[发明专利]一种基于深度学习的机械手控制方法及系统

摘要

本发明涉及一种基于深度学习的机械手控制方法及系统，主要用于简化控制机械手控制策略并提高控制精度以及降低相应成本，属于机械设备控制领域，现有的控制方法大多采用专有的数学模型或控制回路，往往需要根据不同设备手工进行参数测量整定，繁琐且适应性不强，本发明基于深度学习神经网络对机械手运动位置和姿态信息以及相应控制量的映射进行自动学习，进而得出针对性的控制方法。与现有技术相比，本发明具有降低设计成本和时间，控制精度高，鲁棒性强，故障率低，抗干扰能力强等优点。

主权项

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。