【摘 要】
:
在工业机器人控制中引入计算机视觉可扩展机器人的应用领域,提高控制精度。论文基于ABB 工业机器人搭建了计算机视觉系统用于圆球位置控制,系统由装在ABB 机械臂上的平台、摄像头、PC 机、机械臂执行器和通信接口组成。摄像头捕捉圆球图像,设计图像处理算法在PC 处理后获得位置偏差,经通信接口传到机械臂执行器,设计控制模糊算法控制ABB 机械臂的动作,调整平台使圆球运动到预定位置。论文在MATLAB 环
【机 构】
:
内蒙古大学电子信息工程学院,内蒙古呼和浩特 010021
论文部分内容阅读
在工业机器人控制中引入计算机视觉可扩展机器人的应用领域,提高控制精度。论文基于ABB 工业机器人搭建了计算机视觉系统用于圆球位置控制,系统由装在ABB 机械臂上的平台、摄像头、PC 机、机械臂执行器和通信接口组成。摄像头捕捉圆球图像,设计图像处理算法在PC 处理后获得位置偏差,经通信接口传到机械臂执行器,设计控制模糊算法控制ABB 机械臂的动作,调整平台使圆球运动到预定位置。论文在MATLAB 环境下完成了算法的仿真,并在搭建的系统上实验验证了圆球位置控制。
其他文献
间歇过程是一类具有典型复杂非线性特性的生产过程,可以利用模糊神经网络(NFM)建立其输入输出的非线性映射关系。在前期的研究中曾提出过基于PDF 技术的模型训练方法,成功的解决了传统的基于MSE 准则训练方法模型泛化能力弱的问题,但又产生了概率密度难以估计及目标PDF 未知时模型性能不稳定的问题。本文针对这两个问题,引入了新的概率密度窗宽估计方法,并提出了在目标PDF 未知时采用PDF 预估器及其收
:为解决基于字典学习与稀疏表示的灰度图像彩色化算法只对单一内容图像有效这一问题,本文提出了一种新型的图像彩色化方法。首先,根据目标灰度图像的子内容分别选取多组参考彩色图像,从各组参考彩色图像中选取对应子内容的样本图像块;然后分别进行字典训练,得到基于内容的分类字典;最后,根据重建误差最小化原则,查找最佳匹配子字典,进而实现灰度图像的彩色化。本文算法是一种自动算法,在保证图像彩色化过程自动化的前提下
针对实际焦炉推焦作业计划过程中的多炉号乱笺问题,提出一种基于改进蚁群算法的焦炉推焦计划编排方法。首先,给出以恢复推焦串序过程中总惩罚最小为优化目标的焦炉推焦优化调度模型;其次,为了避免蚁群算法进入搜索停滞状态,设置信息素值域来加强算法的搜索能力,并采用具有自适应性的全局更新规则来加快算法后期的收敛速度,进而利用改进的蚁群算法对焦炉优化调度问题进行求解;最后,通过某焦炉厂实际生产数据仿真结果证明,该
选择表征建模对象特性漂移的新样本对软测量模型进行自适应更新能够降低模型复杂度和运行消耗、提高模型可解释性和预测精度。针对新样本近似线性依靠程度(ALD)和预测误差(PE)等指标只能片面反映建模对象的漂移程度,领域专家结合具体工业过程需要依据上述指标和自身积累经验进行更新样本的有效识别等问题,本文提出了基于更新样本智能识别算法的自适应集成建模策略。首先,基于历史数据离线建立基于核随机向量泛函连接网络
实践表明,解决城市交通问题的最重要的方法就是发展公共交通。城市公共交通工具的增多,必然会导致一些事故的发生,如何避免公交事故的发生也成为了人们关注的焦点。本文分析了影响公交事故的各种因素和人员受伤的部位及受伤的程度,并且根据这些属性得到在不同的影响因素下人员会受到怎样的伤害,显然,如果仅仅查看资料是无法得到它们之间的关联的,所以,在本文中就需要数据挖掘技术来找出这些属性之间的关联关系,从而根据得到
提出了一种基于双套管结构的光纤光栅封装探头形式,既能准确测量温度,又能屏蔽外力的影响。在接触网电连接线夹位置安装该光纤光栅温度传感器,光信号通过光纤进入光纤布拉格光栅查询分析仪进行解调,解调信号经嵌入式芯片处理后,温度数据由WIA-PA 网络发送到监控中心的上位机,从而构建了接触网电连接线夹温度监测系统。研究表明该系统不仅能在高电压、大电流、强磁场环境下对电连接线夹进行实时和精确的温度测量,还可以
针对焊点质量检测过程中出现的准确率和智能化问题,提出了一种基于特征提取和SVM 分类的PCB 焊点质量检测方法,首先采集焊点图像,运用基于熵的3 阈值方法分割焊点图像,然后提取焊点形状、纹理、三维特征,最后运用SVM 分类完成焊锡过量、焊锡合适、焊锡少量三种类型的识别。结果表明,该方法具有较高的准确率。
针对以往对铁路网抗毁性研究没有考虑网络的级联失效对网络抗毁性的影响以及以往的级联失效模型不能直接适用于铁路网级联失效过程的问题,提出了一种基于级联失效对加权铁路网的抗毁性研究的方法。该级联失效模型综合考虑了客流重分配时客流会根据站点的邻接站点的剩余容量和该站点与邻接站点的连接权值。基于ER 随机网络、NW 小世界网络和BA 无标度网络这三种经典网络和实际加权铁路换乘网,对网络的抗毁性进行了分析,找
面对日益复杂的非线性过程,传统的线性多元统计方法忽略了系统的非线性特征,监控效果也不理想。本文提出了一种基于即时学习(Lazy Learning)的FVS-KP1M的监控方法。方法首先用Lazy Learning进行多模型局部建模,获得局部模型预测输出和真实输出的残差,在监控方面采用KP1M方法建立监控模型。为了解决KP1M计算时间比较大的问题,本文采用FVS特征样本提取方法用少数几个特征样本代替
乙烯装置作为石化行业能耗大户,在乙烯装置能量优化过程中,建立实时准确的乙烯裂解炉燃料气消耗预测模型具有重要意义.为更好的达到预测模型精度以及更好的适应实际工况不断变化的情况,本文采用基于即时学习的局部建模方法,建立了精确的燃料气消耗预测模型.并通过改进即时学习算法,有效缩短了建模时间.测试表明,模型平均绝对百分比误差为0.0626%,最大相对误差为3.0266%,相对误差在5%以内,满足实际工业过