-
公开(公告)号：CN114781093B
公开(公告)日：2024-04-09
申请号：CN202210456318.5
申请日：2022-04-28
Applicant: 清华大学
IPC: G06F30/17 , G06F30/27 , G06N3/0442 , G06N3/084 , G06F113/10
Abstract: 本公开提出一种电弧增材制造焊道形状控制方法及装置，属于电弧增材制造领域。所述方法包括：获取目标焊道形状参数序列，目标焊道形状参数序列由沿目标焊道每隔设定距离1的焊道形状参数构成；将预设的焊道形状预测模型作为模型预测控制方法中的预测模型，将随机搜索优化方法作为模型预测控制方法的优化方法，根据目标焊道形状参数序列，得到目标焊道电弧增材制造工艺参数序列；其中，焊道形状预测模型为长短期记忆网络模型，目标焊道电弧增材制造工艺参数序列由沿所述目标焊道每隔设定距离2的工艺参数构成。本公开利用少量数据训练长短期记忆网络模型，结合模型预测控制算法可进行电弧增材制造工艺参数的规划，从而获得高精度的焊道形状。
-
Patent Agency Ranking
公开(公告)号：CN116630250A
公开(公告)日：2023-08-22
申请号：CN202310518420.8
申请日：2023-05-10
Applicant: 清华大学
Abstract: 本发明提出涉及一种基于结构光辅助条纹的图像质量检测方法及装置，属于图像质量评价技术领域。其中，所述方法包括：在不同环境温度下获取被测物体通过结构光投影增强后的图像分别作为参考图像和测试图像；将参考图像和测试图像进行裁剪并归一化后划分为设定尺寸的图像块；将参考图像的图像块和测试图像的图像块输入预设的基于CNN网络的孪生特征提取器，所述孪生特征提取器通过提取各图像块的特征并进行融合，输出测试图像的图像质量评价结果。本发明通过增加结构光辅助条纹的主动视觉特征以达到将图像前后差异变大，进而检测图像质量，检测效率高、能够精确地检测出图像质量，使用效果好，便于推广使用。
-
公开(公告)号：CN109352655B
公开(公告)日：2021-06-11
申请号：CN201811433882.5
申请日：2018-11-28
Applicant: 清华大学
IPC: B25J9/16
Abstract: 本发明提出一种基于多输出高斯过程回归的机器人变形补偿方法，属于机器人运动补偿领域。该方法首先获取由多组机器人各关节角度和对应的末端变形量组成的训练数据集，然后构建多输出高斯过程回归模型，利用训练数据集对模型训练得到训练完毕的模型；根据机器人作业时要达到的目标坐标位置，计算对应的各关节角度并输入训练完毕的模型，模型输出对应的机器人末端变形量；将末端变形量补偿到机器人运动学中，计算机器人经过补偿后的运动学参数，控制机器人按照该参数运动到目标坐标位置，补偿完毕。该方法利用少量训练数据对多输出高斯过程回归模型进行训练，利用训练后的模型对机器人变形量进行预测和补偿，可提高机器人变形补偿的精度。
-
公开(公告)号：CN114781093A
公开(公告)日：2022-07-22
申请号：CN202210456318.5
申请日：2022-04-28
Applicant: 清华大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , G06F113/10
Abstract: 本公开提出一种电弧增材制造焊道形状控制方法及装置，属于电弧增材制造领域。所述方法包括：获取目标焊道形状参数序列，目标焊道形状参数序列由沿目标焊道每隔设定距离1的焊道形状参数构成；将预设的焊道形状预测模型作为模型预测控制方法中的预测模型，将随机搜索优化方法作为模型预测控制方法的优化方法，根据目标焊道形状参数序列，得到目标焊道电弧增材制造工艺参数序列；其中，焊道形状预测模型为长短期记忆网络模型，目标焊道电弧增材制造工艺参数序列由沿所述目标焊道每隔设定距离2的工艺参数构成。本公开利用少量数据训练长短期记忆网络模型，结合模型预测控制算法可进行电弧增材制造工艺参数的规划，从而获得高精度的焊道形状。
-
公开(公告)号：CN115527043A
公开(公告)日：2022-12-27
申请号：CN202211161682.5
申请日：2022-09-23
Applicant: 清华大学
Abstract: 本发明提出一种基于图像显著性的结构光点云提取方法及装置，属于结构光测量领域。其中，所述方法包括：利用结构光获取被测物体的平均灰度图像；根据所述平均灰度图像，得到所述被测物体的Lab值图像；通过对所述Lab值图像划分超像素块，得到所述Lab值图像对应的超像素图；对所述超像素图构建对应的图模型，通过对所述图模型依次进行背景查询和前景查询，生成对应的显著性图；对所述显著性图进行二值化处理，以提取待进行点云计算的像素坐标。本发明利用测量目标的二维图像显著性进行点云提取，可减少点云生成过程中的计算量和数据量，提高测量效率。
-
公开(公告)号：CN109352655A
公开(公告)日：2019-02-19
申请号：CN201811433882.5
申请日：2018-11-28
Applicant: 清华大学
IPC: B25J9/16
Abstract: 本发明提出一种基于多输出高斯过程回归的机器人变形补偿方法，属于机器人运动补偿领域。该方法首先获取由多组机器人各关节角度和对应的末端变形量组成的训练数据集，然后构建多输出高斯过程回归模型，利用训练数据集对模型训练得到训练完毕的模型；根据机器人作业时要达到的目标坐标位置，计算对应的各关节角度并输入训练完毕的模型，模型输出对应的机器人末端变形量；将末端变形量补偿到机器人运动学中，计算机器人经过补偿后的运动学参数，控制机器人按照该参数运动到目标坐标位置，补偿完毕。该方法利用少量训练数据对多输出高斯过程回归模型进行训练，利用训练后的模型对机器人变形量进行预测和补偿，可提高机器人变形补偿的精度。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
