-
公开(公告)号：CN115146798A
公开(公告)日：2022-10-04
申请号：CN202210763976.9
申请日：2022-06-30
Applicant: 华南理工大学 , 中山市华南理工大学现代产业技术研究院
Abstract: 本发明公开基于本体数据的装配机器人全流程监测与辅助方法及系统。所述方法包括：S1、采集装配机器人硬件层和软件层的数据；S2、为采集的数据添加语义信息，获取调试过程、运行过程和装配质量相关数据；S3、分别建立调试过程、装配行为和装配质量的监测模型；S4、根据监测目标和监测方法特点，对调试过程监测、装配行为监测和质量监测性能进行评估，并根据评估结果对各模型进行优化；S5、采用优化后的模型进行分析，得到数据分析结果，基于所述数据分析结果进行机器人调试、工作过程监测及产品质量管理的辅助决策。共用底层数据和模块开发系统，为调试过程、运行过程和装配质量提供辅助，避免重复开发，加快机器人在新任务下的重构速度。
-
公开(公告)号：CN115310603A
公开(公告)日：2022-11-08
申请号：CN202210763972.0
申请日：2022-06-30
Applicant: 华南理工大学 , 中山市华南理工大学现代产业技术研究院
Abstract: 本发明提公开了一种基于联邦迁移学习的装配监测模型训练方法及系统。所述方法包括：创建多任务联邦学习模型库；根据客户任务特征数据分析当前任务场景与现有模型场景相似度，判断该客户任务相对于仓库子节点任务是否为新任务；设计融合权重，选择性加权融合多任务联邦学习模型库中的模型，为客户节点任务生成具有先验知识的初始化模型，下放模型至边缘客户节点；客户节点使用本地数据训练模型，并将模型分享到云服务器；更新多任务联邦学习模型库。本发明采用边云协同的模型训练方式，降低边缘端对计算和存储资源的要求；充分考虑装配任务的相似性和差异性，根据客户节点任务特征，生成定制化的初始化模型，降低了模型训练成本。
-
Patent Agency Ranking
公开(公告)号：CN116739156A
公开(公告)日：2023-09-12
申请号：CN202310625389.8
申请日：2023-05-30
Applicant: 华南理工大学
IPC: G06Q10/04 , G06F18/24 , G06F18/15 , G06F18/214 , G06N3/0464
Abstract: 本发明提出一种基于时间‑空间的车间动态瓶颈预测方法，首先通过车间设备的传感器采集不同工位设备的多源数据；其次，对多源数据进行处理，得到算法所需要的数据格式；再次，通过动态神经网络模型把生产车间的工位和设备看作图的节点，工位设备间上下游工件传递关系视为图之间的联系的边，动态构建有向或者无向图神经网络；对图结构信息进行编码解码；最后使用时序预测模型对设备相关特征进行序列预测；最后，使用瓶颈识别指标来实现实时瓶颈判断。能够对离散车间制造在空间与时间上的全局监控，动态预测离散车间的瓶颈，为离散车间制造实时提供可预测性的信息。
-
公开(公告)号：CN115556099A
公开(公告)日：2023-01-03
申请号：CN202211203029.0
申请日：2022-09-29
Applicant: 华南理工大学
IPC: B25J9/16
Abstract: 本发明提供了一种可持续学习的工业机器人故障诊断系统与方法。所述系统不仅可以准确识别工业机器人运行中时序数据的已知模式，还可对时序数据的未知模式进行检测和持续学习，解决了故障诊断系统无法应对未知故障的难题，更加贴近实际应用需求。本方法改进了现有工业机器人故障诊断系统，在对时序数据进行预处理，模式分类的基础上，通过模式分类结果的置信度判断时序数据是否属于未知模式，若属于未知模式则采用持续学习算法更新原有的故障诊断模型，将未知模式纳入到已知模式范围中，从而达到持续学习未知模式的目的。时序数据出现未知模式通常代表着工业机器人产生新的、未知的故障，因此改进后的工业机器人故障诊断系统有效应对未知故障。
-
公开(公告)号：CN115556099B
公开(公告)日：2024-04-09
申请号：CN202211203029.0
申请日：2022-09-29
Applicant: 华南理工大学
IPC: B25J9/16
Abstract: 本发明提供了一种可持续学习的工业机器人故障诊断系统与方法。所述系统不仅可以准确识别工业机器人运行中时序数据的已知模式，还可对时序数据的未知模式进行检测和持续学习，解决了故障诊断系统无法应对未知故障的难题，更加贴近实际应用需求。本方法改进了现有工业机器人故障诊断系统，在对时序数据进行预处理，模式分类的基础上，通过模式分类结果的置信度判断时序数据是否属于未知模式，若属于未知模式则采用持续学习算法更新原有的故障诊断模型，将未知模式纳入到已知模式范围中，从而达到持续学习未知模式的目的。时序数据出现未知模式通常代表着工业机器人产生新的、未知的故障，因此改进后的工业机器人故障诊断系统有效应对未知故障。
-
公开(公告)号：CN118822487A
公开(公告)日：2024-10-22
申请号：CN202410693371.6
申请日：2024-05-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于小程序的农村公路巡检系统，包括小程序端和管理平台端，所述小程序端和管理后台端通过通信模块进行数据交互；所述小程序端用于采集和存储巡检数据，并将巡检数据实时传输给管理平台端；所述管理平台端用于对巡检数据处理得到分析结果，管理人员基于分析结果创建养护任务并分配给小程序端。同时公开了一种基于小程序的农村公路巡检方法。本发明的系统通过小程序端和管理平台端的协同运作，实现对农村公路巡检流程的数字化和智能化管理，极大提高巡检效率和巡检质量，为农村公路的维护与管理提供了有力支持。
-
公开(公告)号：CN116739155A
公开(公告)日：2023-09-12
申请号：CN202310624859.9
申请日：2023-05-30
Applicant: 华南理工大学
IPC: G06Q10/04 , G06Q10/0631 , G06N3/126 , G06N3/0464
Abstract: 本发明提出一种基于图神经网络的车间动态瓶颈预测调度优化方法，旨在提前预测瓶颈，优化调度方案，降低瓶颈对生产的约束，提高生产效率。本发明的技术方案为：一是根据排产任务和排产周期最短时间，使用遗传算法最大优化排产方案。二是从车间采集生产设备的真实数据，经过数据处理和结合图神经网络GAT和Informer的长序列预测模型，预测瓶颈状态与飘移。三是若存在瓶颈，则以最短完工时间的规则进行优化调度方案，提前响应排程，降低对生产效率的影响；若没有瓶颈，则车间按照原来调度方案生产。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
