基于阻抗模型的燕窝挑毛力位混合柔顺调节方法及系统与流程
本发明涉及机器人柔顺控制与燕窝智能加工,具体涉及基于阻抗模型的燕窝挑毛力位混合柔顺调节方法及系统。
背景技术:
1、燕窝原料在人工挑毛或自动挑毛过程中,需要从交织的燕丝网络中识别并去除细小杂毛。杂毛通常与周围燕丝发生贴附、交叉或局部嵌入,不同杂毛的延伸方向、可见长度、交叠程度以及所在区域的燕丝疏密状态存在差异,使挑取过程中所需的作用力和位移调整量具有明显变化。
2、现有自动挑毛方式通常依据预设夹持位置、运动轨迹或固定控制参数执行挑取。当目标杂毛与燕丝交叠较深或局部燕丝结构较致密时,固定阻抗参数难以兼顾杂毛稳定抽离和燕丝保护;仅依据视觉位置或单一力觉反馈进行控制,也难以将目标杂毛几何特征、燕窝局部力学状态和挑取过程中的动态抽离状态连续传递至控制参数。
3、因此,本技术提供基于阻抗模型的燕窝挑毛力位混合柔顺调节方法及系统以解决上述技术问题。
技术实现思路
1、本发明的目的在于提供基于阻抗模型的燕窝挑毛力位混合柔顺调节方法及系统,用以解决现有技术中挑毛控制参数固定、杂毛几何信息与燕窝局部力学状态难以共同参与控制参数生成,导致杂毛抽离稳定性与燕丝保护难以兼顾的技术问题。
2、为了解决上述技术问题,本发明提供了基于阻抗模型的燕窝挑毛力位混合柔顺调节方法,包括:
3、获取燕窝待挑毛区域的彩色图像、深度点云及微位移加载前后的结构光图案和作用力值,计算燕窝的形变特征;
4、基于所述彩色图像和所述深度点云进行实例分割,获得目标杂毛的几何特征以及所述目标杂毛与燕丝的交叠程度;
5、将所述形变特征和所述作用力值输入刚度反演网络,获得燕窝的等效刚度分布,并提取所述目标杂毛嵌入位置的局部等效刚度值;
6、以杂毛为图节点,基于所述几何特征、所述交叠程度和所述等效刚度分布构建节点特征,通过图神经网络生成初始阻抗参数;
7、基于所述目标杂毛的延伸方向建立任务坐标系,以所述初始阻抗参数计算挑取方向的位置修正量,并执行横向位置伺服;
8、获取目标杂毛与周围燕丝交叠区域的显微图像,基于所述显微图像检测目标杂毛的抽离起始事件和燕丝牵拉状态,并根据检测结果将挑取力误差变化率、显微图像光流特征、燕丝牵拉概率和所述初始阻抗参数中的阻尼值输入抽离适应网络,获得阻尼增量并更新阻尼参数,将更新后的阻尼参数输入挑取方向的阻抗关系。
9、在其中一些具体实施例中,获取燕窝待挑毛区域的彩色图像、深度点云及微位移加载前后的结构光图案和作用力值,计算燕窝的形变特征,进一步包括:
10、获取燕窝待挑毛区域的彩色图像、深度点云、对燕窝表面施加预设微位移前后的结构光图案和作用力值;
11、将微位移加载头抵接于目标杂毛邻域的燕窝表面并施加所述预设微位移,向燕窝表面投射散斑图案,记录微位移施加前后的散斑图像以及施加所述预设微位移时的作用力值;
12、对所述散斑图像执行逐像素匹配计算,获得燕窝表面的局部位移场,并根据所述局部位移场计算燕窝局部形变场,将所述燕窝局部形变场作为所述形变特征。
13、在其中一些具体实施例中,基于所述彩色图像和所述深度点云进行实例分割,获得目标杂毛的几何特征以及所述目标杂毛与燕丝的交叠程度,进一步包括:
14、将所述彩色图像和所述深度点云输入杂毛实例分割网络,基于所述杂毛实例分割网络在所述彩色图像中输出杂毛掩膜、燕丝掩膜和嵌入位置;
15、从与所述杂毛掩膜重合的所述深度点云中提取三维点集,对所述三维点集执行主方向分析,获得目标杂毛在三维空间中的延伸方向向量,并根据所述三维点集沿所述延伸方向向量的投影范围计算可见长度;
16、根据所述杂毛掩膜与所述燕丝掩膜的重合像素数量相对于所述杂毛掩膜像素数量的比例计算交叠程度;
17、其中,所述几何特征包括所述嵌入位置、所述延伸方向向量和所述可见长度。
18、在其中一些具体实施例中,将所述形变特征和所述作用力值输入刚度反演网络,获得燕窝的等效刚度分布,并提取所述目标杂毛嵌入位置的局部等效刚度值,进一步包括:
19、将所述燕窝局部形变场和所述作用力值输入刚度反演网络,获得空间等效刚度分布图;
20、将所述燕窝局部形变场的二维图与所述作用力值拼接为多通道张量,输入编码器和解码器结构的所述刚度反演网络,生成与所述燕窝局部形变场的二维图同尺寸的空间等效刚度分布图;
21、读取所述空间等效刚度分布图中所述嵌入位置及所述嵌入位置的预设邻域内的有效像素值,并根据所述有效像素值确定所述局部等效刚度值;
22、其中,所述等效刚度分布包括所述空间等效刚度分布图,所述形变特征包括所述燕窝局部形变场。
23、在其中一些具体实施例中,以杂毛为图节点,基于所述几何特征、所述交叠程度和所述等效刚度分布构建节点特征,通过图神经网络生成初始阻抗参数,进一步包括:
24、以杂毛为图节点,以所述延伸方向向量、所述局部等效刚度值、所述可见长度和所述交叠程度构成节点特征,基于图神经网络通过消息传递生成初始阻抗参数;
25、根据各杂毛的嵌入位置进行三角剖分并删除长度大于预设阈值的连接边,以剩余连接边形成图节点间的连接关系;
26、将图节点间的欧氏距离和连接路径上的燕丝密度变化作为边特征,以所述节点特征和所述边特征计算消息权重并聚合邻居图节点的几何力学信息,输出挑取方向期望阻尼和期望刚度,以及作为垂直于挑取方向的柔顺中心调整参数的切向柔顺中心刚度和切向阻尼;
27、其中,所述初始阻抗参数包括所述挑取方向期望阻尼和期望刚度,以及所述切向柔顺中心刚度和切向阻尼。
28、在其中一些具体实施例中,基于所述目标杂毛的延伸方向建立任务坐标系,以所述初始阻抗参数计算挑取方向的位置修正量,并执行横向位置伺服,进一步包括:
29、移动至目标杂毛,基于所述延伸方向向量建立任务坐标系;
30、以所述延伸方向向量建立挑取方向坐标轴,获取挑取方向实测力,并计算所述实测力与期望挑取力之间的挑取力误差;将固定期望惯量、所述初始阻抗参数中的挑取方向期望阻尼和期望刚度代入时变阻抗关系,按照后向欧拉递推计算所述位置修正量,将所述位置修正量叠加至机器人位置环的期望位置;
31、获取垂直于挑取方向的平面内的侧向力,以所述柔顺中心调整参数中的切向柔顺中心刚度和切向阻尼建立导纳关系,根据所述侧向力计算横向位置修正量,并将所述横向位置修正量输入机器人位置环,在每个位置控制周期更新所述横向位置修正量。
32、在其中一些具体实施例中,基于所述显微图像检测目标杂毛的抽离起始事件和燕丝牵拉状态,并根据检测结果将挑取力误差变化率、显微图像光流特征、燕丝牵拉概率和所述初始阻抗参数中的阻尼值输入抽离适应网络,获得阻尼增量并更新阻尼参数,将更新后的阻尼参数输入挑取方向的阻抗关系,进一步包括:
33、获取目标杂毛与周围燕丝交叠区域的显微图像,将所述显微图像输入抽离状态检测网络,检测目标杂毛相对燕窝基体的抽离起始事件和燕丝牵拉状态,在检测到所述抽离起始事件或所述燕丝牵拉状态时,将挑取力误差变化率、显微图像光流特征、燕丝牵拉概率和所述初始阻抗参数中的阻尼值输入抽离适应网络,获得阻尼增量并更新阻尼参数,将更新后的阻尼参数输入挑取方向的阻抗关系;
34、其中,所述抽离状态检测网络输出抽离概率、燕丝牵拉概率和运动方向,在所述抽离概率大于设定抽离判定阈值并持续预设帧数时判定所述抽离起始事件,在所述燕丝牵拉概率大于设定牵拉判定阈值时判定所述燕丝牵拉状态;
35、对所述阻尼增量执行限幅处理后叠加至当前阻尼参数,在所述燕丝牵拉状态成立或所述挑取力误差超出安全包络时按预设比例降低挑取方向的刚度参数。
36、在其中一些具体实施例中,抽离状态检测网络输出抽离概率、燕丝牵拉概率和运动方向,并判定所述抽离起始事件和所述燕丝牵拉状态,进一步包括:
37、从连续显微图像中分别提取目标杂毛区域和邻近燕丝区域的帧间光流,并按时间顺序聚合帧间光流形成抽离时序特征和燕丝牵拉时序特征;
38、根据所述抽离时序特征计算所述抽离概率和目标杂毛运动方向,在所述抽离概率连续高于所述设定抽离判定阈值时输出所述抽离起始事件;根据所述燕丝牵拉时序特征计算所述燕丝牵拉概率,在所述燕丝牵拉概率高于所述设定牵拉判定阈值时输出所述燕丝牵拉状态;
39、在所述抽离概率低于抽离恢复阈值、所述燕丝牵拉概率低于所述设定牵拉判定阈值且所述挑取力误差处于所述安全包络内时,逐步将所述阻尼参数恢复至所述初始阻抗参数中的阻尼值。
40、在其中一些具体实施例中,还包括:
41、记录每次挑毛过程的杂毛特征、初始阻抗参数、力和力矩曲线、显微图像帧、抽离触发时刻、燕丝牵拉状态、阻尼更新历史和去除结果;
42、从记录中筛选杂毛完整去除、燕丝牵拉概率低于设定牵拉判定阈值且力曲线平滑的正例,基于所述正例和余下记录周期性微调所述刚度反演网络与所述图神经网络。
43、基于同一构思,本发明还提供基于阻抗模型的燕窝挑毛力位混合柔顺调节系统,包括:
44、数据采集模块,配置为获取燕窝待挑毛区域的彩色图像、深度点云及微位移加载前后的结构光图案和作用力值,计算燕窝的形变特征;
45、杂毛解析模块,配置为基于所述彩色图像和所述深度点云进行实例分割,获得目标杂毛的几何特征以及所述目标杂毛与燕丝的交叠程度;
46、刚度反演模块,配置为将所述形变特征和所述作用力值输入刚度反演网络,获得燕窝的等效刚度分布,并提取所述目标杂毛嵌入位置的局部等效刚度值;
47、参数生成模块,配置为以杂毛为图节点,基于所述几何特征、所述交叠程度和所述等效刚度分布构建节点特征,通过图神经网络生成初始阻抗参数;
48、柔顺控制模块,配置为基于所述目标杂毛的延伸方向建立任务坐标系,以所述初始阻抗参数计算挑取方向的位置修正量,并执行横向位置伺服;
49、阻尼重构模块,配置为获取目标杂毛与周围燕丝交叠区域的显微图像,基于所述显微图像检测目标杂毛的抽离起始事件和燕丝牵拉状态,并根据检测结果将挑取力误差变化率、显微图像光流特征、燕丝牵拉概率和所述初始阻抗参数中的阻尼值输入抽离适应网络,获得阻尼增量并更新阻尼参数,将更新后的阻尼参数输入挑取方向的阻抗关系。
50、与现有技术相比,其有益效果在于:
51、通过预设微位移加载前后的结构光图案计算燕窝局部形变场,并结合加载作用力反演空间等效刚度分布,使目标杂毛嵌入位置的局部等效刚度能够进入初始阻抗参数生成过程,使控制参数具有燕窝局部力学状态的输入基础。
52、将目标杂毛的延伸方向向量、局部等效刚度值、可见长度和交叠程度构成图节点特征,并通过图节点间的消息传递聚合邻近杂毛及燕丝网络的几何力学信息,使生成的初始阻抗参数同时表征目标杂毛自身特征和局部燕窝结构状态。
53、基于目标杂毛延伸方向建立任务坐标系,在挑取方向上根据实测力、期望挑取力、固定期望惯量、期望阻尼和期望刚度计算位置修正量,并在垂直于挑取方向的平面内根据侧向力计算横向位置修正量,使挑毛执行器能够沿目标杂毛抽离方向执行力位混合柔顺控制。
54、通过显微图像检测目标杂毛相对燕窝基体的抽离起始事件及燕丝牵拉状态,并将挑取力误差变化率、光流特征和燕丝牵拉概率输入抽离适应网络更新阻尼参数;当出现燕丝牵拉或挑取力超出安全包络时降低挑取方向刚度,从而降低燕丝被同步拉动或损伤的风险。
55、记录杂毛特征、初始阻抗参数、力和力矩曲线、显微图像帧、抽离触发时刻、燕丝牵拉状态、阻尼更新历史和去除结果,并利用筛选出的正例周期性微调刚度反演网络与图神经网络,使后续挑毛作业能够利用历史有效挑取数据更新参数生成能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com