【技术实现步骤摘要】
本申请的实施例涉及装配机器人在线检测领域，尤其涉及基于生成扩散迁移的装配机器人在线检测方法、装置、设备和计算机可读存储介质。
技术介绍
1、随着智能制造的发展，机器人进入工厂已经成为必不可缺的一环。利用机器人代替人工进行装配作业，可以在智能制造中可以实现自动化装配、提高生产效率、保证产品质量，同时改善工作环境和人机协作。
2、尽管装配机器人在智能制造中具有广泛的应用前景，但也存在一些技术难点需要克服：例如①视觉感知和定位；②物体识别和分拣；③灵活性和适应性；④精确控制和力反馈等。上述技术难点会使机器人产生故障从而导致装配任务的失败，包括：①定位错误；②抓取失败；③连接错误；④误差累积；⑤碰撞和干涉；⑥错误的装配顺序等。这些装配任务失败的类型可能会导致装配质量下降、生产效率降低或者需要进行重新装配和调整。
3、因此，在机器人进行装配作业时进行实时的、准确的装配故障类型的识别和监测，以减少上述装配任务失败的几率，是目前亟需解决的问题。
技术实现思路
1、根据本申请的实施...
【技术保护点】
1.一种基于生成扩散迁移的装配机器人在线检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述样本数据集合包括：
3.根据权利要求2所述的方法，其特征在于，通过如下公式逐步向所述原始信号数据中添加高斯噪声，得到第一数据集合包括：
4.根据权利要求3所述的方法，其特征在于，通过如下方式对所述第一数据集合中的信号数据进行反向去噪，得到与所述原始信号数据具有相同高斯分布的样本数据集合包括：
5.根据权利要求1所述的方法，其特征在于，所述基于无监督的训练方式，利用神经网络模型对两个子域中的样本数据进行学习，...
【技术特征摘要】
1.一种基于生成扩散迁移的装配机器人在线检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述样本数据集合包括：
3.根据权利要求2所述的方法，其特征在于，通过如下公式逐步向所述原始信号数据中添加高斯噪声，得到第一数据集合包括：
4.根据权利要求3所述的方法，其特征在于，通过如下方式对所述第一数据集合中的信号数据进行反向去噪，得到与所述原始信号数据具有相同高斯分布的样本数据集合包括：
5.根据权利要求1所述的方法，其特征在于，所述基于无监督的训练方式，利用神经网络模型对两个子域中的样本数据进行学习，得到两个子域的域间损失函数包括：
6.根据权利要...
【专利技术属性】
技术研发人员：毛建旭，贺文斌，王耀南，李哲，谢核，方遒，刘彩苹，李卓维，何佳闻，张辉，朱青，
申请(专利权)人：湖南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。