一种基于变分模态分解的动态系统控制方法

    公开(公告)号:CN113219824B

    公开(公告)日:2022-01-07

    申请号:CN202110188980.2

    申请日:2021-02-19

    Abstract: 一种基于变分模态分解的动态系统控制方法,解决了现有动态系统控制方法控制精度和动态响应效果差的问题,属于动态系统的控制技术领域。本发明包括:S1、建立动态系统的运动学方程;S2、建立动态系统的动力学方程;S3、根据运动学方程和动力学方程确定动态系统初步PID控制器参数,采集误差信号为滑动窗口赋初值;S3、利用滑动窗口提取当前时刻及当前时刻前设定数量数据点的误差信号,并获取误差的积分信号和微分信号,分别对误差信号、误差的积分信号、误差的微分信号进行变分模态分解处理,每个信号分别得到对应的K个不同频段的基础模态信号;S4、对误差信号中蕴含的不同频段的基础模态信号,采用不同的控制力度来控制动态系统。

    一种基于跨传感器迁移学习的室内单目导航方法及系统

    公开(公告)号:CN111578940B

    公开(公告)日:2021-05-11

    申请号:CN202010330835.9

    申请日:2020-04-24

    Abstract: 本发明涉及一种基于跨传感器迁移学习的室内单目导航方法及系统。所述方法包括:根据仿真单线激光雷达数据,采用确定性策略梯度的深度强化学习方法,确定自主导航模型;获取实际环境中移动机器人在同一时刻的实际单线激光雷达数据和单目摄像头数据;根据实际单线激光雷达数据,采用自主导航模型,确定移动机器人的航向角;根据同一时刻的移动机器人的航向角和相应时刻的单目摄像头数据,采用Resnet18网络和预训练好的YOLO v3网络,确定激光雷达单目视觉导航模型;根据待确定的单目摄像头数据,采用激光雷达单目视觉导航模型,确定移动机器人当前时刻的航向角;根据当前时刻的航向角进行移动机器人的导航。本发明提高了搭载单目摄像头的移动机器人导航的准确性。

    一种基于深度学习算法的空气波压力按摩仪参数优化方法

    公开(公告)号:CN109330846B

    公开(公告)日:2021-03-12

    申请号:CN201811141039.X

    申请日:2018-09-28

    Abstract: 一种基于深度学习算法的空气波压力按摩仪参数优化方法,本发明涉及空气波压力按摩仪参数优化方法。本发明为了解决现有深度学习只训练一次导致准确率低以及重新训练成本高的问题。本发明包括:一:采集用户的血压和脉搏数据;二:在服务器上建立深度学习结构模型;三:得到训练后的深度学习结构模型;四:采集用户的血压和脉搏数据,输入训练后的深度学习结构模型中,根据输出的空气波压力按摩仪参数调整空气波压力按摩仪的按摩力度、按摩频率和按摩部位;五:经过时间T对得到的训练后的深度学习结构模型进行训练,得到新的模型;采用新的模型替换步骤四中训练后的深度学习结构模型,重复执行步骤四。本发明用于医疗技术领域。

    转动式并联型飞行机械臂系统及期望转角解算方法

    公开(公告)号:CN111687821A

    公开(公告)日:2020-09-22

    申请号:CN202010589808.3

    申请日:2020-06-24

    Abstract: 一种转动式并联型飞行机械臂系统及期望转角解算方法,属于机器人空中操作手领域。本发明为解决现有串联型飞行机械臂载荷能力低,精度较低并且运行速度较慢的问题。系统包括:四旋翼飞行器、并联机械臂机构、集控模块和执行机构,所述四旋翼飞行器下表面中心位置安装集控模块;并联机械臂机构的首端连接四旋翼飞行器,末端与执行机构可拆卸连接;所述并联机械臂机构具有六自由度可转动结构,可带动执行机构以期望的位姿到达任务点。本发明可实现复杂作业的空中操作。

    一种小曲率不规则点云曲面的拟合方法

    公开(公告)号:CN110288706B

    公开(公告)日:2020-08-07

    申请号:CN201910590279.6

    申请日:2019-07-02

    Abstract: 本发明提供一种小曲率不规则点云曲面的拟合方法,属于三维点云曲面拟合技术领域。本发明解决了现有主流的点云切片法对小曲率不规则曲面进行轨迹规划时,轨迹规划复杂度高,进而导致喷涂速度受限、喷涂效果差等问题。本发明具体过程为:首先得到要拟合的小曲率不规则点云数据,通过轴向包围盒的方法求取标记点,在不规则点云中寻找标记点的最近邻点,并向相应直线投影,得到投影点;然后将点云分割的各个部分,重复迭代求取标记点的最近邻点并得到投影点,直到迭代次数达到设定值;最后由投影点构建拟合面的边缘,将不规则点云向相应平面投影,实现拟合。本发明适用于自动喷涂轨迹规划前对点云模型的处理。

    基于点云VFH描述子的识别空间物体位姿方法

    公开(公告)号:CN106934831B

    公开(公告)日:2020-07-24

    申请号:CN201710148765.3

    申请日:2017-03-13

    Abstract: 基于点云VFH描述子的识别空间物体位姿方法,本发明涉及识别空间物体位姿方法。本发明是要解决现有技术没有可行的手段确保采集样本的代表性,也无法做到精确,同时大量的样本导致运算时间过于冗长的问题,而提出的基于点云VFH描述子的识别空间物体位姿方法。该方法是通过一、计算点云对应的vfh特征描述子;二、计算差值向量di;三、计算特征向量空间;四、计算di投影到特征vfh描述子空间的坐标为Ωi;五、计算di投影到特征vfh描述子空间的坐标ΩΓ;六、确定训练BP神经网络的输入和输出维数;七、将投影后的vfh描述子对应角度输出为1;八、确定当前点云的视角等步骤实现的。本发明应用于识别空间物体位姿方法领域。

    一种基于点云VFH描述子和神经网络的复杂曲面物体分类方法

    公开(公告)号:CN106845561B

    公开(公告)日:2020-07-24

    申请号:CN201710148763.4

    申请日:2017-03-13

    Abstract: 一种基于点云VFH描述子和神经网络的复杂曲面物体分类方法,本发明涉及复杂曲面物体分类方法。本发明是要解决大量采集数据建立Kd树会造成搜索数据的过大以及采集数据过少会造成分类识别效果的减弱的问题,而提出的一种基于点云VFH描述子和神经网络的复杂曲面物体分类方法。该方法是通过一、计算点云对应的vfh特征描述子;二、计算差值向量di;三、计算向量di的特征向量空间;四、计算投影到描述子空间的坐标;五、确定输入维数和输出维数;六、确定投影后的vfh描述子对应角度的输出;七、得到BP神经网络库;八、确定当前bp神经网络所属物体的视角的点云;九、确定最终结果等步骤实现的。本发明应用于复杂曲面物体分类领域。

    基于仿射变换模型CPD算法的三维点云配准方法

    公开(公告)号:CN107204009B

    公开(公告)日:2020-06-09

    申请号:CN201710369647.5

    申请日:2017-05-23

    Abstract: 基于仿射变换模型CPD算法的三维点云配准方法,本发明涉及基于点云配准的喷漆机器人位置配准方法。本发明的目的是为了解决现有主流三维点云配准算法CPD存在算法复杂度高、程序运行时间长、配准精度低、鲁棒性差的问题。具体过程为:一、得到一组三维点云数据作为待配准点云;二、得到的点云数据作为参考点集;三、计算协方差,并初始化B和t;四、利用GPU并行计算P;五、求解在目标函数取极大值时,参数B,t,σ2的值;六、重复迭代四和五,直到协方差小于设定的阈值,求出协方差小于设定的阈值时的B和t,以及最终配准的结果点集,根据最终的配准结果点集对待喷漆物体进行喷漆作业。本发明用于喷漆机器人喷漆领域。

    基于一致点漂移算法的三维非刚体点云配准方法

    公开(公告)号:CN107133978B

    公开(公告)日:2019-05-17

    申请号:CN201710369635.2

    申请日:2017-05-23

    Abstract: 基于一致点漂移算法的三维非刚体点云配准方法,本发明涉及基于点云配准的喷漆机器人位置配准方法。本发明的目的是为了解决现有三维点云非刚体配准算法在点云数据量大、变形复杂、有噪声、出格点和缺失点影响的情况下,存在配准精度低、鲁棒性差、计算时间长的缺点。具体过程为:一、利用喷漆机器人中的图像采集设备对待喷漆物体进行扫描,得到一组三维点云数据作为待配准点云;二、得到的点云数据作为参考点集;三、计算参考点集与已有的模板点集的协方差σ,并初始化一致点漂移算法的相关参数;四、构造高斯核矩阵;五、得到最终配准的结果点集,根据最终的配准结果点集对待喷漆物体进行喷漆作业。本发明用于喷漆机器人位置配准。

    基于深度学习和图像处理算法的目标检测方法

    公开(公告)号:CN109447979A

    公开(公告)日:2019-03-08

    申请号:CN201811332427.6

    申请日:2018-11-09

    Abstract: 基于深度学习和图像处理算法的目标检测方法,本发明涉及图像目标检测方法。本发明的目的是为了解决现有机械臂应用于小目标的精密作业时,单纯用深度学习进行检测与定位,小目标位置的确定误差大,精度低的问题。过程为:步骤一、建立数据集,根据数据集对SSD网络进行训练,得到最终训练好的SSD网络,使用最终训练好的SSD网络模型对待检测的图像中的插针进行检测,在图像上用预选框把插针所在范围框出;步骤二、使用大津算法将预选框中的图像内容进行二值化,即分为插针及非插针两部分;步骤三、通过漫水填充算法,将二值化后的插针部分从图像中分离出来,并计算出插针的位置中点。本发明属于目标检测领域。

Patent Agency Ranking