一种基于数字孪生的飞机装配激光跟踪仪站位优化方法

    公开(公告)号:CN117745942A

    公开(公告)日:2024-03-22

    申请号:CN202311755404.7

    申请日:2023-12-19

    Abstract: 一种基于数字孪生的飞机装配激光跟踪仪站位优化方法,其步骤如下:首先,建立飞机装配车间的三维模型,并构建飞机装配现场数字孪生系统;其次,确定激光跟踪仪在物理空间中的位置,并在数字孪生空间中同步激光跟踪仪的位置;进一步地,在数字孪生空间中,定义关键测量点位置信息,并对激光跟踪仪添加目标检测算法等技术对机身关键点进行检测,分析激光跟踪仪对测量点的覆盖情况及重合情况;在此基础上,引入约束条件,并通过布设遗传算法对激光跟踪仪的最佳布站点进行优化求解;最后,在数字孪生空间中验证遗传算法对激光跟踪仪最佳站位的可行性,输出激光跟踪仪最佳布站点位置和在最佳布站点上的测量结果。

    基于数字孪生的个性化人机协作装配安全检测与预警方法

    公开(公告)号:CN116460857A

    公开(公告)日:2023-07-21

    申请号:CN202310619222.0

    申请日:2023-05-30

    Abstract: 本发明公开了一种基于数字孪生的个性化人机协作装配安全检测与预警方法,首先从人‑机‑环三个维度对物理空间影响装配安全的因素进行分类整理;再由状态检测传感器完成对人体运动学数据、环境的信息、机器人运动数据和人物工作状态的采集,通过数据处理计算出碰撞阈值;然后根据采集到的人机运动学数据,建立个性化的碰撞检测模型,并进行相应坐标转换,计算人机间的最短距离;最后搭建了人机协作安全装配预警系统,实现人机协作虚实场景的交互共融,并进行预警与反馈控制。本发明通过人机协作安全装配预警孪生系统实时检测人机碰撞距离,保障人与机器人交互过程的安全,提高了装配的效率。

    一种基于数字孪生的板件焊接质量实时监控方法

    公开(公告)号:CN114789307B

    公开(公告)日:2022-11-25

    申请号:CN202111600115.0

    申请日:2021-12-24

    Abstract: 本发明提出一种基于数字孪生的板件焊接质量实时监控方法,首先,通过焊装夹具将板件送入自动检测平台,基于深度学习算法实现焊缝缺陷识别分类,将板件信息和焊缝缺陷信息、焊接机器人仿真模型信息分别导入数字孪生系统中的缺陷信息库与模型库中;其次,通过模式匹配方法、特征提取分类、数据库技术等对焊缝精准定位识别分类和焊接参数调整,实现焊接质量诊断与控制;最后,根据系统语音视频模块给出的调整方案,通过VR设备使用人机交互功能对产线焊接机器人做在线参数调整,实现智能焊接。本发明运用的基于数字孪生的板件焊接质量实时监控方法能直观、全面地反映焊接过程全生命周期状态实现高效焊接质量监控,大大减少残次品,提高产线生产效率。

    一种主动转向和横摆力矩自学习协同控制方法

    公开(公告)号:CN114312750B

    公开(公告)日:2022-08-09

    申请号:CN202210052344.1

    申请日:2022-01-18

    Abstract: 本发明公开了一种主动转向和横摆力矩自学习协同控制方法,第一步骤是构建储存于车载ECU中的基础方程,第二步骤是在车辆的行驶过程中,车载ECU按如下子步骤在线计算主动转向角δC和横摆力矩Mc的值,并根据δC和Mc的计算结果控制机动车的运行状态;第一子步骤是ECU采集原始实时参数值,第二子步骤是辨识器和控制目标参考模型计算步骤;第三子步骤是主动转向角δC和横摆力矩Mc计算步骤;重复第二步骤,本发明无须系统控制模型即可实现主动转向和横摆力矩自学习协同控制,修正驾驶员的转向操作,克服不当驾驶,使车拐弯时趋向于中性转向中性转向,机动车反馈的实际质心侧偏角和横摆角速度趋近于公式5计算得到的βr值和γr值,避免不当驾驶引起的失稳等事故。

    一种主动转向和横摆力矩自学习协同控制方法

    公开(公告)号:CN114312750A

    公开(公告)日:2022-04-12

    申请号:CN202210052344.1

    申请日:2022-01-18

    Abstract: 本发明公开了一种主动转向和横摆力矩自学习协同控制方法,第一步骤是构建储存于车载ECU中的基础方程,第二步骤是在车辆的行驶过程中,车载ECU按如下子步骤在线计算主动转向角δC和横摆力矩Mc的值,并根据δC和Mc的计算结果控制机动车的运行状态;第一子步骤是ECU采集原始实时参数值,第二子步骤是辨识器和控制目标参考模型计算步骤;第三子步骤是主动转向角δC和横摆力矩Mc计算步骤;重复第二步骤,本发明无须系统控制模型即可实现主动转向和横摆力矩自学习协同控制,修正驾驶员的转向操作,克服不当驾驶,使车拐弯时趋向于中性转向中性转向,机动车反馈的实际质心侧偏角和横摆角速度趋近于公式5计算得到的βr值和γr值,避免不当驾驶引起的失稳等事故。

    一种基于actor-critic多智能体深度强化学习的柔性作业车间调度方法

    公开(公告)号:CN119740803A

    公开(公告)日:2025-04-01

    申请号:CN202411794145.3

    申请日:2024-12-06

    Abstract: 本发明属于生产计划技术领域,具体涉及一种基于actor‑critic多智能体深度强化学习的柔性作业车间调度方法,包括以下步骤:(1)采用异构析取图的方法对柔性作业车间调度环境进行建模,将调度决策问题转换为序贯决策问题,建立分散式部分可观测马尔可夫决策过程八元组模型,使用多智能体深度强化学习对该模型进行求解;(2)从柔性作业车间调度的异构析取图环境中提取当前的状态;(3)采用异构图神经网络分别对策略函数和价值函数进行拟合;(4)工件智能体和机器智能体输出每个待加工工件和可选机器的概率作为强化学习的智能体动作;(5)设计奖励函数对整个调度决策进行评估,使用actor‑critic算法更新工件智能体和机器智能体策略函数以及中央控制器价值函数的权重参数;(6)进行状态转移;(7)策略网络和价值网络参数更新;本发明可以实时处理柔性作业车间的调度问题,具有实时性强和灵活性高的优点。

Patent Agency Ranking