[发明专利]一种基于深度学习的机械手控制方法及系统

权利要求书

1.一种基于深度学习的机械手控制方法，其特征在于，包括以下步骤：

步骤01：生成与机械手各关节对应的一组随机控制量，机械手根据随机控制量到达相应位置；

步骤02：读取摄像头单帧图像提取机械手各关节的位置信息；

步骤03：对机械手各关节的位置信息和随机控制量按设定的收集次数进行收集保存，若达到收集次数，执行步骤04，若未达到收集次数，重新执行步骤01；

步骤04：构建深度学习神经网络，读取并将收集保存的机械手各关节的位置信息和随机控制量作为训练集按照指定的训练次数对深度学习神经网络进行训练；

步骤05：保存经过训练的深度学习神经网络模型及训练结果；

步骤06：判断根据随机控制量到达相应位置的机械手各关节的位置信息是否到达期望的目标位置，若是，控制结束，若否，执行步骤07；

步骤07：把期望的目标位置信息输出到步骤05中保存的经过训练的深度学习神经网络模型，得出与期望的目标位置信息相对应控制量，机械手根据与期望的目标位置信息相对应控制量进行动作后执行步骤06形成对机械手的闭环控制。

2.根据权利要求1所述的一种基于深度学习的机械手控制方法，其特征在于，所述的深度学习神经网络为BP神经网络，所述BP神经网络的输入量为机械手各关节的位置信息，所述BP神经网络的输出量为机械手各关节的控制量。

3.根据权利要求2所述的一种基于深度学习的机械手控制方法，其特征在于，所述的BP神经网络包括多个神经元层，所述神经元层的个数为6个～8个，每个所述神经元层包括多个神经元，所述神经元的个数为16个～20个。

4.根据权利要求1或2所述的一种基于深度学习的机械手控制方法，其特征在于，所述的深度学习神经网络的迭代损失不大于0.2％。

5.一种采用如权利要求1所述机械手控制方法的基于深度学习的机械手控制系统，其特征在于，包括工作台(1)、机械手臂(2)、侧边相机(3)和顶部相机(4)，所述机械手臂(2)通过底座固定于所述工作台(1)的台面上，所述侧边相机(3)夹持安装于所述工作台(1)的侧面，所述顶部相机(4)夹持安装于所述工作台(1)的顶部。

6.根据权利要求5所述的一种采用所述机械手控制方法的基于深度学习的机械手控制系统，其特征在于，所述侧边相机(3)的安装位置需要满足条件一和条件二，所述条件一为所述侧边相机(3)的视野包含所述机械手臂(2)和所述工作台(1)的工作区域，所述条件二为所述侧边相机(3)的主光轴垂直于所述工作台(1)的侧面平面。

7.根据权利要求5所述的一种采用所述机械手控制方法的基于深度学习的机械手控制系统，其特征在于，所述顶部相机(4)的安装位置需要满足条件三和条件四，所述条件三为所述顶部相机(4)的视野包含所述机械手臂(2)和所述工作台(1)的工作区域，所述条件四为所述顶部相机(4)的主光轴垂直于所述工作台(1)的顶部平面。

8.根据权利要求5所述的一种采用所述机械手控制方法的基于深度学习的机械手控制系统，其特征在于，所述机械手臂(2)由所述底座、刚体关节和连杆所组成，所述机械手臂(2)的顶部和侧边上还设有对应的顶部标记(5)和侧边标记(6)，用于形成计算机主控程序内的标记编号。

9.根据权利要求8所述的一种采用所述机械手控制方法的基于深度学习的机械手控制系统，其特征在于，所述的刚体关节为具有可自由独立运动特性的刚体关节。