CN113050424A - 基于图像识别智能化自适应控制方法与系统 - Google Patents
基于图像识别智能化自适应控制方法与系统 Download PDFInfo
- Publication number
- CN113050424A CN113050424A CN202110294198.9A CN202110294198A CN113050424A CN 113050424 A CN113050424 A CN 113050424A CN 202110294198 A CN202110294198 A CN 202110294198A CN 113050424 A CN113050424 A CN 113050424A
- Authority
- CN
- China
- Prior art keywords
- image recognition
- control system
- track
- processing
- data
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于图像识别智能化自适应控制方法与系统,涉及工程领域智能化采掘活动的控制技术领域;该系统包括图像识别系统,数据库,控制系统,数据交互模块,所述数据交互模块与图像识别系统、控制系统均连接,所述图像识别系统与控制系统双向连接,所述图像识别系统用于目标体的图像识别,并且实时跟踪,所述控制系统连接并控制加工设备,该方法包括确定目标加工体,通过数据交互模块输入目标加工后的终端模型,预设加工轨迹曲线。本发明增加最优轨迹,图像识别模块根据目标体的底层数据提取的特征自主识别与计算,可极大程度的提高效率和精度,并且,自主识别的基础上以人工预设轨迹进行安全性比较,可防止识别错误等情况的发生。
Description
技术领域
本发明涉及工程领域智能化采掘活动的控制技术领域,尤其涉及基于图像识别智能化自适应控制方法与系统。
背景技术
目前,工程领域的土方挖掘,巷道掘进,工作面回采等活动基本还是人工操作,而人工操作具有规律性和重复性,机械设备可以利用这一特性,使用大数据的方法,智能化模仿人工操作,控制设备实现工程机械运动与活动。
工程机械设备的智能化活动主要依托于大数据和图像识别两种技术,大数据技术是利用历史数据,挖掘数据中隐藏的工程最优加工算法模型,进而优化工程活动的效率;图像识别技术追踪工程机械的运动轨迹,进而利用大数据技术的最优加工算法模型,智能化、无人化控制机械设备完成采掘活动。
但是对于目前的大数据控制或者图像识别控制技术中,通过数控编程对设备进行控制,均是采用预设加工轨迹和实际运行轨迹的对比来进行控制,而预设轨迹一般采用人工编程,面对复杂的工程加工目标体,难以实时识别目标体的特征变化(岩性变化,断层,岩性厚度变化),从而导致工程加工活动效率低下,加工精度降低。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的基于图像识别智能化自适应控制方法与系统。
为了实现上述目的,本发明采用了如下技术方案:
基于图像识别智能化自适应控制系统,包括图像识别系统,数据库,控制系统,数据交互模块,所述数据交互模块与图像识别系统、控制系统均连接,所述图像识别系统与控制系统双向连接,所述图像识别系统用于目标体的图像识别,并且实时跟踪,所述控制系统连接并控制加工设备,所述数据交互模块连接于控制系统,所述图像识别系统的图像识别数据、所述控制系统的过程控制的轨迹数据和所述数据交互模块的操作数据均保存于所述数据库。
优选地:所述数据交互模块的系统优先级最高,其工作逻辑为:根据加工目标体输入预设轨迹加工算法,人为干预启动、暂停控制系统。
进一步地:所述图像识别系统用于识别目标体底层数据,目标体底层数据包括目标体的尺寸、外形、加工面信息数据和坐标系以及具体坐标。
在前述方案的基础上:所述图像系别系统包括加工与目标所在坐标系识别模块、设备轨迹曲线生成模块和目标体动态三维数据仿真模块。
在前述方案中更佳的方案是:所述加工与目标所在坐标系识别模块用于获取目标体与加工设备之间的坐标系,确定目标体与加工设备的相对位置。
作为本发明进一步的方案:所述设备轨迹曲线生成模块用于实时追踪加工设备的轨迹,并生成轨迹曲线。
同时,所述目标体动态三维数据仿真模块用于实时追踪目标体动态加工过程中目标体的尺寸、外形、加工面信息,生成加工体动态目标体三维数据仿真模型,结合机械设备参数,生成效率最优的理论动态轨迹曲线。
作为本发明的一种优选的:所述控制系统连接有用于对设备运行参数监测的传感器模块,工作逻辑和流程为:
A1:控制系统在加工与目标所在坐标系识别模块的加持下,按照预设轨迹算法或理论动态轨迹算法做空间加工运动;
A2:控制系统从设备轨迹曲线生成模块获取设备运动轨迹数据,并与预设轨迹曲线或理论动态轨迹曲线对比,实时轨迹曲线偏离预设轨迹理论动态轨迹曲线,控制系统将实时根据偏离量修正控制设备实际轨迹;
A3:控制系统从目标体动态三维数据仿真模中获取理论动态轨迹曲线,并将加工设备实际轨迹数据曲线与理论动态轨迹曲线对比,根据偏离量,控制系统根据偏离量修正控制设备按照理论动态轨迹曲线完成加工活动;
A4:机械设备因损耗等原因引起加工精度误差后,传感器模块通过对机械参数的监测生成实际轨迹数据,控制系统根据实际轨迹数据与预设轨迹比较,修正调整机械参数与加工设备轨迹的关系模型。
基于图像识别智能化自适应控制系统的控制方法,具体步骤如下:
S1:确定目标加工体,通过数据交互模块输入目标加工后的终端模型,预设加工轨迹曲线;
S2:控制系统控制加工设备按照目标体的预设轨迹曲线或理论动态轨迹曲线完成加工活动;其中除理论动态轨迹曲线低于强制安全性要求外,理论动态轨迹曲线优先于预设轨迹曲线;
S3:图像识别系统实施跟踪被加工目标体的加工过程,数据传输至数据库,并生成目标体实时加工模型和理论动态轨迹曲线;
S4:目标体实时加工模型与预设目标体终端模型实时进行比对,当两模型误差小于给定阈值,目标体加工活动完成。
本发明的有益效果为:
1.该基于图像识别智能化自适应控制系统,关于设备运行共存在三条轨迹,分别为:人工输入的预设加工轨迹、图像识别模块根据目标特征自主计算的最优轨迹和实际加工轨迹,在现有技术的基础上增加最优轨迹,图像识别模块根据目标体的底层数据提取的特征自主计算,可极大程度的提高效率和精度,并且,自主识别的基础上以人工预设轨迹进行安全性比较,可防止识别错误等情况的发生。
2.该基于图像识别智能化自适应控制系统,通过综合图像识别和大数据技术综合,一方面,人工通过数据交互模块根据目标体和其加工需求进行预设加工轨迹曲线的设定,并且同时,图像识别模块实时获取目标体的底层数据,结合设备进行理论最优轨迹曲线的计算,随后以理论动态轨迹曲线最为基准,及时提前识别目标体的特征,将实际轨迹曲线与理论曲线做出对比并修正,实现实时负反馈调节,从而增加了整个控制过程的效率与精度。
3.该基于图像识别智能化自适应控制系统,将设备增加传感器模块,对设备的各个工作参数进行实时监测,即使设备出现异常或者磨损,控制系统也能监测并且对异常量或者磨损量进行补偿修正,进一步提高控制精度。
附图说明
图1为本发明提出的基于图像识别智能化自适应控制系统的整体架构示意图;
图2为本发明提出的基于图像识别智能化自适应控制系统的图像识别系统功能架构示意图;
图3为本发明提出的基于图像识别智能化自适应控制系统的目标体三维数据仿真模型结构示意图;
图4为本发明提出的基于图像识别智能化自适应控制系统的控制方法的流程示意图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
下面详细描述本专利的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本专利,而不能理解为对本专利的限制。
在本专利的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“设置”应做广义理解,例如,可以是固定相连、设置,也可以是可拆卸连接、设置,或一体地连接、设置。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本专利中的具体含义。
实施例1:
基于图像识别智能化自适应控制系统,如图1-4所示,包括图像识别系统,数据库,控制系统,数据交互模块,所述数据交互模块与图像识别系统、控制系统均连接,所述图像识别系统与控制系统双向连接,所述图像识别系统用于目标体的图像识别,并且实时跟踪,所述控制系统连接并控制加工设备,所述数据交互模块连接于控制系统,所述图像识别系统的图像识别数据、所述控制系统的过程控制的轨迹数据和所述数据交互模块的操作数据均保存于所述数据库。
所述数据交互模块的工作逻辑为:根据加工目标体输入预设轨迹加工算法,人为干预启动、暂停控制系统。
所述图像识别系统用于识别目标体底层数据,目标体底层数据包括目标体的尺寸、外形、加工面信息数据和坐标系以及具体坐标。
所述图像系别系统包括加工与目标所在坐标系识别模块、设备轨迹曲线生成模块和目标体动态三维数据仿真模块。
所述加工与目标所在坐标系识别模块用于获取目标体与加工设备之间的坐标系,确定目标体与加工设备的相对位置。
所述设备轨迹曲线生成模块用于实时追踪加工设备的轨迹,并生成轨迹曲线。
所述目标体动态三维数据仿真模块用于实时追踪目标体动态加工过程中目标体的尺寸、外形、加工面信息,生成加工体动态目标体三维数据仿真模型,结合机械设备参数,生成效率最优的理论动态轨迹曲线。
所述控制系统的工作逻辑和流程为:
A1:控制系统在加工与目标所在坐标系识别模块的加持下,按照预设轨迹算法或理论动态轨迹算法做空间加工运动;
A2:控制系统从设备轨迹曲线生成模块获取设备运动轨迹数据,并与预设轨迹曲线或理论动态轨迹曲线对比,实时轨迹曲线偏离预设轨迹理论动态轨迹曲线,控制系统将实时根据偏离量修正控制设备实际轨迹;
A3:控制系统从目标体动态三维数据仿真模中获取理论动态轨迹曲线,并将加工设备实际轨迹数据曲线与理论动态轨迹曲线对比,根据偏离量,控制系统根据偏离量修正控制设备按照理论动态轨迹曲线完成加工活动。
本实施例中,通过综合图像识别和大数据技术综合,一方面,人工通过数据交互模块根据目标体和其加工需求进行预设加工轨迹曲线的设定,并且同时,图像识别模块实时获取目标体的底层数据,结合设备进行理论最优轨迹曲线的计算,随后以理论动态轨迹曲线最为基准,及时提前识别目标体的特征,将实际轨迹曲线与理论曲线做出对比并修正,实现实时负反馈调节,从而增加了整个控制过程的效率与精度。本实施例中关于设备运行共存在三条轨迹,分别为:人工输入的预设加工轨迹、图像识别模块根据目标特征自主计算的最优轨迹和实际加工轨迹,在现有技术的基础上增加最优轨迹,图像识别模块根据目标体的底层数据提前的特征自主计算,可极大程度的提高效率和精度,并且,自主识别的基础上以人工预设轨迹进行安全性比较,可防止识别错误等情况的发生。
实施例2:
基于图像识别智能化自适应控制系统,如图1-4所示,包括图像识别系统,数据库,控制系统,数据交互模块,所述数据交互模块与图像识别系统、控制系统均连接,所述图像识别系统与控制系统双向连接,所述图像识别系统用于目标体的图像识别,并且实时跟踪,所述控制系统连接并控制加工设备,所述数据交互模块连接于控制系统,所述图像识别系统的图像识别数据、所述控制系统的过程控制的轨迹数据和所述数据交互模块的操作数据均保存于所述数据库。
所述数据交互模块的工作逻辑为:根据加工目标体输入预设轨迹加工算法,人为干预启动、暂停控制系统。
所述图像识别系统用于识别目标体底层数据,目标体底层数据包括目标体的尺寸、外形、加工面信息数据和坐标系以及具体坐标。
所述图像系别系统包括加工与目标所在坐标系识别模块、设备轨迹曲线生成模块和目标体动态三维数据仿真模块。
所述加工与目标所在坐标系识别模块用于获取目标体与加工设备之间的坐标系,确定目标体与加工设备的相对位置。
所述设备轨迹曲线生成模块用于实时追踪加工设备的轨迹,并生成轨迹曲线。
所述目标体动态三维数据仿真模块用于实时追踪目标体动态加工过程中目标体的尺寸、外形、加工面信息,生成加工体动态目标体三维数据仿真模型,结合机械设备参数,生成效率最优的理论动态轨迹曲线。
所述控制系统连接有用于对设备运行参数监测的传感器模块,工作逻辑和流程为:
A1:控制系统在加工与目标所在坐标系识别模块的加持下,按照预设轨迹算法或理论动态轨迹算法做空间加工运动;
A2:控制系统从设备轨迹曲线生成模块获取设备运动轨迹数据,并与预设轨迹曲线或理论动态轨迹曲线对比,实时轨迹曲线偏离预设轨迹理论动态轨迹曲线,控制系统将实时根据偏离量修正控制设备实际轨迹;
A3:控制系统从目标体动态三维数据仿真模中获取理论动态轨迹曲线,并将加工设备实际轨迹数据曲线与理论动态轨迹曲线对比,根据偏离量,控制系统根据偏离量修正控制设备按照理论动态轨迹曲线完成加工活动;
A4:机械设备因损耗等原因引起加工精度误差后,传感器模块通过对机械参数的监测生成实际轨迹数据,控制系统根据实际轨迹数据与预设轨迹比较,修正调整机械参数与加工设备轨迹的关系模型。
本实施例在实施例1的基础上,将设备增加传感器模块,对设备的各个工作参数进行实时监测,即使设备出现异常或者磨损,控制系统也能监测并且对异常量或者磨损量进行补偿修正,进一步提高控制精度。
实施例3:
基于图像识别智能化自适应控制系统的控制方法,如图1-4所示,具体步骤如下:
S1:确定目标加工体,通过数据交互模块输入目标加工后的终端模型,预设加工轨迹曲线;
S2:控制系统控制加工设备按照目标体的预设轨迹曲线或理论动态轨迹曲线完成加工活动;其中除理论动态轨迹曲线低于强制安全性要求外,理论动态轨迹曲线优先于预设轨迹曲线;
S3:图像识别系统实施跟踪被加工目标体的加工过程,数据传输至数据库,并生成目标体实时加工模型和理论动态轨迹曲线;
S4:目标体实时加工模型与预设目标体终端模型实时进行比对,当两模型误差小于给定阈值,目标体加工活动完成。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.基于图像识别智能化自适应控制系统,包括图像识别系统,数据库,控制系统,数据交互模块,其特征在于,所述数据交互模块与图像识别系统、控制系统均连接,所述图像识别系统与控制系统双向连接,所述图像识别系统用于目标体的图像识别,并且实时跟踪,所述控制系统连接并控制加工设备,所述数据交互模块连接于控制系统,所述图像识别系统的图像识别数据、所述控制系统的过程控制的轨迹数据和所述数据交互模块的操作数据均保存于所述数据库。
2.根据权利要求1所述的基于图像识别智能化自适应控制系统,其特征在于,所述数据交互模块的系统优先级最高,其工作逻辑为:根据加工目标体输入预设轨迹加工算法,人为干预启动、暂停控制系统。
3.根据权利要求1所述的基于图像识别智能化自适应控制系统,其特征在于,所述图像识别系统用于识别目标体底层数据,目标体底层数据包括目标体的尺寸、外形、加工面信息数据和坐标系以及具体坐标,且包括但不限于可见光下可识别的数据。
4.根据权利要求1所述的基于图像识别智能化自适应控制系统,其特征在于,所述图像系别系统包括加工与目标所在坐标系识别模块、设备轨迹曲线生成模块和目标体动态三维数据仿真模块。
5.根据权利要求4所述的基于图像识别智能化自适应控制系统,其特征在于,所述加工与目标所在坐标系识别模块用于获取目标体与加工设备之间的坐标系,确定目标体与加工设备的相对位置。
6.根据权利要求4所述的基于图像识别智能化自适应控制系统,其特征在于,所述设备轨迹曲线生成模块用于实时追踪加工设备的轨迹,并生成轨迹曲线。
7.根据权利要求4所述的基于图像识别智能化自适应控制系统,其特征在于,所述目标体动态三维数据仿真模块用于实时追踪目标体动态加工过程中目标体的尺寸、外形、加工面信息,生成加工体动态目标体三维数据仿真模型,结合机械设备参数,生成效率最优的理论动态轨迹曲线。
8.根据权利要求1所述的基于图像识别智能化自适应控制系统,其特征在于,所控制系统连接有用于对设备运行参数监测的传感器模块,工作逻辑和流程为:
A1:控制系统在加工与目标所在坐标系识别模块的加持下,按照预设轨迹算法或理论动态轨迹算法做空间加工运动;
A2:控制系统从设备轨迹曲线生成模块获取设备运动轨迹数据,并与预设轨迹曲线或理论动态轨迹曲线对比,实时轨迹曲线偏离预设轨迹理论动态轨迹曲线,控制系统将实时根据偏离量修正控制设备实际轨迹;
A3:控制系统从目标体动态三维数据仿真模中获取理论动态轨迹曲线,并将加工设备实际轨迹数据曲线与理论动态轨迹曲线对比,根据偏离量,控制系统根据偏离量修正控制设备按照理论动态轨迹曲线完成加工活动;
A4:机械设备因损耗等原因引起加工精度误差后,传感器模块通过对机械参数的监测生成实际轨迹数据,控制系统根据实际轨迹数据与预设轨迹比较,修正调整机械参数与加工设备轨迹的关系模型。
9.根据权利要求1-8任一所述的基于图像识别智能化自适应控制系统的控制方法,其特征在于,具体步骤如下:
S1:确定目标加工体,通过数据交互模块输入目标加工后的终端模型,预设加工轨迹曲线;
S2:控制系统控制加工设备按照目标体的预设轨迹曲线或理论动态轨迹曲线完成加工活动;其中除理论动态轨迹曲线低于强制安全性要求外,理论动态轨迹曲线优先于预设轨迹曲线;
S3:图像识别系统实施跟踪被加工目标体的加工过程,数据传输至数据库,并生成目标体实时加工模型和理论动态轨迹曲线;
S4:目标体实时加工模型与预设目标体终端模型实时进行比对,当两模型误差小于给定阈值,目标体加工活动完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110294198.9A CN113050424A (zh) | 2021-03-19 | 2021-03-19 | 基于图像识别智能化自适应控制方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110294198.9A CN113050424A (zh) | 2021-03-19 | 2021-03-19 | 基于图像识别智能化自适应控制方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113050424A true CN113050424A (zh) | 2021-06-29 |
Family
ID=76513528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110294198.9A Pending CN113050424A (zh) | 2021-03-19 | 2021-03-19 | 基于图像识别智能化自适应控制方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113050424A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552840A (zh) * | 2021-07-30 | 2021-10-26 | 娄底市同丰科技有限公司 | 一种机械加工控制系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017103489A1 (fr) * | 2015-12-18 | 2017-06-22 | Airbus Group Sas | Système et procédé pour la correction d'une trajectoire d'un effecteur porté par un robot |
CN107481284A (zh) * | 2017-08-25 | 2017-12-15 | 京东方科技集团股份有限公司 | 目标物跟踪轨迹精度测量的方法、装置、终端及系统 |
CN108527319A (zh) * | 2018-03-28 | 2018-09-14 | 广州瑞松北斗汽车装备有限公司 | 基于视觉系统的机器人示教方法及系统 |
CN110378526A (zh) * | 2019-07-15 | 2019-10-25 | 安徽理工大学 | 基于gw及svr的汽车站移动流量预测方法、系统及存储介质 |
CN110744175A (zh) * | 2019-08-08 | 2020-02-04 | 上海发那科机器人有限公司 | 一种机器人跟踪焊接系统 |
CN111300406A (zh) * | 2020-01-17 | 2020-06-19 | 浙江理工大学 | 基于运动学分析的工业机器人轨迹精度补偿系统和方法 |
-
2021
- 2021-03-19 CN CN202110294198.9A patent/CN113050424A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017103489A1 (fr) * | 2015-12-18 | 2017-06-22 | Airbus Group Sas | Système et procédé pour la correction d'une trajectoire d'un effecteur porté par un robot |
CN107481284A (zh) * | 2017-08-25 | 2017-12-15 | 京东方科技集团股份有限公司 | 目标物跟踪轨迹精度测量的方法、装置、终端及系统 |
CN108527319A (zh) * | 2018-03-28 | 2018-09-14 | 广州瑞松北斗汽车装备有限公司 | 基于视觉系统的机器人示教方法及系统 |
CN110378526A (zh) * | 2019-07-15 | 2019-10-25 | 安徽理工大学 | 基于gw及svr的汽车站移动流量预测方法、系统及存储介质 |
CN110744175A (zh) * | 2019-08-08 | 2020-02-04 | 上海发那科机器人有限公司 | 一种机器人跟踪焊接系统 |
CN111300406A (zh) * | 2020-01-17 | 2020-06-19 | 浙江理工大学 | 基于运动学分析的工业机器人轨迹精度补偿系统和方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552840A (zh) * | 2021-07-30 | 2021-10-26 | 娄底市同丰科技有限公司 | 一种机械加工控制系统 |
CN113552840B (zh) * | 2021-07-30 | 2024-01-30 | 娄底市同丰科技有限公司 | 一种机械加工控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107838920A (zh) | 一种机器人打磨力控制系统和方法 | |
CN111097664B (zh) | 基于机器人涂胶的实时纠偏方法 | |
CN101477351B (zh) | 具有三级加工自优化功能的智能数控方法 | |
CN108073137B (zh) | 数值控制装置 | |
CN101957611B (zh) | 样条曲线实时插补方法 | |
CN201514565U (zh) | 一种激光焊接焊缝跟踪实现装置 | |
CN207724306U (zh) | 一种机器人打磨力控制系统 | |
CN108527319B (zh) | 基于视觉系统的机器人示教方法及系统 | |
CN110281108A (zh) | 一种基于六维力传感器的机器人柔性智能打磨系统 | |
CN111152229A (zh) | 3d机械视觉的机械手引导方法和装置 | |
CN105643062A (zh) | 基于旋转电弧的复杂曲面形状识别及焊枪位姿控制方法 | |
CN105045098A (zh) | 一种机器人喷涂轨迹自动生成系统的控制方法 | |
CN108107842A (zh) | 基于力控制的机器人打磨轨迹估算方法 | |
CN107608344A (zh) | 基于轨迹规划的车辆运动控制方法、装置及相关设备 | |
CN113050424A (zh) | 基于图像识别智能化自适应控制方法与系统 | |
CN102806560A (zh) | 一种可自动消除机器人运动累积误差的方法 | |
CN115113582B (zh) | 一种面向零件轮廓误差的五轴位置环增益离线矫正方法 | |
CN102785166A (zh) | 一种基于运动学变换的数控砂轮磨削加工方法 | |
CN106886197A (zh) | 控制机器实施加工的方法及其装置和应用 | |
CN101729000A (zh) | 伺服电动机控制装置 | |
CN115016293A (zh) | 一种基于力反馈的猪胴体分割机器人路径自主修正方法 | |
CN102081373B (zh) | 一种用于轧辊磨床的数控系统及其控制方法 | |
CN111823141A (zh) | 智能五轴同动多相态水刀加工系统 | |
CN117685001A (zh) | 一种基于pid控制的盾构智能调向系统及控制方法 | |
CN106886195A (zh) | 机加工控制方法及其装置和应用 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210629 |