检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

双臂并联煤矸石分拣机器人及其轨迹规划研究

工矿自动化 2020年第9期46卷 57-63页

作者：赵明辉中煤科工集团上海有限公司上海200030 同济大学电子与信息工程学院上海201804

目前的煤矸石自动分拣系统大多采用串联机械臂,只能分拣出粒度较小的矸石,且分拣速度较慢,分拣效果不理想。针对该问题,设计了一种双臂并联煤矸石分拣机器人。该机器人采用推动而非抓取的分拣方式,能够针对粒度为300~600 mm的矸石进行分... 详细信息

目前的煤矸石自动分拣系统大多采用串联机械臂,只能分拣出粒度较小的矸石,且分拣速度较慢,分拣效果不理想。针对该问题,设计了一种双臂并联煤矸石分拣机器人。该机器人采用推动而非抓取的分拣方式,能够针对粒度为300~600 mm的矸石进行分拣,且大大降低了机械臂的力矩需求,提高了分拣速度。为了避免频繁启停给电动机造成刚性冲击,延长电动机使用寿命,在关节空间下分别采用抛物线过渡的插值函数、三次多项式及五次多项式插值函数进行轨迹规划,仿真和对比分析结果表明,采用五次多项式插值函数进行轨迹规划时,角加速度曲线过渡平滑,不仅能满足机器人轨迹起始点和终止点的角度、角速度约束,还能满足其角加速度约束,使分拣机器人的运动轨迹更加平稳。实验结果表明:对于粒度为300~600 mm的煤矸石,双臂并联煤矸石分拣机器人矸石识别率和分拣率分别为91.14%和86.29%,分拣准确率和稳定性较高;完成单次完整的分拣动作只需1.2 s,与人工分拣相比大大缩短了分拣周期;通过在关节空间的轨迹规划,降低了分拣过程中电动机受到的刚性冲击,可保证机器人长时间稳定工作。

关键词：煤矸石分拣双臂并联机器人轨迹规划多项式插值

基于强化学习的煤矸石分拣机械臂智能控制算法研究

在线全文

学校读者我要写书评

暂无评论

工矿自动化 2021年第1期47卷 36-42页

作者：张永超于智伟丁丽林山东科技大学机械电子工程学院山东青岛266590

针对传统煤矸石分拣机械臂控制算法如抓取函数法、基于费拉里法的动态目标抓取算法等依赖于精确的环境模型、且控制过程缺乏自适应性,传统深度确定性策略梯度(DDPG)等智能控制算法存在输出动作过大及稀疏奖励容易被淹没等问题,对传统DDP... 详细信息

针对传统煤矸石分拣机械臂控制算法如抓取函数法、基于费拉里法的动态目标抓取算法等依赖于精确的环境模型、且控制过程缺乏自适应性,传统深度确定性策略梯度(DDPG)等智能控制算法存在输出动作过大及稀疏奖励容易被淹没等问题,对传统DDPG算法中的神经网络结构和奖励函数进行了改进,提出了一种适合处理六自由度煤矸石分拣机械臂的基于强化学习的改进DDPG算法。煤矸石进入机械臂工作空间后,改进DDPG算法可根据相应传感器返回的煤矸石位置及机械臂状态进行决策,并向相应运动控制器输出一组关节角状态控制量,根据煤矸石位置及关节角状态控制量控制机械臂运动,使机械臂运动到煤矸石附近,实现煤矸石分拣。仿真实验结果表明:改进DDPG算法相较于传统DDPG算法具有无模型通用性强及在与环境交互中可自适应学习抓取姿态的优势,可率先收敛于探索过程中所遇的最大奖励值,利用改进DDPG算法控制的机械臂所学策略泛化性更好、输出的关节角状态控制量更小、煤矸石分拣效率更高。

关键词：选煤煤矸石分拣分拣机器人机械臂关节角状态控制强化学习奖励函数 DDPG算法

基于G-RRT^(*)算法的煤矸石分拣机器人路径规划

在线全文

学校读者我要写书评

暂无评论

工矿自动化 2022年第3期48卷 55-62页

作者：朱子祺李创业代伟国家能源集团神东煤炭集团公司洗选中心陕西榆林719300 郑州机电工程研究所河南郑州450015 中国矿业大学信息与控制工程学院江苏徐州221116

由于煤矸石分拣环境复杂,为了避免机器人与障碍物发生碰撞,提高分拣效率,对机器人进行路径规划十分必要。分析了煤矸石分拣系统原理,将煤矸石分拣机器人路径规划问题归结为在障碍物环境下规划出一条从给定起点到目标点的无碰撞路径,且... 详细信息

由于煤矸石分拣环境复杂,为了避免机器人与障碍物发生碰撞,提高分拣效率,对机器人进行路径规划十分必要。分析了煤矸石分拣系统原理,将煤矸石分拣机器人路径规划问题归结为在障碍物环境下规划出一条从给定起点到目标点的无碰撞路径,且需同时满足速度快、避免与障碍物碰撞2个约束条件。结合笛卡尔空间和关节空间的优点,提出一种在关节空间进行路径规划、在笛卡尔空间进行碰撞检测的煤矸石分拣机器人路径规划方案,该方案不需要对机器人进行运动学求逆,且可避免在关节空间中描述障碍物。针对RRT^(*)路径规划算法存在盲目性的问题,提出一种变概率的目标偏置策略,并将其引入RRT^(*)算法,得到G-RRT^(*)算法。变概率的目标偏置策略在无障碍物区域增大目标偏置概率值,以增强算法的目标导向性;而在障碍物区域减小目标偏置概率值,以保证算法的避障能力。G-RRT^(*)算法将变概率的目标偏置策略与RRT^(*)算法相结合,既保留了RRT^(*)算法路径长度渐进最优的特点,也提高了算法的目标导向性,可极大地提高路径规划效率。实验结果表明,与加入固定概率目标偏置策略的RRT-Connect算法和RRT算法相比,采用G-RRT^(*)算法得到的路径长度平均值最小,说明G-RRT^(*)算法更适用于煤矸石分拣机器人路径规划。

关键词：煤矸石分拣机器人路径规划快速扩展随机树变概率的目标偏置策略 G-RRT^(*)算法

同方期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于YOLOv5的煤矸石分拣系统

基于YOLOv5的煤矸石分拣系统

作者：潘鑫华北电力大学(北京)

学位级别：硕士

煤炭是我国的基础能源,在日常生活中占据着重要地位。随着可持续发展战略的推进,煤炭清洁技术受到了很大的关注。其中,煤矸石分选技术的智能化、清洁化、自动化也是煤炭清洁技术中不可或缺的一环。煤矸石分拣主要分为人工分拣、湿选法... 详细信息

煤炭是我国的基础能源,在日常生活中占据着重要地位。随着可持续发展战略的推进,煤炭清洁技术受到了很大的关注。其中,煤矸石分选技术的智能化、清洁化、自动化也是煤炭清洁技术中不可或缺的一环。煤矸石分拣主要分为人工分拣、湿选法、射线法等,无法完全满足目前分拣要求。所以本文因此选取机器视觉作为煤矸石分拣方法。近几年,深度学习技术高速发展,在智能医疗、无人驾驶、工业检测方面得到了非常广泛的应用,并由此建立了很多优秀的目标检测算法模型。本文采用其中较为优秀的目标算法之一的YOLOv5对煤矸石的筛选进行了系统的研究,主要工作内容如下:（1）介绍了煤矸石分选目前的三种主流方法,说明了各方法存在的不足:人工分拣慢、分拣环境恶劣;湿选法依赖丰富的水资源;射线法对于煤矸石粒度有严格的要求。在系统调研了传统煤矸石分拣的研究现状后,详细论述了机器视觉目前的发展,并确立将其应用于煤矸石分拣。（2）介绍了三种常见的目标识别算法。RNN算法区别于传统图像特征,利用深度卷积网络特征进行检测。Fast R-CNN对待检测区域特征进行池化处理,提高了检测速度。SSD算法由于不需要筛选候选区域,检测速度进一步提升。对本文所使用的YOLOv5算法进行了详细的阐述,对于其各个具体组成部分的结构、功能以及相比于YOLOv3算法的创新点进行了介绍。（3）对分拣系统中视觉相机系统进行了介绍,说明了相机系统成像所涉及的坐标系和转换关系,建立了相机针孔成像模型,介绍了主流的相机标定方法,根据张正友标定法,完成相机标定,并求解了相机内参。（4）介绍了机器人运动学正解,使用改进DH建模法,在机器人连杆处建立坐标系,推导了机器人末端关节与基座之间的坐标转换关系,并搭建了机器人实验平台。根据推导模型,带入DH参数,求解了实验用机器人的转换方程。在建立相机系统与机器人系统后,通过手眼标定原理,选取“手在眼外”的手眼系统,拍摄机械臂末端抓手固定的标定板图像,计算得出相机与机器人相对位置关系。（5）自制煤矸石训练集,利用YOLOv5算法进行煤矸石的检测模型训练。验证了已建立的训练模型可以完成对煤矸石的推断,推断精度和速度达到目标要求。将推断结果持久化后经过手眼系统坐标转换传输给机器人系统,完成目标的抓取,验证了整个分拣系统的可行性。

关键词：煤矸石分拣深度学习 YOLOv5算法目标检测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度强化学习的智能煤矸石分拣系统设计

基于深度强化学习的智能煤矸石分拣系统设计

作者：郑春燕西北大学

学位级别：硕士

煤炭一直占据着我国一次性源消耗的首要地位,具有储藏量大、能量密度高、成本低等优势,是一种重要的化石燃料和工业原材料。煤炭在开采过程中往往和矸石混在一起,大量的矸石不利于煤炭的精细加工。传统分拣方法存在效率低、分拣精度不... 详细信息

煤炭一直占据着我国一次性源消耗的首要地位,具有储藏量大、能量密度高、成本低等优势,是一种重要的化石燃料和工业原材料。煤炭在开采过程中往往和矸石混在一起,大量的矸石不利于煤炭的精细加工。传统分拣方法存在效率低、分拣精度不高、危害人体健康和成本高等问题。本文针对以上问题,设计了一套基于深度强化学习的智能煤矸石分拣系统,利用深度学习方法实现了煤矸石的识别,并利用深度强化学习控制机械臂完成对矸石的分拣。本文主要完成了以下工作:（1）制作了一个模拟煤矿环境的煤矸石数据集。首先,利用摄像机采集了不同光照条件下、不同大小和质地的煤矸石图像数据,并人工打上标签,以构建煤炭与矸石的识别数据库,作为训练集。其次,本文利用训练集训练了一个能够识别煤炭与矸石的YOLOv5（You Only Look Once Version 5）网络,并对网络参数和结构进行和调节和优化,实现了矸石的准确识别。（2）提出了一种基于深度强化学习的机械臂控制算法。该算法能控制机械臂完成煤矸石的分拣。利用深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）算法训练了一套用于控制机械臂完成煤矸石分拣的强化学习网络,改进了DDPG算法中的奖励函数,在奖励函数中添加了角度与相对位移的约束,避免了机械出现的畸形动作,提升了目标物体的抓取成功率。（3）改进了机械臂末端的爪子的机械结构。使其能够适应煤矸石分拣的应用场合。针对原有的机械爪末端受力面积较小在抓取比较大的矸石的时候容易造成矸石侧翻以及抓取不牢固等情况,本文将原有的机械爪末端改为了铲式形状,提高了抓取成功率。实验结果表明,本文所设计的基于深度强化学习的智能煤矸石分拣系统,煤矸石识别的精度能够达到95%以上,在CPU条件下能够达到10帧每秒的识别帧率,降低了系统对计算机的配置要求;通过多个机械臂的分工协作,本文所设计的深度强化学习方法能够达到90%以上的分拣效率,有效避免了人工分拣过程中粉尘对人的伤害,提高了矸石分拣效率。

关键词：煤矸石分拣机器人 YOLO 深度强化学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

煤矸石智能分拣机器人研究进展与关键技术

工矿自动化 2022年第12期48卷 42-48,56页

作者：张烨马宏伟王鹏曹现刚魏小荣周文剑西安科技大学机械工程学院陕西西安710054 陕西省矿山机电装备智能检测与控制重点实验室陕西西安710054

煤矿井下矸石被煤泥包裹,煤矸石识别难、分拣难;井下工作空间狭小,设备布局难、煤矸石分流难,因此,需要研发高性能、高可靠的煤矸石智能分拣机器人。分析了煤矸石智能分拣机器人中煤矸石识别、机器人轨迹规划、多动态目标多机器人协同... 详细信息

煤矿井下矸石被煤泥包裹,煤矸石识别难、分拣难;井下工作空间狭小,设备布局难、煤矸石分流难,因此,需要研发高性能、高可靠的煤矸石智能分拣机器人。分析了煤矸石智能分拣机器人中煤矸石识别、机器人轨迹规划、多动态目标多机器人协同控制技术的研究现状。指出煤矸石分拣工作环境复杂,其质量和形状不规则且呈随机分布,因此,复杂环境下煤矸石识别与抓取特征提取、非结构环境下煤矸石稳定可靠抓取、多目标任务多机器人智能协同分拣是煤矸石分拣智能机器人的3大关键技术,提出要实现机器人智能分拣煤矸石,还应在适应于井下的煤矸石识别与抓取特征提取、动态目标精确定位和同步跟踪、机械臂在线轨迹规划和多机械臂智能协同控制等方法上进行深入研究。通过对上述3大关键技术的梳理,总结得出:煤矸石数据集构建与扩增、煤矸石识别与抓取特征提取是实现煤矸石高效识别的关键技术;动态煤矸石精准跟踪、机械臂同步跟踪动态目标轨迹规划和快速大质量目标稳定抓取是实现机械臂稳定抓取煤矸石的关键技术;多任务高效分配、防碰撞路径规划和智能协同控制是实现多机械臂高效智能协同分拣的关键技术。针对目前存在的共性问题,提出了解决方案:在识别方面,研究基于多模态深度学习的煤矸石识别与抓取特征提取方法,实现井下煤矸石快速识别;在轨迹规划方面,研究动态煤矸石精准定位和实时跟踪方法,实现机器人对动态煤矸石的自适应稳定抓取;在协同分拣方面,构建多层多机械臂协同控制模型,实现多机械臂复杂环境下高效智能协同分拣。

关键词：煤矸石分拣分拣机器人煤矸石识别机器人轨迹规划智能协同分拣稳定抓取

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于深度学习的煤矸石检测与分拣系统研究

基于深度学习的煤矸石检测与分拣系统研究

作者：王凯民太原科技大学

学位级别：硕士

煤炭作为我国能源结构的重要组成部分,在推动国民经济发展方面发挥了不可或缺的作用。然而,在煤炭开采过程中不可避免地会混入煤矸石。传统的分拣方法存在效率低下、环境污染严重和资源消耗大等问题。随着煤矿智能化建设日益迫切,在实... 详细信息

煤炭作为我国能源结构的重要组成部分,在推动国民经济发展方面发挥了不可或缺的作用。然而,在煤炭开采过程中不可避免地会混入煤矸石。传统的分拣方法存在效率低下、环境污染严重和资源消耗大等问题。随着煤矿智能化建设日益迫切,在实际生产中对煤炭和煤矸石实现快速精确的区分显得尤为重要。本文旨在通过结合深度学习技术和机器人技术,对煤矸石的检测与分拣过程进行深入研究。主要研究内容如下:(1)通过对选煤现场复杂环境和工况的分析,确定了煤矸石检测与分拣任务的性能指标以及系统硬件的选型;同时,为增强系统的便捷性和通用性,设计了煤矸石智能检测软件开发方案。通过软硬件结合的方式为系统实验平台的搭建提供技术支持。(2)针对目标检测领域缺乏大型公开煤矸石数据集的问题,分别在煤矿和实验室环境进行数据采集,并通过人工标注创建了煤矸石数据集。为增强数据样本的多样性并提升模型的泛化性能,基于仿射变换对数据集进行扩充,并使用图像降噪的预处理方法提高数据集质量,确保其能够满足模型训练的要求。(3)针对现有煤矸石检测模型存在特征提取不充分、参数量大、检测精度低且实时性差等问题,在YOLOv5s检测模型的基础上,提出了改进型YOLOv5s-FSW模型。将主干网络中的C3模块替换为Faster Net Block模块,以降低参数量和计算量,提高模型检测速度;在颈部网络引入Sim AM注意力机制,以增强模型对煤矸石关键特征的聚焦并减少对背景噪声的关注,优化了特征提取过程;输出层采用Wise＿Io U损失函数取代原有CIo U损失函数,进一步提升了模型的目标定位精度。通过对消融实验、对比实验、热力图实验和图像检测实验进行分析可知,YOLOv5s-FSW模型减少了参数量、计算量及内存占用量,可以有效节省计算资源,并提高模型的检测精度以及实时检测能力。(4)为验证改进型YOLOv5s-FSW模型在动态环境下的检测性能,搭建了煤矸石检测与分拣系统实验平台。基于Py Qt开发了煤矸石智能检测软件,通过加载目标检测模型对煤矸石进行检测,并将煤矸石的类别和定位信息传输到机器人控制器中,实现对煤矸石的自动分拣。根据误检率、漏检率、分拣成功率等性能指标对煤矸石检测与分拣实验进行了综合评价,并通过实验结果验证了系统的可行性。本文提出的YOLOv5s-FSW模型可提高煤矸石分选的准确率和速度,且开发的软件具有较好的移植性。本文研究成果可为煤矿智能化建设提供有益参考。

关键词：煤矸石分拣深度学习 YOLOv5s模型目标检测

基于RobotStudio的煤矸石视觉分拣系统仿真

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

山东煤炭科技 2023年第8期41卷 201-203页

作者：魏亮马慧娟鹤壁职业技术学院河南鹤壁458030

为了提高视觉机器人系统在传统煤矸石分拣中的应用效率,提出一种基于RobotStudio的仿真方法,可以在离线状态下对不同的机器人运动算法、运行程序和执行轨迹进行仿真验证。结果表明,使用该仿真方法可以优化机器人运动节拍,减少现场调试... 详细信息

为了提高视觉机器人系统在传统煤矸石分拣中的应用效率,提出一种基于RobotStudio的仿真方法,可以在离线状态下对不同的机器人运动算法、运行程序和执行轨迹进行仿真验证。结果表明,使用该仿真方法可以优化机器人运动节拍,减少现场调试作业时间,提高整体生产效率。

关键词：煤矸石分拣工业机器人仿真 RobotStudio

在线全文

学校读者我要写书评

暂无评论

基于视觉实时引导的煤矸石精准跟踪方法

煤炭科学技术 2024年

作者：曹现刚王虎生王鹏吴旭东向敬芳李虎西安科技大学机械工程学院陕西省矿山机电装备智能检测与控制重点实验室

现有煤矸分拣机器人在分拣煤矸石时存在误抓取、空抓、碰撞等问题，其主要原因是煤矸石随皮带运输过程中存在打滑、跑偏等现象，依靠带速的煤矸石跟踪方法难以实时获取其精准位姿信息，导致机械臂抓取时出现较大误差，影响机器人分拣效... 详细信息

现有煤矸分拣机器人在分拣煤矸石时存在误抓取、空抓、碰撞等问题，其主要原因是煤矸石随皮带运输过程中存在打滑、跑偏等现象，依靠带速的煤矸石跟踪方法难以实时获取其精准位姿信息，导致机械臂抓取时出现较大误差，影响机器人分拣效率。针对该问题，提出一种基于视觉实时引导的煤矸石跟踪方法，即通过相机获取煤矸石实时位姿信息，引导机械臂调整动作完成煤矸石跟踪抓取。首先，通过视觉识别模块获取待抓取目标初始位姿与跟踪模板，由控制系统进行策略分配，将煤矸石分配给对应机械臂进行抓取；当目标煤矸石进入机械臂抓取工作区后，由基于孪生网络构建的单目标跟踪模型获取煤矸石实时位姿信息，并实时调整机械臂动作，完成抓取。最后，对不同带速下的煤矸石进行视觉跟踪实验，并构建煤矸分拣机器人仿真系统完成不同程度打滑、跑偏工况的煤矸石跟踪轨迹规划仿真。仿真实验结果表明，构建的煤矸石跟踪模型跟踪准确率为96.9%，跟踪速度为39fps，满足实时引导的需求。当存在不同程度打滑、跑偏时，基于视觉实时引导的机械臂抓取误差均降低至1mm以内。相较于基于带速的跟踪方法，可有效消除运输过程中由于皮带打滑、跑偏等带来的累积误差，提高系统实时响应能力，进一步提升煤矸石分拣效率。

关键词：视觉引导目标跟踪孪生网络煤矸石分拣轨迹规划