针对扣件的断裂、缺失和螺母松动等3种主要缺陷引起的扣件转动,对基于Mask R-CNN网络扣件缺陷检测系统开展研究。首先将扣件图片输入到主干特征提取网络Resnet101对图片进行卷积、池化操作,随后构造FPN(Feature Pyram id Ne tw orks),经过FPN进行多尺度特征融合后的结果输入到RPN(Re gion Propos al Ne tw orks),再由RPN筛选出一部分RoI(Region of Interest),然后对RoI进行RoI Align操作,最后对RoI进行分类、bounding_box回归和扣件掩膜(mask)生成,最后得到的实例分割检测结果。该结果不仅可以通过预测框显示正常扣件和缺陷扣件类别,还可以通过语义分割得到的扣件形状判断扣件类别。因此,在一定程度上缩小了实际操作中因网络本身引起的误差。

为解决实际运用中人工检测盘纸直径和宽度精度不准、耗费人力资源的问题,提出一种基于视觉盘纸直径和宽度尺寸检测的方法,以提高检测的效率和精度。该模型以霍夫圆检测与Canny边缘检测算法为基础,提取盘纸轮廓实现对圆心坐标、直径和宽度尺寸的检测。运用图形细化提取轮廓骨架,确定边缘像素特征点坐标,运用最小二乘法对特征点坐标曲线拟合,标定极限偏差,判定产品的合格性。实验结果显示,该检测模型的直径检测精度在2 mm,宽度检测误差在0.8 mm范围之内的收银纸检测准确率稳定,符合实际运用要求,对节约人力、提高经济效益、解决人工检测等方面的问题均具有重要意义。

针对深度强化学习在双轮机器人中的应用问题,提出了一种基于深度确定性策略梯度算法的平衡控制方法。首先,该方法将双轮机器人作为智能体,读取状态信息并建立动作策略和奖惩机制;其次,智能体依据算法给出的随机动作指令执行,执行完动作之后反馈状态信息,算法根据反馈的状态信息给出新动作;最后,通过多回合训练使双轮机器人保持平衡。实验结果表明,通过多回合训练之后,双轮机器人的姿态角度波动范围在-4°~4°以内,双轮机器人的平稳性得到了显著改善,实现了机器人的平衡控制行为学习,证明了该方法的有效性。

焊接机器人可大大改善工人劳动条件、提高生产效率,其特征工艺参数的合理选择是确保焊缝成形质量的关键。分析了焊接机器人焊接过程中关键特征工艺参数对焊接质量的影响,并对各种工艺参数的预测方法及其特点进行了分析和综述。对焊接机器人特征参数预测方法的发展趋势进行了展望,提出了未来的研究方向。

多机器人系统与单机器人相比,具有工作效率更高、灵活性更好等特点,受到广泛关注。轨迹规划决定了机器人末端执行器的作业效率和运动性能。多机器人系统在工作空间大范围重叠情况下,每个机器人的协同轨迹规划的计算量非常大。从基本轨迹规划、最优轨迹规划及深度学习等方面,详细分析和综述了多机器人轨迹规划的各类方法,并对该领域的技术发展趋势进行了分析和展望,指明未来工作的研究方向。

多机器人系统能可靠地完成单机器人无法完成的高效性作业,已成为构建智能产线的研究热点。从多机器人的机构优化布局方法和多机器人任务分配技术方面综述了多机器人系统的研究现状,并对该技术领域的发展趋势进行了分析和展望,指明了未来工作的研究方向。

针对列车制动性能在轨测试的需求,介绍了一种新型的纯电制动试验台的设计。它不仅可以作为一种试验台,还可以模拟列车在轨道上运行进行数据的采集。该试验台不仅降低了实验的成本,还减少制动时出现闸瓦摩擦产生的噪声、振动及机械磨损,降低设备维护成本。