(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210489516.1 (22)申请日 2022.05.07 (71)申请人 深圳市纬华机 械有限公司 地址 518116 广东省深圳市龙岗区宝龙街 道同乐社区宝龙六路老太坑工业区11 号A栋101、 201、 3 01 (72)发明人 黎杨轩　 (74)专利代理 机构 深圳锴权知识产权代理事务 所(普通合伙) 44825 专利代理师 张巍 (51)Int.Cl. B25J 9/16(2006.01) (54)发明名称 一种纸箱机 械手调节系统 (57)摘要 本发明公开一种纸箱机械手调节系统， 其中 包括： 控制模块、 视觉导航模块、 通信模块、 评估 模块、 调节模块和外设接口， 其中评估模块包括 DBN预测模型和集成于 所述DBN预测模型的RBM模 型和BP神经网络模型， 所述控制模块分别与视觉 导航模块、 通信模块、 调节模块、 预测模块和外设 接口连接， 所述视觉导航模块的输出端与传输模 块的输入端连接， 所述通信模块的输出端与外接 设备的输入端连接， 所述传输模块的输出端还与 调节模块的输入端连接， 所述预测模块的输出端 与调节模块的输入端 连接。 本发 明能够自动化检 索出机械手在行进中遇到的故障信息， 并对偏差 位置信息进行定位查询， 提高了纸箱机械手在运 维过程中工作效率。 权利要求书6页 说明书14页 附图7页 CN 114654472 A 2022.06.24 CN 114654472 A 1.一种纸箱机 械手调节系统， 其特 征在于： 包括： 控制模块； 用于实现纸箱机械手在空间范围内制动的控制， 以实现纸箱机械手的调节 控制； 视觉导航模块； 用于提供纸箱机械手在运行过程中的视觉定位， 以避免障碍物在纸箱 机械手运行 过程中受到 外界障碍物影响； 通信模块； 用于实现纸箱机械手制动或者调节信息的接收、 发送或者交互， 实现纸箱机 械手对外 部数据信号的接收、 发送或者交 互； 评估模块； 用于评估纸箱机械手在制动过程中的位置或者状态， 进而调节纸箱机械手 的制动状态； 调节模块； 用于调节纸箱机械手在制动过程中的位置或者状态， 进而调节纸箱机械手 的制动状态； 外设接口； 用于实现与外部设备的交互与通信， 进而通过外设接口实现纸箱机械手的 外部连接； 评估模块包括DBN预测模型和集成于所述DBN预测模型的RBM模型和BP神经网络模型， 所述DBN预测模型连接有障碍物预测模型和归一化模型， 其中所述归一化模型与障碍物分 布模块连接， 其中所述RBM模型包括输入层、 第一隐藏层、 第二隐藏层和第三隐藏层和输出 层， 所述输入层的输出端与第一隐藏层的输入端连接， 所述第一隐藏层的输出端与第二隐 藏层的输入端连接， 第二隐藏层的输出端与第三隐藏层的输入端连接， 第三隐藏层的输出 端与输出层的输入端连接； 其中所述控制模块分别与视觉导航模块、 通信模块、 调节模块、 预测模块和外设接口连 接， 所述视觉导航模块的输出端与传输模块的输入端连接， 所述通信模块的输出端与外接 设备的输入端连接， 所述传输模块的输出端还与调节模块的输入端连接， 所述预测模块的 输出端与调节模块的输入端连接 。 2.根据权利要求1所述的一种纸箱机械手调节系统， 其特征在于： 所述视觉导航模块为 多焦距的红外深度摄 像头。 3.根据权利要求1所述的一种纸箱机械手调节系统， 其特征在于： 所述通信模块为红外 通信模块。 4.根据权利要求1所述的一种纸箱机械手调节系统， 其特征在于： 所述评估模块实现纸 箱机械手评估的方法包括以下步骤： 步骤1、 设置预测模块的参数和结构； 其中RBM模型设置为3个， BP神经网络模型设置为1 个， 并且将BP神经网络模型设置在RBM模型中的第三隐藏层中， 步骤2、 参数设置； 纸箱机械手在运维过程中遇到的故障信息在DBN预测模型中用 、 表示， 、 在DBN预测模型中设置为偏置， 连接权重用 表示， 纸箱机械手位置信息输入量 用 表示， 纸箱机 械手输出故障量用 表示， DBN预测模型 经过学习训练输出 、 、 ； 步骤3、 对纸箱机械手故障位置数据进行归一化处理， 通过DBN预测模型进行函数的建 立， 其中DBN预测模型关于纸箱机械手位置数据信息输入输出量的故障位置函数定义的表 达式为：                   （1）权　利　要　求　书 1/6 页 2 CN 114654472 A 2式 （1） 中， 将纸箱机械手不同参数输入到DBN预测模型， 以实现纸箱机械手实际故障位 置和理论上存在故障数据信息之间误差 分析， 其中理论上存在故障数据信息概率密度分布 函数表达式为：                          （2） 式 （2） 中， 表示纸箱机械手在移载纸箱过程中路径障碍物的分配函数常数， 纸箱机械 手抓握纸箱的节点参数记作为 ， 将所有纸箱机械手抓握纸箱的概率密度分布函数 进行积分， 该积分记作为 1； 隐藏层在判断纸箱机械手是否处于激活的条件概率方程式记作 为：                          （3） 式 （3） 中， 表示存在 个节点情况下的隐藏层实现纸箱机械手输出的故障量； DBN预测 模型中单个隐藏节点激活的概 率表达式为：                     （4） 式 （4） 中， 表示 函数； 表示DBN预测模型中的权重值， i表示DBN预测模 型中的节点个数， j表示隐藏层中隐藏节点数； 表示第i个纸箱机械手位置的信息输入 量； 步骤4、 纸箱机械手故障位置训练， 训练DBN预测模型中的偏置和连接权重， 通过预训练 和微调训练算法实现纸箱机械手运维过程中故障信息诊断， 训练后的DBN预测模型实现纸 箱机械手位置故障信息诊断； 步骤5、 通过对纸箱机械手位置数据样本进行训练， 选取纸箱机械手抓取纸箱的最小误 差记作为 fmin、 频率稳态值 fstable以及整条误差 曲线 作为机械手执行抓握误差的函数值， 利用绝对误差值 Error、 平均相对误差 MRE、 最大绝对误差 MAE和均方误差 RMSE作为纸箱机械 手制动的数值指标， 函数表示式为：权　利　要　求　书 2/6 页 3 CN 114654472 A 3