-
公开(公告)号：CN109668566B
公开(公告)日：2022-05-13
申请号：CN201811476795.8
申请日：2018-12-05
Applicant: 大连理工大学
Abstract: 本发明属于机器人技术与应用领域，涉及一种基于鼠脑定位细胞的机器人情景认知地图的构建与导航方法。机器人在探索环境的过程中，获取自身的运动信息以及正前方的图像信息，并将自身的运动信息输送到网格细胞计算模型中，进而生成相应的位置细胞模型。通过定义事件，将机器人在空间中的位置信息、获取到的图像信息进行封装，利用状态神经元对事件进行标记。在探索过程中，状态神经元不断产生，进而覆盖整个环境，构成环境的情景认知地图。利用生成的情景认知地图，采用全局路径规划算法来实现基于目标的机器人导航。通过局部路径规划算法，利用激光测距传感器对机器人的全局路径进一步优化，实现了机器人的实时避障以及路径的局部优化。
-
公开(公告)号：CN114161419A
公开(公告)日：2022-03-11
申请号：CN202111515059.0
申请日：2021-12-13
Applicant: 大连理工大学
Abstract: 本发明提供一种情景记忆引导的机器人操作技能高效学习方法，属于智能机器人服务技术领域。该高效学习方法首先，建立机器人学习系统情景记忆模型，并构建机器人感知与记忆进行相似性度量算法，实现对事件和场景信息检索匹配与情景记忆中事件的更新调用；其次，构建两相情景记忆引导的机器人操作技能深度强化学习算法，分别使用情景记忆引导动作选择过程；最后，并以情景记忆评估学习过程中各状态的价值，生成深度强化学习算法的奖赏函数。本发明提供使用已有经验指导机器人学习新技能的方法，能够提高机器人对操作技能的学习效率，解决机器人操作技能学习过程中数据量过大、使用深度强化学习算法学习效率低的问题。
-
公开(公告)号：CN110142798B
公开(公告)日：2022-03-04
申请号：CN201910454147.0
申请日：2019-05-29
Applicant: 大连理工大学 , 大连大华中天科技有限公司
IPC: B25J15/12
Abstract: 本发明属于软体机器人技术领域，涉及一种类圆形阶梯式软体手爪。该软体手爪包括软体执行器、基座和气源分配器；基座包括机械臂连接件、手爪基体、手爪支架连接件和手指扣板；软体执行器采用一体式抛物线型设计，变形原理为气动网络原理，能有效改善软体执行器普遍存在的应力集中问题及架空现象。通过对软体执行器内部施加压强，可以实现软体执行器的弯曲变形；通过改变软体执行器内部压强大小，可以实现对待抓物体的包络抓取。本发明的软体手爪可以更全面有效的适应非结构化的工作环境下，在柔性抓取领域可以得到很好的应用。
-
公开(公告)号：CN111823218B
公开(公告)日：2022-01-14
申请号：CN202010765184.6
申请日：2020-08-03
Applicant: 大连理工大学 , 大连大华中天科技有限公司
Abstract: 一种基于形状记忆合金的变刚度膝关节外骨骼机器人，属于人机融合领域，包括大腿支件、小腿支件、轴承座支撑座、膝关节传动件、膝关节电机、变刚度模块。变刚度模块固定在小腿支件一侧，上部通过膝关节传动件与膝关节法兰座相连，变刚度模块内部记忆合金可实现刚度调节。膝关节电机与大腿支件固连，提供动力。大腿支件与小腿支件保持平行关系。轴承座支撑座上端与大腿支件底部固连，利用内部轴承实现膝关节的回转功能。轴承座输出端片与小腿支件固连，用于带动小腿支件运动。本发明以形状记忆合金作为驱动原理，提升外骨骼整体的机动性能；变刚度外骨骼膝关节可以有效辅助穿戴者行走；材料均采用美铝合金，可有效承载外界力，保护穿戴者。
-
公开(公告)号：CN112060114B
公开(公告)日：2021-09-24
申请号：CN202010765144.1
申请日：2020-08-03
Applicant: 大连理工大学 , 大连大华中天科技有限公司
Abstract: 一种可双向弯曲的模块化多功能软体灵巧手，包括大手掌、小手掌、硅胶可调连接及安装在手掌上的五根可双向弯曲的手指执行器组成，手掌由两块硬质材料及中间的软体硅胶连接组成，每根气动手指采用模块化设计，由三个软体关节、两个软体的增强型结构的指节和弯曲传感器组成，弯曲传感器粘接在手指执行器的下层。软体关节采用气动网络原理，指节采用等距的增强型结构，二者分别设置气孔与气路连接，在充气时实现独立或耦合的驱动控制。本发明结构简单，可实时监测和控制弯曲角度，掌关节的双向弯曲模块能够实现正向的弯曲和反向的主动伸缩运动；采用多模块的形式，能够实现多自由度的灵活操作，具有更好的手部康复训练效用。
-
Patent Agency Ranking
公开(公告)号：CN111515954B
公开(公告)日：2021-08-20
申请号：CN202010374255.X
申请日：2020-05-06
Applicant: 大连理工大学
IPC: B25J9/16
Abstract: 本发明一种机械臂高质量运动路径生成方法属于现代智能制造技术领域，涉及工业机器人领域一种机械臂高质量运动路径生成方法。该方法先基于5次B样条插值关节空间路径时插值点个数与误差之间的负指数关系，随机两次选取插值点，计算对应的插值结果与理想路径之间的误差。再以得到的插值结果误差为依据，计算路径上误差的中位数，并将路径上误差大于中位数的区域作为插值点加密区域。最终，对分区加密插值点后的关节空间离散的角度值重新使用5次B样条插值，得到了全路径上误差均小于预期误差的机械臂高质量运动路径。本发明有效降低了插值得到的关节空间路径与理想路径之间的误差，使得到的高质量运动路径在全路径上的误差均小于期望误差。
-
公开(公告)号：CN113160163A
公开(公告)日：2021-07-23
申请号：CN202110401936.5
申请日：2021-04-14
Applicant: 大连亚明汽车部件股份有限公司 , 大连理工大学
Abstract: 一种基于机器视觉的发动机缸体外观缺陷检测算法，属于工业智能检测技术领域。首先，使用标准相关匹配算法从CCD获取的图像中提取出ROI(regionof interest)图像。其次，对ROI图像与模板图像进行逐像素作差处理，并取每个像素绝对值，突出铸件表面缺陷特征。再次，利用中值滤波去除图像表面噪声，通过形态学开闭运算和图像二值化对所得图像进行处理，进一步去除噪声的同时放大缺陷部位在图中的占比。最后，使用轮廓提取算法完成对缺陷的识别与定位。实验结果表明，本发明提供的算法能够有效地提高缸体外观缺陷检测速度，具有良好的检测精度，对外界光照变化以及缸体表面质量的波动具有良好的鲁棒性。
-
公开(公告)号：CN113096098A
公开(公告)日：2021-07-09
申请号：CN202110401364.0
申请日：2021-04-14
Applicant: 大连理工大学 , 大连亚明汽车部件股份有限公司
Abstract: 本发明提供了一种基于深度学习的铸件外观缺陷检测方法，属于汽车压铸件的缺陷检测场景的领域。首先，通过图像采集模块来对流水线上的缺陷工件进行图像的采集，并对图像中的缺陷部分进行标注制作成数据集；接着，在云端对深度学习模型进行训练，并将训练好的神经网络模型下放到边缘服务器上。在进行实际检测的时候，通过图像采集模块来对流水线上的工件进行图像的采集，并将图片通过5G网络传输到边缘端服务器上部署的深度模型上，经过模型的计算后，在通过5G网络将结果反馈到终端服务器端进行结果的显示。本发明主要用于铸件生产线上铸件在机加工后的外观缺陷检测中；能够以较高的检测效率和较低的劳动力获得较高的缺陷检测的准确率。
-
公开(公告)号：CN112060114A
公开(公告)日：2020-12-11
申请号：CN202010765144.1
申请日：2020-08-03
Applicant: 大连理工大学 , 大连大华中天科技有限公司
Abstract: 一种可双向弯曲的模块化多功能软体灵巧手，包括大手掌、小手掌、硅胶可调连接及安装在手掌上的五根可双向弯曲的手指执行器组成，手掌由两块硬质材料及中间的软体硅胶连接组成，每根气动手指采用模块化设计，由三个软体关节、两个软体的增强型结构的指节和弯曲传感器组成，弯曲传感器粘接在手指执行器的下层。软体关节采用气动网络原理，指节采用等距的增强型结构，二者分别设置气孔与气路连接，在充气时实现独立或耦合的驱动控制。本发明结构简单，可实时监测和控制弯曲角度，掌关节的双向弯曲模块能够实现正向的弯曲和反向的主动伸缩运动；采用多模块的形式，能够实现多自由度的灵活操作，具有更好的手部康复训练效用。
-
公开(公告)号：CN111515949A
公开(公告)日：2020-08-11
申请号：CN202010327087.9
申请日：2020-04-23
Applicant: 大连理工大学
Abstract: 一种双臂协作机器人的双臂传接位置选取方法，属于智能机器人领域。该方法首先，获取所述主臂与从臂的初始位姿；其次，通过主从臂的初始位姿和主从臂在目标位置处所需满足的相对位姿约束，建立求取主从臂最佳传接位置的优化模型；最后，采用改进的遗传算法对所建立的最佳传接位置优化模型进行求解，得到所述主臂与所述从臂的最佳传接位置。本发明实现了所述主臂与所述从臂的末端执行器改变较小的位姿即可到达传接位置，完成物体的传接操作，从而提高双臂协作机器人传接物体的效率，使双臂操作能够运用到更多的场合，并能安全、准确、高效的完成任务。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.033 seconds)
