期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
融合改进Dijkstra算法和动态窗口法的移动机器人路径规划 被引量:3
1
作者 郭建 杨朋 +2 位作者 曾志豪 王家淳 《组合机床与自动化加工技术》 北大核心 2024年第3期36-40,共5页
为解决移动机器人在智能制造车间的全局路径规划和局部动态避障问题,提出一种融合改进的Dijkstra算法和改进的DWA算法,对传统Dijkstra算法的路径进行平滑优化,使得路径轨迹更加平滑,动态改变DWA算法中速度评价权重函数,提高避障效率。... 为解决移动机器人在智能制造车间的全局路径规划和局部动态避障问题,提出一种融合改进的Dijkstra算法和改进的DWA算法,对传统Dijkstra算法的路径进行平滑优化,使得路径轨迹更加平滑,动态改变DWA算法中速度评价权重函数,提高避障效率。仿真结果表明,改进Dijkstra算法路径平滑优化后,平均路程缩短比例为0.65%,平均偏航角震荡次数减少了67.70%,改进后的DWA算法运行路程缩小9.68%,路径转折次数降低了33%,运行时间缩短3.88%。基于改进的Dijkstra算法和改进的DWA算法提出一种融合算法,仿真和样机实验结果表明:面对静态、动态障碍物,机器人运行线速度平缓,轨迹光滑,角速度波动明显,证明机器人运动稳定,实时调整方位,具有良好的避障能力。并且多次机器人循环定点实验中机器人纵向(X轴方向)平均误差≤30 mm,横向(Y轴)平均误差≤30 mm,定位精度满足工业需求。 展开更多
关键词 DIJKSTRA算法 动态窗口法 移动机器人路径规划 实时避障
下载PDF
基于改进YOLOv5的光伏太阳能电池片缺陷检测
2
作者 郭建 《组合机床与自动化加工技术》 北大核心 2024年第11期104-109,共6页
针对光伏电池片缺陷检测中存在的样本数据量不均衡、缺陷尺寸差异较大和背景复杂等传统目标检测算法无法解决而导致的误检、漏检问题,提出了一种基于改进的YOLOv5的光伏电池片缺陷检测算法。首先,在数据准备阶段,使用BEGAN生成对抗网络... 针对光伏电池片缺陷检测中存在的样本数据量不均衡、缺陷尺寸差异较大和背景复杂等传统目标检测算法无法解决而导致的误检、漏检问题,提出了一种基于改进的YOLOv5的光伏电池片缺陷检测算法。首先,在数据准备阶段,使用BEGAN生成对抗网络进行数据增强,扩充缺陷图片数据集,处理种类之间不平衡和缺陷尺寸差异问题;其次,在颈部网络中使用BiFPN双向特征金字塔网络,通过提取不同层次的特征信息以融合更多的缺陷特征,从而减少光伏组件复杂背景的干扰,提高检测性能;最后,在模型检测输出层添加小目标检测头,减少微小微弱缺陷信息的丢失,避免特征混淆,提高检测精度。实验结果表明,改进后的检测模型应用于数据增强扩充后的EL缺陷数据集检测,综合性能指标F1达到了84.43%,相较传统的YOLOv5算法准确率和召回率分别提升了3.02%和7.13%,检测精度mAP@0.5提高了4.31%。 展开更多
关键词 缺陷检测 YOLOv5 深度学习 数据增强
下载PDF
基于改进深度学习的光伏电池膜厚预测
3
作者 郭建 《组合机床与自动化加工技术》 北大核心 2024年第10期16-21,共6页
针对光伏电池片PECVD镀膜工艺中,对膜厚的检测成本高、难度大、效率低的问题,在BP神经网络的基础上,提出了一种基于改进深度学习的光伏电池片膜厚预测方法。首先,在图像信息采集阶段,设计色深值搭建色相H和亮度L之间的函数关系;在数据... 针对光伏电池片PECVD镀膜工艺中,对膜厚的检测成本高、难度大、效率低的问题,在BP神经网络的基础上,提出了一种基于改进深度学习的光伏电池片膜厚预测方法。首先,在图像信息采集阶段,设计色深值搭建色相H和亮度L之间的函数关系;在数据处理阶段,对图像数据做归一化处理,达到简化计算的作用,提升了模型的性能;在神经网络训练阶段,采用Tanh函数作为激活函数,使优化过程更容易,提高了函数的收敛速度;使用LM算法作为网络的训练函数,能自适应地调整收敛速度,提高训练过程的稳定性,使模型能够更精确地完成回归任务;增加动量项以减少深度学习训练时的振荡趋势,提高模型预测过程的稳定性。实验结果表明,相比于传统的BP神经网络,改进后的模型迭代次数减少了8次,膜厚预测的准确率提高了12.9%,平均误差降低了1.558 nm。最大误差控制在了4 nm以内,满足大部分光伏电池片生产的膜厚检测需求。 展开更多
关键词 膜厚预测 光伏电池片 神经网络 深度学习 色深值
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部