-
公开(公告)号：CN109605377B
公开(公告)日：2020-05-22
申请号：CN201910052849.6
申请日：2019-01-21
Applicant: 厦门大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于强化学习的机器人关节运动控制方法及系统。该方法包括：获取机器人末端的待运行轨迹；根据机器人末端的待运行轨迹以及机器人逆运动学模型计算机器人关节在每个插补周期的位置增量；根据策略网络确定机器人关节每个插补周期的位置增量补偿；每个插补周期的给定位置增量与位置增量补偿之和作为机器人关节的运动参数，输入机器人，得到机器人关节每个插补周期实际的运动量；根据给定位置增量和实际运动量，对价值网络进行实时训练更新；待运行轨迹运行完毕后，根据每个插补周期更新的价值网络的参数，对策略网络进行训练更新；采用更新后的策略网络调控下一待运行轨迹中机器人关节的运动。本发明具有误差小、效率高的特点。
-
公开(公告)号：CN109732605A
公开(公告)日：2019-05-10
申请号：CN201910052603.9
申请日：2019-01-21
Applicant: 厦门大学
IPC: B25J9/16
Abstract: 本发明公开一种机器人关节摩擦力矩的补偿方法及系统。采用本发明的补偿方法及系统，工业机器人运行过程中，当关节温度、负载、润滑和磨损等参数改变后，摩擦模型也会相应改变，能够避免基于固定摩擦模型的前馈补偿方法失效的问题。在此基础上，利用辨识的摩擦模型预测生成的摩擦力矩训练神经网络，使得神经网络的训练学习过程效率更高，能够更快逼近理想效果，提高了机器人关节的跟踪速度和跟踪精度。进一步地，本发明通过高斯采样进行摩擦力矩前馈补偿，弥补了神经网络输出不具有探索性的缺点，使神经网络能更好的收敛，避免陷入局部最优，进一步确保跟踪精度，即使关节温度、负载、润滑和磨损等参数发生变化，也能快速实现高精度跟踪的目的。
-
公开(公告)号：CN109732605B
公开(公告)日：2021-02-26
申请号：CN201910052603.9
申请日：2019-01-21
Applicant: 厦门大学
IPC: B25J9/16
Abstract: 本发明公开一种机器人关节摩擦力矩的补偿方法及系统。采用本发明的补偿方法及系统，工业机器人运行过程中，当关节温度、负载、润滑和磨损等参数改变后，摩擦模型也会相应改变，能够避免基于固定摩擦模型的前馈补偿方法失效的问题。在此基础上，利用辨识的摩擦模型预测生成的摩擦力矩训练神经网络，使得神经网络的训练学习过程效率更高，能够更快逼近理想效果，提高了机器人关节的跟踪速度和跟踪精度。进一步地，本发明通过高斯采样进行摩擦力矩前馈补偿，弥补了神经网络输出不具有探索性的缺点，使神经网络能更好的收敛，避免陷入局部最优，进一步确保跟踪精度，即使关节温度、负载、润滑和磨损等参数发生变化，也能快速实现高精度跟踪的目的。
-
公开(公告)号：CN108393892B
公开(公告)日：2020-07-24
申请号：CN201810178273.3
申请日：2018-03-05
Applicant: 厦门大学
IPC: B25J9/16
Abstract: 本发明涉及一种工业机器人前馈力矩补偿方法，包括以下步骤：S1：建立动作‑价值神经网络；S2：生成训练轨迹；S3：根据当前时刻的状态，选择对应的动作，然后对所选动作的前馈力矩增量进行积分后输出到电机电流环前馈通路上，并获得当前时刻的立即回报和下一时刻的状态；S4：将当前时刻的状态、所选的前馈力矩增量和立即回报和下一时刻的状态作为神经网络的训练样本，将所述训练样本进行归一化后，存入队列中；S5：从队列中随机选择一部分训练样本，使用随机梯度下降法对动作‑价值神经网络进行训练，直到达到最大训练次数或关节跟踪误差小于误差阈值。本发明无需建立复杂的动力学模型即可实现实时补偿工业机器人关节力矩。
-
公开(公告)号：CN115760844A
公开(公告)日：2023-03-07
申请号：CN202211580487.6
申请日：2022-12-09
Applicant: 厦门大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本发明公开一种晶圆表面缺陷检测方法、系统、电子设备及介质，涉及半导体晶圆制造领域，该方法将每种类型晶圆取若干张有缺陷和无缺陷图片划分为支持集和查询集，构成任务集；并构建深度学习模型和MAML框架；执行MAML内层循环，取部分任务集中的支持集进行模型训练，训练中的学习率采用ADAM算法进行更新，使用梯度下降法更新内层参数；然后执行MAML外层循环，用查询集继续训练模型，将所有任务的损失函数相加作为外层循环的损失函数，使用梯度下降法对外层参数进行更新；重复执行MAML内层循环和外层循环，直至模型收敛。本发明能够使用较少量的训练样本得到鲁棒性较好的缺陷检测模型，并且泛化能力强、效率高且实用性强。
-
Patent Agency Ranking
公开(公告)号：CN107972036B
公开(公告)日：2021-04-27
申请号：CN201711418730.3
申请日：2017-12-25
Applicant: 厦门大学嘉庚学院
IPC: B25J9/18
Abstract: 本发明涉及一种基于TensorFlow的工业机器人动力学控制系统及方法，系统包括：数据采集模块、控制器、PC服务器、显示器、电机驱动模块和伺服电机；控制器将数据采集模块采集到的工业机器人的关节位置、关节速度和关节力矩发送给PC服务器，由PC服务器进行数据处理并利用tensorflow构建卷积神经网络进行训练优化，根据实时的关节位置和关节速度输出工业机器人的关节力矩控制指令，控制器将关节力矩控制指令通过GPIO接口发送至电机驱动模块，控制伺服电机实现工业机器人的关节控制。本发明不需要额外去辨识惯性力、离心力、哥氏力、粘摩擦、静摩力等参数，就可以实现机器人的稳定的运动。
-
公开(公告)号：CN109605377A
公开(公告)日：2019-04-12
申请号：CN201910052849.6
申请日：2019-01-21
Applicant: 厦门大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于强化学习的机器人关节运动控制方法及系统。该方法包括：获取机器人末端的待运行轨迹；根据机器人末端的待运行轨迹以及机器人逆运动学模型计算机器人关节在每个插补周期的位置增量；根据策略网络确定机器人关节每个插补周期的位置增量补偿；每个插补周期的给定位置增量与位置增量补偿之和作为机器人关节的运动参数，输入机器人，得到机器人关节每个插补周期实际的运动量；根据给定位置增量和实际运动量，对价值网络进行实时训练更新；待运行轨迹运行完毕后，根据每个插补周期更新的价值网络的参数，对策略网络进行训练更新；采用更新后的策略网络调控下一待运行轨迹中机器人关节的运动。本发明具有误差小、效率高的特点。
-
公开(公告)号：CN108393892A
公开(公告)日：2018-08-14
申请号：CN201810178273.3
申请日：2018-03-05
Applicant: 厦门大学
IPC: B25J9/16
Abstract: 本发明涉及一种工业机器人前馈力矩补偿方法，包括以下步骤：S1：建立动作-价值神经网络；S2：生成训练轨迹；S3：根据当前时刻的状态，选择对应的动作，然后对所选动作的前馈力矩增量进行积分后输出到电机电流环前馈通路上，并获得当前时刻的立即回报和下一时刻的状态；S4：将当前时刻的状态、所选的前馈力矩增量和立即回报和下一时刻的状态作为神经网络的训练样本，将所述训练样本进行归一化后，存入队列中；S5：从队列中随机选择一部分训练样本，使用随机梯度下降法对动作-价值神经网络进行训练，直到达到最大训练次数或关节跟踪误差小于误差阈值。本发明无需建立复杂的动力学模型即可实现实时补偿工业机器人关节力矩，实现高精度的控制。
-
公开(公告)号：CN107972036A
公开(公告)日：2018-05-01
申请号：CN201711418730.3
申请日：2017-12-25
Applicant: 厦门大学嘉庚学院
IPC: B25J9/18
Abstract: 本发明涉及一种基于TensorFlow的工业机器人动力学控制系统及方法，系统包括：数据采集模块、控制器、PC服务器、显示器、电机驱动模块和伺服电机；控制器将数据采集模块采集到的工业机器人的关节位置、关节速度和关节力矩发送给PC服务器，由PC服务器进行数据处理并利用tensorflow构建卷积神经网络进行训练优化，根据实时的关节位置和关节速度输出工业机器人的关节力矩控制指令，控制器将关节力矩控制指令通过GPIO接口发送至电机驱动模块，控制伺服电机实现工业机器人的关节控制。本发明不需要额外去辨识惯性力、离心力、哥氏力、粘摩擦、静摩力等参数，就可以实现机器人的稳定的运动。
-
公开(公告)号：CN109828616A
公开(公告)日：2019-05-31
申请号：CN201910052616.6
申请日：2019-01-21
Applicant: 厦门大学
Abstract: 本发明公开一种RV减速器的零部件选配方法及系统。所述选配方法包括：将待装配的RV减速器的所有零件编码，获得多个编码零件；根据适应度函数计算多个所述个体的适应度值，获得多个适应度值，所述适应度函数为用于计算所述个体的生存能力；根据多个所述适应度值对多个所述个体采用遗传算子进行重组操作，获得重组群体；采用适应度函数计算所述重组群体的适应度，获得重组适应度值；判断所述重组适应度值是否达到适应度阈值，如果是，将按照所述重组群体对应的编码装配所述零件组成RV减速器；否则，返回根据适应度函数计算多个所述个体的适应度值。通过采用遗传算子进行重组操作提高选配效率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
