adding 5 articles

This commit is contained in:
IDONTSUDO 2022-12-20 14:22:44 +03:00 committed by Igor Brylyov
parent 43662d9000
commit d998fc02db
3 changed files with 62 additions and 2 deletions

View file

@ -214,12 +214,12 @@ __Полевые испытания__: Установить розетку пи
оптимальной а не глобально оптимизированной.
Второе предикаты снижают количество входных данных. Но сильно влияют на пространство поиска. И иногда приводят к неверным последовательностям.
### Assemble Them All: Physics-Based Planning for Generalizable Assembly by Disassembly
### Assemble Them All: Physics-Based Planning for Generalizable Assembly by Disassembly (2022)
YUNSHENG TIAN, MIT CSAIL, JIE XU, MIT CSAIL, YICHEN LI, MIT CSAIL, JIELIANG LUO, Autodesk Research, SHINJIRO SUEDA, Texas A&M University, HUI LI, Autodesk Research, KARL D.D. WILLIS, Autodesk Research, WOJCIECH MATUSIK, MIT CSAIL
Основанный на физике подход к планированию сборки. Используется метод сборки-разборки, и моделирование на основе физики для эффективного изучения ограниченного прострастранства поиска.
__Исходные данные__: CAD-модел
__Исходные данные__: CAD-модель
__Полевые испытания__: тысячи сборок из витрины Fusion360.
@ -229,3 +229,63 @@ __Алгоритм__: формируется граф, сборки по при
## Доступные программные реализации ASP
https://github.com/yunshengtian/Assemble-Them-All
### An integration of neural network and rule-based systems for design and planning of mechanical assemblies (1993)
Авторы предлагают загрузить в нейронную сеть, данные о ранее созданных сборках и их технологических картах. Что бы нейронная сеть обучилась на этих данных и исходя из них. Составляла план сборки.
Так же внедрить нейронную сеть в CAD. Что бы она помогала проектировать такие изедлия которые были бы максимально автоматизированы для сборки.
### On the generation of robotic assembly sequences based on separability and assembly motion stability (1994)
C.K. Shin and H.S.Cho
Метод автоматического создания
последовательностей сборки роботов на основе проверки
разборчивости разбираемой детали. Чтобы получить
возможность разборки детали-кандидата, мы сначала делаем
вывод о направлениях сборки без столкновений, извлекая
разделяемые направления для детали и вычисляя отделимость,
которая дает информацию о том, как легко отделить части из частей.
### A three-stage integrated approach for assembly sequence planning using neural networks (2008)
На первом этапе используется график над графиком и правила преобразования для создания
корректного графа разнесения модели сборки; два графика можно
использовать для представления правильных геометрических зависимостей
между деталями сборки. На втором этапе разрабатывается трехуровневая
реляционная модель для создания полного графа реляционной модели и
матрицы инцидентности. Граф реляционной модели можно дополнительно
преобразовать в диаграмму предшествования сборки (APD), которая
используется для описания отношений предшествования сборки деталей
На третьем этапе используется нейросеть для оптимизации сборки.
проводится тематическое исследование электроприборов для оценки
осуществимости предложенной модели с точки зрения различий основных
характеристик сборки и создания почти оптимальной последовательности
сборки в соответствии с определенными критериями производительности.
__Исходные данные__: CAD-модель(несколько моделей электро приборов)
__Полевые испытания__: Несколько вырабатанных моделей для электро приборов.
### Using memetic algorithms with controlled local search to solve assembly.(2007)
Hwai-En Tseng, Wen-Pai Wang, Hsun-Yi Shih
Сравнение Меметического алгоритма с ГА.
__Алгоритм__: [Мемотический алгоритм](https://en.wikipedia.org/wiki/Memetic_algorithm), Генерация графа сборки основанная на знаниях о соедениях деталей в изделии.
__Полевые испытания__: не известно
__Исходные данные__: идеальнее заранее готовые модели
### A Multi-Agent Evolutionary algorIthm for Connector-Based Assembly Sequence Planning(2011)
Сравнивают Многоагентный эволюционный алгоритм, с други алгоритмами оптимизации.
__Алгоритм__: [Многоагентный эволюционный алгоритм](https://deepai.org/publication/massively-concurrent-agent-based-evolutionary-computing), Генерация графа сборки основанная на знаниях о соедениях деталей в изделии.
__Исходные данные__: идеальнее заранее готовые модели
__Полевые испытания__: не известно

Binary file not shown.

After

Width:  |  Height:  |  Size: 691 KiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 94 KiB