【技術實現步驟摘要】
本專利技術涉及機械設備，特別是涉及一種基于圖學習的人機協作裝配站的調整方法和系統。
技術介紹
1、人機協作裝配站在許多領域中越來越普及，也面臨著許多挑戰。一方面內部工藝改良，需要大量的人力、物力、財力，并且要盡可能快速的滿足市場需要；另一方面，市場需求時刻變化，要求企業能夠動態的調整生產計劃，裝配系統需要更具有柔性。而且客戶的需求變得越來越多樣化、個性化，定制化已成為一種必然趨勢。首先，現在的人機協作裝配站反應速度慢，內部工藝改良，員工需要時間和資源培訓，機器需要時間適應，在短期內，生產力大幅度下降，無法快速響應市場需求。其次，現在的人機協作裝配站成本都很高，在工藝改良或者外界干擾下，在短期內沒有找到優化方案，將會造成一定的經濟壓力。最后，現在的人機協作裝配站靈活性很差，遇到應對隱性干擾和顯式變化時，效率大打折扣。
2、現有技術公開一種人機協作裝配工作站及方法。人機協作裝配工作站，包括輸送輥道、協作機器人、裝配定位套、沖壓機構以及控制系統；控制系統包括控制器與人機交互界面；輸送輥道上設置有工裝板，工裝板用于承載齒輪軸與軸承，輸送輥道能夠通過帶動工裝板從而帶動承載齒輪軸與軸承運動；協作機器人能夠將齒輪軸在裝配定位套和沖壓機構之間搬運；沖壓機構用于對套合有軸承的齒輪軸進行沖壓；控制器分別與機交互界面、輸送輥道、協作機器人、沖壓機構電連接。該現有技術通過協作機器人與人工共同進行軸承壓裝過程，提高了軸承壓裝的效率，并且采用協作機器人將套合有軸承的齒輪軸放入沖壓機構，提高了裝配過程的安全性。但該現有技術的靈活性較差，當面臨工藝
技術實現思路
1、本專利技術的首要目的是克服現有技術存在的問題，提供一種基于圖學習的人機協作裝配方法，本專利技術通過人機協作裝配系統仿真的形式，虛實同步與融合，大幅降低人機協作裝配站的耗費。現有技術若遇到工藝變更，環境改變等情況，將占用大量的時間、場地和資金去調整適應，而利用本方法重構模型，模擬調整優化，從而線下優化生產方案，縮短其聯調聯試周期，提高企業的生產效率。
2、作為本專利技術的另一目的，也基于前述目的的方法而提供與之相適應的系統。
3、作為本專利技術的又一目的，提供一種適于存儲依據所述的方法實現的計算機程序的非易失性存儲介質。
4、為了實現上述目的，本專利技術提供了一種面向裝配站的圖卷積網絡的訓練方法，所述方法包括以下步驟：
5、獲取裝配站的圖像集，并對所述圖像集進行預處理；
6、根據預處理后的圖像集建立基于裝配站的圖結構，根據所述圖結構建立圖卷積網絡；
7、對所述圖卷積網絡進行優化，獲得優化后的圖卷積網絡；
8、訓練所述優化后的圖卷積網絡，在訓練過程中定義損失函數調整所述優化后的圖卷積網絡，獲得訓練好的圖卷積網絡。
9、進一步地，所述預處理包括去除所述圖像集中缺失或異常的圖像，并統一所述圖像集中剩余圖像的格式，獲得預處理后的圖像集。
10、進一步地，所述根據所述圖結構建立圖卷積網絡，具體包括：
11、基于所述圖結構獲取鄰接矩陣和節點特征矩陣，對所述鄰接矩陣進行歸一化處理，獲得歸一化后的鄰接矩陣；
12、根據所述歸一化后的鄰接矩陣和所述節點特征矩陣構建圖卷積網絡。
13、進一步地，所述根據所述歸一化后的鄰接矩陣和所述節點特征矩陣構建圖卷積網絡，構建方法如下：
14、
15、其中為第層的節點特征矩陣，為歸一化后的鄰接矩陣，為第層的權重矩陣，為激活函數，其中歸一化后的鄰接矩陣的計算方式如下：
16、
17、其中，為度矩陣，為單位矩陣，為鄰接矩陣。
18、進一步地，所述對所述圖卷積網絡進行優化，具體包括：對所述圖卷積網絡的參數進行優化，獲得第一圖卷積網絡，所述參數包括卷積批量大小、卷積核大小和卷積層數；在所述第一圖卷積網絡中，使用圖注意力池化方法替代全局平均池化方法計算節點特征權重，獲得優化后的圖卷積網絡。
19、進一步地，所述損失函數包括第一損失函數和第二損失函數，所述第一損失函數用于評估損失優化后的圖卷積網絡預測節點的屬性或值的性能，所述第二損失函數用于評估損失優化后的圖卷積網絡預測兩節點之間是否存在邊的性能，其中，第一損失函數如下：
20、
21、其中，為基于目標裝配站的圖結構的節點數量，為節點的真實值，為節點的預測值；
22、第二損失函數如下：
23、
24、其中，為真實鄰接矩陣的元素，表示節點和之間的邊是否存在，為優化后的圖卷積網絡對節點和之間存在邊的預測概率。
25、一種基于圖學習的人機協作裝配站的調整方法，所述調整方法基于所述的一種面向裝配站的圖卷積網絡的訓練方法，包括：基于所述訓練方法構建集成虛擬重構模型；將換產信息輸入所述虛擬重構模型，輸出調整裝配策略。
26、進一步地，所述集成虛擬重構模型，所述集成虛擬重構模型具體包括：視覺傳感器、軟plc及其外部模塊、仿真軟件；
27、所述視覺傳感器用于采集目標裝配站的圖像集；
28、所述軟plc及其外部模塊基于所述訓練方法訓練針對目標裝配站的圖卷積網絡；獲得訓練好的針對目標裝配站的圖卷積網絡，訓練好的針對目標裝配站的圖卷積網絡接收所述目標裝配站的圖像集，獲得優化數據；
29、所述仿真軟件根據所述優化數據獲得優化模型，基于所述優化模型和原始模型獲得調整裝配策略。
30、為了實現本專利技術的另一目的，本專利技術還提供一種基于圖學習的人機協作裝配系統，所述系統基于所述的一種基于圖學習的人機協作裝配方法，包括：
31、構建模塊：基于所述訓練方法構建集成虛擬重構模型；
32、輸出模塊：將換產信息輸入所述集成虛擬重構模型，輸出調整裝配策略。
33、為了實現本專利技術的又一目的，本專利技術還提供一種計算機可讀存儲介質，其上存儲有計算機程序，所述的計算機存儲程序被處理器執行時，實現所述的一種基于圖學習的人機協作裝配站的調整方法。
34、本專利技術與現有技術相比，其有益效果在于：
35、1、本專利技術通過圖卷積神經網絡對節點分析學習，建立集成虛擬重構模型，可以在人機裝配協作系統與仿真系統中進行模擬，進行新工藝生產設計與執行的迭代優化，有效提升了整個系統設計的合理性，實現人機裝配協作系統的智能化運維；
36、2、還通過人機協作裝配系統仿真的形式，虛實同步與融合，大幅降低人機協作裝配站的耗費。現有技術若遇到工藝變更，環境改變等情況，將占用大量的時間、場地和資金去調整適應，而利用本專利技術的方法訓練重構模型，模擬調整優化，從而線下優化生產方案，縮短其聯調聯試周期，提高企業生產效率；
37、3、通過采集人機協作裝配站運動和生產數據，基于能用于記錄實體設備未被篡改的本文檔來自技高網...
【技術保護點】
1.一種面向裝配站的圖卷積網絡的訓練方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的一種面向裝配站的圖卷積網絡的訓練方法，其特征在于，所述預處理包括去除所述圖像集中缺失或異常的圖像，并統一所述圖像集中剩余圖像的格式，獲得預處理后的圖像集。
3.根據權利要求1所述的一種面向裝配站的圖卷積網絡的訓練方法，其特征在于，所述根據所述圖結構建立圖卷積網絡，具體包括：
4.根據權利要求3所述的一種面向裝配站的圖卷積網絡的訓練方法，其特征在于，所述根據所述歸一化后的鄰接矩陣和所述節點特征矩陣構建圖卷積網絡，構建方法如下：
5.根據權利要求1所述的一種面向裝配站的圖卷積網絡的訓練方法，其特征在于，所述對所述圖卷積網絡進行優化，具體包括：對所述圖卷積網絡的參數進行優化，獲得第一圖卷積網絡，所述參數包括卷積批量大小、卷積核大小和卷積層數；在所述第一圖卷積網絡中，使用圖注意力池化方法替代全局平均池化方法計算節點特征權重，獲得優化后的圖卷積網絡。
6.根據權利要求1所述的一種面向裝配站的圖卷積網絡的訓練方法，其特征在于，所述損
7.一種基于圖學習的人機協作裝配站的調整方法，所述調整方法基于權利要求1至6任一項所述的一種面向裝配站的圖卷積網絡的訓練方法，其特征在于，包括：基于所述訓練方法構建集成虛擬重構模型；將換產信息輸入所述虛擬重構模型，輸出調整裝配策略。
8.根據權利要求7所述的一種基于圖學習的人機協作裝配站的調整方法，其特征在于，所述集成虛擬重構模型具體包括：視覺傳感器、軟PLC及其外部模塊、仿真軟件；
9.一種基于圖學習的人機協作裝配系統，所述系統基于權利要求7至8任一項所述的一種基于圖學習的人機協作裝配方法，其特征在于，包括：
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述的計算機存儲程序被處理器執行時，實現權利要求7至8任一項所述的一種基于圖學習的人機協作裝配站的調整方法。
...【技術特征摘要】
1.一種面向裝配站的圖卷積網絡的訓練方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的一種面向裝配站的圖卷積網絡的訓練方法，其特征在于，所述預處理包括去除所述圖像集中缺失或異常的圖像，并統一所述圖像集中剩余圖像的格式，獲得預處理后的圖像集。
3.根據權利要求1所述的一種面向裝配站的圖卷積網絡的訓練方法，其特征在于，所述根據所述圖結構建立圖卷積網絡，具體包括：
4.根據權利要求3所述的一種面向裝配站的圖卷積網絡的訓練方法，其特征在于，所述根據所述歸一化后的鄰接矩陣和所述節點特征矩陣構建圖卷積網絡，構建方法如下：
5.根據權利要求1所述的一種面向裝配站的圖卷積網絡的訓練方法，其特征在于，所述對所述圖卷積網絡進行優化，具體包括：對所述圖卷積網絡的參數進行優化，獲得第一圖卷積網絡，所述參數包括卷積批量大小、卷積核大小和卷積層數；在所述第一圖卷積網絡中，使用圖注意力池化方法替代全局平均池化方法計算節點特征權重，獲得優化后的圖卷積網絡。
6.根據權利要求1所述的一種面向裝配站的圖卷積網絡的訓練方法...
【專利技術屬性】
技術研發人員：冷杰武，葉子龍，李鋒，陳錦祥，陳佳霖，
申請(專利權)人：廣東工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。