基于人工智能的激光自动除锈机器人控制系统技术方案

本发明专利技术涉及一种基于人工智能的激光自动除锈机器人控制系统，属于除锈自动控制领域。本发明专利技术根据作业场景的特点，收集训练图片，对图像进行采集和处理，运用深度学习算法卷积神经网络算法对图像信息进行模型训练，通过训练好的模型，使得激光自动除锈机器人可发明专利技术可以对除锈目标，尤其是非平面的复杂形状作业目标进行精准自动除锈。进行精准自动除锈。进行精准自动除锈。

【技术实现步骤摘要】
基于人工智能的激光自动除锈机器人控制系统


[0001]本专利技术涉及除锈自动控制领域，具体地说，涉及一种基于人工智能的激光自动除锈机器人控制系统。

技术介绍

[0002]金属定期除锈是工业上普遍的需求，对于钢板型的除锈目标来说，可以采用抛丸除锈进行高效除锈。但对结构复杂的非平板形除锈目标，目前主要的方法还是靠人工在固定位置靠除锈，工人作业环境辛苦、效率低下、标准不一致、效果不理想。激光自动除锈机器人具有绿色环保、易于操作、效率高等优点，因此在除锈领域具有重要的研究和应用价值。随着国家智能制造理念的不断深入，人工智能技术的飞速发展，实现结构复杂的非平板形除锈目标自动化和智能化是亟待解决的问题。为了解决这一问题，并高激光自动除锈机器人的工作效率，在进行表面除锈工作时，保证激光自动除锈机器人能够全覆盖除锈的同时还能够寻求最优路径降低能耗，进行基于机器学习的激光自动除锈机器人曲面路径规划技术研究，据位置和障碍物分布的不同，解决激光自动除锈机器人路径规划的问题，有效提升激光自动除锈机器人系统在路径规划问题中的自学习能力和自适应性，使得激光自动除锈机器人在条件受限的路径规划领域中得到了拓展。同时作业场景的特点，收集训练图片，对图像进行采集和处理，运用深度学习算法卷积神经网络的图像检测算法对图像信息进行模型训练，通过训练好的模型，使得激光自动除锈机器人可以自动识别作业场景、作业目标、根据目标状态自动控制除锈过程，自动完成除锈作业。形成一套可持续、有效的技术方案，设计、实施了本方法。

技术实现思路

[0003]本专利技术的目的在于提供一种基于人工智能的激光自动除锈机器人控制系统，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，提供了一种基于人工智能的激光自动除锈机器人控制系统，包括自动移动和避障系统，图像识别系统和激光机械臂动力系统，及其相互关联的数据库。
[0005]S1. 通过作业场景、作业目标和作业要求，建立激光自动除锈机器人的运动学模型，以Q
‑
Learning算法为基础进行路径规划，建立激光自动除锈机器人运动学模型，利用曲面离散模型建立局部环境信息，通过不断地与环境进行交互来获得环境信息，再通过反馈的强化信号对选择执行的行动进行评价，利用不断试错和选择的方式解决环境模型建模不准或未知障碍物下的路径规划问题，有效提升激光自动除锈机器人系统在路径规划问题中的自学习能力和自适应性；S2. 建立作业区定位导航模型，利用SLAM算法在激光自动除锈机器人路径规划的基础上，通过视觉传感器进行见图，定位，模型存入系统数据库，基于激光自动除锈机器人内置摄像头所实时采集的工作空间视频流，建立空间识别和导航系统，使得激光自动除锈机器人在条件受限的路径规划过程中得到拓展，实现激光自动除锈机器人可以自动移动至
作业目标和动态的路径规划，确保激光自动除锈机器人能够全覆盖除锈的同时还能够寻求最优路径降低能耗，根据位置和障碍物分布的不同，解决激光自动除锈机器人路径规划的问题；S3. 采集作业目标数据，利用深度学习图像算法，训练作业目标识别模型，控制激光自动除锈机器人识别找到作业目标，并对目标需要除锈的区域部位进行扫描见图，模型导入系统。采集所需工作场景中的锈渍图片信息并数据化，基于深度神经网络框架将数据化的图像分为训练集和测试集，为了避免产生过拟合的现象，增加单位时间采集的图像数量，经过多次迭代计算，得到识别出锈渍的信息精准度，直至符合工业需求，识别各级别除锈特征模型，模型导入系统将训练好的网络模型加载至激光自动除锈机器人携带的摄像头处理系统，将其所采集的图像信息进行数据化处理，识别出锈渍的信息；S4. 激光自动除锈机器人采用激光除锈方式进行工业除锈作业，除锈机仪器搭载至动力机械臂上，且装有图像采集装置，将激光处理系统的联动电路和控制器镶嵌至激光自动除锈机器人的动力机械臂上，测试激光强度，使其符合除去锈渍的标准强度。建立激光强度、目标材质、锈蚀程度和除锈目标对应关系，存入系统数据库。使得由图像识别系统提供指挥指令，动力机器臂的动力装置提供激光工作的物理引导，完成精准的除锈作业；S5. 建立除锈异常情况的处理方式，写入程序，进入工作模式后，加载模型，如有异常进行异常处理，将各系统进行电路集成，实现对目标除锈要求的广泛化应用，实时根据作业效果进行数据反馈，动态调整激光自动除锈机器人完成工业上的除锈作业；S6. 开始除锈，除锈标准模型开始运行，判断机械臂处是否需要除锈，判断除锈后效果等级，对激光自动除锈机器人进行反馈控制；S7. 除锈直至结束，过程数据存入系统数据库，数据用来记录除锈过程和继续优化模型。
[0006]进一步的，所述S1中以Q
‑
Learning为基础进行路径规划，建立激光自动除锈机器人运动学模型，利用曲面离散模型建立局部环境信息，通过不断地与环境进行交互来获得环境信息，再通过反馈的强化信号对选择执行的行动进行评价，利用不断试错和选择的方式解决环境模型建模不准或未知障碍物下的路径规划问题：激光自动除锈机器人做直线运动时的运动情况相对简单，左、右两条永磁式履带行走速度相同，、v
g
为两个行走机构的速度；r为激光自动除锈机器人行走机构的主动轮半径；ω为左、右电机的旋转速度；由此可得激光自动除锈机器人直线运动方程为：半径；ω为左、右电机的旋转速度；由此可得激光自动除锈机器人直线运动方程为：即如果不考虑履带与齿轮啮合所存在的滑移，只考虑履带与壁面之间的滑移，则设滑动系数为，激光自动除锈机器人的运动速度为：
激光自动除锈机器人在转向时，可以认为是通过左、右两个步进电机所驱动的两条履带的速度差来实现的。激光自动除锈机器人的运动学模型同采用瞬心模型，σ为滑移角；R为转弯半径；v为激光自动除锈机器人的质心速度；ω为瞬时角速度；ξ为激光自动除锈机器人与竖直平面的夹角； P为激光自动除锈机器人的中心（中心与重心重合）；P
′
为激光自动除锈机器人z轴方向与履带瞬心O
′
延长线的交点，由此可得到激光自动除锈机器人转弯运动学的模型为：弯运动学的模型为：弯运动学的模型为：转换到壁面空间坐标系为：转换到壁面空间坐标系为：转换到壁面空间坐标系为：根据运动学模型图中的几何关系可知，P
′
为激光自动除锈机器人z轴方向与履带瞬心O
′
延长线的交点，该点处的速度，激光自动除锈机器人的质心速度，可知激光自动除锈机器人的执行速度与P
′
速度的关系为：根据上述公式可知激光自动除锈机器人左、右履带的瞬时速度分别为：根据上述公式可知激光自动除锈机器人左、右履带的瞬时速度分别为：因为P
′
为左、右履带瞬心O
L
、O
R
的中点，P
′
处的速度为：其中，为左、右进步机的旋转速度；分别为左、右履带主动轮的半径。根据公式可得到激光自动除锈机器人的质心速度公式为：=进一步的，所述S2中利用SLAM算法在激光自动除锈机器人路径规划的基础上，基于激光自动除锈机器人内置摄本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的激光自动除锈机器人控制系统，其特征在于，包括自动移动和避障系统模块，图像识别模块，激光机械臂动力模块和相互关联的数据库；所述控制系统的工作步骤为：S1.通过作业场景、作业目标和作业要求，建立激光自动除锈机器人的运动学模型，以Q
‑
Learning算法为基础进行路径规划，建立激光自动除锈机器人运动学模型，利用曲面离散模型建立局部环境信息，通过不断地与环境进行交互来获得环境信息，再通过反馈的强化信号对选择执行的行动进行评价，利用不断试错和选择的方式解决环境模型建模不准或未知障碍物下的路径规划问题，有效提升激光自动除锈机器人系统在路径规划问题中的自学习能力和自适应性；S2.建立作业区定位导航模型，利用SLAM算法在激光自动除锈机器人路径规划的基础上，通过视觉传感器进行见图，定位，模型存入系统数据库，基于激光自动除锈机器人内置摄像头所实时采集的工作空间视频流，建立空间识别和导航系统，使得移动激光自动除锈机器人在条件受限的路径规划过程中得到拓展，实现激光自动除锈机器人可以自动移动至作业目标和动态的路径规划，确保激光自动除锈机器人能够全覆盖除锈的同时还能够寻求最优路径降低能耗，根据位置和障碍物分布的不同，解决激光自动除锈机器人路径规划的问题；S3.采集作业目标数据，利用深度学习图像算法，训练作业目标识别模型，控制激光自动除锈机器人识别找到作业目标，并对目标需要除锈的区域部位进行扫描见图，模型导入系统，采集所需工作场景中的锈渍图片信息并数据化，基于深度神经网络框架将数据化的图像分为训练集和测试集，为了避免产生过拟合的现象，增加单位时间采集的图像数量，经过多次迭代计算，得到识别出锈渍的信息精准度，直至符合工业需求，识别各级别除锈特征模型，模型导入系统将训练好的网络模型加载至激光自动除锈机器人携带的摄像头处理系统，将其所采集的图像信息进行数据化处理，识别出锈渍的信息；S4.激光自动除锈机器人采用激光除锈方式进行工业除锈作业，除锈机仪器搭载至动力机械臂上，且装有图像采集装置，将激光处理系统的联动电路和控制器镶嵌至激光自动除锈机器人的动力机械臂上，测试激光强度，使其符合除去锈渍的标准强度，建立激光强度、目标材质、锈蚀程度和除锈目标对应关系，存入系统数据库，使得由图像识别系统提供指挥指令，动力机器臂的动力装置提供激光工作的物理引导，完成精准的除锈作业；S5.建立除锈异常情况的处理方式，写入程序，进入工作模式后，加载模型，如有异常进行异常处理，将各系统进行电路集成，实现对目标除锈要求的广泛化应用，实时根据作业效果进行数据反馈，动态调整激光自动除锈机器人完成工业上的除锈作业；S6.开始除锈，除锈标准模型开始运行，判断机械臂处是否需要除锈，判断除锈后效果等级，对激光自动除锈机器人进行反馈控制；S7.除锈直至结束，过程数据存入系统数据库，数据用来记录除锈过程和继续优化模型。2.根据权利要求1所述的基于人工智能的激光自动除锈机器人控制系统，其特征在于，所述S1中以Q
‑
Learning为基础进行路径规划，建立激光自动除锈机器人运动学模型，利用曲面离散模型建立局部环境信息，通过不断地与环境进行交互来获得环境信息，再通过反馈的强化信号对选择执行的行动进行评价，利用不断试错和选择的方式解决环境模型建模
不准或未知障碍物下的路径规划问题：激光自动除锈机器人做直线运动时的运动情况相对简单，左、右两条永磁式履带行走速度相同，、v
g
为两个行走机构的速度；r为激光自动除锈机器人行走机构的主动轮半径；ω为左、右电机的旋转速度；由此可得激光自动除锈机器人直线运动方程为：ω为左、右电机的旋转速度；由此可得激光自动除锈机器人直线运动方程为：即如果不考虑履带与齿轮啮合所存在的滑移，只考虑履带与壁面之间的滑移，则设滑动系数为，激光自动除锈机器人的运动速度为：激光自动除锈机器人在转向时，可以认为是通过左、右两个步进电机所驱动的两条履带的速度差来实现的，激光自动除锈机器人的运动学模型同采用瞬心模型，σ为滑移角；R为转弯半径；v为激光自动除锈机器人的质心速度；ω为瞬时角速度；ξ为激光自动除锈机器人与竖直平面的夹角；P为激光自动除锈机器人的中心；P
′
为激光自动除锈机器人z轴方向与履带瞬心O
′
延长线的交点，由此可得到激光自动除锈机器人转弯运动学的模型为：延长线的交点，由此可得到激光...

【专利技术属性】
技术研发人员：孙军，周伟，
申请(专利权)人：唐山雄炜机器人有限公司，
类型：发明
国别省市：