Shenyang Institute of Automation,Chinese Academy Of Sciences
Not a member yet
23582 research outputs found
Sort by
Research on D3QN Path Planning Method of Mobile Robot Priority Sampling
No full text近年来，以DQN（Deep Q-Network）为代表的人工智能技术在路径规划领域中广泛应用。为了解决传统DQN方法存在收敛速度较慢的问题，本文提出一种端到端的D3QN-PER（Dueling Deep Double Q-Network Prioritized Experience Replay）路径规划方法。首先，在感知端引入长短时记忆网络（Long Short-Term Memory），障碍物状态信息作为输入，进行取舍后储存在隐藏层，再转换成固定长度的向量和机器人自身状态向量输入至D3QN网络，提高记忆和认知障碍物的能力。然后，采用优先经验回放机制（Prioritized Experience Replay，PER）对经验池抽取小批量样本，保证样本多样性的同时提高重要样本的利用率，获取更加精确的Q值。最后，通过3个不同仿真场景进行验证，分别对DQN、DDQN、D3QN、D3QN-PER展开训练，实验结果表明，与其他方法相比，D3QN-PER的收敛速度比DQN算法提高56%，而且到达目标点的次数更多，可证明该方法在未知环境中可以更好地获取最优路径。</p
A Survey and Perspective on Rehabilitation Robots for Patients Suffering from Parkinson’s Disease
No full text总结了目前帕金森病康复机器人的研究现状，并探讨了相关技术的未来发展方向。首先，通过与脑卒中对比，重点介绍帕金森病的病理特点、运动症状、康复机理和治疗原则。然后，从上肢运动康复、下肢运动康复、震颤抑制以及病情评估等4个方面对目前帕金森病康复机器人及相关技术进行综述。进而，讨论分析了现有研究的局限性，并对机器人辅助帕金森病康复技术进行展望。特别指出，基于帕金森病的病理特点和康复机理，需要着重突破“脑―肌―肢”协同的专病康复技术。</p
Visual Surveillance for Human Fall Detection in Healthcare IoT
No full textThis paper designs a visual surveillance framework for human fall detection. In order to solve the conventional issues in fall detection, such as unsatisfactory feature generalization, low recall rates, and large computational time, we design a model that incorporates the deep convolutional neural network and the aggregated heuristic visual features in detecting the occurrence of falls. Firstly, the convolutional neural network (Openpose model) is utilized to extract human skeleton in the image. Secondly, the hand-crafted spatial features, such as the angle of human shank inclination, are aggregated to determine the fall presence. It should be noticed that our fall detection method has been integrated to healthcare IoT video surveillance architecture which has multiple GPU groups to perform real-time monitoring and alarming for the elderly in need. The experimental results prove that our method is able to accurately distinguish fall and non-fall activities with a competitive false-alarm rate.</p
Intelligent Fault Diagnosis for Bearings of Industrial Robot Joints under Varying Working Conditions Based on Deep Adversarial Domain Adaptation
No full textIndustrial robots are one of the most typical machines in smart manufacturing systems. Their joint bearing faults account for a significant portion of failures. Data-driven bearing fault diagnosis methods, especially deep learning methods, have become a research hotspot due to the development of the industrial Internet of Things and big data. However, the varying working conditions of industrial robots, such as the continuous changing of load and speed, challenge the existing data-driven methods. Although adversarial-based domain adaptive methods are promising for solving this problem, they still face an equilibrium issue in the model training process. Therefore, a novel deep perceptual adversarial domain adaptive (DPADA) method is proposed for fault diagnosis of industrial robot bearings under varying conditions in this paper. Here, a novel perceptual loss is proposed to force the target domain and the source domain to have the same distribution, which helps to improve the stability of adversarial training. Correspondingly, a timestamp mappingbased vibration signal screening method is proposed to improve data preprocessing efficiency for fault diagnosis of industrial robots. Extensive experimental results show that the accuracy of DPADA is superior to convolutional neural network (CNN) and conditional domain adversarial network (CDAN) based methods. A comparison is further performed on transfer tasks in three classical transfer scenes of industrial robots.</p
一种多目视觉下的导管中心线点云处理方法
No full text本发明涉及一种多目视觉下的导管中心线点云处理方法。其步骤为:将多目相机两两配对，对两两配对的相机进行双目视觉标定，利用统一的标定板将相机坐标系转换到基坐标系下，完成全局标定，进而利用图像处理技术和三维重建原理得到两两配对相机下的三维空间点云，借助于点云的法向量进行点云去重，在点云K邻域进行点云降采样，无序点云有序化等点云处理方法得到导管的中心线曲线。本发明方法可以实现任意异形导管的中心线三维重建，精度高，效率高，应用范围广泛
基于增强现实的舱段不可测装配质量检测方法
No full text本发明涉及本发明公开了基于增强现实的舱段不可测装配质量检测方法，涉及智能装配制造领域。该方法基于舱段实测模型，取得装配部件的几何特征数据，根据装配过程中的装配工艺参数，使用有限元方法计算得到装配体内部不可测质量数据作为样本集；使用生成‑对抗神经网络对样本数据进行扩张，用扩张后的样本集训练装配质量仿真计算模型，对舱段不可测装配质量进行快速计算；将舱段装配质量计算结果通过3D变形图、应变云图、变形数值显示窗等方式叠加在增强现实环境中，实现舱段不可测装配质量的可视化，帮助控制舱段装配质量
一种基于神经网络模型拟合的过流保护自适应整定方法
No full text本发明公开了一种基于神经网络模型拟合的过流保护自适应整定方法，包括如下步骤：步骤1、对接入的分布式电源出力情况进行预测，获取DG日发电出力的预测值；步骤2、对故障发生位置进行判断，确定故障是发生在DG接入点的上游还是下游位置；步骤3、对故障类型进行判断，确定故障是对称故障还是不对称故障；步骤4、针对故障的发生位置和故障类型，采用神经网络对DG出力与故障电流的关系进行拟合，获取故障电流；步骤5、根据故障电流实时动态整定保护电流设定值。本发明在不同DG容量、不同故障位置、不同故障类型下均能够可靠动作，能够适应大规模DG接入配电网的情况
一种舰船甲板上无人机自动化部署系统及控制方法
No full text本发明涉及一种舰船甲板上无人机自动化部署系统及控制方法，包括控制系统、船体和设于所述船体上的机械臂、无人机放置架和弹射器，其中船体内设有机械臂滑轨，机械臂下端设有机械臂底座与机械臂滑轨滑动连接，并且所述机械臂底座内设有机械臂移动组件，弹射器设于机械臂一侧，无人机放置架设于机械臂另一侧，并且无人机通过所述机械臂拾取在弹射器和无人机放置架间移动，所述机械臂通过所述控制系统控制移动路径，且所述控制系统基于RRT算法进行机械臂移动路径规划。本发明利用机械臂实现无人机拾取转移，且控制系统基于RRT算法对所述机械臂移动路径进行规划，保证机械臂移动精度同时也避免碰撞，从而使整个系统可集成于小型舰船上
一种双自由度太阳电池阵驱动机构
No full text本发明涉及一种双自由度太阳电池阵驱动机构，摆动轴固定座安装于卫星表面侧板上，一侧作为运动输入端安装有摆动驱动部件，另一侧为摆动输出轴的辅助支撑，摆动输出轴转动安装于摆动轴固定座上，一端与摆动驱动部件相连；旋转驱动部件及旋转轴壳体分别安装于摆动输出轴上，旋转驱动部件位于旋转轴壳体的内部，旋转驱动部件通过旋转传动部件与旋转输出部件相连，旋转输出部件与太阳电池阵连接架连接，旋转输出部件的轴向中心线与摆动输出轴的轴向中心线垂直布置。本发明不仅给出了可行的双自由度太阳电池阵驱动机构的布置方案，同时通过双轴深度相交的形式，解决了两轴在空间布置时外尺寸包络大的问题
一种AUV式拖曳观测平台
No full text本实用新型属于新概念海洋机器人领域，具体地说是一种AUV式拖曳观测平台，观测平台包括AUV、拖缆及拖鱼，AUV前后两端的左右两侧分别对称安装有一对负升力舵翼，AUV的尾部安装有推进器，AUV的内部分别固定有绞车及排绳器；拖缆的一端穿过排绳器后缠绕在绞车上，拖缆的另一端由AUV的外壳穿出后与拖鱼相连，拖缆上集成有观测装置；负升力舵翼包括负升力翼及舵板，负升力翼的上表面为平面、下表面为弧面，负升力翼的后缘襟翼由可相对转动的舵板代替。本实用新型具有高海况适应性、移动响应快速、深层水体观测连续性、平台高安全性、敏感区域观测精细等优点