基于神经网络的机器人抛光材料去除提升模型

余熠; 孔令豹; 张海涛; 徐敏; 王丽萍

doi:10.3788/IRLA201948.0317005

基于神经网络的机器人抛光材料去除提升模型

doi: 10.3788/IRLA201948.0317005

1.
复旦大学光科学与工程系上海超精密光学制造工程技术研究中心,上海 200433;
2.
中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室,吉林长春 130033

基金项目:

中国科学院长春光学精密机械研究所应用光学国家重点实验室开放基金;复旦-长光所合作项目基金（FC2017-010）

详细信息

作者简介:
余熠(1994-),男,硕士生,主要从事基于工业机器人的光学超精密制造方面的研究。Email:yiyu17@fudan.edu.cn

中图分类号: TP249

An improved material removal model for robot polishing based on neural networks

1.
Shanghai Engineering Research Center of Ultra-precision Optical Manufacturing,Department of Optical Science and Engineering,Fudan University,Shanghai 200433,China;
2.
State Key Laboratory of Applied Optics,Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun 130033,China

摘要: 提出了一种基于深度神经网络的提高材料去除模型精度的策略。提出一种具有特征选择能力的深度学习算法。在机器人抛光的材料去除率模型的基础上，生成由材料去除率和相应的抛光参数组成的一系列仿真样本。深度学习算法学习了仿真样本和实际样本，建立了深度学习模型。通过使用所提出的深度学习模型，根据抛光参数，估测测试样本的材料去除深度，并计算估测了测试样本的材料去除深度与实际的测试样本的材料去除深度之间的误差。结果表明：改进后的模型可以获得比传统模型更高的精度。
- 机器人抛光 /
- 材料去除 /
- 机器学习 /
- 深度神经网络 /
- 建模与仿真
Abstract: A strategy for improving the precision of material removal model based on deep neural networks was proposed. A deep learning algorithm with ability of feature selecting was proposed. A series of simulation samples composed of a material removal rate and corresponding polishing parameters were generated based on the model of material removal rate for robot polishing. The deep learning algorithm learned both the simulation samples and practical samples and then a deep learning model was established. The error between material removal depth of the test samples and material removal depth estimated by polishing parameters by using proposed deep learning model was calculated and compared. The results show that the improved model can achieve higher accuracy than the traditional models.
- robot polishing /
- material removal /
- machine learning /
- deep neural networks /
- modelling and simulation

[1]	Cully A, Clune J, Tarapore D, et al. Robots that can adapt like animals[J]. Nature, 2014, 521(7553):503-507.
[2]	Peng Lu, Man Chen. Analysis of the application of industrial robot in intelligent manufacturing[J]. Metallurgical Automation, 2018(S1):134.
[3]	Seok J, Sukam C P, Kim A T, et al. Material removal model for chemical-mechanical polishing considering wafer flexibility and edge effects[J]. Wear, 2004, 257(5-6):496-508.
[4]	Eder S J, Cihak-Bayr U, Pauschitz A. Nanotribological simulations of multi-grit polishing and grinding[J]. Wear, 2015, 340-341:25-30.
[5]	Xu H, Komvopoulos K. A quasi-static mechanics analysis of three-dimensional nanoscale surface polishing[J]. Journal of Manufacturing Science Engineering, 2010, 132(3):321-333.
[6]	Cao Z C, Chi F C. Theoretical modelling and analysis of the material removal characteristics in fluid jet polishing[J]. International Journal of Mechanical Sciences, 2014, 89:158-166.
[7]	Tichy J. Contact Mechanics and lubrication hydrodynamics of chemical mechanical polishing[J]. Tree Physiology, 1999, 25(10):1243-1251.
[8]	Preston F W. The theory and design of plate glass polishing machines[J]. J Soc Glass Tech, 1927, 11:214.
[9]	Buijs M, Houten K V. A model for lapping of glass[J]. Journal of Materials Science, 1993, 28(11):3014-3020.
[10]	Matsuo H, Ishikawa A, Kikkawa T. Role of frictional force on the polishing rate of Cu chemical mechanical polishing[J]. Japanese Journal of Applied Physics, 2004, 43(4):1813-1819.
[11]	Shorey A B. Mechanisms of material removal in magnetorh-eological finishing (MRF) of glass[D]. Rochester:University of Rochester, 2000.
[12]	Wang C C, Lin S C, Hong H. A material removal model for polishing glass-ceramic and aluminum magnesium storage disks[J]. International Journal of Machine Tools Manufacture, 2002, 42(8):979-984.
[13]	Jordan M I, Mitchell T M. Machine learning:Trends, perspectives, and prospects[J]. Science, 2015, 349(6245):255-260.
[14]	Ghahramani Z. Probabilistic machine learning and artificial intelligence[J]. Nature, 2015, 521(7553):452-459.
[15]	Lecun Y, Bengio Y, Hinton G. Deep learning[J]. Nature, 2015, 521(7553):436-444.
[16]	Reza K S, Masoud G, Mohammad G, et al. Deep networks can resemble human feed-forward vision in invariant object recognition[J]. Scientific Reports, 2016, 6:32672.
[17]	Yang Nan, Nan Lin, Zhang Dingyi, et al. Research on image interpretation based on deep learning[J]. Infrared and Laser Engineering, 2018, 47(2):0203002. (in Chinese)
[18]	Hastie T, Tibshirani R, Friedman J. The Elements of Statistical Learning[M]. New York:Springer, 2009.
[19]	He K, Zhang X, Ren S, et al. Deep residual learning for image recognition[C]//Proceedings of the IEEE Conference on Computer Vision, 2016:770-778.

[1]	罗霄, 张民, 蒋啸天, 宋裕琛, 张希萌, 王丹石. 物理信息神经网络驱动的光纤非线性建模 . 红外与激光工程, 2023, 52(12): 20230188-1-20230188-11. doi: 10.3788/IRLA20230188
[2]	彭纪有, 郭兵, 王士辉, 聂华海, 孟变变, 赵清亮, 赵欢. 机器人轮带磨削的重力补偿设计及加工工艺 (特邀) . 红外与激光工程, 2023, 52(9): 20230471-1-20230471-12. doi: 10.3788/IRLA20230471
[3]	文豪, 曹阳, 党宇超. 无线光通信下极化码DNN-NOMS译码方法研究 . 红外与激光工程, 2022, 51(5): 20210420-1-20210420-11. doi: 10.3788/IRLA20210420
[4]	李东亮, 卢贝. 基于深度神经网络的光纤传感识别算法 . 红外与激光工程, 2022, 51(9): 20210971-1-20210971-6. doi: 10.3788/IRLA20210971
[5]	刘逢刚, 丁磊, 肖利. 基于预测算法的遥控机器人控制系统 . 红外与激光工程, 2021, 50(S2): 20210109-1-20210109-9. doi: 10.3788/IRLA20210109
[6]	汤晨, 何彦霖, 祝连庆, 孙广开. 基于光纤光栅的软体机器人末端力测量方法研究 . 红外与激光工程, 2021, 50(7): 20200386-1-20200386-9. doi: 10.3788/IRLA20200386
[7]	安其昌, 吴小霞, 张景旭, 李洪文, 王亮. 大口径主动光学巡天望远镜大动态范围曲率传感 . 红外与激光工程, 2021, 50(10): 20210224-1-20210224-9. doi: 10.3788/IRLA20210224
[8]	杨彦伟, 张丽丽, 郝晓剑, 张瑞忠. 机器学习结合激光诱导击穿光谱技术铁矿石分类方法 . 红外与激光工程, 2021, 50(5): 20200490-1-20200490-8. doi: 10.3788/IRLA20200490
[9]	王文君, 徐娜. 一种面向光纤网络路径优化的机器学习改进算法 . 红外与激光工程, 2021, 50(10): 20210185-1-20210185-6. doi: 10.3788/IRLA20210185
[10]	杨知化, 汤鹏, 单晓辉, 周登科, 庞栋栋, 金秋春, 马鹏阁, 王增光. 海上升压站自动巡检机器人颜色检测算法研究 . 红外与激光工程, 2020, 49(S2): 20200589-20200589. doi: 10.3788/IRLA20200589
[11]	李鹏, 张洋洋. 采用辅助靶标的移动机器人立体视觉定位 . 红外与激光工程, 2019, 48(S1): 104-113. doi: 10.3788/IRLA201948.S117006
[12]	张旭, 魏鹏. 针对机器人位姿测量立体标靶的单目视觉标定方法 . 红外与激光工程, 2017, 46(11): 1117005-1117005(9). doi: 10.3788/IRLA201746.1117005
[13]	李文豪, 刘朝晖, 穆猷, 梁冬生, 杨蕊. 基于辐射散热的空间目标红外特性建模与研究 . 红外与激光工程, 2017, 46(6): 604003-0604003(7). doi: 10.3788/IRLA201746.0604003
[14]	姜易阳, 倪邦福, 钱红庆. 激光近炸复合引信探测舰船目标的建模与仿真 . 红外与激光工程, 2016, 45(10): 1006001-1006001(6). doi: 10.3788/IRLA201645.1006001
[15]	刘源, 谢睿达, 赵琳, 郝勇. 基于机器学习的大视场星敏感器畸变在轨标定技术 . 红外与激光工程, 2016, 45(12): 1217004-1217004(9). doi: 10.3788/IRLA201645.1217004
[16]	杜亮, 张铁, 戴孝亮. 激光跟踪仪测量距离误差的机器人运动学参数补偿 . 红外与激光工程, 2015, 44(8): 2351-2357.
[17]	李睿, 赵阳. 机器人热影响模型分析及动态精度补偿 . 红外与激光工程, 2015, 44(8): 2382-2388.
[18]	刘常杰, 班荣兴, 郭寅, 尹世斌, 王一. 基于双目视觉机器人TCP校准方法研究 . 红外与激光工程, 2015, 44(6): 1912-1917.
[19]	张铁, 李波, 邹焱飚. 基于条纹式激光传感器与机器人的扫描成像系统 . 红外与激光工程, 2015, 44(1): 53-58.
[20]	郭敬明, 何昕, 杨杰, 魏仲慧, 龚俊亮. 模板自适应的Mean Shift红外目标跟踪 . 红外与激光工程, 2014, 43(4): 1087-1093.

点击查看大图

计量

文章访问数: 604
HTML全文浏览量: 142
PDF下载量: 91
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

基于神经网络的机器人抛光材料去除提升模型

doi: 10.3788/IRLA201948.0317005

作者简介:
余熠(1994-),男,硕士生,主要从事基于工业机器人的光学超精密制造方面的研究。Email:yiyu17@fudan.edu.cn

An improved material removal model for robot polishing based on neural networks

计量

基于神经网络的机器人抛光材料去除提升模型

doi: 10.3788/IRLA201948.0317005

1. 复旦大学光科学与工程系上海超精密光学制造工程技术研究中心,上海 200433;

2. 中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室,吉林长春 130033

作者简介:
余熠(1994-),男,硕士生,主要从事基于工业机器人的光学超精密制造方面的研究。Email:yiyu17@fudan.edu.cn

English Abstract

An improved material removal model for robot polishing based on neural networks

全文HTML

目录

留言板

基于神经网络的机器人抛光材料去除提升模型

doi: 10.3788/IRLA201948.0317005

作者简介: 余熠(1994-),男,硕士生,主要从事基于工业机器人的光学超精密制造方面的研究。Email:yiyu17@fudan.edu.cn

An improved material removal model for robot polishing based on neural networks

计量

出版历程

基于神经网络的机器人抛光材料去除提升模型

doi: 10.3788/IRLA201948.0317005

1. 复旦大学 光科学与工程系 上海超精密光学制造工程技术研究中心,上海 200433; 2. 中国科学院长春光学精密机械与物理研究所 应用光学国家重点实验室,吉林 长春 130033

作者简介: 余熠(1994-),男,硕士生,主要从事基于工业机器人的光学超精密制造方面的研究。Email:yiyu17@fudan.edu.cn

English Abstract

An improved material removal model for robot polishing based on neural networks

全文HTML

目录

作者简介:
余熠(1994-),男,硕士生,主要从事基于工业机器人的光学超精密制造方面的研究。Email:yiyu17@fudan.edu.cn

1. 复旦大学光科学与工程系上海超精密光学制造工程技术研究中心,上海 200433;

2. 中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室,吉林长春 130033

作者简介:
余熠(1994-),男,硕士生,主要从事基于工业机器人的光学超精密制造方面的研究。Email:yiyu17@fudan.edu.cn