-
公开(公告)号：CN117609807A
公开(公告)日：2024-02-27
申请号：CN202311495438.7
申请日：2023-11-10
Applicant: 南京工业大学
IPC: G06F18/23 , G06F18/20 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本申请涉及一种基于无监督学习算法的协作机器人运行故障识别方法，涉及故障识别技术领域，该方法包括以下步骤：获取目标协作机器人的运行轨迹数据；对运行轨迹数据进行小波包变换，获取与包含多个子频率段的小波包能量谱对应的二维矩阵；将二维矩阵输入运行故障识别模型，获取目标协作机器人的运行状态；若判定目标协作机器人存在运行故障，则对运行轨迹数据进行聚类，获取目标协作机器人的运行故障类型。服务器先利用运行故障识别模型判断正在行驶的目标协作机器人是否存在运行故障，若判定目标协作机器人存在运行故障，则对运行轨迹数据进行聚类，获取目标协作机器人的运行故障类型，能够精准高效识别出故障，提高工业协作机器人寿命，减少其停机时间。
-
公开(公告)号：CN116385973A
公开(公告)日：2023-07-04
申请号：CN202310386176.4
申请日：2023-04-12
Applicant: 南京工业大学
Abstract: 本发明提出一种多特征语义原语6D姿态估计与抓取异常监测方法，首先，本发明设计了一个全新的图像‑点云协同的多特征语义分割网络，该网络分别提取物体纹理等信息和每个像素的类别概率以及点云特征，然后通过像素‑点协同融合从而有效地提升分割的精度和速度。然后，本发明提出了一种全新的原语特征提取模块，提取的特征保证了旋转、平移和尺度不变特性，相比传统描述符具有更高的鲁棒性和更强的特征表达能力，并且相比其他深度学习网络更加高效且轻量。最后，本发明还将基于多特征语义原语6D姿态估计与机器人抓取异常监测结合，有效地提高机器人抓取异常检测的精度和灵敏度。
-
公开(公告)号：CN115457081A
公开(公告)日：2022-12-09
申请号：CN202211061521.9
申请日：2022-08-31
Applicant: 南京工业大学
IPC: G06T7/246 , G06T7/73 , G06V20/40 , G06V10/74 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的分层融合式预测模型，包括：上层图神经网络：用于学习多个行人之间的空间交互；中层图神经网络：用于学习行人自身的终点意图；下层图神经网络：将上层图神经网络获得的行人之间的空间交互、中层图神经网络获得的行人自身的终点意图和行人的历史轨迹相结合，通过时间卷积网络TCN预测未来轨迹。本发明还公开了一种基于图神经网络的分层融合式预测方法。本发明充分考虑了内在因素和外在因素对行人未来轨迹的影响，用于在每个时间步模拟整个行人场景之间的空间和时间交互，并预测多个未来轨迹，通过这种方法使得轨迹预测精度得到提高。
-
公开(公告)号：CN116562804A
公开(公告)日：2023-08-08
申请号：CN202310491056.0
申请日：2023-05-04
Applicant: 南京工业大学
Abstract: 本发明提出一种基于神经网络的多零件智能装配方法，精度高，包括如下步骤：步骤一，对目标装配体的模型进行预处理，生成包含装配体零件的零件信息文件，以提供更加精确、便于处理的三维几何信息；步骤二，使用图模型对零件的B‑REP格式文件进行表征，生成图模型表征的多零件装配数据集；步骤三，预测零件之间是否存在连接关系；步骤四，预测零件连接关系类型和连接位置；步骤五，根据连接位置，提取相应节点的连接轴属性，对齐两零件的连接轴，获得两个零件间的初始装配位姿矩阵，获取所有零件对的相对位姿后，求解最终用于装配的最终零件位姿，将各个零件按照最终求解的零件位姿依次放置组装为目标装配体。
-
-
-
Search Results
4
records
(took 0.018 seconds)
