【技术实现步骤摘要】
本专利技术涉及智能存取技术，尤其涉及一种无人机小型配件智能存取方法及系统。
技术介绍
1、传统的存取方法缺乏智能化和自动化，通常依赖人工操作，效率低下且易出错。这不仅增加了人力成本，也难以满足大规模、高频率的存取需求，尤其在复杂的作业环境中更容易出现问题。
2、现有的存取系统难以适应不同规格和类型的无人机小型配件。由于配件的多样性，现有方法往往缺乏灵活性，无法根据不同配件的特性进行智能化调整，导致存取过程中容易发生碰撞、损坏等意外。
3、现有技术缺乏实时监控和动态调整能力。在存取过程中，难以及时发现和处理异常情况，无法根据实际执行状态进行实时优化和调整，这大大降低了存取操作的可靠性和精确性，增加了潜在的安全隐患。
技术实现思路
1、本专利技术实施例提供一种无人机小型配件智能存取方法及系统，能够解决现有技术中的问题。
2、本专利技术实施例的第一方面，提供一种无人机小型配件智能存取方法，包括：获取无人机小型配件存取任务信息，从所述存取任务信息中提取配件规格参数、存取位置坐标、作业环境数据和操作时序数据，通过预设的动作语义理解模型对所述存取任务信息进行语义解析，生成动作特征向量，基于所述动作特征向量识别关键动作节点，所述关键动作节点包括配件抓取预备位、配件抓取位、配件搬运中转位、配件放置预备位和配件放置位，根据所述关键动作节点生成基础动作序列，并基于所述配件规格参数和作业环境数据对所述基础动作序列进行分解，生成子动作集合，同时构建动作语义映射模型，建立
3、在一种可选的实施例中，根据所述关键动作节点生成基础动作序列，并基于所述配件规格参数和作业环境数据对所述基础动作序列进行分解，生成子动作集合，同时构建动作语义映射模型，建立所述子动作集合之间的时序关联关系包括：根据所述关键动作节点建立运动拓扑图，生成基础动作序列，所述基础动作序列包括配件抓取预备位至配件抓取位的抓取准备动作、配件抓取位的抓取执行动作、配件搬运中转位的搬运动作、配件放置预备位至配件放置位的放置准备动作和配件放置位的放置执行动作；基于无人机小型配件存取任务信息中的配件规格参数和作业环境数据，将所述基础动作序列分解为子动作集合，所述子动作集合包括空间定位子动作、轨迹规划子动作、力控制子动作、关节运动子动作和夹持器控制子动作；通过所述空间定位子动作执行视觉伺服计算，根据存取位置坐标获取目标位置的三维坐标和姿态角，生成端点位置矩阵，根据所述端点位置矩阵和作业环境数据，通过所述轨迹规划子动作生成避障路径，并对所述避障路径进行时间参数化处理，得到时间参数化轨迹；基于配件材质参数，通过力控制子动作建立自适应阻抗控制模型，生成刚度参数和阻尼参数，根据所述时间参数化轨迹、刚度参数和阻尼参数，通过关节运动子动作进行逆运动学求解，得到关节角度序列，通过夹持器控制子动作生成夹持点位置和夹持力数值；构建双层网络结构的动作语义映射模型，在上层网络中将子动作序列映射为变迁节点，每个变迁节点包含输入状态集合和输出状态集合，所述输入状态集合和输出状态集合由配件规格参数和作业环境数据确定，在下层网络中将所述输入状态集合和输出状态集合映射为状态节点，基于所述状态节点之间的依赖关系采用谓词逻辑方法构建触发规则，所述触发规则定义状态节点间的转移条件；根据所述触发规则分析操作时序数据中的状态转移频次，建立状态转移矩阵，所述状态转移矩阵表征状态节点间的转移概率，基于所述状态转移矩阵计算动作执行过程中的状态冲突程度，生成冲突检测信息，将所述冲突检测信息转化为时序约束条件，建立子动作集合之间的时序关联关系，所述时序关联关系用于确定子动作的执行顺序约束和并行执行条件。
4、在一种可选的实施例中，基于所述状态转移矩阵计算动作执行过程中的状态冲突程度，生成冲突检测信息，将所述冲突检测信息转化为时序约束条件，建立子动作集合之间的时序关联关系包括：从状态转移矩阵中提取两个状态节点之间的转移概率向量，所述转移概率向量包括状态转移概率值和状态保持概率值，计算状态节点之间的状态空间距离，将转移概率向量与状态空间距离进行线性组合，生成状态转移冲突值；对所述状态转移冲突值采用指数衰减函数进行时序加权处理，构建马尔可夫状态转移链计算状态节点的条件出现概率，基于所述时序加权结果和条件出现概率计算动作执行过程中的状态冲突程度；将所述状态冲突程度投影到空间坐标系、资源占用图和时序关系图中，提取空间维度的位置重叠程度、速度耦合程度和加速度干扰程度，提取资源维度的执行器竞争程度、工作空间竞争程度和能耗竞争程度，提取时序维度的执行重叠程度、完成依赖程度和触发关联程度，形成状态冲突分量；对所述状态冲突分量进行主成分分析提取特征向量，采用模糊层次分析法确定特征权重，基于特征向量和权重系数生成冲突检测信息，所述冲突检测信息包含状态节点之间的空间冲突值、资源竞争值和时序重叠值；将所述冲突检测信息中的空间冲突值映射为动作互斥约束，将所述资源竞争值映射为资源使用约束，将所述时序重叠值映射为顺序执行约束，形成时序约束条件；将所述时序约束条件转化为三元组形式的时序关联关系，基于所述时序关联关系构建有向图，所述有向图的顶点对应动作集合，边集对应约束关系，对所述有向图进行拓扑排序得到满足约束的动作执行序列，输出子动作集合之间的时序关联关系。
5、在一种可选的实施例中，基于所述时序关联关系生成每个子动作的执行约束条件，根据所述执行约束条件构建调度优化模型，对所述子动作集合进行组合计算，输出动作执行时序安排包括：采用深度神经网络构建设备能力特征提取模型，获取执行设备的速度能力指标、加速度能力指标、负载能力指标、精度能力指标和空间能力指标，将所述能力指标输入长短时记忆网络得到设备能力预测结果，基于所述设备能力预测结果计算设备综合能力评估值；构建时序依赖图模型，将子动作集合映射为时序依赖图模型中的节点和边，采用图卷积神经网络提取所述时序依赖图模型中的节点特征向量和边特征向量，通过图注意力机制计算所述节点特征向量之间的关联强度矩阵，基于所述关联强度矩阵对所述子动作集合进行分解重组本文档来自技高网...
【技术保护点】
1.一种无人机小型配件智能存取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述关键动作节点生成基础动作序列，并基于所述配件规格参数和作业环境数据对所述基础动作序列进行分解，生成子动作集合，同时构建动作语义映射模型，建立所述子动作集合之间的时序关联关系包括：
3.根据权利要求2所述的方法，其特征在于，基于所述状态转移矩阵计算动作执行过程中的状态冲突程度，生成冲突检测信息，将所述冲突检测信息转化为时序约束条件，建立子动作集合之间的时序关联关系包括：
4.根据权利要求1所述的方法，其特征在于，基于所述时序关联关系生成每个子动作的执行约束条件，根据所述执行约束条件构建调度优化模型，对所述子动作集合进行组合计算，输出动作执行时序安排包括：
5.根据权利要求4所述的方法，其特征在于，将所述优化调度策略矩阵输入策略神经网络生成初始调度方案，采用自适应优化算法对所述初始调度方案进行优化，输出全局最优执行时序方案包括：
6.根据权利要求1所述的方法，其特征在于，通过分布式传感器采集动作执行状态数据，所述动作执行
7.根据权利要求6所述的方法，其特征在于，将所述执行偏差值、所述补偿策略和所述补偿参数输入模型预测控制器，最终生成补偿指令包括：
8.一种无人机小型配件智能存取系统，用于实现前述权利要求1-7中任一项所述的方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.一种无人机小型配件智能存取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述关键动作节点生成基础动作序列，并基于所述配件规格参数和作业环境数据对所述基础动作序列进行分解，生成子动作集合，同时构建动作语义映射模型，建立所述子动作集合之间的时序关联关系包括：
3.根据权利要求2所述的方法，其特征在于，基于所述状态转移矩阵计算动作执行过程中的状态冲突程度，生成冲突检测信息，将所述冲突检测信息转化为时序约束条件，建立子动作集合之间的时序关联关系包括：
4.根据权利要求1所述的方法，其特征在于，基于所述时序关联关系生成每个子动作的执行约束条件，根据所述执行约束条件构建调度优化模型，对所述子动作集合进行组合计算，输出动作执行时序安排包括：
5.根据权利要求4所述的方法，其特征在于，将所述优化调度策略矩阵输入策略神经网络生成初始调度方案，采用...
【专利技术属性】
技术研发人员：崔起源，冯春，李帛洋，李智，马瑞峰，孙羽，刘重阳，
申请(专利权)人：中电国科技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。