摘要：针对最小化最大完工时间的工艺规划与调度集成问题,设计并研究一种混合遗传-迭代邻域搜索优化算法。首先考虑到兼具工序柔性、序列柔性和加工柔性的问题特质,采用三层染色体编码方式,同时考虑到可行解集过大,运用结合启发式规则分配法的种群初始化方式;其次,考虑遗传算法更侧重于全局优化,引入迭代邻域搜索对遗传算法较优解进行局部搜索,并通过多次迭代后最优解仍保持不变时引入新种群进行竞争的策略,避免陷入局部最优陷阱;最后通过与已有算法对已知案例的求解结果进行比较分析,发现本算法得出最优结果优于绝大多数的优良算法,随后采用某飞机制造公司某工位为背景构建的实际案例进行验证,说明了该算法的有效性。

摘要：零件装配是产品制造过程中的关键步骤,在装配环节中,依靠机器视觉与人工智能算法进行监督,能够有效提高装配准确率,及时识别装配错误或缺漏,降低检验及错装、漏装处理成本。针对部分视觉导引装配场景涉及拆卸、重新组装及零部件体积较小、非固定相对位置的情形,以及现有依赖物料与装配体的识别方法视线易受遮挡、可识别装配步骤有限的问题,提出了基于手部特征点空间位姿信息的动态手势数据集构建方法及结合手部特征点空间域与时序信息的动态手势识别方法。通过进一步处理基于二维视觉采集识别的手部关键点,提取特定装配动作的手部空间位姿信息与手势时序信息,并利用改进的循环神经网络、卷积神经网络等算法模型进行识别。通过对不同识别方法在不同动态手势数据集上的训练结果进行对比,验证了该场景下特定数据采集方式与算法模型组合在装配动作智能识别上的有效性。

摘要：针对现有位姿估计算法在工业零件散乱堆叠场景下精度差、效率低的问题,提出了一种采用轮廓特征匹配的三维目标位姿估计方法。利用场景点云数据生成场景深度图像,采用Sobel滤波器提取图像边缘并得到场景点云轮廓;提出基于主方向一致性的轮廓点云聚类方法,对不同边缘的轮廓点云聚类并提取直线轮廓特征,建立用于进行轮廓特征匹配的统一特征描述子;通过哈希表存储的方式建立模型特征描述表,降低特征匹配时间,并通过霍夫投票得到多个候选位姿;使用位姿聚类的方式对候选位姿进行评价和筛选从而得到最终的位姿结果。采用工业目标识别数据集ITODD和自采数据进行目标6D位姿估计实验,实验结果表明提出的位姿估计方法相比于原始点对特征匹配算法识别速度更快,准确率更高,算法单个场景平均识别速度3.78 s,平均识别准确率76%。