文献

J-GLOBAL ID：202002233658943464   整理番号：20A1196803

ピックおよび場所ロボット座標監視システムのためのマイクロコントローラに基づくANN【JST・京大機械翻訳】

Microcontroller Based ANN for Pick and Place Robot Coordinate Monitoring System

著者 (2件)： Raghul S. (Department of Electronics and Communication Engineering, Amrita School of Engineering, Amrita Vishwa Vidyapeetham, Coimbatore, India) ,  Mohankumar N. (Department of Electronics and Communication Engineering, Amrita School of Engineering, Amrita Vishwa Vidyapeetham, Coimbatore, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 601  ページ： 340-348  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 産業用ロボットは現在の組立ラインにおける製品の製造プロセスを捉えている。pickと場所ロボットは,製品を扱うためにこのプロセスにおいて重要な役割を果たす。しかし,時には,モータにおける振動により,または,組立ラインにおける近傍ロボットアームによるロボットアームへの衝撃のような外部要因により,生成物の異常な把持を生じることがあり,それは,しばしば,その望ましい位置から逸脱する可能性がある。得られた生成物は使用できないか,あるいは損傷を受ける。これに対する解決策として,マイクロコントローラベースの機械学習座標監視設計を提案した。Feed-Forward神経回路網を用いて,ロボットが製品をピックできるか否かを決定した。ロボットが生成する前に,ロボットアームの位置を三軸角度センサによって追跡した。システムの簡単な設計により,実装が容易になった。マイクロコントローラにおけるフィードフォワードニューラルネットワークの出力は,ロボットアームが製品を把持できるかどうかを決定する。ネットワークは,受け入れられた値と拒絶値の両方から成る訓練データを用いて,反復プロセスを通して訓練される。ネットワークの性能を,センサの出力(すなわち試験データ)をネットワークに曝露することにより試験した。ネットワークの精度と性能は,隠れた層におけるニューロンの必要な数によってネットワーク構造をモデル化することによって達成した。設計されたニューラルネットワークの精度は,異なる訓練プロセスにおけるそれぞれの精度グラフから約98%であることが観察された。この簡単な設計手順は,このシステムをコンパクトで再プログラム可能にする。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 衝撃 ,  組立ライン ,  ネットワーク ,  *ロボット ,  ニューロン ,  電動機 ,  産業用ロボット ,  ニューラルネットワーク ,  *監視装置 ,  ロボットアーム ,  *マイクロコントローラ ,  神経回路網 ,  機械学習
準シソーラス用語： フィードフォワードニューラルネットワーク ,  三軸 , 【Automatic Indexing@JST】

著者キーワード (4件)： グリッパロボット ,  人工神経回路網 ,  生物学的触発コンピューティング ,  ニューロハードウェア

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (4件)： ピック ,  ロボット座標 ,  監視システム ,  マイクロコントローラ