CN110142764A - 基于遗传算法的力矩姿态无线传感器的数据融合处理系统及处理方法 - Google Patents
基于遗传算法的力矩姿态无线传感器的数据融合处理系统及处理方法 Download PDFInfo
- Publication number
- CN110142764A CN110142764A CN201910401446.8A CN201910401446A CN110142764A CN 110142764 A CN110142764 A CN 110142764A CN 201910401446 A CN201910401446 A CN 201910401446A CN 110142764 A CN110142764 A CN 110142764A
- Authority
- CN
- China
- Prior art keywords
- data
- torque
- genetic algorithm
- posture
- data information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- User Interface Of Digital Computer (AREA)
- Force Measurement Appropriate To Specific Purposes (AREA)
Abstract
本发明揭示了一种基于遗传算法的力矩姿态无线传感器的数据融合处理系统及处理方法。系统包括:数据采集模块、下位机嵌入式模块以及上位机数据处理模块。方法包括:S1、建立耦合误差模型以及解耦函数,利用遗传算法和标定数据进行函数优化,获得电压与力/力矩的转化关系;S2、下位机嵌入式模块对于数据采集模块进行同步采样,并进行数据信息的整合与上传;S3、上位机数据处理模块结合算法解耦结果,对数据信息进行融合处理并显示数据处理结果。本发明在确保各传感器测量精度的前提下有效地提高了各传感器的采样速度,缩短了数据处理的整体时长、提升了效率。同时,本发明还避免了测量不同步而导致的计算误差,确保了计算结果的精度。
Description
技术领域
本发明涉及一种适用于传感器的数据处理系统及处理方法,具体涉及一种基于遗传算法的力矩姿态无线传感器的数据融合处理系统及处理方法,属于传感器技术领域。
背景技术
近年来,随着人类社会全面进入信息化时代,各类人工智能技术均得到了长足的发展和进步,各种服务机器人应运而生、并广泛地被应用于人们的生产生活中。以目前各领域中较为常见的机械臂为例,装载于机械臂关节处的小型六轴力矩及姿态传感器是帮助机械臂感知空间力矩信息并保障控制与操作安全性的关键部件,其能够在人机交互的过程中提供更加柔顺的控制并确保人和环境的安全。
在现有技术中,应用于机械臂关节的传感器通常采用单一化的功能设计,单个传感器仅进行单一数据的测量和反馈,且控制模式单一。当需要对机械臂关节进行全面检测时,就需要在机械臂关节内安装多个不同类型的传感器。毫无疑问,装载多个传感器的设置方式不仅占用了机械臂内的过多空间、造成机械臂内部线路的复杂化,而且也使得机械臂很难实现轻质化、小型化,严重地阻碍了机械臂在生产生活的应用,影响了机械臂的实时性能和执行任务的效率。
除上述缺陷外,目前在对机械臂进行控制时,由于单一功能的传感器作用有限,有时甚至需要人工辅助控制,操作精度难以把控,无法实现智能化的人机交互。
针对上述问题,目前也有业内人士提出了各种多传感器系统,试图将陀螺仪、磁力计、加速计、力/力矩传感器等传感装置进行融合,但这些多传感器系统在集成、协同工作时,很容易出现传感器部分臃肿、测量传输过程不同步、内部布线结构繁复、传感器之间存在耦合误差等一系列问题,从而影响系统的正常使用。
正是基于上述原因,如何在现有技术的基础上提出一种针对多传感器系统的数据融合处理系统及方法,来实现对机械臂的高级控制,也就成为了本领域内技术人员共同的研究目标。
发明内容
鉴于现有技术存在上述缺陷,本发明的目的是提出一种基于遗传算法的力矩姿态无线传感器的数据融合处理系统及处理方法,具体如下。
一种基于遗传算法的力矩姿态无线传感器的数据融合处理系统,包括:
数据采集模块,用于采集机械臂关节位置的数据信息;
下位机嵌入式模块,用于控制所述数据采集模块完成数据信息的采集,将全部数据信息进行整合,再将整合后的数据信息进行二次上传;
上位机数据处理模块,用于接收整合后的数据信息并完成数据融合处理;
所述数据采集模块与所述下位机嵌入式模块之间电性连接,所述下位机嵌入式模块与所述上位机数据处理模块之间信号连接。
优选地,所述数据采集模块至少包括磁力计、陀螺仪、加速度计以及力/力矩测量单元。
优选地,所述下位机嵌入式模块包括:
ADC单元,用于电性连接所述数据采集模块,控制所述数据采集模块完成数据信息的采集、传输;
CPU单元,用于接收所述ADC单元所传输的原始数据信息,对全部数据信息进行整合、分组,随后将整合后的数据信息进行二次上传;
蓝牙发送单元,用于信号连接所述上位机数据处理模块,将整合后的数据信息无线传输至所述上位机数据处理模块中。
优选地,所述上位机数据处理模块包括:
蓝牙接收单元,用于信号连接所述蓝牙发送单元,接收所述蓝牙发送单元传输的数据信息;
数据融合处理单元,用于对所述蓝牙接收单元所接收的数据信息进行拆分存储及数据处理,并将数据处理结果进行下发;
人机交互单元,用于接收来自所述数据融合处理单元的数据处理结果,对数据处理结果进行集中展示,并实现对系统整体的人工控制;
所述人机交互单元包括数据显示子单元以及控制指令子单元。
一种基于遗传算法的力矩姿态无线传感器的数据融合处理方法,使用如上所述的基于遗传算法的力矩姿态无线传感器的数据融合处理系统,包括如下步骤:
S1、针对数据采集模块中的力/力矩测量单元,建立耦合误差模型以及解耦函数,利用遗传算法和标定数据进行函数优化,获得电压与力/力矩的转化关系;
S2、下位机嵌入式模块对于数据采集模块中的磁力计、陀螺仪、加速度计以及力/力矩测量单元进行同步采样,并进行数据信息的整合与上传;
S3、上位机数据处理模块结合算法解耦结果,对数据信息进行融合处理并显示数据处理结果。
优选地,S1具体包括如下步骤:
S11、建立主方向受力与主方向电压输出的映射,建立六维维间耦合误差函数;
S12、利用遗传算法和标定数据对解耦函数进行函数优化,通过标定数据获得函数参数。
优选地,S2具体包括如下步骤:
S21、配置ADC单元以及同步时钟并测定于所述数据采集模块中的磁力计、陀螺仪、加速度计以及力/力矩测量单元,以获得力矩及姿态信息;
S22、对数据信息进行初步处理并将处理后的数据信息封装在同一数据格式内;
S23、通过蓝牙透传对封装后的数据信息进行数据传输。
优选地,S3具体包括如下步骤:
S31、通过蓝牙接收数据信息;
S32、利用已求得的解耦函数,将电压数据转化为力和力矩的值,并对数据信息进行融合处理:
S33、将所有的测量数据信息以及数据处理结果在人机交互单元内进行显示。
与现有技术相比,本发明的优点主要体现在以下几个方面:
本发明所提出的一种基于遗传算法的力矩姿态无线传感器的数据融合处理方法,实现了对现有的陀螺仪、磁力计、加速计以及力/力矩传感器等传感装置的有机融合,极大地节约了传感器内部的布线空间,为后续进一步的传感器集成提供了硬件和系统的支持。
同时,本发明在确保各传感器测量精度的前提下有效地提高了各传感器的采样速度,缩短了数据处理的整体时长、提升了效率。本发明还避免了因为多传感器间测量不同步而导致的计算误差,确保了计算结果的精度。
此外,本发明也为同领域内的其他相关问题提供了参考,可以以此为依据进行拓展延伸,运用于与集成化传感器有关的其他技术方案中,具有十分广阔的应用前景。
以下便结合实施例附图,对本发明的具体实施方式作进一步的详述,以使本发明技术方案更易于理解、掌握。
附图说明
图1为本发明的系统结构示意图;
图2为本发明的方法流程示意图。
具体实施方式
针对现有技术中所存在的诸多问题,本发明提出了一种基于遗传算法的力矩姿态无线传感器的数据融合处理系统及处理方法,具体如下。
如图1所示,一种基于遗传算法的力矩姿态无线传感器的数据融合处理系统,其特征在于,包括:
数据采集模块,用于采集机械臂关节位置的数据信息。
下位机嵌入式模块,用于控制所述数据采集模块完成数据信息的采集,将全部数据信息进行整合,再将整合后的数据信息进行二次上传。
上位机数据处理模块,用于接收整合后的数据信息并完成数据融合处理。
所述数据采集模块与所述下位机嵌入式模块之间电性连接,所述下位机嵌入式模块与所述上位机数据处理模块之间信号连接。
所述数据采集模块至少包括磁力计、陀螺仪、加速度计以及力/力矩测量单元。所述数据采集模块内具体的部件选择可以根据使用者实际的使用需要来进一步确定,在本实施例中,仅包括上述各部件。
所述下位机嵌入式模块包括:
ADC单元,用于电性连接所述数据采集模块,控制所述数据采集模块完成数据信息的采集、传输。
CPU单元,用于接收所述ADC单元所传输的原始数据信息,对全部数据信息进行整合、分组,随后将整合后的数据信息进行二次上传。
蓝牙发送单元,用于信号连接所述上位机数据处理模块,将整合后的数据信息无线传输至所述上位机数据处理模块中。
所述上位机数据处理模块包括:
蓝牙接收单元,用于信号连接所述蓝牙发送单元,接收所述蓝牙发送单元传输的数据信息。
数据融合处理单元,用于对所述蓝牙接收单元所接收的数据信息进行拆分存储及数据处理,并将数据处理结果进行下发。
人机交互单元,用于接收来自所述数据融合处理单元的数据处理结果,对数据处理结果进行集中展示,并实现对系统整体的人工控制。
所述人机交互单元包括数据显示子单元以及控制指令子单元。
本发明还提出了一种基于遗传算法的力矩姿态无线传感器的数据融合处理方法,使用如上所述的基于遗传算法的力矩姿态无线传感器的数据融合处理系统,以下便结合一处理系统的实施实例,对本发明的方法进行具体说明。
如图2所示,一种基于遗传算法的力矩姿态无线传感器的数据融合处理方法,包括如下步骤:
S1、针对数据采集模块中的力/力矩测量单元,建立耦合误差模型以及解耦函数,利用遗传算法和标定数据进行函数优化,获得电压与力/力矩的转化关系。
S11、建立主方向受力与主方向电压输出的映射,即在主方向上建立一阶回归线性方程来描述二者的关系,以Fx为例:
Fx′=k11u1
其中,Fx′为主方向理论受力(无维间耦合误差),u1为Fx方向力矩输出电压,k11为主方向力矩Fx′对该方向电压通道输出值u1的影响系数。
考虑六维维间耦合误差(即其余五维方向受力的输出电压,对于主方向电压的输出干扰),为增加精度,建立二阶耦合误差公式,以Fx为例:
Fx′-Fx=δ12+δ13+δ14+δ15+δ16
其中,uj(j=2……6)为耦合方向力矩输出电压,Fx为主方向实际受力,k1j耦合方向力矩实际输出电压uj对主方向主方向力输出值的一阶影响系数,h1j耦合方向力矩实际输出电压uj对主方向力输出值的二阶影响系数。
主方向电压表达式中去除耦合方向的干扰,即可获得主方向受力对于主方向电压输出的实际影响,建立电压与力矩模块被测分量的关系。
S12、利用遗传算法和标定数据对解耦函数进行函数优化,通过标定数据求出电压与解耦函数中的参数(即k,h)。以Fx方向解耦函数为例,其待优化函数为:
S121、采用二进制形式进行多参数级联定点映射编码,设置系数变化范围在区间[0,100]内,按照精度要求精确到0.001,组成一个11*20位长的二进制编码串X,设置种群数目为50,终止进化的代数T为200。
S122、适应度函数为:任取一实数C(C>Fx最大值即可)标定数据的格式应为每增加单位受力/力矩,记录六路电压输出信号。(即,实测受力Fsx与所有输出电压信号ui已知),适应度函数为:
y=C-|Fsx-Fx|
其中,Fsx为实测力值,Fx为待优化函数,即解耦函数计算所得的理论力值,即:
根据适应度函数的大小将个体升序排序,应用各个体的排序序号来计算转轮中相应的选择概率。
S123、采用多两点交叉、均匀变异的演化模式,交叉概率为0.6,变异概率设为0.01。
S124、在遗传算法结束后,即可获得最佳的参数值(k,h),带入得到优化后的解耦函数,展开为:
S2、下位机嵌入式模块对于数据采集模块中的磁力计、陀螺仪、加速度计以及力/力矩测量单元进行同步采样,并进行数据信息的整合与上传。在本实施例中,所述下位机嵌入式模块选用STM32f103RCT6型微控制器。
S21、配置ADC单元以及同步时钟并测定于所述数据采集模块中的磁力计、陀螺仪、加速度计以及力/力矩测量单元,以获得力矩及姿态信息。
即采用STM32f103RCT6型微控制器的ADC单元进行数据信息采集采集,由单个16位ADC芯片进行多通道扫描,采样时间约为1.2us/次。其中6个通道测定力矩传感器的测量电路的六路电压,3路通道测量三轴陀螺仪的信号变化,3路通道测量三轴加速度计的信号变化,3路通道测量磁力计以获得分别力,力矩,角速度,加速度,欧拉角,共15组数据,并将原始数据采用DMA方式传向CPU单元。
S22、对数据信息进行初步处理并将处理后的数据信息封装在同一数据格式内。
即在ADC单元进行数据信息采样的同时,将原始数据同步传输到CPU单元。由于TTL协议数据位数限制,CPU单元按顺序依据TTL串口协议进行整合,分组(一组数据分别按照力,力矩,角速度,加速度,欧拉角的x轴,y轴,z轴的顺序发送,一个数据包发送一个数据,即15个数据包)其中每个数据精确到0.0001位,通信格式设置为8个数据位1个停止位,无校验,并设置相应串口号。
S23、通过蓝牙透传对封装后的数据信息进行数据传输。
即将STM32f103RCT6型微控制器与蓝牙发送单元HC-05连接。将蓝牙发送单元初始化,把它设置为从模式,并向周围发射蓝牙信号,等待上位机数据处理模块中蓝牙的连接。
S3、上位机数据处理模块结合算法解耦结果,对数据信息进行融合处理并显示数据处理结果。
S31、通过蓝牙接收数据信息。
即将蓝牙接收单元初始化,把它设置为从模式,扫描周围发射蓝牙信号。在蓝牙连接后,打开蓝牙接收单元虚拟串口,检查蓝牙发送单元的连接正确与否与是否接收到数据。(其中蓝牙接收单元与虚拟串口的设置同S22及S23。)
S32、利用已求得的解耦函数,将电压数据转化为力和力矩的值,并对数据信息进行融合处理:
即接收数据信息并从数据组中将相应的数据信息进行拆分存储,随后处理数据,取滑动平均数,减少偶然性误差。拆分出力矩模块的六维数据,把得到的电压数据转化为力和力矩值获得六维力和力矩信息。(其中电压与力矩的转换公式见S124。)
S33、将所有的测量数据信息以及数据处理结果在人机交互单元内进行显示。
即在人机交互单元中显示最终的数据处理结果,包括传感器的三维受力、三维力矩、三维线性加速度、三维角速度以及一组欧拉角数据、并且分别由波特图表示显示,设置连接传感器以及各个模块的开关及其他控制功能部分。为保证数据的接收,以及显示处理同步进行,在呈现中采用双(多)线程技术进行同步执行。
在本实施例中,所述人机交互单元由c++中MFC库绘制而成的窗体,其中通信数据由MSComm控件获得。所述窗体分为两个主要部分,即数据显示部分及控制指令部分。
所述数据显示部分包括线加速度显示子部分、角速度显示子部分、欧拉角显示子部分,受力数据显示子部分以及力矩数据显示子部分,各子部分的显示结果既包括数值显示也包括波形图显示,所述波形图显示可以直观的显示某项数据的变化以及和其他数据的关系。
所述控制指令部分包括控制力/力矩测量单元的开关。同时控制线加速度计,磁力计,陀螺仪测量模块的同步开关。控制蓝牙传输模块连接和断开的开关以及控制窗体的数据信息同步显示和同步停止的开关。
综上所述,本发明所提出的一种基于遗传算法的力矩姿态无线传感器的数据融合处理方法,实现了对现有的陀螺仪、磁力计、加速计以及力/力矩传感器等传感装置的有机融合,极大地节约了传感器内部的布线空间,为后续进一步的传感器集成提供了硬件和系统的支持。
同时,本发明在确保各传感器测量精度的前提下有效地提高了各传感器的采样速度,缩短了数据处理的整体时长、提升了效率。本发明还避免了因为多传感器间测量不同步而导致的计算误差,确保了计算结果的精度。
此外,本发明也为同领域内的其他相关问题提供了参考,可以以此为依据进行拓展延伸,运用于与集成化传感器有关的其他技术方案中,具有十分广阔的应用前景。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神和基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.一种基于遗传算法的力矩姿态无线传感器的数据融合处理系统,其特征在于,包括:
数据采集模块,用于采集机械臂关节位置的数据信息;
下位机嵌入式模块,用于控制所述数据采集模块完成数据信息的采集,将全部数据信息进行整合,再将整合后的数据信息进行二次上传;
上位机数据处理模块,用于接收整合后的数据信息并完成数据融合处理;
所述数据采集模块与所述下位机嵌入式模块之间电性连接,所述下位机嵌入式模块与所述上位机数据处理模块之间信号连接。
2.根据权利要求1所述的基于遗传算法的力矩姿态无线传感器的数据融合处理系统,其特征在于:所述数据采集模块至少包括磁力计、陀螺仪、加速度计以及力/力矩测量单元。
3.根据权利要求2所述的基于遗传算法的力矩姿态无线传感器的数据融合处理系统,其特征在于,所述下位机嵌入式模块包括:
ADC单元,用于电性连接所述数据采集模块,控制所述数据采集模块完成数据信息的采集、传输;
CPU单元,用于接收所述ADC单元所传输的原始数据信息,对全部数据信息进行整合、分组,随后将整合后的数据信息进行二次上传;
蓝牙发送单元,用于信号连接所述上位机数据处理模块,将整合后的数据信息无线传输至所述上位机数据处理模块中。
4.根据权利要求3所述的基于遗传算法的力矩姿态无线传感器的数据融合处理系统,其特征在于,所述上位机数据处理模块包括:
蓝牙接收单元,用于信号连接所述蓝牙发送单元,接收所述蓝牙发送单元传输的数据信息;
数据融合处理单元,用于对所述蓝牙接收单元所接收的数据信息进行拆分存储及数据处理,并将数据处理结果进行下发;
人机交互单元,用于接收来自所述数据融合处理单元的数据处理结果,对数据处理结果进行集中展示,并实现对系统整体的人工控制;
所述人机交互单元包括数据显示子单元以及控制指令子单元。
5.一种基于遗传算法的力矩姿态无线传感器的数据融合处理方法,使用如权利要求1~4任一所述的基于遗传算法的力矩姿态无线传感器的数据融合处理系统,其特征在于,包括如下步骤:
S1、针对数据采集模块中的力/力矩测量单元,建立耦合误差模型以及解耦函数,利用遗传算法和标定数据进行函数优化,获得电压与力/力矩的转化关系;
S2、下位机嵌入式模块对于数据采集模块中的磁力计、陀螺仪、加速度计以及力/力矩测量单元进行同步采样,并进行数据信息的整合与上传;
S3、上位机数据处理模块结合算法解耦结果,对数据信息进行融合处理并显示数据处理结果。
6.根据权利要求5所述的基于遗传算法的力矩姿态无线传感器的数据融合处理方法,其特征在于,S1具体包括如下步骤:
S11、建立主方向受力与主方向电压输出的映射,建立六维维间耦合误差函数;
S12、利用遗传算法和标定数据对解耦函数进行函数优化,通过标定数据获得函数参数。
7.根据权利要求5所述的基于遗传算法的力矩姿态无线传感器的数据融合处理方法,其特征在于,S2具体包括如下步骤:
S21、配置ADC单元以及同步时钟并测定于所述数据采集模块中的磁力计、陀螺仪、加速度计以及力/力矩测量单元,以获得力矩及姿态信息;
S22、对数据信息进行初步处理并将处理后的数据信息封装在同一数据格式内;
S23、通过蓝牙透传对封装后的数据信息进行数据传输。
8.根据权利要求7所述的基于遗传算法的力矩姿态无线传感器的数据融合处理方法,其特征在于,S3具体包括如下步骤:
S31、通过蓝牙接收数据信息;
S32、利用已求得的解耦函数,将电压数据转化为力和力矩的值,并对数据信息进行融合处理:
S33、将所有的测量数据信息以及数据处理结果在人机交互单元内进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910401446.8A CN110142764B (zh) | 2019-05-15 | 2019-05-15 | 力矩姿态无线传感器的数据融合处理系统及处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910401446.8A CN110142764B (zh) | 2019-05-15 | 2019-05-15 | 力矩姿态无线传感器的数据融合处理系统及处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110142764A true CN110142764A (zh) | 2019-08-20 |
CN110142764B CN110142764B (zh) | 2021-11-09 |
Family
ID=67595282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910401446.8A Active CN110142764B (zh) | 2019-05-15 | 2019-05-15 | 力矩姿态无线传感器的数据融合处理系统及处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110142764B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597895A (zh) * | 2019-09-10 | 2019-12-20 | 广东职业技术学院 | 一种基于trio控制器的弯管数据管理方法及系统 |
WO2022161245A1 (zh) * | 2021-01-29 | 2022-08-04 | 苏州艾利特机器人有限公司 | 一种提高机器人关节转矩检测精度的方法及多关节机器人 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635704A (zh) * | 2015-01-30 | 2015-05-20 | 武汉理工大学 | 基于模糊聚类和遗传算法的船舶能效管理控制平台及方法 |
CN105651457A (zh) * | 2016-04-14 | 2016-06-08 | 东南大学 | 基于遗传算法的多维力传感器标定实验数据拟合方法 |
EP3195990A1 (en) * | 2016-01-25 | 2017-07-26 | Canon Kabushiki Kaisha | Robot trajectory generation method, robot trajectory generation apparatus, product fabrication method, recording medium, program, and robot system |
CN206431510U (zh) * | 2016-12-30 | 2017-08-22 | 泉州信息工程学院 | 一种智能温室大棚控制系统 |
EP3418952A1 (en) * | 2017-06-20 | 2018-12-26 | Lincoln Global, Inc. | Machine learning for weldment classification and correlation |
CN109190802A (zh) * | 2018-08-13 | 2019-01-11 | 南京邮电大学 | 云储能环境下基于发电预测的多微网博弈优化方法 |
-
2019
- 2019-05-15 CN CN201910401446.8A patent/CN110142764B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635704A (zh) * | 2015-01-30 | 2015-05-20 | 武汉理工大学 | 基于模糊聚类和遗传算法的船舶能效管理控制平台及方法 |
EP3195990A1 (en) * | 2016-01-25 | 2017-07-26 | Canon Kabushiki Kaisha | Robot trajectory generation method, robot trajectory generation apparatus, product fabrication method, recording medium, program, and robot system |
CN105651457A (zh) * | 2016-04-14 | 2016-06-08 | 东南大学 | 基于遗传算法的多维力传感器标定实验数据拟合方法 |
CN206431510U (zh) * | 2016-12-30 | 2017-08-22 | 泉州信息工程学院 | 一种智能温室大棚控制系统 |
EP3418952A1 (en) * | 2017-06-20 | 2018-12-26 | Lincoln Global, Inc. | Machine learning for weldment classification and correlation |
CN109190802A (zh) * | 2018-08-13 | 2019-01-11 | 南京邮电大学 | 云储能环境下基于发电预测的多微网博弈优化方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597895A (zh) * | 2019-09-10 | 2019-12-20 | 广东职业技术学院 | 一种基于trio控制器的弯管数据管理方法及系统 |
CN110597895B (zh) * | 2019-09-10 | 2020-06-12 | 广东职业技术学院 | 一种基于trio控制器的弯管数据管理方法及系统 |
WO2022161245A1 (zh) * | 2021-01-29 | 2022-08-04 | 苏州艾利特机器人有限公司 | 一种提高机器人关节转矩检测精度的方法及多关节机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN110142764B (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104267815B (zh) | 基于惯性传感技术的动作捕捉系统及方法 | |
CN103136912A (zh) | 运动姿态捕捉系统 | |
CN110236550B (zh) | 一种基于多模态深度学习的人体步态预测装置 | |
CN110142764A (zh) | 基于遗传算法的力矩姿态无线传感器的数据融合处理系统及处理方法 | |
US20200301427A1 (en) | Modular autonomous drone | |
CN106445130A (zh) | 一种用于手势识别的动作捕捉手套及其校准方法 | |
CN102163381A (zh) | 无人机电力巡线仿真培训系统 | |
CN103616591A (zh) | 一种智能变电站合并单元特性的仿真装置及其仿真方法 | |
CN111506199B (zh) | 基于Kinect的高精度无标记全身运动追踪系统 | |
CN108279773B (zh) | 一种基于marg传感器和磁场定位技术的数据手套 | |
CN108153327A (zh) | 一种四旋翼飞行器室外编队灯光表演系统及控制方法 | |
CN108170268A (zh) | 一种基于惯性测量单元的人体全身运动捕获装置 | |
CN102945054A (zh) | 光电器件封装、激光键合温度采集与控制系统和方法 | |
CN206378818U (zh) | 一种基于无线自组网模式的手势姿态检测装置 | |
CN112000026B (zh) | 一种基于信息物理融合的火星车gnc系统物理模型构建方法 | |
CN106052675B (zh) | 人体运动与姿态监测装置和方法 | |
CN101799505B (zh) | 一种陀螺的电模拟器 | |
CN106909762A (zh) | 一种模拟飞机的可视化系统的设计方法 | |
CN109871346A (zh) | 一种基于高速串口—网络通信数据转换装置 | |
CN110209270A (zh) | 一种数据手套、数据手套系统、校正方法及存储介质 | |
CN206270980U (zh) | 一种用于手势识别的动作捕捉手套 | |
CN212623993U (zh) | 一种智能交互笔及虚拟现实系统 | |
CN104183185A (zh) | 一种计算机教学用液压支柱的模拟控制系统及控制方法 | |
CN106444788A (zh) | 一种基于无线传感网络的机器人定位系统 | |
CN111390940A (zh) | 一种工业机器人自动化标定系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |