CNC集成制造过程协同仿真模型及应用技术研究

针对CNC集成制造过程复杂、动态、迭代的特点,采用分层混合建模策略构建了CNC集成制造过程协同仿真模型,并设计了仿真单元;考虑到各过程之间的兼容性、集成性,采用基于模型字典和模型结构相结合的面向对象的模型表示方法对各仿真对象进行规范化表示。最后以曲轴工件为例,采用组态软件开发了曲轴CNC集成制造协同仿真系统,实现了曲轴工件加工过程、检测过程、质量监控的多模式窗口协同仿真运行,有效实现了各仿真单元模型及文档的共享和互操作,使用过程采样数据对仿真模型进行训练和测试,为工艺方案的寻优提出可供借鉴的依据,为集成制造过程的优化提供理论依据。     

基于网格运动统计的工件识别改进算法北大核心

为提高快速鲁棒特征(SURF)算法在复杂环境下进行工件识别的匹配精度及匹配效率,提出一种基于网格运动统计(GMS)的工件识别改进算法。首先,用加速分割检测(FAST)算法代替SURF特征点检测进行工件图像特征点的快速提取,并对特征点建立64维SURF描述符,使加快关键点检测速度的同时得到具有旋转尺度鲁棒性的特征点;其次,对特征点进行快速近似最近邻(FLANN)匹配得到粗匹配集;最后,采用改进GMS算法对图像进行网格化处理,根据运动平滑性进行内点与离群点的区分,保留正确匹配特征点对,实现误匹配点的剔除,准确找到待识别工件的位置。实验结果表明:改进算法比传统的SIFT、SURF和ORB等算法在工件图像受到旋转、平移、尺度、亮度等变化及影响时能够更高效、更准确识别工件,提高了复杂环境下工件识别的效率。     

基于SAPSO-GA算法的高速曲轴随动数控磨床几何误差辨识方法

以某型数控曲轴磨床作为研究对象,对其结构和运动进行分析,推导出曲轴磨削时理想的砂轮轨迹方程。根据多体系统理论建立含有误差参数的模型,并推导出机床-工件和机床-刀具的运动链位置矩阵,得出机床精密加工的约束方程。对磨床的几何误差进行研究,建立几何误差模型。为快速、准确辨识出各项几何误差,提出一种混合SAPSO-GA算法。通过对比球杆仪测量补偿前后的运动轨迹,分析补偿效果。结果表明:所提方法提高了辨识准确性,通过补偿大大提高了曲轴随动磨床的加工精度。     

协作机器人关节摩擦特性辨识与补偿技术

为提高机器人的运动精度和换向过程的运动平稳性,降低换向过程中因摩擦引起的位置误差和速度波动,文章提出了一种基于改进库伦+黏性摩擦模型的补偿方法。该改进模型引入sigmoid函数克服了传统库伦+黏性摩擦模型在换向过程中的不连续问题;并采用恒速辨识方法实现了摩擦模型参数的精确辨识;在此基础上,利用前馈补偿技术实现了机器人关节摩擦特性的补偿。实验结果表明,文中提出的辨识方法能够有效的辨识出摩擦模型参数和基于模型的补偿算法明显降低了换向过程中的摩擦误差。     

基于改进的SURF_FREAK算法的工件识别与抓取方法研究

为解决自动化生产线上工件的准确、实时定位与抓取问题,提出改进的SURF_FREAK算法,将其应用于工件的识别与匹配。该算法首先利用加速稳健特征(SURF)算法提取特征点,随后对FREAK算法添加中距离点对进行特征点的描述,在汉明距离相似性度量之前添加极线约束匹配工件图像。研究结果表明:改进的SURF_FREAK算法相比传统的尺度不变特征变换(SIFT)、SURF、SURF_FREAK算法,其在工件的识别速度和匹配准确度上有很大的改善。将该算法应用于工业现场,可以快速准确地识别出工件,结合双目技术完成工件的定位,通过运动学逆解求出机械臂各关节的移动量,传送到控制器,实现对工件的抓取。     

高速切削CNC系统的研究

比较了高速切削加工与传统数控加工的区别 ,指出了高速切削对CNC系统的特殊要求 ,基于这些要求分析了目前高速切削CNC系统存在的四个问题 :①CNC体系结构封闭 ;②与CAM系统集成不够 ;③插补器和进给伺服控制器存在局限 ;④CNC缺乏对已知信息的综合考虑。针对这些问题的解决 ,提出基于PC的开放式CNC系统是解决问题的可行方案 ,应用面向对象的方法建立了这种方案的层次化参考模型 ,最后 ,给出了其实现的硬件拓扑结构     

基于改进的ORB算法的工件图像识别方法

针对传统的工件图像识别算法运行速度慢、匹配精度差等问题,提出一种改进的ORB（Oriented FAST and Rotated BRIEF）算法解决工件图像的实时与准确识别问题。该算法的流程是首先利用ORB算法提取工件图像的角点特征,随后为其添加SURF（Speed-Up Robust Features）描述符进行方向分配,得到具有旋转尺度不变性的图像角点,结合快速近似最近邻搜索算法进行特征点的匹配,实现工件图像的识别。实验结果表明：在图像存在旋转尺度变化的情况下,使用改进的ORB算法相比传统的ORB、SIFT（Scale Invariant Feature Transform）和SURF算法以及SIFT+SURF、SURF+FREAK组合算法在工件图像角点提取与目标匹配方面速度更快,识别精度更高,提高了工业机器人在搬运工件过程中对工件图像的识别效率和准确性     

基于改进YOLOv3算法的堆叠工件检测

针对传统物体检测算法识别堆叠工件存在准确率低以及漏检的问题,提出一种基于改进YOLOv3算法的堆叠工件检测方法。首先,引入Inception结构增强特征检测网络的特征提取能力,提高堆叠工件检测的准确率;其次,引用增强型特征金字塔结构(enhanced feature pyramid network, EFPN),提高模型多尺度特征融合能力,改善算法漏检率高的问题;最后,利用K-means聚类融合交并比损失函数(intersection over union, IOU)重新确定工件锚框,解决YOLOv3网络预设锚框尺寸不适合现有工件的问题。实验结果表明,改进算法均值平均精确度(mean average precision, mAP)达到92.89%,相较于原始YOLOv3算法提高了5.32%,F1值为0.95,召回率为93.33%,精确率为97.65%,满足堆叠工件检测的指标要求。     

基于正交试验-遗传神经网络的凸轮轴高速磨削参数优化

采用X-C两轴联动的加工方式,在CNC8325型超高速凸轮轴复合磨床上,对冷激铸铁凸轮轴进行了加工试验。采用正交试验法设计实验,并运用极差法和方差法综合分析相关磨削工艺参数对工件加工质量的影响规律。利用遗传神经网络算法建立了工件加工质量和相关磨削工艺参数间的非线性映射关系,同时基于正交试验法的分析结果改进了遗传神经网络算法,实现了相关磨削工艺参数的优化,缩短了冷激铸铁材料凸轮轴数控磨削工艺制定的时间,提高了磨削加工的质量。     

基于HOG特征与连通区域分析的工件目标检测算法

为了解决当前工件目标检测技术在特征不清晰且背景干扰强度大的情况下导致其定位精度不高的问题,文章提出了基于方向梯度直方图(histograms of oriented gradient,HOG)特征和连通区域分析的工件目标检测算法。首先,对训练集中的标准工件目标图像进行网格划分,计算网格内像素梯度,统计梯度直方图,完成HOG特征提取与训练。然后,对单峰阈值的区间划分进行细化,提出了双阈值分割机制,结合连通区域分析,将二值图像转换为标签图像,并进行像素属性评估,滤除干扰,达到准确定位工件目标的目的。最后,基于开源图像库ITK和底层编程实现算法,并集成于标准化软件系统。实验测试结果显示:与当前主流工件目标检测技术相比,文中算法拥有更高的准确性与稳定性。     

基于卷积神经网络多特征融合的工件识别与检测

针对工业自动化场景中工件识别与检测精度不够高、特征提取困难、多工件定位困难等问题,提出一种基于卷积神经网络多特征融合的工件检测算法。工件检测算法是在一种单次目标检测器算法基础上,新增了特征融合结构,将图像深层信息与浅层信息融合而得以改进,由基础网络、自定义网络、特征融合结构和检测网络四部分构成。实验测试表明,对于200个不同工件组成的图像数据集检测的平均精度达99.2%,优于改进前的96.3%,单张图片检测时间为0.026s,基本符合工业自动化场景中的实时性要求。     

基于极限学习机的工件厚度辨识研究

电火花线切割加工变厚度工件时,会出现加工效率低和易断丝的现象。为了降低厚度变化对加工产生的影响,提出了基于极限学习机的工件厚度辨识方法。该方法利用加工阶梯状工件过程中采集的数据,建立了基于极限学习机的厚度辨识模型。数据验证结果表明:该模型的辨识误差小于2 mm。     

一种改进的roberts算法在焊缝识别中的应用研究

基于弧光反射的弧焊工业机器人智能跟踪焊缝系统能否成功运行,关键问题是需要一个精确、快速的弧光反射照射下的焊缝区工件间隙图像的识别算法。在各种边缘识别方法中,roberts算法的代码执行效率最高,然而该算法对噪声十分敏感。由于焊接条件本身的复杂性,传统的roberts算法受噪声干扰非常严重,提出了一种改进的roberts算法用于该系统。实验证明,改进后的roberts算法在复杂的焊接条件下能够实现焊缝高效、准确的边缘检测和焊缝特征信息的提取,提高了系统的有效性、实时性和环境适应性。     

基于HPSO算法的CNC在线检测路径规划

CNC在线检测路径规划直接关系到在线检测效率,为生成最短的无干涉检测路径,文章提出一种基于混合粒子群算法(HPSO)的在线检测路径规划方法。采用先避障后优化的规划策略,规划出无干涉的初始检测路径,基于旅行商问题建立优化模型,使用HPSO算法优化测点间检测顺序及特征间检测顺序。针对典型工件进行在线检测路径规划及检测实验,相比于基本粒子群算法的优化结果和人工规划结果,该方法在保证测头安全的前提下,有效缩短检测路径长度,提高了检测效率。     

基于改进灰狼优化算法的永磁同步电机参数辨识

针对永磁同步电机中参数辨识精度低与速度慢的问题,提出了一种基于改进灰狼优化算法的参数辨识方法。首先采用Tent映射反向学习策略对种群初始化,增强初始种群的多样性;其次,设计了一种非线性变化的收敛因子;最后,采用Levy飞行策略对算法寻优过程中位置更新方式进行变异操作,以提高算法跳出局部最优的能力,降低了算法误收敛的可能性。仿真实验表明,改进灰狼优化算法对永磁同步电机中的参数精确度更高,辨识速度更快。     

基于STEP-NC的CAD/CAPP/CNC系统集成的研究

STEP-NC是一个CAD/CAM与CNC系统间实现数据交换的接口,基于STEP-NC的CAPP系统和CNC系统与传统的CAPP及CNC系统在功能模型上有很大区别.开发了一个基于STEP-NC的CAPP系统功能模型;在分析STEP-NC标准的基础上,通过对STEP-NC数据模型进行扩充和完善,建立统一的基于STEP-NC数据模型的开放式共享数据库,使得CAD/CAPP与CNC系统真正实现无缝集成.     

基于视觉的机械臂轨迹优化方法研究

针对应用视觉系统进行工件抓取时,工件相互遮挡导致识别工件不准确且抓取效率较低的问题,提出基于视觉的机械臂轨迹优化方法。由相机采集工件图像信息,通过标定机械臂坐标系、工件坐标系及相机坐标系,建立“手眼”坐标关系,基于点云数据对工件识别与定位;提出改进遗传-鲸鱼混合轨迹规划算法,以控制工件抓取过程。对机械臂的3个重要关节进行了运动仿真与实验测试。仿真结果显示：改进的遗传-鲸鱼混合算法收敛速度更快,搜索能力更强,优化后的抓取时间比基本遗传算法优化的抓取时间减少了2.3 s。实验结果表明：基于点云识别的机械臂抓取成功率达到93.75%,极大提高了抓取效率,验证了算法的有效性。     

一种基于改进Faster RCNN的金属材料工件表面缺陷检测与实现研究

目的 针对传统检测算法在工件表面缺陷检测上的局限性,以及检测精度不高、准确率较低、检测过程繁琐等问题,提出了一种基于改进RCNN的金属材料工件表面缺陷检测算法。方法 图像预处理过程中,运用了图像缺陷定位标注与图像数据的增强处理的方法。模型训练时为了避免某些分类数据不足,防止因数据集过小导致系统测试模型出现过拟合现象,使用了对原图像进行数据扩增处理。检测网络模型设计时,采用非极大值抑制算法对缺陷图像进行候选区域筛选,构建了区域建议网络,实现网络多层特征的复用和融合,在减少候选区域冗余的基础上提高系统的检测精度。引入多级ROI池化层结构设计算法,消除ROI池化取整而产生的系统偏差,实现高效并准确检测零件表面缺陷的目的。基于ROI-Align算法的原图位置坐标改进,利用双线性插值法获得原图的位置坐标,克服了基于最近邻插值法的ROI-Pooling设计算法带来的像素位置偏移和检测不匹配（misalignment）的问题。结果 设计的检测方法在测试集上,金属材料工件表面目标缺陷检测速度达22 帧/s,准确率达97.36%,召回率达 95.62%。结论 与传统的工件表面检测方法相比,改进的FasterRCNN方法对目标识别与定位处理具有较快的速度与较高的准确度,能在复杂场景条件下,提升工件表面缺陷的检测性能。     

基于改进差分进化算法的伺服驱动系统摩擦参数辨识研究

非线性摩擦力是影响伺服驱动系统定位精度的主要因素之一,摩擦补偿技术可以有效抑制摩擦力对伺服驱动系统的影响。Stribeck摩擦模型作为一种常用的摩擦模型,能够比较精确的描述系统摩擦力的特性,其精确程度与摩擦参数的准确度密切相关,所以辨识摩擦参数的方法至关重要。论文以常规伺服驱动系统为研究对象,提出了一种基于改进差分进化算法的摩擦辨识方法,并与常规差分进化算法和遗传算法进行了仿真对比。辨识结果表明,基于改进差分进化算法的摩擦参数辨识方法辨识速度更快,精确度更高。     

CNC中基于Bezier拟合的Look-Ahead轨迹规划的研究

轨迹规划是CNC系统的重要功能之一。传统CNC在处理连续微小NC程序时,存在诸如机床震颤、工件毛刺、加工效率低等问题。作者提出的Look-Ahead轨迹规划算法能解决上述问题,此算法将NC程序分成3种大路径段,将连续微小路径(CSBs)拟合成Bezier曲线,再进行速度规划和轨迹插补,在此基础上提出Look-Ahead离线插补器的结构。仿真结果表明,该算法能够实现大量微小路径的连续加工。