-
公开(公告)号:CN105975795B
公开(公告)日:2017-08-25
申请号:CN201610345772.8
申请日:2016-05-23
Applicant: 湖北工业大学
IPC: G06F19/00
Abstract: 本发明涉及一种高精度的多关节串联机械臂运动学反解解法。本发明使用万有引力和粒子群相结合的算法构架(PSOGSA),引入非线性权重分配系数s=0.65·e((‑15·k)/T)公式,使算法设计前期偏向万有引力算法,中、后期偏重于粒子群算法,以提高搜索效率。并采用了改进点“动态狭小边界”、“非线性时变权重与陷局部最优自校正结合”和“超界带弱方向性返回扩散”三种改进策略。采用以上算法和改进策略可以在较少的迭代次数内获得唯一的反解,并且误差一直稳定在10‑8级,理论计算时间可低至2.58ms/次。针对后三轴交于一点的特殊结构机械臂,使用位置和姿态分离求反解的策略,可以进一步提高求解性能,误差可降低到10‑14级,理论计算时间可降低到1.597ms/次。
-
公开(公告)号:CN105867313A
公开(公告)日:2016-08-17
申请号:CN201610352235.6
申请日:2016-05-25
Applicant: 湖北工业大学
IPC: G05B19/416
CPC classification number: G05B19/416 , G05B2219/43006 , G05B2219/43065
Abstract: 本发明可适应各种机械、气动、液压数控送料机控制系统,它能与普通冲床、深喉颈冲床、龙门冲床等配套使用,广泛适用于筛板、制盖、建筑装饰、电机、电器仪表、五金等行业的冲孔和落料冲压加工,有较高的经济价值,具体涉及一种数控冲压送料智能实时速度预测方法,本发明采用智能实时速度规划方法、在自动采集冲压周期基础上,实时重新规划、动态调整每一冲的速度,在保证加工效率的情况下尽可能降低高速度对机械系统的冲击,达到了速度与系统平滑性的动态平衡。
-
公开(公告)号:CN111027603B
公开(公告)日:2022-07-05
申请号:CN201911181133.2
申请日:2019-11-27
Applicant: 湖北工业大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种改进GAN模型的图像生成方法,首先读取本地已有的原始图像样本;预训练改进LeNet模型;将改进LeNet模型当做改进GAN模型的判别模型;根据原始GAN模型的生成模型设计改进GAN模型的生成模型;以随机噪声为生成模型的输入,经过反卷积操作后得到生成的图像样本;以生成的图像样本和已有的原始图像样本为判别模型的输入,得到图片是真的概率,并将结果返回给步骤3中的判别模型和步骤4中的生成模型;判别模型更新参数来更好的分辨图片的真假,生成模型生成更加真实的图片;生成模型和判别模型相互竞争,相互促进,训练N步后结束,最终生成模型生成真实的样本。本发明不仅能够为厂家节省成本而且能够为后续的分类问题提供更多的样本。
-
公开(公告)号:CN109272060B
公开(公告)日:2021-04-16
申请号:CN201811036910.X
申请日:2018-09-06
Applicant: 湖北工业大学
Abstract: 本发明提出的一种基于改进的darknet神经网络进行目标检测的方法和系统,包括:采用固定相机连续获取训练样本图像,并对训练样本中的检测目标进行边框和类别的标注;通过旋转角度、调整饱和度、调整曝光量、调整色调来生成更多训练样本;基于改进的darknet神经网络构造图像检测模型;利用上述检测模型训练样本图像,并设置检测模型训练时的学习率及迭代次数,输出指定通道数的像素特征图片;每迭代一定次数保存相应的检测模型,直到指定迭代次数终止,并利用最终的检测模型进行相关图像目标检测。本发明对更加细微的物体有更好的识别度,提高图像保真度并改善了群体目标检测时的遮挡漏检情况。
-
公开(公告)号:CN111027603A
公开(公告)日:2020-04-17
申请号:CN201911181133.2
申请日:2019-11-27
Applicant: 湖北工业大学
Abstract: 本发明公开了一种改进GAN模型的图像生成方法,首先读取本地已有的原始图像样本;预训练改进LeNet模型;将改进LeNet模型当做改进GAN模型的判别模型;根据原始GAN模型的生成模型设计改进GAN模型的生成模型;以随机噪声为生成模型的输入,经过反卷积操作后得到生成的图像样本;以生成的图像样本和已有的原始图像样本为判别模型的输入,得到图片是真的概率,并将结果返回给步骤3中的判别模型和步骤4中的生成模型;判别模型更新参数来更好的分辨图片的真假,生成模型生成更加真实的图片;生成模型和判别模型相互竞争,相互促进,训练N步后结束,最终生成模型生成真实的样本。本发明不仅能够为厂家节省成本而且能够为后续的分类问题提供更多的样本。
-
-
-
-