检索结果-南通市图书馆

作者：路东伟华南理工大学

学位级别：硕士

机器人在对人体进行康复、推拿和美容等按摩操作过程中,作业轨迹和按摩力度直接影响到机器人的作业效果。针对作业对象面貌个性化差异,提出了融合优化示教策略的神经网络与动态运动基元模型集成的轨迹学习方法。进一步,研究了机器人相... 详细信息

机器人在对人体进行康复、推拿和美容等按摩操作过程中,作业轨迹和按摩力度直接影响到机器人的作业效果。针对作业对象面貌个性化差异,提出了融合优化示教策略的神经网络与动态运动基元模型集成的轨迹学习方法。进一步,研究了机器人相对人体按摩区域的作业系统优化。首先,设计了机器人按摩作业系统框架,建立专业和成功的按摩轨迹案例库。提出优化示教策略,基于按摩区域Mediapipe特征点计算作业对象间相似度,为后续的示教学习筛选匹配度高的轨迹,提高学习的效果和效率。其次,为提高机器人按摩位置、姿态和力轨迹学习精度,在动态运动基元(DMPs)模型基础上,引入高斯混合回归,算法综合多次按摩信息以加强学习能力;构建反向传播神经网络(BPNN)模型拟合DMPs算法的强迫项,以此改变原本模型的局限性。第三,结合机器人作业区域按摩轨迹,建立了机器人的可达性约束和避碰约束,同时建立与机器人灵巧性相关的全局各向同性指标和与关节运动灵活性相关的关节角度指标,提出了基于多目标粒子群优化算法的机器人作业位置多目标优化设计方法。最后,以面部和背部按摩轨迹为例,开展融合优化示教策略的BPNN-DMPs轨迹学习模型实验,结果表明,BPNN-DMPs模型改变了现有DMPs模型的改进思路,大大降低了轨迹误差;选取相似度排名前30%-50%的范例进行示教学习,可以有效地提高轨迹精度。多目标作业系统优化仿真证明了多目标优化问题求解方案的有效性。

关键词：按摩机器人动态运动基元高斯混合回归反向传播神经网络作业位置优化

来源：

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

电力系统谐波阻抗估计方法研究

电力系统谐波阻抗估计方法研究

引用

作者：唐文张西华大学

学位级别：硕士

科学技术的日新月异以及国民经济的稳步发展,“十四五”时期成为我国碳达峰的窗口期、关键期,风电光伏等新能源比例不断增加,电力系统面临“双高”、“双随机”两大难题。其中大功率电力电子设备广泛应用、非线性以及冲击性负荷大量接入... 详细信息

科学技术的日新月异以及国民经济的稳步发展,“十四五”时期成为我国碳达峰的窗口期、关键期,风电光伏等新能源比例不断增加,电力系统面临“双高”、“双随机”两大难题。其中大功率电力电子设备广泛应用、非线性以及冲击性负荷大量接入,催生出的各种电能质量问题一直是各电力部门、电力企业及多元用户侧关注的重点,亦是专家学者跟踪研究的热点。谐波发射水平估计始终是电能质量分析中绕不开的话题,其主要指标是谐波阻抗,因此准确合理地估计出谐波阻抗极其必要。本文围绕电力系统中谐波阻抗的估计方法,进行了以下研究:其一,提出一种基于最小二乘支持向量机(LS-SVM)估计系统谐波阻抗的新方法。利用最小二乘支持向量机构建回归模型,引入Lagrange乘子优化模型得到拉格朗日函数,从而得到模型参数。在公共连接点(Point of Common Coupling,PCC)处测量得到的谐波电压信号和谐波电流信号,代入最小二乘支持向量机模型,进而估计系统谐波阻抗。等值电路的仿真分析结果体现了该方法的准确性。误差分析证明了该方法相较于“二元线性回归法”和“支持向量机”具有更好的稳健性和精度。最后,通过对工程实测数据分析,对比其他谐波阻抗估计方法的计算结果,验证了该方法的有效性。其二,提出一种通过贝叶斯优化高斯过程回归(Bayesian Optimized Gaussian Process Regression,BO-GPR)的谐波阻抗计算方法,以PCC处获取的谐波电压和谐波电流为基础,采用贝叶斯优化的高斯过程回归对系统谐波阻抗进行计算。考虑背景谐波的影响,仿真分析中分别搭建带非高斯分布背景谐波和高斯分布背景谐波的谐波等效模型,分析不同背景谐波下此方法的准确性,通过误差对比分析评判其鲁棒性。实例分析进一步验证该方法的有效性。其三,提出一种基于高斯混合回归(Gaussian Mixture Regression,GMR)的谐波阻抗估计方法。通过测量公共连接点的谐波电压与谐波电流,引入高斯混合回归获得系统侧谐波阻抗。仿真分析中,为模拟电力系统中的不同系统结构导致谐波阻抗变化,分别搭建均匀分布和高斯分布的谐波阻抗估计模型,同时与现有方法进行误差比较,评判本章方法的准确性和稳健性。在实例分析中,采用均值、标准差、均方根误差等指标对本章方法进行评价,进一步证明其优越性。

关键词：谐波发射水平谐波阻抗最小二乘支持向量机拉格朗日函数高斯过程回归贝叶斯优化高斯混合回归

来源：

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

机器人示教缝纫动作的学习方法

引用

西安工程大学学报 2022年第1期36卷 76-84页

作者：王皞燚王晓华王文杰西安工程大学电子信息学院陕西西安710048

提出了一种基于高斯混合模型(Gaussian mixture model,GMM)-高斯混合回归(Gaussian mixture regression,GMR)的机器人动作学习方法,以实现机器人对示教缝纫动作的学习。采用改进的OPENPOSE模型识别示教缝纫动作,并运用标签融合方法更正... 详细信息

提出了一种基于高斯混合模型(Gaussian mixture model,GMM)-高斯混合回归(Gaussian mixture regression,GMR)的机器人动作学习方法,以实现机器人对示教缝纫动作的学习。采用改进的OPENPOSE模型识别示教缝纫动作,并运用标签融合方法更正关节点标签,解决缝纫过程中因布料遮挡造成的关节定位失败问题。以人体上肢关节的坐标变化作为缝纫动作训练样本,采用时间间隔将轨迹样本分割成运动基元,并运用GMM对每段运动基元和时间进行混合编码,得到高斯分量的回归函数。应用GMR对运动基元进行运动预测,生成缝纫动作轨迹,更新回归函数的高斯参数,实现工人上肢缝纫动作的学习。通过轨迹跟踪的仿真实验以及与Kalman方法进行实验对比,验证了本文缝纫动作学习方法的平稳性和有效性。

关键词：缝纫机器人 OPENPOSE模型示教动作高斯混合模型高斯混合回归

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一种基于机器学习的轴孔拆卸框架

引用

探索科学 2019年第4期 110-111页

作者：邹泽成伯明翰大学英国伯明翰B152 TT

在机器人拆卸轴孔过程中,卡阻和楔入现象通常会出现.为了解决这一问题,本文提出一种基于机器学习实现自动拆卸轴孔配合的框架.机器人记录演示数据中,动态时间规整算法同步数据集.而后用高斯混合回归算法进行训练,得到控制策略.控制策略... 详细信息

在机器人拆卸轴孔过程中,卡阻和楔入现象通常会出现.为了解决这一问题,本文提出一种基于机器学习实现自动拆卸轴孔配合的框架.机器人记录演示数据中,动态时间规整算法同步数据集.而后用高斯混合回归算法进行训练,得到控制策略.控制策略应用于机器人KUKA iiwa 14,实现轴孔的自动拆卸.本文针对两种情况进行测试,一种将轴孔置于原位置,另一种将轴孔置于距原位置30cm处.成功率均100%.试验平均时间分别为2.8 s和3.0 s.平均接触力分别为16.3 N和17.1 N.

关键词：自动化拆卸机器学习轴孔高斯混合回归演示学习

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：