基于灰色关联分析的深度卷积神经网络模型的裁剪方法

    公开(公告)号:CN110647990A

    公开(公告)日:2020-01-03

    申请号:CN201910884247.7

    申请日:2019-09-18

    Abstract: 本发明公开了一种基于灰色关联分析的深度卷积神经网络模型的裁剪方法,包括:对目标数据进行数据扩增以获得更多的训练数据;将未经训练的初始网络模型利用所述训练数据进行训练,获得一组拟合所述训练数据的模型参数作为进行裁剪的实验模型;利用灰色关联分析对实验模型中每个卷积核进行重要性的量化,得到每个卷积核的重要性的量化值;基于所述卷积核的重要性的量化值得到所有卷积的重要性,并将最不重要的卷积核作为目标卷积核;对目标卷积核及与所述目标卷积核相关的下一层卷积核进行重复裁剪,直至满足停止条件。实现准确找出被裁剪后对精度影响最小的卷积核,在保证精度的情况下提高模型裁剪比例,加快裁剪后新模型推理运算速度的优点。

    一种改进的SCARA机器人动力学参数辨识方法

    公开(公告)号:CN107671861A

    公开(公告)日:2018-02-09

    申请号:CN201711112065.5

    申请日:2017-11-13

    CPC classification number: B25J9/1653 B25J9/163 B25J9/1633

    Abstract: 本发明涉及SCARA机器人的动力学参数辨识领域,公开了一种改进的SCARA机器人动力学参数辨识方法。采用Lagrange法建立包含摩擦项的SCARA机器人完整动力学模型,并对其进行线性化。采用5阶傅里叶级数作为激励轨迹的基本形式,并用5次多项式代替传统傅里叶级数中的常数项,使得关节角速度和角加速度在轨迹起始和停止时刻为零;以最小化观测矩阵条件数为目标,为增强全局寻优能力,采用基于排挤机制的小生境遗传算法对激励轨迹的各项系数进行优化。为避免直接对关节角度两次微分带来的传递误差,对采样得到的关节角速度数据拟合成傅里叶级数形式,再微分得到关节加速度信号。考虑到测量噪声的影响,采用加权最小二乘法(WLS)作为参数估计方法。

    一种基于改进欧式聚类的散乱工件点云分割方法

    公开(公告)号:CN107369161A

    公开(公告)日:2017-11-21

    申请号:CN201710591494.9

    申请日:2017-07-19

    Abstract: 本发明提供了一种基于改进欧式聚类的散乱工件点云分割方法,涉及点云分割领域,该方法考虑到散乱工件点云固有的杂乱性和无序性,提出相应的场景分割方案,具体步骤为:对点云进行预处理,包括使用RANSAC法去除背景点、迭代半径滤波法去除离群点;采用线下模板点云的信息注册方法为线上分割提供参数选取依据,从而提高了线上分割的速度;提出先去除边缘点、再聚类分割、最后补齐边缘点的思想,避免了聚类过程中出现欠分割或过分割的现象,在聚类分割时,提出基于自适应邻域搜索半径的聚类方法,大大提高了分割速度,边缘点补齐则保留了工件的表面特征,有利于提高后续位姿定位准确性。

    一种基于曲率与灰度复合的角点亚像素定位方法

    公开(公告)号:CN107341802A

    公开(公告)日:2017-11-10

    申请号:CN201710591454.4

    申请日:2017-07-19

    Abstract: 本发明提供了一种基于曲率与灰度复合的亚像素角点定位方法,涉及机器视觉精密测量技术研究领域。首先对框选的感兴趣区域进行图像预处理,消除原始图像的毛刺和油污;通过基于曲率特性的角点检测方法提取候选角点;利用角点处曲率角的多尺度不变性和以角点为圆心的圆形窗口内灰度信息去除伪角点,并考虑轮廓端点;连接角点与轮廓端点得到两条直线,以此为基准,对原始图像的边缘点进行筛选,得到关于待检测角点的两条直线的点集,用最小二乘直线拟合得到两条直线,其交点,即为角点。该方法解决了轴类工件由于附着物干扰降低角点检测可靠性和精确度的问题,所得角点更接近真实角点,且精度达到亚像素级别。

    基于改进模型补偿ADRC的PMSM伺服系统控制方法

    公开(公告)号:CN105680750A

    公开(公告)日:2016-06-15

    申请号:CN201610249022.0

    申请日:2016-04-20

    CPC classification number: H02P21/13 H02P21/14

    Abstract: 本发明公开了基于改进模型补偿ADRC的PMSM伺服系统控制方法。针对扩张状态观测器所要估计的系统扰动项幅值过大,变化剧烈,难以保证估计精度,限制自抗扰控制器取得更优的控制性能的问题,提出了一种改进的模型补偿自抗扰控制方法。先采用一个二阶扩张状态观测器(ESO)观测得到系统的总扰动补偿模型,然后在速度环ADRC的设计中,利用此扰动补偿模型,补偿到速度环自抗扰控制器中。该方法充分利用ESO对系统扰动的观测能力,使得ADRC中的ESO不需要估计出全部的扰动量,减轻了自抗扰控制器中ESO的估计负担,提高了系统的对总扰动的估计能力,有效提高了系统对各种扰动的补偿能力,提高了系统的鲁棒性及抗扰动能力。

    一种基于ORB-SLAM2的双目三维稠密建图方法

    公开(公告)号:CN108520554B

    公开(公告)日:2022-05-10

    申请号:CN201810324936.8

    申请日:2018-04-12

    Abstract: 本发明公开了一种基于ORB‑SLAM2的双目稠密建图方法,涉及机器人同步定位与地图创建领域,该方法主要由跟踪线程、局部地图线程、闭环检测线程和稠密建图线程组成。其中稠密建图线程包含以下步骤:1)场景深度范围估计,限制立体匹配计算量;2)立体匹配,估计每个像素点的逆深度值;3)帧内平滑、外点剔除,增加逆深度图的稠密度的同时保留深度边界的不连续性;4)逆深度融合,对上一步获得的逆深度进行帧间优化;5)帧内平滑、外点剔除。本方法只利用CPU,实现室内、室外环境的稠密地图创建。

    一种改进CHSMM的滚动轴承剩余寿命预测方法

    公开(公告)号:CN108776017B

    公开(公告)日:2020-04-24

    申请号:CN201810325011.5

    申请日:2018-04-12

    Inventor: 白瑞林 朱朔 李新

    Abstract: 本发明公开了一种改进CHSMM的滚动轴承剩余寿命预测方法,其特征是:先提取轴承振动数据的时域及时频域的特征向量,并采用PCA算法对特征向量进行降维;然后利用k‑means算法得到各退化状态数据,建立退化状态识别模型,并利用轴承全生命周期数据建立剩余寿命预测模型;针对状态驻留时间概率密度函数不符合实际而引起的剩余寿命预测精度低问题,将高斯混合概率密度函数引入到CHSMM中;相比基于原始CHSMM建立的剩余寿命预测模型,基于改进CHSMM建立的剩余寿命预测模型,能够更好的逼近状态驻留时间概率分布,从而可以更精确的预测轴承的剩余寿命。

    建立高精度伺服电机传动同步带系统模型的方法

    公开(公告)号:CN109150034A

    公开(公告)日:2019-01-04

    申请号:CN201811030093.7

    申请日:2018-09-05

    CPC classification number: H02P6/34

    Abstract: 本发明公开了一种建立高精度伺服电机传动同步带系统模型的方法,包括:建立同步带模型;建立PMSM控制系统;将所述同步带模型和所述PMSM控制系统连接起来,并模拟产生同步带转动的负载转矩;利用所述负载转矩驱动所述同步带模型;将所述同步带模型的传动效率和实际同步带的传动效率进行比较,对所述同步带模型精度进行评估;将精度达到要求的所述同步带模型的前端添加作为驱动的所述PMSM控制系统,构建完整的伺服电机传动同步带系统模型;修正所述PMSM控制系统的参数,使所述伺服电机传动同步带系统模型的精度达到设定条件,即完成伺服电机传动同步带系统的建模。提升了同步带传动系统建模的完整性和精确性。

    获取精确高密度点云的方法

    公开(公告)号:CN109000587A

    公开(公告)日:2018-12-14

    申请号:CN201811003887.4

    申请日:2018-08-30

    Abstract: 本发明公开了一种获取精确高密度点云的方法,包括,对目标工件投射编码结构光图案,即对目标工件投射生成高频编码条纹和高频采样条纹;采集投射光图案后的目标工件的图像;对所述图像进行预处理;对预处理后的图像进行正反码二值化判断;对经过正反码二值化判断后的图像进行解码;对解码后的图像进行采样,得到采样点;将所述采样点进行立体匹配;对匹配的采样点进行三维坐标计算。对目标工件投射编码结构光图案,投射产生高频采样条纹,提高了采样密度,消除了图像二值化误差,提高了解码和采样精度,在反射光影响下获取了高密度的精确点云。从而达到避免由于全局光照中反射光造成被测物体重构点云缺失、采样精度低等问题。

    基于正交格雷码和线移相结合的结构光三维测量方法

    公开(公告)号:CN105890546A

    公开(公告)日:2016-08-24

    申请号:CN201610257680.4

    申请日:2016-04-22

    CPC classification number: G01B11/254

    Abstract: 一种基于正交格雷码和线移相结合的结构光三维测量方法,应用于快速三维重构中。利用格雷码条纹边缘进行编解码,消除了格雷码一位解码误差;采用投射格雷码图案后继续投射线移图案,结合格雷码条纹边缘和线移条纹中心定位,提高图像采样点的密度;通过从条纹中心向两侧对称线移的方法,避开了因边缘扩散和全局光照造成的边缘定位误差,从而消除了线移条纹周期定位的解码误差,提高了全局解码的正确率,减少边缘定位的时间;采用双向正交投射实现左右视场全局唯一性编码,利用该匹配特征可以完成同名采样点的一一对应,消除了像素中心解码存在的量化误差。本发明在保证系统测量准确性、鲁棒性的同时,提高三维测量的速度。

Patent Agency Ranking