-
公开(公告)号：CN116339354A
公开(公告)日：2023-06-27
申请号：CN202310125556.2
申请日：2023-02-16
Applicant: 东北大学
IPC: G05D1/06
Abstract: 本发明公开了一种马尔可夫跳变通信拓扑的水下机器人协同控制器设计方法，包括：设计多水下机器人系统，设计基于通信时滞及马尔可夫跳变通信拓扑结构的协同追踪控制器，设计包含水下机器人状态信息的李雅普诺夫函数及协同追踪控制器稳定性约束条件；基于李雅普诺夫函数的弱无穷小算子验证协同追踪控制器的稳定性，并计算协同追踪控制器的增益参数。本发明的控制器可使通信拓扑结构在发生马尔可夫跳变的情况下依然稳定协同追踪目标点，达到多水下机器人状态信息的一致性，同时可求解出控制器所需的必要参数。
-
公开(公告)号：CN108274469B
公开(公告)日：2020-11-03
申请号：CN201810365980.3
申请日：2018-04-23
Applicant: 东北大学
Abstract: 本发明公开了一种基于多维视觉传感器的真空机械手防碰撞检测系统的检测方法，包括：真空机械手设备系统；x‑y轴高清监测摄像头，用于检测真空机械手x‑y轴水平面运动位置和姿态的变化；z轴高清监测摄像头，于所述真空机械手侧面垂直放置，用于检测真空机械手伸缩轴方向上的位置变化。本发明所述的基于多维视觉传感器的真空机械手防碰撞检测系统的检测方法，通过建立视觉系统并向控制系统实时反馈真空机械手的位置、速度、加速度等信息，当真空机械手的位置状态异常出现在安全警戒区域时，视觉系统向控制系统发送异常警示信号，使控制系统能够及时控制停止当前机械手的运作，从而保证设备系统的安全，尽可能避免相应的潜在损失。
-
公开(公告)号：CN108274469A
公开(公告)日：2018-07-13
申请号：CN201810365980.3
申请日：2018-04-23
Applicant: 东北大学
CPC classification number: B25J9/1666 , B25J19/023
Abstract: 本发明公开了一种基于多维视觉传感器的真空机械手防碰撞检测系统及检测方法，包括：真空机械手设备系统；x-y轴高清监测摄像头，用于检测真空机械手x-y轴水平面运动位置和姿态的变化；z轴高清监测摄像头，于所述真空机械手侧面垂直放置，用于检测真空机械手伸缩轴方向上的位置变化。本发明所述的基于多维视觉传感器的真空机械手防碰撞检测系统及检测方法，通过建立视觉系统并向控制系统实时反馈真空机械手的位置、速度、加速度等信息，当真空机械手的位置状态异常出现在安全警戒区域时，视觉系统向控制系统发送异常警示信号，使控制系统能够及时控制停止当前机械手的运作，从而保证设备系统的安全，尽可能避免相应的潜在损失。
-
公开(公告)号：CN116576857A
公开(公告)日：2023-08-11
申请号：CN202310420891.5
申请日：2023-04-19
Applicant: 东北大学
IPC: G01C21/20 , G01C21/34 , G01S17/931 , G06V20/50 , G06V10/62 , G06V10/74 , G06V10/762 , G06V10/764 , G06T7/277
Abstract: 本发明公开一种基于单线激光雷达的多障碍物预测导航避障方法，首先采集单线激光雷达检测到的障碍物点云数据，对数据进行滤波并分类，得到障碍物点云数组；对分类后的障碍物点云数组进行形状拟合实现障碍物的检测；对相邻两帧障碍物点云数组中检测出的障碍物进行数据关联，得到每个障碍物当前的运动状态并记录其历史轨迹实现障碍物的跟踪；预测多个障碍物未来一段时间内的轨迹读取全局路径规划器的结果并分割成多段局部路径；在每一段局部路径中实现无地图的端到端策略导航；本发明方法应用于扫地机器人、服务机器人和AGV等移动机器人中，提高机器人避障的安全性，具有实时性、低成本的特点。
-
公开(公告)号：CN115585813A
公开(公告)日：2023-01-10
申请号：CN202211397557.4
申请日：2022-11-09
Applicant: 东北大学
Abstract: 本发明公开一种基于注意力机制的深度强化学习机器人导航方法包括：采集机器人车载摄像头信息、车载单线激光雷达信息以及机器人的线速度和角速度；摄像头信息和单线激光雷达信息数据融合；构建SAC深度强化学习算法的经验池，用于存储动作‑状态‑奖励的组合；构建SAC深度强化学习算法的Actor网络、V评论家网络、Q评论家网络；在Actor网络中构建空间注意力模块和时间注意力模块；构建奖励函数模型。其中Actor网络的输入为状态，输出为动作概率分布参数；V评论家网络的输出为状态价值的预测值；Q评论家网络的输出为动作‑状态价值的预测值。本发明的导航方法不需要先验地图信息，以及导航环境的限制，适用性广、可扩展性强。
-
Patent Agency Ranking
公开(公告)号：CN108858251B
公开(公告)日：2020-11-24
申请号：CN201811000384.1
申请日：2018-08-30
Applicant: 东北大学
Abstract: 一种高速运动机械手的防碰撞系统，包括高速视觉捕捉硬件系统、快速识别跟踪定位系统、初始化参照表模块、晶圆参照表对比模块、机械手标记检测模块和预警模块；获取正常工作中一工作节拍视频，制作搭载晶圆机械手位置、速度、加速度和时间关系表；通过视觉捕捉硬件系统和识别跟踪定位系统获得晶圆圆心位置坐标、速度和加速度信息，对比初始化参照表模块中存储数据；在晶圆边缘两侧固定位置做标记，通过获得机械手上的标记点有无信息，确定晶圆与机械手托持结构的相对位置关系；根据计算出的晶圆位置运动状态和建立的参照表，计算运动状态的差值，超过设定阈值启动碰撞预警装置。本发明低成本、高精确地实现高速运动物体碰撞视觉检测，具有通用性。
-
公开(公告)号：CN110086393A
公开(公告)日：2019-08-02
申请号：CN201910447613.2
申请日：2019-05-27
Applicant: 东北大学
IPC: H02P21/00 , H02P21/05 , H02P25/022
Abstract: 本发明公开了一种永磁同步电机(PMSM)转速脉动和转矩脉动抑制系统，属于电机控制技术领域，该系统包括速度迭代学习控制器、速度PI控制器、负载、电机、转矩迭代学习控制器和电流PI控制器，速度迭代学习控制器接收给定速度信号和电机输出速度信号的差值速度信号，经过误差反馈补偿误差的迭代学习控制运算，输出速度误差补偿信号传递给速度PI控制器；负载输出的转矩信号与电机输出的转矩信号的差值信号传递给转矩迭代学习控制器，转矩迭代学习控制器经过误差反馈补偿误差的迭代学习控制运算，输出电流误差补偿信号传递给电流PI控制器，在具体调节参数时，可对其中一个迭代学习控制器进行参数调节至最优抑制效果，然后再对其他进行参数调节实现永磁同步电机对转速脉动和转矩脉动的抑制。
-
公开(公告)号：CN109940570A
公开(公告)日：2019-06-28
申请号：CN201910242042.9
申请日：2019-03-28
Applicant: 东北大学
Abstract: 本发明公开了一种闸道检修机器人，目的是完成具有一定倾斜角度闸道内部表面缺陷的检测并辅助维修人员进行修理。大型闸道内部的检修难度很高，传统的方法是由人来完成，存在潜在的危险。所以本发明的检修机器人，通过机器人搭载的网络摄像头和激光雷达结合算法实现闸道侧面缺陷的检测，并将实时的监控画面传输给控制端，远程控制端记录缺陷的具体信息。如果存在缺陷，检测完成后，机器人载着维修人员进行检修，通过液压机构升起载人平台，使得载人平台保持水平，保证维修人员的安全。
-
公开(公告)号：CN108858251A
公开(公告)日：2018-11-23
申请号：CN201811000384.1
申请日：2018-08-30
Applicant: 东北大学
Abstract: 一种高速运动机械手的防碰撞系统，包括高速视觉捕捉硬件系统、快速识别跟踪定位系统、初始化参照表模块、晶圆参照表对比模块、机械手标记检测模块和预警模块；获取正常工作中一工作节拍视频，制作搭载晶圆机械手位置、速度、加速度和时间关系表；通过视觉捕捉硬件系统和识别跟踪定位系统获得晶圆圆心位置坐标、速度和加速度信息，对比初始化参照表模块中存储数据；在晶圆边缘两侧固定位置做标记，通过获得机械手上的标记点有无信息，确定晶圆与机械手托持结构的相对位置关系；根据计算出的晶圆位置运动状态和建立的参照表，计算运动状态的差值，超过设定阈值启动碰撞预警装置。本发明低成本、高精确地实现高速运动物体碰撞视觉检测，具有通用性。
-
公开(公告)号：CN119610219A
公开(公告)日：2025-03-14
申请号：CN202411965974.3
申请日：2024-12-30
Applicant: 东北大学 , 辽宁庆阳特种化工有限公司
IPC: B25J19/00
Abstract: 本发明提供一种基于轻量化网络的协作机器人抓取检测方法，涉及工业智能抓取技术领域，本发明解决传统二维平面抓取中存在的问题，优化现存的深度学习抓取算法。通过引入注意力机制模块并将抓取图进行重构，提出新型的网络框架ORANGE(ORientation Attentive Grasp synthEsis)，将抓取问题变为回归和分类问题。此外，还提出了一种方向注意力机制，通过增强的抓取地图(Augmented Grasp Map，AGM)来改进传统的抓取策略。该方法将抓取问题将抓取方向划分为多个离散区间，每个区间表示一定范围内的方向角度，从而减少了同一抓取点在不同方向上的重叠问题。本方法通过对深度图像的像素级处理，结合卷积神经网络的特征提取能力，提高了抓取点的预测准确性和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
