排序方式: 共有11条查询结果,搜索用时 45 毫秒
1.
2.
3.
针对目前方法识别机器人目标时,由于未能详细分析分拣机器人运动规律,导致该方法开展目标识别时,存在平均置信度低、识别效果差等问题,提出深度学习的车间零件分拣机器人目标识别方法。该方法通过分析分拣机器人运动规律,提取待检测目标的特征向量值;结合深度学习理论建立目标识别模型,并寻找模型最佳参数;建立待检测目标的相关测试集放入模型中训练,基于模型输出结果,完成机器人的目标识别。实验结果表明,运用该方法识别目标时,其在特征提取后,分拣目标数量为1000个时,识别准确率达到了97.5%以上,识别耗时在100s以下,平均置信度约为0.8,有效提高了平均置信度、降低了识别时间,识别效果好。 相似文献
4.
5.
为了在操作者与机器人之间实现更为稳定的负载运动状态,提出一种基于特征深度学习的机器人协调操作感知控制方法,分析机器人的协调操作原理,根据虚拟阻尼、虚拟惯量与虚拟刚度系数,构建人机协调操作模型,利用特征深度学习对模型内的神经网络进行网络信息的交互拓扑,优化机器人协调操作的感知性能。同时,减少内存占比,对人力交互信息滤波去噪,进一步提升操作稳定性,将交互信息内的广义阻尼、广义惯量与广义刚度融合至模型内,完成机器人协调操作感知的控制。仿真结果表明,上述方法有着较好的操作感知控制精度,减少系统资源的占用比值,提升机器人协调操作感知控制效率。 相似文献
6.
7.
针对传统灰狼优化算法易于陷入局部最优、寻优精度低的问题,提出基于混沌对立学习和差分进化机制的改进灰狼优化算法CODEGWO.引入混沌对立学习策略生成灰狼初始种群,提升初始解的质量,加速算法收敛;引入差分进化的局部搜索机制,改善灰狼的局部开发与邻近区域的搜索能力;引入个体扰动机制增加种群多样性,改进灰狼的全局搜索能力.8... 相似文献
8.
从宏观角度建立了有机电解质锂空气电池放电模型,借助有限元方法分析了放电过程中过氧化锂沉淀形貌系数对放电电压的影响、正极厚度对比容量的影响、过氧化锂体积分数分布、有机电解质电流密度及电势的变化情况.结果可知,高放电电流情况下,电池放电电压随着过氧化锂沉淀形貌系数的降低而降低;减小正极电极厚度会提高电池的放电性能,但正极厚度较薄会降低正极中容纳沉积物的溶剂,减少电池容量;集流体近侧为放电反应的主要聚集区域,同时会生成较多的过氧化锂沉淀物,使得有机电解质电流密度骤降.该研究为锂空气电池放电机理的理解和放电性能的改进提供了参考. 相似文献
9.
10.