一种用于高危机械加工操作的基于神经网络的手势识别系统

摘要

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系统，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系统，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，通过手势识别系统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。

说明书

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系统。

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系统。

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系统，包括冲压机和冲压台，所述冲压机上设置有手势识别系统，该手势识别系统(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，所述手势识别系统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，通过手势识别系统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，通过手势识别系统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，手势识别系统是基于神经网络的，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系统的整体结构示意图；

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系统的图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系统的图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系统的图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系统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系统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系统的手势识别系统框图。

图中：1、冲压机；2、第一气缸；3、第一滑杆；4、手势识别系统；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系统，包括冲压机1和冲压台21，冲压机1上设置有手势识别系统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)根据系统输入输出序列(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ω

根据输入向量X，输入层与隐藏层的连接权值为ω

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ωj

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，

e

根据网络预测误差e更新网络连接权值ω

ω

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，手势识别系统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。