一种基于人工智能的通用伺服驱动方法和系统与流程

本发明涉及伺服设备控制，具体涉及一种基于人工智能的通用伺服驱动方法和系统。

背景技术：

1、伺服驱动系统在切割器件操作中具有重要应用价值，其通过精确控制机械运动，能够实现高精度、高效率的操作。传统的器件切割操作通常依赖固定方案进行执行，缺乏根据待切割器件的具体特征进行动态调整的能力。此外，操作方案的选择与调整过度依赖操作人员的经验，容易出现人为误差，在一些复杂和高精度任务中，确定和选择操作方案往往需要耗费较多的时间，导致效率低下。

2、因此，如何快速确定切割加工器件的最优操作方案，是当前亟待解决的问题。

技术实现思路

1、本发明主要解决的技术问题是如何快速确定切割加工器件的最优操作方案。

2、根据第一方面，本发明提供一种基于人工智能的通用伺服驱动方法，包括：获取待切割器件三维图像、目标器件三维图像、伺服驱动装置信息；基于所述待切割器件三维图像、所述目标器件三维图像、所述伺服驱动装置信息，使用图像处理模型确定多套初选操作方案；基于所述待切割器件三维图像、所述多套初选操作方案，使用生成对抗网络生成每一套初选操作方案的模拟操作视频；基于所述每一套初选操作方案的模拟操作视频确定目标操作方案；基于所述目标操作方案控制伺服驱动装置进行伺服驱动。

3、在一种可能的实现方式中，所述基于所述每一套初选操作方案的模拟操作视频确定目标操作方案包括：基于信息处理模型对所述每一套初选操作方案的模拟操作视频进行处理确定每一套初选操作方案的模拟操作信息；基于所述每一套初选操作方案的模拟操作信息确定多套优选操作方案、不同优选操作方案之间的相似度、初选操作方案的多个优秀操作步骤信息；构建知识图谱，所述知识图谱包括多个优选操作方案节点和多个优选操作方案节点之间的多条边，所述多个优选操作方案节点的节点特征包括优选操作方案的模拟操作视频、所述初选操作方案的多个优秀操作步骤信息，不同优选操作方案节点之间的边表示不同优选操作方案之间的相似度；基于图卷积网络对所述知识图谱进行处理确定目标操作方案。

4、在一种可能的实现方式中，所述图像处理模型为深度神经网络模型。

5、在一种可能的实现方式中，所述信息处理模型为transformer模型。

6、根据第二方面，本发明提供一种基于人工智能的通用伺服驱动系统，包括：

7、获取模块，用于获取待切割器件三维图像、目标器件三维图像、伺服驱动装置信息；

8、初选方案生成模块，用于基于所述待切割器件三维图像、所述目标器件三维图像、所述伺服驱动装置信息，使用图像处理模型确定多套初选操作方案；

9、模拟操作生成模块，用于基于所述待切割器件三维图像、所述多套初选操作方案，使用生成对抗网络生成每一套初选操作方案的模拟操作视频；

10、目标方案确定模块，用于基于所述每一套初选操作方案的模拟操作视频确定目标操作方案；

11、控制模块，用于基于所述目标操作方案控制伺服驱动装置进行伺服驱动。

12、在一种可能的实现方式中，所述目标方案确定模块还用于：基于信息处理模型对所述每一套初选操作方案的模拟操作视频进行处理确定每一套初选操作方案的模拟操作信息；基于所述每一套初选操作方案的模拟操作信息确定多套优选操作方案、不同优选操作方案之间的相似度、初选操作方案的多个优秀操作步骤信息；构建知识图谱，所述知识图谱包括多个优选操作方案节点和多个优选操作方案节点之间的多条边，所述多个优选操作方案节点的节点特征包括优选操作方案的模拟操作视频、所述初选操作方案的多个优秀操作步骤信息，不同优选操作方案节点之间的边表示不同优选操作方案之间的相似度；基于图卷积网络对所述知识图谱进行处理确定目标操作方案。

13、在一种可能的实现方式中，所述图像处理模型为深度神经网络模型。

14、在一种可能的实现方式中，所述信息处理模型为transformer模型。

15、根据第三方面，本发明的实施例提供了一种电子设备，包括：处理器；存储器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如前述的方法，所述方法包括：获取待切割器件三维图像、目标器件三维图像、伺服驱动装置信息；基于所述待切割器件三维图像、所述目标器件三维图像、所述伺服驱动装置信息，使用图像处理模型确定多套初选操作方案；基于所述待切割器件三维图像、所述多套初选操作方案，使用生成对抗网络生成每一套初选操作方案的模拟操作视频；基于所述每一套初选操作方案的模拟操作视频确定目标操作方案；基于所述目标操作方案控制伺服驱动装置进行伺服驱动。

16、根据第四方面，本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述提供的基于人工智能的通用伺服驱动方法，所述方法包括：获取待切割器件三维图像、目标器件三维图像、伺服驱动装置信息；基于所述待切割器件三维图像、所述目标器件三维图像、所述伺服驱动装置信息，使用图像处理模型确定多套初选操作方案；基于所述待切割器件三维图像、所述多套初选操作方案，使用生成对抗网络生成每一套初选操作方案的模拟操作视频；基于所述每一套初选操作方案的模拟操作视频确定目标操作方案；基于所述目标操作方案控制伺服驱动装置进行伺服驱动。

17、本发明提供的一种基于人工智能的通用伺服驱动方法和系统，该方法包括获取待切割器件三维图像、目标器件三维图像、伺服驱动装置信息；基于所述待切割器件三维图像、所述目标器件三维图像、所述伺服驱动装置信息，使用图像处理模型确定多套初选操作方案；基于所述待切割器件三维图像、所述多套初选操作方案，使用生成对抗网络生成每一套初选操作方案的模拟操作视频；基于所述每一套初选操作方案的模拟操作视频确定目标操作方案；基于所述目标操作方案控制伺服驱动装置进行伺服驱动，该方法能够快速确定切割加工器件的最优操作方案。

技术特征：

1.一种基于人工智能的通用伺服驱动方法，其特征在于，包括：

2.如权利要求1所述的基于人工智能的通用伺服驱动方法，其特征在于，所述基于所述每一套初选操作方案的模拟操作视频确定目标操作方案包括：

3.如权利要求1所述的基于人工智能的通用伺服驱动方法，其特征在于，所述图像处理模型为深度神经网络模型。

4.如权利要求2所述的基于人工智能的通用伺服驱动方法，其特征在于，所述信息处理模型为transformer模型。

5.一种基于人工智能的通用伺服驱动系统，其特征在于，包括：

6.如权利要求5所述的基于人工智能的通用伺服驱动系统，其特征在于，所述目标方案确定模块还用于：

7.如权利要求5所述的基于人工智能的通用伺服驱动系统，其特征在于，所述图像处理模型为深度神经网络模型。

8.如权利要求6所述的基于人工智能的通用伺服驱动系统，其特征在于，所述信息处理模型为transformer模型。

9.一种电子设备，其特征在于，包括：处理器；存储器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如权利要求1至4任一项所述的基于人工智能的通用伺服驱动方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4任一项所述的基于人工智能的通用伺服驱动方法。

技术总结
本发明提供的一种基于人工智能的通用伺服驱动方法和系统，本发明涉及通用伺服驱动技术领域，该方法包括获取待切割器件三维图像、目标器件三维图像、伺服驱动装置信息；基于所述待切割器件三维图像、所述目标器件三维图像、所述伺服驱动装置信息，使用图像处理模型确定多套初选操作方案；基于所述待切割器件三维图像、所述多套初选操作方案，使用生成对抗网络生成每一套初选操作方案的模拟操作视频；基于所述每一套初选操作方案的模拟操作视频确定目标操作方案；基于所述目标操作方案控制伺服驱动装置进行伺服驱动，该方法能够快速确定切割加工器件的最优操作方案。

技术研发人员：蒋礼平,张云辉,帖云平,张荣春,王立功,李蔺,刘俊,蔡斌,魏洋,陈荟鑫
受保护的技术使用者：成都航天凯特机电科技有限公司
技术研发日：
技术公布日：2025/4/10