[发明专利]一种基于回归神经网络的装配扭矩监测系统及监测方法

说明书

本发明涉及一种基于回归神经网络的装配扭矩监测系统及监测方法，其中系统包括可穿戴测量设备、扭矩回归模块和计算机；可穿戴测量设备包括无线通信单元、肌肉测量单元和惯性测量单元；肌肉测量单元和惯性测量单元分别采集操作人员在装配过程中产生的sEMG信号和惯性信号，通过无线通信单元发送至计算机；还包括扭矩样本采集装置，用于采集操作人员对装配体样本进行装配过程中产生的扭矩信息并发送至计算机上；计算机包括回归神经网络模型，所述计算机将sEMG信号和惯性信号作为输入，扭矩信息作为输出，对回归神经网络模型进行训练，得到扭矩监测模型；扭矩回归模块嵌入有扭矩监测模型，用于通过sEMG信号和惯性信号计算装配扭矩并反馈给操作人员。

技术领域

本发明涉及一种基于回归神经网络的装配扭矩监测系统及监测方法，属于智能制造和装配过程监测技术领域。

背景技术

机械装配是机械制造业中重要的组成部分，是按照技术要求，实现机械零件、部件的组合，完成机器的组装的过程。装配过程监测已成为保证产品质量的重要手段。目前主要有三类装配过程监测方法，分别为装配操作人员监测，装配体监测和装配力/力矩监测。其中，操作人员监测，是最直接的监测方式，它应用人体姿态估计、动作识别、人脸识别等视觉方法，判断操作人员装配动作、装配操作顺序等。装配体监测通过图像识别、目标检测等方法识别装配体上的各零部件及其姿态，以判断装配体错装，漏装等。装配力/力矩监测依靠各类型传感器，监测装配过程中的操作者的施加力/力矩的情况。

当前，装配力/力矩监测分为两类。第一类传感器安装在工装夹具或装配流水线上，这类传感器工作环境受限，只能应用于被安装位置。并且这类传感器不易更换，随着工作时间的增长，性能下降，监测精度降低。第二类传感器安装在装配工具上，这类传感器通用性差，面对不同装配过程需要采用不同的装配工具，还存在便携性差、安装空间受装配空间限制等问题。

发明内容

为了解决上述现有技术中存在的问题，本发明提出了一种基于回归神经网络的装配扭矩监测系统及监测方法，通过操作人员装配过程中产生的sEMG信号和惯性信号回归装配扭矩，监测装配情况。

本发明的技术方案如下：

技术方案一：

一种基于回归神经网络的装配扭矩监测系统，包括可穿戴测量设备、扭矩回归模块和计算机；

所述可穿戴测量设备包括无线通信单元以及与无线通信单元电连接的肌肉测量单元和惯性测量单元；所述肌肉测量单元和惯性测量单元分别采集操作人员在装配过程中产生的sEMG信号和惯性信号，所述无线通信单元与所述计算机无线通信连接，用于将采集到的sEMG信号和惯性信号发送至计算机；

还包括扭矩样本采集装置，其设置于装配体样本上并与所述计算机电连接，所述扭矩样本采集装置采集操作人员对装配体样本进行装配过程中产生的扭矩信息并发送至所述计算机上；

所述计算机包括回归神经网络模型，所述计算机将sEMG信号和惯性信号作为输入，扭矩信息作为输出，对所述回归神经网络模型进行训练，得到训练好的扭矩监测模型；

所述扭矩回归模块包括处理器和反馈装置，所述处理器与所述可穿戴测量设备和反馈装置电连接且嵌入有所述训练好的扭矩监测模型，用于接收sEMG信号和惯性信号并通过扭矩监测模型计算装配扭矩，通过所述反馈装置反馈给操作人员。

进一步的，所述计算机内还包括预处理模块，所述预处理模块包括陷波器、零相移高通滤波器和零相移低通滤波器，所述sEMG信号、惯性信号和扭矩信息通过所述陷波器消除信号工频干扰，所述sEMG信号和惯性信号通过所述零相移高通滤波器和零相移低通滤波器进行信号降噪。

进一步的，所述回归神经网络模型为异构时空卷积神经网络，其包括输入端、特征融合模块、复数个异构时空卷积模块、特征展平模块、全连接层和输出端；