-
公开(公告)号：CN114385362B
公开(公告)日：2024-08-06
申请号：CN202210036118.4
申请日：2022-01-12
Applicant: 东南大学
IPC: G06F9/50 , G06F9/54 , G06Q10/047 , G06Q10/0631 , G06Q10/083
Abstract: 本发明提出一种基于云‑边计算的多搬运机器人调度方法，主要步骤如下：各机器人通过无线通信技术连接至边缘计算服务器，边缘计算服务器请求云计算服务器；边缘计算服务器将多搬运机器人任务调度问题实例化为着色旅行商问题模型，并使用HTTP服务请求云计算服务器的着色旅行商问题求解服务，该服务在云计算服务器采用容器来封装；云计算服务器收到调度请求后执行并行着色旅行商问题求解算法，将多机器人任务调度结果通过HTTP协议发送至边缘计算服务器；边缘计算服务器收到多机器人任务调度结果之后，执行多机器人路径规划算法并将得到的最短路径发送至各机器人。本发明解决了多搬运机器人调度耗时长，集群规模受限的问题。
-
公开(公告)号：CN117532623B
公开(公告)日：2024-03-29
申请号：CN202410033238.8
申请日：2024-01-10
Applicant: 南京鼎臻自动化科技有限公司 , 东南大学
IPC: B25J9/16
Abstract: 本发明提出了一种机械臂外力矩估计方法，包括：采用牛顿‑欧拉法建立机械臂动力学模型；采用整体参数辨识法对所述机械臂动力学模型进行辨识；定义机械臂的广义动量并求导，结合辨识后的动力学模型和动力学特性公式，获得广义动量系统离散化模型；基于所述广义动量系统离散化模型，构造外力矩观测器；根据外力矩观测误差的变化，设计自适应模糊增益策略，进行外力矩观测器中增益参数的动态调节，获得模糊自适应广义动量离散观测器；基于所述模糊自适应广义动量离散观测器，计算获得机械臂外力矩估计值。本发明相比传统的广义动量观测器具有更高的外力矩观测精度，在用于拖动示教等人机交互应用时具有良好效果。
-
公开(公告)号：CN116878719A
公开(公告)日：2023-10-13
申请号：CN202310494742.3
申请日：2023-05-05
Applicant: 内蒙古岱海发电有限责任公司 , 东南大学
Inventor： 于沛东 , 李智华 , 赵凯 , 李俊 , 曹越 , 展宗波 , 司风琪 , 何晓迪 , 丁衡 , 刘冰 , 姜伟 , 杨红兵 , 王俊俊 , 杨振英 , 刘涛 , 邵兴恩 , 弥社刚 , 卢建荣 , 陈应贤 , 陈俊利 , 康永鑫 , 王鹏 , 涂以康 , 王华
Abstract: 本发明涉及一种基于模型预测的氢压异常检测方法及系统，包括：构建预测模型，其基于发电机氢冷系统稳态工况下的历史运行数据，以前一时段发电机冷却系统氢气的进气温度、出气温度、纯度、消耗量以及发电机功率为输入，以后一时段氢气压力为输出，通过神经网络训练而成；采集发电机氢冷系统当前时段的运行数据，拟合获得氢气压力的运行值曲线，利用预测模型对下一时段氢气压力进行在线预测，并拟合输出预测值曲线；以预测值曲线为中心，根据设定的误差值，划分出安全运行的预测值范围带，根据预测值范围带与运行值曲线之间的偏差，判断是否存在超压隐患。本发明实现在氢压异常出现的早期阶段的预判，提高了系统运行的安全性。
-
公开(公告)号：CN112102405B
公开(公告)日：2022-11-15
申请号：CN202010870698.8
申请日：2020-08-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度强化学习的机器人搅动‑抓取组合方法，包括以下步骤：首先分别搭建一个真实环境下和仿真环境下的机器人搅动‑抓取执行平台；将机器人的搅动‑抓取过程建模为马尔科夫过程，构建状态空间、动作空间及奖励函数；再构建基于深度强化学习的机器人搅动‑抓取学习框架和深度强化学习网络；然后在仿真平台上重复进行搅动‑抓取动作尝试，采集经验样本数据，并按照马尔科夫过程，对深度强化学习网络进行自监督训练；最后将训练好的网络模型迁移到真实环境中，并对真实环境下的机器人进行实际训练。本发明在面对随机的抓取场景和新颖的抓取物体时，能够感知和分析场景，决策执行搅动或抓取动作、动作位置以及动作方向。
-
公开(公告)号：CN114385362A
公开(公告)日：2022-04-22
申请号：CN202210036118.4
申请日：2022-01-12
Applicant: 东南大学
Abstract: 本发明提出一种基于云‑边计算的多搬运机器人调度方法，主要步骤如下：各机器人通过无线通信技术连接至边缘计算服务器，边缘计算服务器请求云计算服务器；边缘计算服务器将多搬运机器人任务调度问题实例化为着色旅行商问题模型，并使用HTTP服务请求云计算服务器的着色旅行商问题求解服务，该服务在云计算服务器采用容器来封装；云计算服务器收到调度请求后执行并行着色旅行商问题求解算法，将多机器人任务调度结果通过HTTP协议发送至边缘计算服务器；边缘计算服务器收到多机器人任务调度结果之后，执行多机器人路径规划算法并将得到的最短路径发送至各机器人。本发明解决了多搬运机器人调度耗时长，集群规模受限的问题。
-
Patent Agency Ranking
公开(公告)号：CN102601744B
公开(公告)日：2014-02-26
申请号：CN201110435773.9
申请日：2011-12-23
Applicant: 东南大学
IPC: B24C7/00
Abstract: 一种基于Petri网的多横梁水切割走刀路径优选方法，用Petri网的令牌播放功能，模拟多横梁系统的切割过程，优选出所需要的协调两两相邻横梁系统的总次数最少的走刀路径设置方案，方法步骤：输入待切割的大型工件的计算机辅助设计CAD文件，分解成各横梁系统的待切割部分的CAD子文件；将CAD子文件进一步导入计算机辅助制造CAM软件，设置各横梁系统的走刀路径，对于同一加工任务，可以设置若干种可能的走刀路径；由各种走刀路径方案对应地生成若干多切割过程的Petri网模型，并借助令牌播放计算各走刀路径给定的多切割过程所需的协调次数，选出所需要的协调两两相邻横梁系统的总次数最少的走刀路径，用于生成数控代码。
-
公开(公告)号：CN102346459B
公开(公告)日：2013-06-26
申请号：CN201110306168.1
申请日：2011-10-09
Applicant: 东南大学
IPC: G05B19/4097 , B24C1/00
Abstract: 本发明提供一种多横梁式水射流切割系统的切割过程离线协调方法，包括：对多横梁式水切割系统的加工区域进行划分；输入待切割的大型工件的计算机辅助设计CAD文件，分情况进行切割轮廓的分解和分配，形成各横梁系统的切割部分的CAD子文件；将各CAD子文件导入水切割计算机辅助制造CAM软件，生成可执行的数控NC代码文件，并读取数控NC代码文件，获得各横梁系统的走刀路径的序列；计算上述的每个走刀序列中的每个路径执行的时间窗，并对干涉区时间窗进行协调处理，达到避免两两相邻横梁相互干涉的目的；将协调处理结果写入原数控NC代码文件中，并下载到各横梁系统的计算机数字控制器CNC中，执行多横梁式水切割过程。采用本发明，可以实现超过3个横梁的水切割系统的并行的切割过程的平滑、无干涉的执行。
-
公开(公告)号：CN102566506A
公开(公告)日：2012-07-11
申请号：CN201110435791.7
申请日：2011-12-23
Applicant: 东南大学
IPC: G05B19/4097
Abstract: 一种组合水切割过程的在线协调控制与Petri网验证方法，用于引导协调多个水射流切割横梁及水刀避免碰撞、平稳并行地完成切割任务，方法具体包括：输入待切割的大型工件的计算机辅助设计CAD文件，分解成各横梁系统的待切割部分的CAD子文件；将上述的CAD子文件进一步导入计算机辅助制造CAM软件，生成可执行的数控NC代码文件；设计多横梁切割过程的在线协调控制策略；由各NC代码文件读取各横梁切割信息，生成多切割过程的Petri网模型，并借助令牌播放的仿真手段检验协调策略的正确性；将NC代码和经验证的协调控制策略的程序分别安装到计算机数字控制器和协调控制装置中，执行在线协调下的多横梁水切割过程。
-
公开(公告)号：CN112102368B
公开(公告)日：2024-04-16
申请号：CN202010832323.2
申请日：2020-08-18
Applicant: 东南大学
Abstract: 本发明涉及一种基于深度学习的机器人垃圾分类分拣方法，首先使用基于卷积神经网络的深度学习方法完成垃圾目标的检测与识别；然后利用垃圾目标检测识别结果，使用目标跟踪算法完成传输中的垃圾目标的实时跟踪与定位，并结合虚拟检测框法完成垃圾目标的计数；其次使用目标跟踪算法得到垃圾目标的实时位置作为卡尔曼滤波预测算法的观测量，完成垃圾目标运动位置及轨迹的预测，并使用垃圾目标图像的二阶中心矩计算机器人末端执行机构的抓取姿态，最后将机器人抓取位姿发送至机器人端执行抓取作业。实现了垃圾目标的高效检测以及准确分类识别、运动中垃圾目标的实时精确跟踪、垃圾计数以及垃圾目标预测与机器人分拣。
-
公开(公告)号：CN117086862A
公开(公告)日：2023-11-21
申请号：CN202310703681.7
申请日：2023-06-14
Applicant: 东南大学
IPC: B25J9/16
Abstract: 本发明提出一种基于双智能体强化学习的机械臂六自由度灵活抓取方法，该方法首先用双智能体强化学习方法训练抓取位置和抓取方向智能体学习六自由度灵活抓取，然后采用考虑抓取质量的增强型反馈作为双智能体强化学习方法的奖励，训练平面示力图网络、球面示力图网络和混合网络；利用RGB‑D相机捕获抓取工作场景中的彩色图像Ic和深度信息Id，然后将其转换为彩色俯视图Ihc和深度俯视图Ihd并输入平面示力图网络和球面示力图网络，生成平面抓取示力图和球面抓取示力图，选取平面抓取示力图和球面抓取示力图中的最大值作为最优抓取动作g；机械臂规划轨迹执行最优抓取动作g；本发明能够在各种各样的杂乱场景中执行灵活的6‑DoF抓取。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.031 seconds)
