[发明专利]一种面向模具保护的无标定视觉伺服控制方法

摘要

一种面向模具保护的基于回声状态网络估计图像雅克比矩阵的无标定视觉伺服控制方法，包括以下步骤1)、建立模具的图像索引区域及目标图像样本库；2)、特征提取及降维；3)、采用多项式插值的方法进行空间约束条件下的逆运动学规划；4)、实现基于回声状态网络估计雅克比伪逆矩阵。本发明可以有效解决传统BP神经网络存在局部极小的问题，利用ESN网络在权值不变情况下的自适应性和计算的高效率特点，解决一般动态网络在线计算网络输出权值，实时性不好的问题。

主权项

一种面向模具保护的基于回声状态网络估计图像雅克比矩阵的无标定视觉伺服控制方法，其特征在于：所述方法包括以下步骤：1)、建立模具的图像索引区域及目标图像样本库；2)、特征提取及降维；3)、采用多项式插值的方法进行空间约束条件下的逆运动学规划；4)、实现基于回声状态网络估计雅克比逆矩阵，包括以下步骤：Step4.1：让机械手在起始位置做小幅度随机运动，机械手摆动角度不超过30度，记录连续n个周期的k维图像特征差分矢量(df1,df2,…dfk)，和m维机械手末端位置差分矢量(dr1,dr2,…drm)，图像特征差分矢量指前后两个采样点的图像灰度值之差，机械手末端位置差分矢量指前后两个采样点机械手末端位置之差，则得到图像特征差分矢量矩阵和末端位置差分矢量矩阵，两者通过两者相除得出图像雅可比逆矩阵的起始位置估计值Step4.2：通过规划关节空间的轨迹来控制机械臂的运动，离线训练中关节空间θd的轨迹根据实际需要给出，尽量覆盖机械臂在抓取过程中可能移动到的工作空间；记录100对以上的k维图像特征差分矢量(df1,df2,…dfk)和m维机械手末端位置差分矢量(dr1,dr2,…drm)数据对；Step4.3：将数据划分为训练样本和测试样本,k维图像特征差分矢量(df1,df2,…dfk)和初始雅可比逆矩阵的输出作为回声状态网络的输入，m维机械手末端位置差分矢量(dr1,dr2,…drm)作为回声状态网络的输出。