面向阀门零件装配的智能系统研究
发布时间：2022-01-01 02:22
阀门是重要的流体系统控制元件之一。随着工业4.0的提出,国内智能化工业生产发展迅猛,阀门生产装配过程开始朝柔性化转变。目前国内阀门生产装配过程中多以机械臂示教编码的方式完成零件抓取的动作,装配种类单一,无法快速适应多种类零件同时进行组装的任务。而传统的图像识别检测方式受背景、遮挡以及光照等因素影响,难以保证机械臂抓取的鲁棒性,同时也无法解决零件摆放不固定以及多种类零件混合摆放的问题,在装配过程中易出现错装、漏装等问题,进而难以满足阀门柔性装配多样化的需求。近年来,随着计算机硬件性能的大幅提升,深度学习领域的目标检测方法成功的应用到行人和车辆检测以及无人驾驶等场景中,相较于之前的检测方式,使用深度学习模型能够更好的适应目标物体位姿变化、光照变换、多物体遮挡等因素影响。本文针对阀门装配以上问题进行研究并设计出一个智能抓取系统,实现了在多零件混合不固定摆放的条件下,按照系统的三维动画装配顺序,依次抓取相应的零件,辅助装配人员完成阀门的装配。具体内容如下:（1）深入研究机械臂抓取系统的基础理论,总结了机械臂抓取系统中物体检测以及抓取位置检测的常用方法,为后文目标检测与传统抓取算法结合做铺垫。（...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：106 页
【学位级别】：硕士
【部分图文】：
RGB直方图作为初始数据特征训练模型[20]
DPM特征定义[31]
LSVRC-2012（ImageNetLargeScaleVisualRecognitionChallenge）比赛中通过其变式以15.3％的top-5错误率胜出。该模型针对LeNet-5模型做出改进，将激活函数更换为梯度下降速度更快的ReLU函数，并且避免了常见的激活函数会出现梯度消失的问题。为了降低过拟合问题的出现，首先将池化层做出改进，通过重叠池化方法将具有相同内核的输出进行汇总，再用使用Dropout技术防止神经元之间相互适应，通过概率方式将隐层输出位置置零，并使用双GPU进行并行计算，极大提高训练速度。这些策略都为后来的模型改进提供了优秀的思路与方法。图1-3Alex网络结构[34]随着大数据时代到临，图像处理实时性的要求越来越严苛，DPM模型已经不能很好满足物体实时监测的需求。Liu等人[35]将物体检测方法进行总结，将相关的模型设计划分成两类，一类是Two-stage方法，先利用深层网络提取相关候选区域，再利用常用线性分类器进行分类，这种方法定位精度高但速度慢且误报高。另一类是One-stage方法，直接通过输入数据获得物体类别以及定位框，其优点比Two-stage方法更快，能够较好的避免背景错误信息，但是定位精度低且在物体遮挡和小物体检测问题上效果不好。Two-stage架构在2014年由RossGirshick等人首次提出[36]，其方法是将深度学习应用到物体检测领域，提出具有候选区域（RegionProposal）的卷积神经网络R-CNN模型，通过选择性搜索（selectivesearch）和边界框(edgeboxes)方法[41]产生可相互重叠包含的形状大小不同的1000-2000个候选框，然后利用传统的SVM对网络深层特征进行分类，最后通过非极大值抑制方法选取置信度较高的候选框，
【参考文献】：
期刊论文
[1]基于三级卷积神经网络的物体抓取检测[J]. 喻群超,尚伟伟,张驰. 机器人. 2018(05)
[2]SolidWorks软件在工程制图教学中的应用分析[J]. 周川,吴钟. 信息与电脑(理论版). 2017(17)
[3]反应堆专设安全系统阀门故障分析[J]. 王金涛,陈纠,谭术洋,赵雪岑,关莉. 阀门. 2015(04)
[4]我国工业机器人技术现状与产业化发展战略[J]. 王田苗,陶永. 机械工程学报. 2014(09)
[5]波音737-700空调组件失效排故分析[J]. 李扬. 航空维修与工程. 2013(03)
[6]上下料工业机器人结构设计及仿真研究[J]. 黄晨华,毛桂生. 机械设计与制造. 2013(03)
[7]面向装配的微小型零件视觉检测技术[J]. 程朋乐. 电子测量与仪器学报. 2013(02)
[8]阀门装配车间的设施规划与仿真[J]. 史文浩,叶忻泉,赵燕伟,章金红. 中国制造业信息化. 2012(17)
[9]飞机气体大流量电控活门测试系统的设计[J]. 李跃东,程明学. 液压与气动. 2011(01)
[10]采用标准关节机器人系统对飞机货舱门结构的自动钻铆[J]. 邓锋. 航空制造技术. 2010(19)
博士论文
[1]基于Kernel的机器学习在建模与分类问题的应用研究[D]. 范玉刚.浙江大学 2006
硕士论文
[1]基于卷积神经网络的机器人抓取位姿自主检测算法研究[D]. 周彪.华中科技大学 2019
[2]基于卷积神经网络的机器人自动抓取规划研究[D]. 李传浩.哈尔滨工业大学 2018
[3]基于改进粒子群算法的阀门柔性装配线设计[D]. 杜泽.哈尔滨工业大学 2016
本文编号：3561462
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：106 页
【学位级别】：硕士
【部分图文】：
RGB直方图作为初始数据特征训练模型[20]
DPM特征定义[31]
LSVRC-2012（ImageNetLargeScaleVisualRecognitionChallenge）比赛中通过其变式以15.3％的top-5错误率胜出。该模型针对LeNet-5模型做出改进，将激活函数更换为梯度下降速度更快的ReLU函数，并且避免了常见的激活函数会出现梯度消失的问题。为了降低过拟合问题的出现，首先将池化层做出改进，通过重叠池化方法将具有相同内核的输出进行汇总，再用使用Dropout技术防止神经元之间相互适应，通过概率方式将隐层输出位置置零，并使用双GPU进行并行计算，极大提高训练速度。这些策略都为后来的模型改进提供了优秀的思路与方法。图1-3Alex网络结构[34]随着大数据时代到临，图像处理实时性的要求越来越严苛，DPM模型已经不能很好满足物体实时监测的需求。Liu等人[35]将物体检测方法进行总结，将相关的模型设计划分成两类，一类是Two-stage方法，先利用深层网络提取相关候选区域，再利用常用线性分类器进行分类，这种方法定位精度高但速度慢且误报高。另一类是One-stage方法，直接通过输入数据获得物体类别以及定位框，其优点比Two-stage方法更快，能够较好的避免背景错误信息，但是定位精度低且在物体遮挡和小物体检测问题上效果不好。Two-stage架构在2014年由RossGirshick等人首次提出[36]，其方法是将深度学习应用到物体检测领域，提出具有候选区域（RegionProposal）的卷积神经网络R-CNN模型，通过选择性搜索（selectivesearch）和边界框(edgeboxes)方法[41]产生可相互重叠包含的形状大小不同的1000-2000个候选框，然后利用传统的SVM对网络深层特征进行分类，最后通过非极大值抑制方法选取置信度较高的候选框，
【参考文献】：
期刊论文
[1]基于三级卷积神经网络的物体抓取检测[J]. 喻群超,尚伟伟,张驰. 机器人. 2018(05)
[2]SolidWorks软件在工程制图教学中的应用分析[J]. 周川,吴钟. 信息与电脑(理论版). 2017(17)
[3]反应堆专设安全系统阀门故障分析[J]. 王金涛,陈纠,谭术洋,赵雪岑,关莉. 阀门. 2015(04)
[4]我国工业机器人技术现状与产业化发展战略[J]. 王田苗,陶永. 机械工程学报. 2014(09)
[5]波音737-700空调组件失效排故分析[J]. 李扬. 航空维修与工程. 2013(03)
[6]上下料工业机器人结构设计及仿真研究[J]. 黄晨华,毛桂生. 机械设计与制造. 2013(03)
[7]面向装配的微小型零件视觉检测技术[J]. 程朋乐. 电子测量与仪器学报. 2013(02)
[8]阀门装配车间的设施规划与仿真[J]. 史文浩,叶忻泉,赵燕伟,章金红. 中国制造业信息化. 2012(17)
[9]飞机气体大流量电控活门测试系统的设计[J]. 李跃东,程明学. 液压与气动. 2011(01)
[10]采用标准关节机器人系统对飞机货舱门结构的自动钻铆[J]. 邓锋. 航空制造技术. 2010(19)
博士论文
[1]基于Kernel的机器学习在建模与分类问题的应用研究[D]. 范玉刚.浙江大学 2006
硕士论文
[1]基于卷积神经网络的机器人抓取位姿自主检测算法研究[D]. 周彪.华中科技大学 2019
[2]基于卷积神经网络的机器人自动抓取规划研究[D]. 李传浩.哈尔滨工业大学 2018
[3]基于改进粒子群算法的阀门柔性装配线设计[D]. 杜泽.哈尔滨工业大学 2016
本文编号：3561462
本文链接：https://www.wllwen.com/kejilunwen/jinshugongy/3561462.html
