CN112642905A - 一种用于高危机械加工操作的基于神经网络的手势识别*** - Google Patents

一种用于高危机械加工操作的基于神经网络的手势识别*** Download PDF

Info

Publication number
CN112642905A
CN112642905A CN202011246511.3A CN202011246511A CN112642905A CN 112642905 A CN112642905 A CN 112642905A CN 202011246511 A CN202011246511 A CN 202011246511A CN 112642905 A CN112642905 A CN 112642905A
Authority
CN
China
Prior art keywords
connecting rod
gesture recognition
recognition system
concave
neural network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011246511.3A
Other languages
English (en)
Inventor
钱乐旦
周潇
张永春
胡理冰
高利新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wenzhou University
Original Assignee
Wenzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wenzhou University filed Critical Wenzhou University
Priority to CN202011246511.3A priority Critical patent/CN112642905A/zh
Publication of CN112642905A publication Critical patent/CN112642905A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21D22/00—Shaping without cutting, by stamping, spinning, or deep-drawing
    • B21D22/02—Stamping using rigid devices or tools
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21D43/00—Feeding, positioning or storing devices combined with, or arranged in, or specially adapted for use in connection with, apparatus for working or processing sheet metal, metal tubes or metal profiles; Associations therewith of cutting devices
    • B21D43/02—Advancing work in relation to the stroke of the die or tool
    • B21D43/04—Advancing work in relation to the stroke of the die or tool by means in mechanical engagement with the work
    • B21D43/10—Advancing work in relation to the stroke of the die or tool by means in mechanical engagement with the work by grippers
    • B21D43/105—Manipulators, i.e. mechanical arms carrying a gripper element having several degrees of freedom
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21D43/00—Feeding, positioning or storing devices combined with, or arranged in, or specially adapted for use in connection with, apparatus for working or processing sheet metal, metal tubes or metal profiles; Associations therewith of cutting devices
    • B21D43/02—Advancing work in relation to the stroke of the die or tool
    • B21D43/18—Advancing work in relation to the stroke of the die or tool by means in pneumatic or magnetic engagement with the work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明属于机械加工技术领域，是一种用于高危机械加工操作的基于神经网络的手势识别***，针对现有的冲压工人体力消耗大容易产生疲劳导致注意力不集中的问题，现提出如下方案，其包括冲压机和冲压台，所述冲压机上设置有手势识别***，所述冲压台的两侧均设置有凸型轨道，所述凸型轨道的顶部设置有齿条，所述凸型轨道上滑动连接有凹型滑块，且凸型轨道的顶端延伸至凹型滑块内，所述凹型滑块的底部对称转动连接有四个转轮，本发明结构简单，通过手势识别***控制第二电机带动真空泵和吸盘进行移动，真空泵和使吸盘将工件吸住，并将工件放在冲压台上，启动冲压机对工件进行冲压，完成后，启动第一电机、第二气缸和第一气缸将冲压好工件进行运输。

Description

一种用于高危机械加工操作的基于神经网络的手势识别***
技术领域
本发明涉及机械加工技术领域，尤其涉及一种用于高危机械加工操作的基于神经网络的手势识别***。
背景技术
冲压加工是借助于常规或专用冲压设备的动力，使板料在模具里直接受到变形力并进行变形，从而获得一定形状，尺寸和性能的产品零件的生产技术。板料，模具和设备是冲压加工的三要素。冲压加工是一种金属冷变形加工方法。所以，被称之为冷冲压或板料冲压，简称冲压。它是金属塑性加工(或压力加工)的主要方法之一，也隶属于材料成型工程技术。
在进行冲压工件时，工人需要连续重复的作业(送料、取料)，长时间操作使体力消耗极大，且人在长时间从事快速、简单重复的动作时，极易产生机体疲劳、反应迟缓等现象，导致注意力不能集中，动作失调，惨剧便在瞬间发生，这不仅影响生产，也对工人的身体造成巨大的伤害。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种用于高危机械加工操作的基于神经网络的手势识别***。
为了实现上述目的，本发明采用了如下技术方案：
一种用于高危机械加工操作的基于神经网络的手势识别***，包括冲压机和冲压台，所述冲压机上设置有手势识别***，该手势识别***(4)基于神经网络进行手势识别，所述冲压台的两侧均设置有凸型轨道，所述凸型轨道的顶部设置有齿条，所述凸型轨道上滑动连接有凹型滑块，且凸型轨道的顶端延伸至凹型滑块内，所述凹型滑块的底部对称转动连接有四个转轮，且四个转轮的一侧均与凸型轨道的顶部相贴合，所述凹型滑块的顶部内壁设置有可以帮助凹型滑块进行移动的移动组件，所述凹型滑块的顶部固定安装有第二滑杆，两个第二滑杆上滑动套设有同一个第二连接杆，两个所述凹型滑块相互靠近的一侧均固定安装有第三气缸，且两个第三气缸的活塞杆均与第二连接杆的底部固定连接，所述第二连接杆的底部固定安装有安装盒，所述安装盒的底部固定安装有多个吸盘，所述第二连接杆的顶部固定安装有真空泵，所述真空泵上固定安装有气管，且气管的一端贯穿第二连接杆并与安装盒相连通，所述冲压台的一侧设置有固定架，所述固定架的顶部转动连接有第一连接杆，所述固定架内设置有帮助第一连接杆进行转动的转动组件，所述第一连接杆的顶部固定安装有第一滑杆，所述第一滑杆的外壁滑动套设有第三连接杆，所述第三连接杆的一端固定连接有安装架，且安装架位于冲压台的上方，所述第三连接杆上设置有将冲压好的工件进行夹紧的夹紧组件。
优选的，所述移动组件包括设置在凹型滑块顶部内壁的凹槽，所述凹槽的两侧内壁转动连接有同一个齿轮，且齿轮与凸型轨道上的齿条相啮合，所述凹型滑块的一侧固定安装有第二电机，且第二电机的输出轴贯穿凹型滑块的一侧并与齿轮固定连接。
优选的，所述转动组件包括固定安装在固定架底部内壁的第一电机，所述第一电机的输出轴上固定安装有第一斜齿轮，所述第一连接杆的底部固定安装有转动轴，且转动轴的底端贯穿固定架的顶部并与固定架的底部内壁转动连接，所述转动轴的外壁固定套设有第二斜齿轮，且第二斜齿轮与第一斜齿轮相啮合。
优选的，所述夹紧组件包括固定安装在第三连接杆顶部的第一气缸，所述第一气缸的活塞杆上固定安装有连接架，所述安装架的顶部对称转动有两个L型杆，且两个L型杆的底端贯穿安装架的顶部并延伸至安装架的下方，所述连接架内转动连接有两个推杆，且两个推杆的一端与分别与两个L型杆转动连接，两个所述L型杆的底端固定连接有夹板。
优选的，所述固定架的顶部固定安装有环形导轨，所述第一连接杆的底部固定安装有两个环形滑块，且两个环形滑块与环形导轨滑动连接，可以减小转动摩擦力。
优选的，所述凹型滑块的两侧内壁均固定安装有滑块，所述凸型轨道的两侧均固定安装有导轨，且导轨与滑块滑动连接，可以减小滑动摩擦力。
优选的，所述固定架的底部内壁固定安装有轴承，所述转动轴的底端贯穿轴承的内圈并与轴承的内圈相焊接，可以减小转动摩擦力。
优选的，所述手势识别***包括有图像处理模块，所述图像处理模块电连接有多个视频捕捉设备，所述图像处理模块电连接有控制处理组件，所述控制处理组件分别与冲压机、第一气缸、第二气缸第一电机、第二电机、真空泵和第三气缸电连接。
本发明中，通过手势识别***控制第二电机进行启动，第二电机带动凹型滑块进行移动，启动第三气缸，第三气缸推动第二连接杆进行移动，第二连接杆带动吸盘与工件进行贴合，启动真空泵将吸盘内的空气进行抽出，使吸盘将工件吸住，再启动第二电机将工件带到冲压台的上，此时真空泵停止运作时，吸盘与工件分离，启动冲压机对冲压台上的工件进行冲压，完成后，启动第一电机带动第二斜齿轮进行转动，第二斜齿轮带动第一连接杆进行转动，第一连接杆带动第三连接杆进行转动，第三连接杆带动安装架移动到冲压台上方，启动第二气缸带动安装架向下移动，移动到一定位置时，启动第一气缸两个夹板往相互靠近一侧进行转动，两个夹板会将冲压好的工件夹紧，再启动第一电机，将工件进行运输。
本发明结构简单，通过手势识别***控制第二电机带动真空泵和吸盘进行移动，真空泵和使吸盘将工件吸住，并将工件放在冲压台上，启动冲压机对工件进行冲压，完成后，启动第一电机、第二气缸和第一气缸将冲压好工件进行运输，其中，手势识别***是基于神经网络的，将捕捉到的用户双手运动轨迹作为神经网络的输入，利用训练好的神经网络识别该用户双手运动轨迹，最终输出识别结果。
附图说明
图1为本发明提出的一种用于高危机械加工操作的基于神经网络的手势识别***的整体结构示意图；
图2为本发明提出的一种用于高危机械加工操作的基于神经网络的手势识别***的图1的A部分的放大结构示意图；
图3为本发明提出的一种用于高危机械加工操作的基于神经网络的手势识别***的图1的部分侧视结构示意图；
图4为本发明提出的一种用于高危机械加工操作的基于神经网络的手势识别***的图3的B部分的放大结构示意图；
图5为本发明提出的一种用于高危机械加工操作的基于神经网络的手势识别***的安装架和第三连接杆的结构示意图；
图6为本发明提出的一种用于高危机械加工操作的基于神经网络的手势识别***的安装架和第三连接杆的俯视结构示意图；
图7为本发明提出的一种用于高危机械加工操作的基于神经网络的手势识别***的手势识别***框图。
图中：1、冲压机；2、第一气缸；3、第一滑杆；4、手势识别***；5、第二气缸；6、第一连接杆；7、第一斜齿轮；8、第一电机；9、固定架；10、转动轴；11、轴承；12、第二斜齿轮；13、安装架；14、第二滑杆；15、第二连接杆；16、凸型轨道；17、凹型滑块；18、第二电机；19、齿轮；20、凹槽；21、冲压台；22、吸盘；23、气管；24、真空泵；25、安装盒；26、第三连接杆；27、推杆；28、L型杆；29、夹板；30、连接架；31、环形滑块；32、环形导轨；33、导轨；34、滑块；35、第三气缸；36、转轮。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例一
参照图1-7，一种用于高危机械加工操作的基于神经网络的手势识别***，包括冲压机1和冲压台21，冲压机1上设置有手势识别***4，冲压台21的两侧均设置有凸型轨道16，凸型轨道16的顶部设置有齿条，凸型轨道16上滑动连接有凹型滑块17，且凸型轨道16的顶端延伸至凹型滑块17内，凹型滑块17的底部对称转动连接有四个转轮36，且四个转轮36的一侧均与凸型轨道16的顶部相贴合，凹型滑块17的顶部内壁设置有可以帮助凹型滑块17进行移动的移动组件，凹型滑块17的顶部固定安装有第二滑杆14，两个第二滑杆14上滑动套设有同一个第二连接杆15，两个凹型滑块17相互靠近的一侧均固定安装有第三气缸35，且两个第三气缸35的活塞杆均与第二连接杆15的底部固定连接，第二连接杆15的底部固定安装有安装盒25，安装盒25的底部固定安装有多个吸盘22，第二连接杆15的顶部固定安装有真空泵24，真空泵24上固定安装有气管23，且气管23的一端贯穿第二连接杆15并与安装盒25相连通，冲压台21的一侧设置有固定架9，固定架9的顶部转动连接有第一连接杆6，固定架9内设置有帮助第一连接杆6进行转动的转动组件，第一连接杆6的顶部固定安装有第一滑杆3，第一滑杆3的外壁滑动套设有第三连接杆26，第三连接杆26的一端固定连接有安装架13，且安装架13位于冲压台21的上方，第三连接杆26上设置有将冲压好的工件进行夹紧的夹紧组件；
基于神经网络的手势识别过程分为训练阶段和识别阶段，
1)训练阶段；具体步骤如下：
1-1)捕捉用户手势，将采集到的双手运动轨迹作为输入变量；
1-2)识别输入变量，建立BP神经网络模型；
1-3)根据***输入输出序列(X，Y)确定网络输入层节点数n、隐藏层节点数l、输出层节点数m，初始化输入层与隐藏层的连接权值为ωij、隐藏层与输出层的连接权值为ωjk初始化隐藏层各神经元阈值为aj(j＝1,2,…,l)输出层各神经元阈值为bk(k＝1,2,…,m)，给定学习率和神经激励函数；
根据输入向量X，输入层与隐藏层的连接权值为ωij以及隐藏层阈值为aj(j＝1,2,…,l)，计算隐藏层输出H，
Figure BDA0002770208930000071
公式中l为隐藏层节点数，f(*)为隐藏层激励函数；
根据隐藏层输出H，隐藏层与输出层的连接权值为ωjk和输出层各神经元阈值为bk(k＝1,2,…,m)，计算BP神经网络预测输出O，
Figure BDA0002770208930000072
1-4)根据网络预测输出O和期望输出Y，计算网络预测误差e，
ek＝Yk-Ok，k＝1，2，…，m；
根据网络预测误差e更新网络连接权值ωij、ωjk，
Figure BDA0002770208930000081
ωjk＝ωjk+ηHjek，j＝1，2，…，l；k＝1，2，…，m；
判断算法迭代是否结束，若没有结束，返回1-3)；
2)识别阶段；具体步骤如下：
2-1)捕捉用户手势，将采集到的双手运动轨迹作为输入变量；
2-2)利用训练好的BP神经网络识别双手运动轨迹，最终输出识别结果。实施例二
在实施例一的基础上进一步改进的：移动组件包括设置在凹型滑块17顶部内壁的凹槽20，凹槽20的两侧内壁转动连接有同一个齿轮19，且齿轮19与凸型轨道16上的齿条相啮合，凹型滑块17的一侧固定安装有第二电机18，且第二电机18的输出轴贯穿凹型滑块17的一侧并与齿轮19固定连接，转动组件包括固定安装在固定架9底部内壁的第一电机8，第一电机8的输出轴上固定安装有第一斜齿轮7，第一连接杆6的底部固定安装有转动轴10，且转动轴10的底端贯穿固定架9的顶部并与固定架9的底部内壁转动连接，转动轴10的外壁固定套设有第二斜齿轮12，且第二斜齿轮12与第一斜齿轮7相啮合，夹紧组件包括固定安装在第三连接杆26顶部的第一气缸2，第一气缸2的活塞杆上固定安装有连接架30，安装架13的顶部对称转动有两个L型杆28，且两个L型杆28的底端贯穿安装架13的顶部并延伸至安装架13的下方，连接架30内转动连接有两个推杆27，且两个推杆27的一端与分别与两个L型杆28转动连接，两个L型杆28的底端固定连接有夹板29，固定架9的顶部固定安装有环形导轨32，第一连接杆6的底部固定安装有两个环形滑块31，且两个环形滑块31与环形导轨32滑动连接，可以减小转动摩擦力，凹型滑块17的两侧内壁均固定安装有滑块34，凸型轨道16的两侧均固定安装有导轨33，且导轨33与滑块34滑动连接，可以减小滑动摩擦力，固定架9的底部内壁固定安装有轴承11，转动轴10的底端贯穿轴承11的内圈并与轴承11的内圈相焊接，可以减小转动摩擦力，手势识别***4包括有图像处理模块，图像处理模块电连接有多个视频捕捉设备，图像处理模块电连接有控制处理组件，控制处理组件分别与冲压机1、第一气缸2、第二气缸5第一电机8、第二电机18、真空泵24和第三气缸35电连接。
工作原理：使用时，视频捕捉设备将目标手势影像传输给图像处理模块，图像处理模块将信号传输给控制处理组件，控制处理组件分别控制冲压机1、第一气缸2、第二气缸5第一电机8、第二电机18、真空泵24和第三气缸35进行运作；
先启动第二电机18，第二电机18带动齿轮19进行转动，齿轮19通过凸型轨道16上的齿条带动凹型滑块17进行移动，当移动到需要冲压的工件处时，启动第三气缸35，第三气缸35推动第二连接杆15进行移动，第二连接杆15带动安装盒25进行移动，安装盒25带动吸盘22与工件进行贴合，这时启动真空泵24，真空泵24通过气管23和安装盒25将吸盘22内的空气进行抽出，使吸盘22将工件吸住，再启动第二电机18，第二电机18将工件带到冲压台21的上方，启动第三气缸35将工放在冲压台21上，此时真空泵24停止运作时，吸盘22与工件分离，启动第二电机18使其远离冲压台21，启动冲压机1对冲压台21上的工件进行冲压，完成后，启动第一电机8，第一电机8带动第一斜齿轮7进行转动第一斜齿轮7带动第二斜齿轮12进行转动，第二斜齿轮12带动转动轴10进行转动，转动轴10带动第一连接杆6进行转动，第一连接杆6带动第一滑杆3和第二气缸5进行转动，第一滑杆3和第二气缸5带动第三连接杆26进行转动，第三连接杆26带动安装架13进行移动，当安装架13移动到冲压台21上方时，启动第二气缸5带动第三连接杆26向下移动，第三连接杆26带动安装架13向下移动，移动到一定位置时，启动第一气缸2，第一气缸2推动连接架30进行移动，连接架30推动两个推杆27进行转动，两个推杆27推动两个L型杆28进行转动，两个L型杆28带动两个夹板29往相互靠近一侧进行转动，两个夹板29会将冲压好的工件夹紧，启动第二气缸5，第二气缸5将冲压好的工件抬起，再启动第一电机8，将工件进行运输。
然而，如本领域技术人员所熟知的，冲压机1、第一气缸2、第二气缸5、第一电机8、第二电机18、真空泵24和第三气缸35的工作原理和接线方法是司空见惯的，其均属于常规手段或者公知常识，在此就不再赘述，本领域技术人员可以根据其需要或者便利进行任意的选配。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种用于高危机械加工操作的基于神经网络的手势识别***，包括冲压机(1)和冲压台(21)，其特征在于，所述冲压机(1)上设置有手势识别***(4)，该手势识别***(4)基于神经网络进行手势识别，所述冲压台(21)的两侧均设置有凸型轨道(16)，所述凸型轨道(16)的顶部设置有齿条，所述凸型轨道(16)上滑动连接有凹型滑块(17)，且凸型轨道(16)的顶端延伸至凹型滑块(17)内，所述凹型滑块(17)的底部对称转动连接有四个转轮(36)，且四个转轮(36)的一侧均与凸型轨道(16)的顶部相贴合，所述凹型滑块(17)的顶部内壁设置有可以帮助凹型滑块(17)进行移动的移动组件，所述凹型滑块(17)的顶部固定安装有第二滑杆(14)，两个第二滑杆(14)上滑动套设有同一个第二连接杆(15)，两个所述凹型滑块(17)相互靠近的一侧均固定安装有第三气缸(35)，且两个第三气缸(35)的活塞杆均与第二连接杆(15)的底部固定连接，所述第二连接杆(15)的底部固定安装有安装盒(25)，所述安装盒(25)的底部固定安装有多个吸盘(22)，所述第二连接杆(15)的顶部固定安装有真空泵(24)，所述真空泵(24)上固定安装有气管(23)，且气管(23)的一端贯穿第二连接杆(15)并与安装盒(25)相连通，所述冲压台(21)的一侧设置有固定架(9)，所述固定架(9)的顶部转动连接有第一连接杆(6)，所述固定架(9)内设置有帮助第一连接杆(6)进行转动的转动组件，所述第一连接杆(6)的顶部固定安装有第一滑杆(3)，所述第一滑杆(3)的外壁滑动套设有第三连接杆(26)，所述第三连接杆(26)的一端固定连接有安装架(13)，且安装架(13)位于冲压台(21)的上方，所述第三连接杆(26)上设置有将冲压好的工件进行夹紧的夹紧组件，所述移动组件包括设置在凹型滑块(17)顶部内壁的凹槽(20)，所述凹槽(20)的两侧内壁转动连接有同一个齿轮(19)，且齿轮(19)与凸型轨道(16)上的齿条相啮合，所述凹型滑块(17)的一侧固定安装有第二电机(18)，且第二电机(18)的输出轴贯穿凹型滑块(17)的一侧并与齿轮(19)固定连接。
2.根据权利要求1所述的一种用于高危机械加工操作的基于神经网络的手势识别***，其特征在于，所述转动组件包括固定安装在固定架(9)底部内壁的第一电机(8)，所述第一电机(8)的输出轴上固定安装有第一斜齿轮(7)，所述第一连接杆(6)的底部固定安装有转动轴(10)，且转动轴(10)的底端贯穿固定架(9)的顶部并与固定架(9)的底部内壁转动连接，所述转动轴(10)的外壁固定套设有第二斜齿轮(12)，且第二斜齿轮(12)与第一斜齿轮(7)相啮合。
3.根据权利要求1所述的一种用于高危机械加工操作的基于神经网络的手势识别***，其特征在于，所述夹紧组件包括固定安装在第三连接杆(26)顶部的第一气缸(2)，所述第一气缸(2)的活塞杆上固定安装有连接架(30)，所述安装架(13)的顶部对称转动有两个L型杆(28)，且两个L型杆(28)的底端贯穿安装架(13)的顶部并延伸至安装架(13)的下方，所述连接架(30)内转动连接有两个推杆(27)，且两个推杆(27)的一端与分别与两个L型杆(28)转动连接，两个所述L型杆(28)的底端固定连接有夹板(29)。
4.根据权利要求1所述的一种用于高危机械加工操作的基于神经网络的手势识别***，其特征在于，所述固定架(9)的顶部固定安装有环形导轨(32)，所述第一连接杆(6)的底部固定安装有两个环形滑块(31)，且两个环形滑块(31)与环形导轨(32)滑动连接。
5.根据权利要求1所述的一种用于高危机械加工操作的基于神经网络的手势识别***，其特征在于，所述凹型滑块(17)的两侧内壁均固定安装有滑块(34)，所述凸型轨道(16)的两侧均固定安装有导轨(33)，且导轨(33)与滑块(34)滑动连接。
6.根据权利要求3所述的一种用于高危机械加工操作的基于神经网络的手势识别***，其特征在于，所述固定架(9)的底部内壁固定安装有轴承(11)，所述转动轴(10)的底端贯穿轴承(11)的内圈并与轴承(11)的内圈相焊接。
7.根据权利要求1所述的一种用于高危机械加工操作的基于神经网络的手势识别***，其特征在于，所述手势识别***(4)包括有图像处理模块，所述图像处理模块电连接有多个视频捕捉设备，所述图像处理模块电连接有控制处理组件，所述控制处理组件分别与冲压机(1)、第一气缸(2)、第二气缸(5)第一电机(8)、第二电机(18)、真空泵(24)和第三气缸(35)电连接。
CN202011246511.3A 2020-11-10 2020-11-10 一种用于高危机械加工操作的基于神经网络的手势识别*** Pending CN112642905A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011246511.3A CN112642905A (zh) 2020-11-10 2020-11-10 一种用于高危机械加工操作的基于神经网络的手势识别***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011246511.3A CN112642905A (zh) 2020-11-10 2020-11-10 一种用于高危机械加工操作的基于神经网络的手势识别***

Publications (1)

Publication Number Publication Date
CN112642905A true CN112642905A (zh) 2021-04-13

Family

ID=75346987

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011246511.3A Pending CN112642905A (zh) 2020-11-10 2020-11-10 一种用于高危机械加工操作的基于神经网络的手势识别***

Country Status (1)

Country Link
CN (1) CN112642905A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1380846A (zh) * 2000-03-31 2002-11-20 索尼公司 机器人设备、控制机器人设备动作的方法、以及外力检测设备和方法
CN205165633U (zh) * 2015-12-02 2016-04-20 李树飞 一种轴承保持架冲压输送机械手
CN107639174A (zh) * 2017-10-23 2018-01-30 大冶市国冠制盖有限公司 一种数控冲床板材自动上料机
CN109746338A (zh) * 2019-02-27 2019-05-14 广州大峰精密工业有限公司 一种厚板冲压用大板件自动送料装置及其***
CN109848316A (zh) * 2018-11-29 2019-06-07 安徽康乐机械科技有限公司 一种冲压上下料用的机械手
CN211588322U (zh) * 2019-12-12 2020-09-29 江苏荣昌锁业有限公司 一种锁具加工用冲床防护装置
WO2021122580A1 (de) * 2019-12-17 2021-06-24 Wandelbots GmbH Handgerät zum trainieren mindestens einer bewegung und mindestens einer tätigkeit einer maschine, system und verfahren

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1380846A (zh) * 2000-03-31 2002-11-20 索尼公司 机器人设备、控制机器人设备动作的方法、以及外力检测设备和方法
CN205165633U (zh) * 2015-12-02 2016-04-20 李树飞 一种轴承保持架冲压输送机械手
CN107639174A (zh) * 2017-10-23 2018-01-30 大冶市国冠制盖有限公司 一种数控冲床板材自动上料机
CN109848316A (zh) * 2018-11-29 2019-06-07 安徽康乐机械科技有限公司 一种冲压上下料用的机械手
CN109746338A (zh) * 2019-02-27 2019-05-14 广州大峰精密工业有限公司 一种厚板冲压用大板件自动送料装置及其***
CN211588322U (zh) * 2019-12-12 2020-09-29 江苏荣昌锁业有限公司 一种锁具加工用冲床防护装置
WO2021122580A1 (de) * 2019-12-17 2021-06-24 Wandelbots GmbH Handgerät zum trainieren mindestens einer bewegung und mindestens einer tätigkeit einer maschine, system und verfahren

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王亚良: ""基于计算机图像处理的冲压床安全保护技术研究"", 《中国优秀硕士学位论文全文数据库（工程科技Ⅰ辑）》 *
韩明等编著: "《数学建模案例 第2版》", 31 May 2020, 同济大学出版社 *

Similar Documents

Publication Publication Date Title
CN201346604Y (zh) 单台多工位移送机械手
CN207431107U (zh) 一种冲压模具自动收集废料装置
CN104259295B (zh) 车门柱板工件冲压生产线及其机械手臂
CN105436277A (zh) 冲床生产线自动控制装置
CN203508830U (zh) 滤清器壳体自动拉伸输送上下左右运动机构
CN112642905A (zh) 一种用于高危机械加工操作的基于神经网络的手势识别***
CN205967017U (zh) 水泵导流壳上盖成型模具
CN205253816U (zh) 冲床生产线自动控制装置
CN205364625U (zh) 一种冲床工作平台的循环升降装置
CN213826754U (zh) 一种机械设备零配件冲压设备
CN207839880U (zh) 一种钢板冲孔设备
CN207447157U (zh) 四自由度机械臂装置
CN206186355U (zh) 一种键盘热熔及贴膜一体化设备
CN203737879U (zh) 一种六连杆多工位多功能制罐机
CN109676051A (zh) 一种铝板加工用翻转装置
CN210059501U (zh) 一种耐用的铝板冲孔机
CN110479861B (zh) 一种汽车座骨架侧板的加工工艺及加工设备
CN210824414U (zh) 便携智能磁瓦取料机器人
CN202356495U (zh) 工件侧面压力加工机
CN102172695A (zh) 太阳能内胆多功能组合机
CN206567361U (zh) 一种用于高光金属薄板的复合压力成型装置
CN108545659A (zh) 皮带轮式螺纹连接升降台
CN221161661U (zh) 四柱立式液压机移动上料工作台
CN207222793U (zh) 一种连杆机械手
CN214108462U (zh) 一种电机端盖冲裁模具

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210413