公开(公告)号：CN119760285A

公开(公告)日：2025-04-04

申请号：CN202411840834.3

申请日：2024-12-13

Applicant: 浙江工业大学

Inventor： 许杨剑 ,  胡志伟 ,  陈星 ,  张欣杰 ,  王一键 ,  孟宪圻 ,  张家辉 ,  鞠晓喆

IPC: G06F17/11 ,  B05C11/00

Abstract: 本发明属于轨迹优化领域，公开了一种机器人涂胶轨迹误差补偿方法，包括基于网格背景获取轨迹图像；提取轨迹图像中的初始轨迹点，并得到最终的实际轨迹点；根据胶液落点理论模型得到目标轨迹点的胶液落点偏移量；根据偏转角度对实际轨迹点进行偏转得到偏转轨迹点，根据目标轨迹点和偏转轨迹点得到补偿轨迹点；在补偿轨迹点上叠加胶液落点偏移量得到涂胶偏移轨迹点，并基于涂胶偏移轨迹点和目标轨迹点计算得到第一误差量；取第一误差量最小的补偿轨迹点作为优化后的目标轨迹点；则输出满足精度要求的优化后的目标轨迹点。本发明解决了高速运动状态下机械臂末端位置精度低的问题。

公开(公告)号：CN118565684B

公开(公告)日：2025-01-10

申请号：CN202410664528.2

申请日：2024-05-27

Applicant: 浙江工业大学

Inventor： 许杨剑 ,  王一键 ,  陈星 ,  阮洪势 ,  鞠晓喆

IPC: G06F17/00 ,  G01L5/16 ,  G06N3/096

Abstract: 本发明属于传感器技术领域，具体涉及一种基于迁移学习的多维力传感器解耦方法。本发明包括：通过静态标定构建标定数据集；通过数值分析和模拟方法构建预训练数据集；以预训练数据集为源数据集，利用基于迁移学习机制的神经网络进行预训练，得到预训练模型及所有的网络参数；固定浅层的网络参数，使用标定数据集为目标数据集微调最后若干层网络层，获得最后若干层网络层的新的网络参数，得到多维力传感器解耦模型；利用多维力传感器解耦模型对多维力传感器采集的数据进行解耦处理。本发明加速了神经网络的训练速度，避免神经网络在学习中陷入局部最优，使解耦模型具有良好的收敛性和鲁棒性，同时减少对标定数据的依赖，降低传感器的标定成本。

公开(公告)号：CN118565684A

公开(公告)日：2024-08-30

申请号：CN202410664528.2

申请日：2024-05-27

Applicant: 浙江工业大学

Inventor： 许杨剑 ,  王一键 ,  陈星 ,  阮洪势 ,  鞠晓喆

IPC: G01L5/16 ,  G06N3/096

Abstract: 本发明属于传感器技术领域，具体涉及一种基于迁移学习的多维力传感器解耦方法。本发明包括：通过静态标定构建标定数据集；通过数值分析和模拟方法构建预训练数据集；以预训练数据集为源数据集，利用基于迁移学习机制的神经网络进行预训练，得到预训练模型及所有的网络参数；固定浅层的网络参数，使用标定数据集为目标数据集微调最后若干层网络层，获得最后若干层网络层的新的网络参数，得到多维力传感器解耦模型；利用多维力传感器解耦模型对多维力传感器采集的数据进行解耦处理。本发明加速了神经网络的训练速度，避免神经网络在学习中陷入局部最优，使解耦模型具有良好的收敛性和鲁棒性，同时减少对标定数据的依赖，降低传感器的标定成本。