控制装置(100，200)的自动化工程系统(600)以及用于创建用户应用(115)的应用工程系统(700，710)，其中，应用模块(110，230，240，250)设计和配置成，使得借助于应用模块(110，230，240，250)与应用工程系统(700，710)的交互来进行或能够执行用户应用(115)的测试。
-
Patent Agency Ranking
公开(公告)号：CN118234602A
公开(公告)日：2024-06-21
申请号：CN202280074540.7
申请日：2022-11-08
Applicant: 西门子股份公司
IPC: B25J9/16 , G06T5/77 , G06T7/00 , G06V10/82 , G06V10/774
Abstract: 一种用于通过遮挡部分的修复模型重构来处理工件的计算机实现的操作方法。所提出的系统采用以下部分：‑感知系统，例如：激光扫描器或照相机；以及‑处理功能；‑处理来自照相机的数据的视觉系统。该基础系统有利地如所描述扩展。它获取照相机数据并重构被遮挡部分以重建下游系统所需的被违反的先前假设。需要对系统进行训练以重构图像序列中的不完整信息。该训练可以基于历史知识或模拟数据。应用示例示出了重叠对象的3D点云的修复。
-
公开(公告)号：CN113168149A
公开(公告)日：2021-07-23
申请号：CN201980076982.3
申请日：2019-10-28
Applicant: 西门子股份公司
IPC: G05B19/05
Abstract: 本发明涉及一种用于工业系统(100)中的一个或多个自动化装置(DEV)的扩展装置(MI)。本发明尤其涉及能够基于一个或多个人工神经网络执行数据处理的工业数据处理单元(PU)。为了在工业系统(100)中启用和/或加速一个或多个计算(Cl、…、Cn)，从而简化将人工智能集成到工业系统(100)中，并且为了简化能够使用人工智能来处理数据的扩展装置(MI)与自动化装置(DEV)之间的数据交换，本发明提出获得(S2)一个或多个计算(C1、…、Cn)的一个或多个结果(R1、…、Rn)，其中这些结果(R1、…、Rn)指示工业系统(100)的一个或多个状态(S1、…、Sn)并且经由与自动化装置(DEV)共享的过程状态模型(PM)来提供(S3)一个或多个结果(R1、…、Rn)以监视和/或控制工业系统(100)。
-
公开(公告)号：CN119547088A
公开(公告)日：2025-02-28
申请号：CN202380052245.6
申请日：2023-07-05
Applicant: 西门子股份公司
Abstract: 本发明涉及一种用于分析源自至少一个设备(360)的数据的计算机程序产品(100，400)，该计算机程序产品(100，400)包括：ML工件(120，500)，该ML工件包括ML模型的功能性；以及监测工件(130，140，600)，其中ML模型利用使用训练数据的机器学习方法已经进行了训练和/或设置，或者能够被训练和/或设置，其中ML工件(120，500)被设计和设置为基于源自设备(360)的数据产生ML结果(122，590)作为将输入数据(102，402，552)输入到ML工件(120，500)中的响应，其中监测工件(130，140，600)被设计和设置为产生关于ML结果(122，590)的ML结果可靠性信息(132，142，690)作为将输入数据(102，402，552)输入到监测工件(130，140，600)中的响应，其中训练数据或训练数据的一部分被用于训练监测工件(130，140，600)，并且其中计算机程序产品(100，400)还被设计和设置为在由计算机(300，400)执行时，基于ML结果(122，590)和ML结果可靠性信息(132，142，690)来输出合格的ML结果(190，702，704，706)。
-
-
公开(公告)号：CN117355394A
公开(公告)日：2024-01-05
申请号：CN202280036828.5
申请日：2022-03-01
Applicant: 西门子股份公司
IPC: B25J9/16
Abstract: 本发明涉及一种用于得出用于抓取物体(200，210，220，300，310)的抓取装置(120，122)的控制数据的方法，包括以下步骤：‑捕获物体(200，210，220，300，310)的图像(132)，‑确定捕获到的物体(200，210，220，300，310)的至少一个物体参数(202，212，222，302，312)，‑得出用于在至少一个抓取点(205，215，225，305，315)处抓取物体(200，210，220，300，310)的抓取装置(120，122)的控制数据，其中使用关于物体(200，210，220，300，310)的至少一个能实现的稳定姿态的信息来得出物体(200，210，220，300，310)的至少一个抓取点(205，215，225，305，315)，并且其中物体的能实现的稳定姿态设计和设置用于，使得将物体的所有如下姿态数据分配给所述能实现的稳定姿态，所述姿态数据通过围绕物体位于的支承面的表面法线旋转和/或位移而能够相互转换。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
