-
公开(公告)号：CN109807887A
公开(公告)日：2019-05-28
申请号：CN201910048953.8
申请日：2019-01-18
Applicant: 上海交通大学
IPC: B25J9/16
Abstract: 本发明提供一种基于深度神经网络的柔性臂智能感知与控制方法和系统，通过采集训练样本对深度神经网络进行训练，得到训练网络；使用训练网络对采集的目标图片进行柔性臂姿态学习，根据得到的柔性臂控制结果对柔性臂进行操控。本发明针对复杂的环境信息，设计了目标定位深度神经网络。针对柔性臂复杂的运动学模型，设计了运动学模型解算神经网络。分别采集数据对网络进行训练学习，得到有效的计算模型用于柔性臂的操控任务,能够提高空间机动平台对非合作目标跟踪识别的精度以及控制能力，实现监控区域的实时感知能力，在空间在轨服务、无人监控系统领域中均可有广泛的应用。
-
Patent Agency Ranking
公开(公告)号：CN109807887B
公开(公告)日：2020-09-15
申请号：CN201910048953.8
申请日：2019-01-18
Applicant: 上海交通大学
IPC: B25J9/16
Abstract: 本发明提供一种基于深度神经网络的柔性臂智能感知与控制方法和系统，通过采集训练样本对深度神经网络进行训练，得到训练网络；使用训练网络对采集的目标图片进行柔性臂姿态学习，根据得到的柔性臂控制结果对柔性臂进行操控。本发明针对复杂的环境信息，设计了目标定位深度神经网络。针对柔性臂复杂的运动学模型，设计了运动学模型解算神经网络。分别采集数据对网络进行训练学习，得到有效的计算模型用于柔性臂的操控任务,能够提高空间机动平台对非合作目标跟踪识别的精度以及控制能力，实现监控区域的实时感知能力，在空间在轨服务、无人监控系统领域中均可有广泛的应用。
-
公开(公告)号：CN109850189A
公开(公告)日：2019-06-07
申请号：CN201910048978.8
申请日：2019-01-18
Applicant: 上海交通大学
IPC: B64G4/00
Abstract: 本发明提供了一种面向轨道清理的空间仿生柔性操控臂驱动系统和方法，通过PC上位机与MCU下位机进行通信控制，模拟空间在轨服务的柔性臂通信；采用MOS管进行电路开关控制，通过电平转换和SMA驱动电路，以设定时间内对柔性臂进行电流驱动；通过设计仿生柔性操控臂驱动电路，实现SMA收缩与拉伸，完成柔性操控臂的运动控制与柔性操作，为柔性臂结构机构及其柔性操控在空间在轨服务与维护中的应用提供了可靠的理论基础和技术支持。使用直流稳压电源供电，使SMA驱动电路稳定。以解决传统空间关节机械臂和桁架蛇形臂难以满足受限区域、外界冲击下的非合作目标精细柔性操控需求。
-
公开(公告)号：CN109850189B
公开(公告)日：2021-04-02
申请号：CN201910048978.8
申请日：2019-01-18
Applicant: 上海交通大学
IPC: B64G4/00
Abstract: 本发明提供了一种面向轨道清理的空间仿生柔性操控臂驱动系统和方法，通过PC上位机与MCU下位机进行通信控制，模拟空间在轨服务的柔性臂通信；采用MOS管进行电路开关控制，通过电平转换和SMA驱动电路，以设定时间内对柔性臂进行电流驱动；通过设计仿生柔性操控臂驱动电路，实现SMA收缩与拉伸，完成柔性操控臂的运动控制与柔性操作，为柔性臂结构机构及其柔性操控在空间在轨服务与维护中的应用提供了可靠的理论基础和技术支持。使用直流稳压电源供电，使SMA驱动电路稳定。以解决传统空间关节机械臂和桁架蛇形臂难以满足受限区域、外界冲击下的非合作目标精细柔性操控需求。
-
公开(公告)号：CN110414530A
公开(公告)日：2019-11-05
申请号：CN201910661476.2
申请日：2019-07-22
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于黎曼流形优化的图像去混合冲激噪声方法及系统，包括如下步骤：步骤1，基于结构化稀疏化表示方法，构建具有块正交约束的鉴别性结构稀疏表示模型，对目标函数施加块正交约束，提高模型对图像细节表示能力；步骤2，构建交替最小化框架，并开始迭代过程；步骤3，构建图像中值滤波器，用于去除部分冲激噪声，为下一步提供含部分高斯噪声的图像；步骤4，求解块正交约束下的黎曼流形最优化问题，以更新稀疏表示字典；步骤5，构建稀疏化光滑函数并进行自动稀疏表示；步骤6，构建更新类别函数并进行更新；步骤7，如果不符合迭代停止条件，转至步骤3；其中迭代停止条件根据用户要求设定；步骤8，重建图像。
-
公开(公告)号：CN112506044A
公开(公告)日：2021-03-16
申请号：CN202010944332.0
申请日：2020-09-10
Applicant: 上海交通大学
IPC: G05B13/04
Abstract: 一种基于视觉反馈和强化学习的柔性臂控制与规划方法，包括：采集目标定位训练样本；对目标定位深度神经网络进行训练；设计针对所述柔性臂的基于Q‑learning的强化学习算法；通过训练好的所述目标定位深度神经网络进行目标检测，检测的输出作为强化学习的输入量，进行强化学习；根据强化学习结果，驱动所述柔性臂完成指定操控任务。本发明的有益效果是：适应范围广，由于强化学习不依赖模型的控制特性，可以适用于解决多种复杂结构的柔性机器人的控制问题，可以在柔性机器人操控领域广泛应用，为目前缺乏有效控制手段的柔性机器人领域提供重要的技术支持。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
