基于神经网络的机器人抛光材料去除提升模型（英文）

被引：4

作者：

余熠 ^{[1
]}

孔令豹 ^{[1
]}

张海涛 ^{[2
]}

徐敏 ^{[1
]}

王丽萍 ^{[2
]}

机构：

[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

[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

来源：

红外与激光工程 | 2019年 / 48卷 / 03期

关键词：

机器人抛光; 材料去除; 机器学习; 深度神经网络; 建模与仿真;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP242 [机器人];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 1111 ;

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。

引用

页码：231 / 238

页数：8

共 6 条

[1] 基于深度学习的图像描述研究 [J].

杨楠 ;

南琳 ;

张丁一 ;

库涛 .

红外与激光工程, 2018, 47 (02) :18-25

[2]

Nanotribological simulations of multi-grit polishing and grinding[J] . S.J. Eder,U. Cihak-Bayr,A. Pauschitz.Wear . 2015

[3]

Theoretical modelling and analysis of the material removal characteristics in fluid jet polishing[J] . Zhong-Chen Cao,Chi Fai Cheung.International Journal of Mechanical Sciences . 2014

[4]

Material removal model for chemical–mechanical polishing considering wafer flexibility and edge effects[J] . Jongwon Seok,Cyriaque P. Sukam,Andrew T. Kim,John A. Tichy,Timothy S. Cale.Wear . 2004 (5)

[5]

A material removal model for polishing glass–ceramic and aluminum magnesium storage disks[J] . Chih-Cheng Wang,Shih-Chieh Lin,Hong Hochen.International Journal of Machine Tools and Manufacture . 2002 (8)

[6] A MODEL FOR LAPPING OF GLASS [J].

BUIJS, M ;

KORPELVANHOUTEN, K .

JOURNAL OF MATERIALS SCIENCE, 1993, 28 (11) :3014-3020

← 1 →