布料处理方法、系统及缝制机器人技术方案

本发明专利技术提供一种布料处理方法、系统及缝制机器人，属于服装缝制技术领域，包括：获取布料的特征向量；利用训练好的模型对特征向量进行分析，确定所述布料的延展性；其中，所述模型为使用多组训练数据训练得出，所述多组数据中的每组数据均包括：布料的特征向量和标识该特征向量下对应的布料的延展性；其中，所述特征向量包括布料的张力和布料的拉伸应变；根据所述布料的延展性，对所述布料施加外部张力。本发明专利技术表示了布料拉伸能力的特性，实现了布料延展性的估测评价，确定在缝制过程中应施加的更加精确的布料张力。

【技术实现步骤摘要】
布料处理方法、系统及缝制机器人
本专利技术涉及服装缝制
，具体涉及一种服装缝制过程中的布料处理方法、系统及缝制机器人。
技术介绍
在机器人缝制服装的过程中，机器人末端执行器需要同步引导布料，布料应保持绷紧，以防止形变和褶皱，确保高质量的缝线。机器人缝制需要经历布料特性估计–拉力确定–缝纫–适应的过程，其中，布料需要保持的张力取决于布料类型、结构组成及其性能，KES、FAST和Famous系统等设备可以对布料拉伸性能进行客观测量，但这些仪器的测试时间长，操作的灵活性差，测试准确性低，而且布料通常具有极低的抗弯性、较大的变形性、材料的各向异性和非线性，布料种类非常繁多，这都导致了对机器人操作布料实时建模的困难。
技术实现思路
本专利技术的目的在于提供一种实现机器人缝制过程中的布料延展性智能评估、以确定在缝制过程中应施加的布料张力的布料处理方法、系统及缝制机器人，以解决上述
技术介绍
中存在的至少一项技术问题。为了实现上述目的，本专利技术采取了如下技术方案：第一方面，本专利技术提供一种布料处理方法，包括：获取布料的特征向量；利用训练好的模型对特征向量进行分析，确定所述布料的延展性；其中，所述模型为使用多组训练数据训练得出，所述多组数据中的每组数据均包括：布料的特征向量和标识该特征向量下对应的布料的延展性；其中，所述特征向量包括布料的张力和布料的拉伸应变；根据所述布料的延展性，对所述布料施加外部张力。优选的，训练所述模型包括：利用机械臂末端六维力传感器采集力和对应的力矩数据，获得布料张力；根据机械臂拉伸布料时末端位姿的变化，获得布料拉伸应变；布料张力和拉伸应变组成特征向量，作为神经网络的输入集，输出布料的延展性；将专家估计的该特征向量下对应的作为神经网络的训练标签，与输出的布料延展性进行比较，直至误差最小，得到所述模型。优选的，获取布料的张力包括：准备多个不同材质的布料样本；将机械臂末端tcp的姿态调整到与工具坐标系一致，工具坐标系原点定义在机器人所夹持工具的末端，x轴、y轴与z轴通常根据腕部坐标系来确定。布料一端由安装在机械臂末端的压板压紧，另一端由压脚固定在缝纫机上；测量压脚与末端之间的布料长度，将末端在工具坐标系下的位姿作为运动起点，改变末端横轴的大小，使机械臂压紧布料向外水平移动与布料长度相等的距离，将此时机械臂的末端位姿作为运动终点，通过六维力传感器记录机械臂压紧布料向外水平移动过程中测量到的力和力矩；分别对力和力矩进行卡尔曼滤波，去除噪声后，对力和力矩合成，得到布料张力；保持机械臂末端运动的起点和终点不变，对多个布料分别拉伸多次，采集布料张力数据。优选的，获取布料的拉伸应变包括：机械臂从起点运动到终点的过程中，布料的拉伸应变由0增加到100％，根据位姿的变化量，计算此时的拉伸应变；保持机械臂末端运动的起点和终点不变，对多个布料分别拉伸多次，采集拉伸应变数据。优选的，将布料张力和拉伸应变组成特征向量包括：绘制所述多种布料的张力-拉伸应变曲线图；当压板运动到布料绷紧时，为测量的力设置变化范围，采集达到恒定摩擦力时的拉伸应变；每个输入集的特征向量由当前点的张力、当前点的拉伸应变、前一个点的张力、前一个点的拉伸应变以及对应的布料种类五个元素组成。优选的，将专家估计的延展性作为神经网络的训练标签，对神经网络进行监督训练包括：通过定性的语言值来表达对布料延展性的评价，得到五个不同的延展性区域：“非常低”、“低”、“中等”、“高”和“非常高”，对应的延展性分别用0.1、0.3、0.5、0.7和0.9表示；将所有布料的张力-拉伸应变曲线划分五个不同的延展性区域中，赋予期望的延展性数值；将输入集和期望延展性输出作为训练库的一个样本，使用Levenberg-Marquardt算法对BP神经网络进行训练，Levenberg–Marquardt算法是对高斯牛顿的改进，在迭代步长上略有不同，性能函数是所有输入的误差平方和；当迭代参数使性能函数变大时，变为梯度下降法；在每次成功的迭代之后性能函数减小，变为高斯牛顿法。对于每个输入集，计算网络输出估计的延展性，与期望延展性输出进行比较，产生误差，以训练网络。第二方面，本专利技术提供一种布料处理系统，该系统包括：获取模块，用于获取布料的特征向量；分析模块，用于利用训练好的模型对特征向量进行分析，确定所述布料的延展性；其中，所述模型为使用多组训练数据训练得出，所述多组数据中的每组数据均包括：布料的特征向量和标识该特征向量下对应的布料的延展性；其中，所述特征向量包括布料的张力和布料的拉伸应变；控制模块，用于根据所述布料的延展性，对所述布料施加外部张力。第三方面，本专利技术提供一种缝制机器人，包括如上所述的布料处理系统。第四方面，本专利技术提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括用于执行如上所述的布料处理方法的指令。第五方面，本专利技术提供一种电子设备，包括如上所述的非暂态计算机可读存储介质；以及能够执行所述非暂态计算机可读存储介质的所述指令的一个或多个处理器。本专利技术有益效果：表示了布料拉伸能力的特性，实现了布料延展性的估测评价，确定在缝制过程中应施加的更加精确的布料张力。本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例所述的布料处理系统的功能原理框架图。图2为本专利技术实施例所述的模型训练方法流程示意图。图3为本专利技术实施例所述的BP神经网络框架图。具体实施方式下面详细叙述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本专利技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加本文档来自技高网...

【技术保护点】
1.一种布料处理方法，其特征在于，包括：/n获取布料的特征向量；/n利用训练好的模型对特征向量进行分析，确定所述布料的延展性；其中，所述模型为使用多组训练数据训练得出，所述多组数据中的每组数据均包括：布料的特征向量和标识该特征向量下对应的布料的延展性；其中，所述特征向量包括布料的张力和布料的拉伸应变；/n根据所述布料的延展性，对所述布料施加外部张力。/n

【技术特征摘要】
1.一种布料处理方法，其特征在于，包括：
获取布料的特征向量；
利用训练好的模型对特征向量进行分析，确定所述布料的延展性；其中，所述模型为使用多组训练数据训练得出，所述多组数据中的每组数据均包括：布料的特征向量和标识该特征向量下对应的布料的延展性；其中，所述特征向量包括布料的张力和布料的拉伸应变；
根据所述布料的延展性，对所述布料施加外部张力。


2.根据权利要求1所述的布料处理方法，其特征在于，训练所述模型包括：
利用机械臂末端六维力传感器采集力和对应的力矩数据，获得布料张力；
根据机械臂拉伸布料时末端位姿的变化，获得布料拉伸应变；
布料张力和拉伸应变组成特征向量，作为神经网络的输入集，输出布料的延展性；
将专家估计的该特征向量下对应的作为神经网络的训练标签，与输出的布料延展性进行比较，直至误差最小，得到所述模型。


3.根据权利要求2所述的布料处理方法，其特征在于，获取布料的张力包括：
准备多个不同材质的布料样本；
将机械臂末端tcp的姿态调整到与工具坐标系一致，布料一端由安装在机械臂末端的压板压紧，另一端由压脚固定在缝纫机上；
测量压脚与末端之间的布料长度，将末端在基坐标系下的位姿作为运动起点，改变末端横轴的大小，使机械臂压紧布料向外水平移动与布料长度相等的距离，将此时机械臂的末端位姿作为运动终点，通过六维力传感器记录机械臂压紧布料向外水平移动过程中测量到的力和力矩；
分别对力和力矩进行卡尔曼滤波，去除噪声后，对力和力矩合成，得到布料张力；
保持机械臂末端运动的起点和终点不变，对多个布料分别拉伸多次，采集布料张力数据。


4.根据权利要求3所述的布料处理方法，其特征在于，获取布料的拉伸应变包括：
机械臂从起点运动到终点的过程中，布料的拉伸应变由0增加到100％，根据位姿的变化量，计算此时的拉伸应变；
保持机械臂末端运动的起点和终点不变，对多个布料分别拉伸多次，采集拉伸应变数据。


5.根据权利要求4所述的布料处理方法，其特征在于，将布料张力和拉伸应变组成特征向量包括：
绘制所...

【专利技术属性】
技术研发人员：宋锐，宋洁心，李凤鸣，王艳红，田新诚，付天宇，崔涛，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37