CN114131605B - 一种船体零件打磨轨迹自动配准调整装置及方法 - Google Patents
一种船体零件打磨轨迹自动配准调整装置及方法 Download PDFInfo
- Publication number
- CN114131605B CN114131605B CN202111478023.XA CN202111478023A CN114131605B CN 114131605 B CN114131605 B CN 114131605B CN 202111478023 A CN202111478023 A CN 202111478023A CN 114131605 B CN114131605 B CN 114131605B
- Authority
- CN
- China
- Prior art keywords
- robot
- polishing
- track
- polished
- points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005498 polishing Methods 0.000 title claims abstract description 164
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000000227 grinding Methods 0.000 claims abstract description 69
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 33
- 230000000694 effects Effects 0.000 claims description 31
- 238000004088 simulation Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 24
- 239000012636 effector Substances 0.000 claims description 22
- 238000011282 treatment Methods 0.000 claims description 16
- 230000014509 gene expression Effects 0.000 claims description 15
- 230000005484 gravity Effects 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000007517 polishing process Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 238000013519 translation Methods 0.000 claims description 12
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 20
- 230000004044 response Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000013016 damping Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 4
- PZNPLUBHRSSFHT-RRHRGVEJSA-N 1-hexadecanoyl-2-octadecanoyl-sn-glycero-3-phosphocholine Chemical compound CCCCCCCCCCCCCCCCCC(=O)O[C@@H](COP([O-])(=O)OCC[N+](C)(C)C)COC(=O)CCCCCCCCCCCCCCC PZNPLUBHRSSFHT-RRHRGVEJSA-N 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000013505 freshwater Substances 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000011253 protective coating Substances 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/005—Manipulators for mechanical processing tasks
- B25J11/0065—Polishing or grinding
Abstract
本发明公开一种船体零件打磨轨迹自动配准调整装置及方法,包括S1、获取第一打磨轨迹,其中,所述第一打磨轨迹通过离线编程的方式得到的机器人离线打磨轨迹,基于所述机器人打磨轨迹获取打磨轨迹上各个打磨轨迹点处的三维坐标信息;S2、将所述第一打磨轨迹进行坐标变换,得到合适当前实际作业空间的第二打磨轨迹;S3、基于法向恒力跟踪控制方法对所述第二打磨轨迹进行实时在线动态调整进行在线动态调整。本发明通过确定离线编程中和实际作业中的待打磨船体零件的停放位姿偏差,并在此基础上对原有的离线打磨轨迹进行坐标变换,便可以配准机器人打磨轨迹与实际需要的打磨轨迹之间的偏差,保证船体零件的自由边打磨质量。
Description
技术领域
本发明属于机械加工技术领域,尤其涉及一种船体零件打磨轨迹自动配准调整装置及方法。
背景技术
目前,我国各大船舶生产制造公司的船舶制造主要是通过壳舾涂一体化分段制造的方式来实现的,其中涉及到船体零件的加工、焊接、涂装、管件的加工和物流等智能化作业装备。在船体零件的加工过程中,在钢材切割完成之后,往往需要根据下道工序的生产工艺要求,将需要切割坡口的零件移动至坡口工位,然后进行开坡口处理,而对于无需切割坡口需要进行自由边打磨处理的零件则需要移动至自由边打磨工位,然后进行相应的自由边打磨处理,自由边实际上是船体零件上的无需焊接的边。
对于船体零件,其自由边种类众多且结构复杂,自由边打磨处理要求较高。而随着《所有类型船舶专用海水压载舱和散货船双舷侧处所保护涂层性能标准》(PerformanceStandard For Protective Coatings,PSPC)的实施,PSPC要求对所有压载舱和淡水舱部位的待打磨船体零件的自由边在涂装前进行边缘半径不少于2mm的圆角处理或者经过3次打磨处理或者至少经过等效的处理。目前对非压载舱和淡水舱部位的船体零件的自由边也提出了如上述PSPC所提出的自由边打磨处理的要求,这使得相关船舶制造企业针对船体零件的自由边打磨处理的工作质量要求进一步提高,工作量进一步增加。
目前针对船体零件的自由边打磨处理,其主要是通过打磨工人手持锉刀、刮刀或砂轮片等打磨工具,对同一轨迹重复打磨三次,从而实现对船体零件的自由边进行打磨处理,形成边缘半径为不少于2mm的圆角的要求的。在这个打磨工人进行手工打磨作业的过程中,由于打磨工人长期暴露在充满粉尘的打磨环境中,会对工人们的身体健康产生严重恶劣的影响。除此之外,在使用打磨工人进行船体零件自由边人工打磨处理的过程中还会对环境产生比较恶劣的影响,且存在着打磨效率低、打磨一致性差,打磨质量与工人们的经验密切相关等问题,所以目前针对船体零件的自由边打磨处理,急需寻找一种新的可以满足船体零件的自由边打磨处理要求的方法。
发明内容
本发明要解决的技术问题是如何提高船体零件的自由边打磨处理效率及打磨质量。
一方面为实现上述目的,本发明提供了船体零件打磨轨迹自动配准调整装置,包括:打磨仿真系统,基于待打磨船体零件构建打磨仿真模型,构建打磨机器人的打磨轨迹;
构件处理平台,用于放置和固定待打磨船体零件,
二自由度可移动龙门架,用于带动所述打磨机器人在X轴上的运动,其中所述打磨机器人基于所述打磨仿真系统对待打磨船体零件的自由边进行打磨处理;
控制系统,用于发出控制指令,控制所述装置的运行;
所述控制系统分别与所述打磨仿真系统、所述构件处理平台、所述二自由度可移动龙门架、所述打磨机器人连接。
可选地,所述构件处理平台包括多个能够进行升降的支撑柱,待打磨船体零件的下表面与所述支撑柱接触连接。
可选地,所述二自由度可移动龙门架包括X轴移动导轨和Y轴可移动底座,所述X轴移动导轨位于所述构件处理平台的两侧,所述Y轴可移动底座位于所述构件处理平台的上方并且在水平方向上垂直于所述X轴移动导轨,所述X轴移动导轨运动带动所述Y轴可移动底座运动。
可选地,所述Y轴可移动底座设置有倒挂的所述打磨机器人,所述打磨机器人的末端安装有力传感器,所述力传感器与所述控制系统连接,用于对打磨过程中的接触力信息进行采集,并根据采集到的信息对打磨机器人的初始打磨轨迹进行实时在线动态调整。
可选地,所述Y轴可移动底座设置有倒挂激光传感器,通过跟随所示二自由度可移动龙门架的运动,用于测量得到全局坐标下待打磨船体零件的完整三维点云数据。
另一方面为实现上述目的,本发明提供了一种船体零件打磨轨迹自动配准调整方法,包括如下步骤:
S1、获取第一打磨轨迹,其中,所述第一打磨轨迹通过离线编程的方式得到的机器人离线打磨轨迹,基于所述机器人打磨轨迹获取打磨轨迹上各个打磨轨迹点处的三维坐标信息;
S2、将所述第一打磨轨迹进行坐标变换,得到合适当前实际作业空间的第二打磨轨迹;
S3、基于法向恒力跟踪控制方法对所述第二打磨轨迹进行实时在线动态调整进行在线动态调整。
可选地,将S2中的问题转换为将离线编程中的待打磨船体零件经过旋转平移变换到打磨船体零件在实际作业位置:定义旋转平移矩阵
其中,R表达式为:
其中,(θ,α,β)都为角度值,分别表示待打磨船体零件在x轴、y轴和z轴上的旋转角度大小;
T的表达式为:
T=[x0 y0 z0]T
其中,(x0,y0,z0)分别表示待打磨船体零件在x轴、y轴和z轴各个坐标轴上的平移量大小。
可选地,获取待打磨船体零件上任一关键点的离线编程三维坐标为(x,y,z)、实际三维坐标为(x′,y′,z′),其坐标转换关系为:
多个关键点,由:
其中,n为关键点的个数,n>2;
通过最小二乘法求解超定方程组的方式来求解得到六个未知参数(θ,α,β,x0,y0,z0);
所述关键点为待打磨船体零件上各个直线段和圆弧段之间的交点。
可选地,所述S3包括:
通过力传感器实时采集机器人自由边打磨处理过程中的接触力信息;
对接触力信息进行重力补偿和法向力分解处理,得到打磨过程中打磨工具和待打磨船体零件之间实际接触力的法向分力;
根据实际接触力的法向分力,通过基于位置的机器人阻抗控制模型对机器人末端执行器的位置进行实时在线修正,从而在线动态调整机器人的初始打磨轨迹,其中,所述机器人阻抗控制模型基于机器人末端接触力和位置偏差之间的关系构建。
本发明的技术效果为:本发明通过确定离线编程中和实际作业中的待打磨船体零件的停放位姿偏差,并在此基础上对原有的离线打磨轨迹进行坐标变换,便可以配准机器人打磨轨迹与实际需要的打磨轨迹之间的偏差,保证船体零件的自由边打磨质量。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例一的船体零件打磨轨迹自动配准调整装置的结构示意图;
图2为本发明实施例一的船体零件打磨轨迹自动配准调整装置中打磨机器人末端工具系统三维模型图;
图3为本发明实施例一的船体零件打磨轨迹自动配准调整装置的工作流程示意图;
图4为本发明实施例二的机器人离线编程流程图;
图5为本发明实施例二的离线编程和实际作业中的待打磨船体零件示意图;
图6为本发明实施例二的肘板点云滤波效果图,其中,图(a)、(b)、(c)分别为α=1、α=3α=5肘板点云滤波效果图;
图7为本发明实施例二的补板点云滤波效果图,其中,图(a)、(b)、(c)分别为α=1、α=3α=5补板点云点云滤波效果图;
图8为本发明实施例二的加强筋点云滤波效果图,其中,图(a)、(b)、(c)分别为α=1、α=3α=5加强筋点云点云滤波效果图;
图9为本发明实施例二的肘板点云简化效果图,其中,图(a)、(b)、(c)体素栅格尺寸分别为在2.0cm*2.0cm*2.0cm、2.4cm*2.4cm*2.4cm2、.8cm*2.8cm*2.8cm肘板点云简化效果图;
图10为本发明实施例二的补板点云简化效果图,其中,图(a)、(b)、(c)体素栅格尺寸分别为在2.0cm*2.0cm*2.0cm、2.4cm*2.4cm*2.4cm2、.8cm*2.8cm*2.8cm补板点云简化效果图;
图11为本发明实施例二的加强筋点云简化效果图,其中,图(a)、(b)、(c)体素栅格尺寸分别为在2.0cm*2.0cm*2.0cm、2.4cm*2.4cm*2.4cm2、.8cm*2.8cm*2.8cm加强筋点云简化效果图;
图12为本发明实施例二的打磨工具系统的重力补偿分析图;
图13为本发明实施例二的基于位置阻抗控制模型在线动态调整机器人打磨轨迹示意图;
图14为本发明实施例二的Bd、Kd不变,Md变化时的阻抗控制系统Matlab/Simulink仿真结构图;
图15为本发明实施例二的改变Md时的位移修正量响应曲线图
图16为本发明实施例二的改变Bd时的位移修正量响应曲线图;
图17为本发明实施例二的改变Kd时的位移修正量响应曲线图;
图18为本发明实施例二的打磨轨迹上相邻两点的坐标、力信息图;
其中,1为构建处理平台,2为二自由度可移动龙门架,2.1为X轴移动导轨,2.2为Y轴可移动底座,3为打磨机器人,4为支撑柱,5为力传感器,6为激光传感器,7为上连接板,8为下连接板,9为直角连接板,10为打磨刀具,11为电主轴,12为待打磨船体零件。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
如图1所示,本实施例中提供一种船体零件打磨轨迹自动配准调整装置,包括:
打磨仿真系统,基于待打磨船体零件12构建打磨仿真模型,构建打磨机器人3的打磨轨迹;
构件处理平台1,用于放置和固定待打磨船体零件12;
二自由度可移动龙门架2,用于带动打磨机器人3在X轴、Y轴上的运动,其中所述打磨机器人3基于所述打磨仿真系统对待打磨船体零件12的自由边进行打磨处理;
控制系统,用于发出控制指令,控制所述打磨机器人3的运行;
所述控制系统分别与所述打磨仿真系统、所述构件处理平台1、所述二自由度可移动龙门架2、所述打磨机器人3连接。
进一步优化方案,所述构件处理平台1包括多个能够进行升降的支撑柱4,待打磨船体零件12的下表面与所述支撑柱4接触连接,用来放置和固定待打磨船体零件12。
当待打磨船体零件12被放置于构件处理平台1上时,构件处理平台1上的所有支撑柱4就会升起,使待打磨船体零件12能够脱离构件处理平台1表面,暴露出其自由边,使得打磨机器人3能够更加容易的对船体零件的自由边进行打磨处理。同时,上述这种设计也使得机器人在对待打磨船体零件12的自由边进行打磨处理时,船体零件的下表面能够由平面接触改为多点接触,待打磨船体零件12凭借自身重力产生的摩擦力大于铣削力,能够起到工件固定的作用。
进一步优化方案,所述二自由度可移动龙门架2具有两个自由度,包括X轴移动导轨2.1和Y轴可移动底座2.2,所述X轴移动导轨2.1位于所述构件处理平台1的两侧,所述Y轴可移动底座2.2位于所述构件处理平台1的上方并且在水平方向上垂直于所述X轴移动导轨2.1,所述X轴移动导轨2.1运动带动所述Y轴可移动底座2.2运动。通过X轴移动导轨2.1和Y轴可移动底座2.2,二自由度可移动龙门架2便可以覆盖到整个作业空间。
进一步优化方案,所述Y轴可移动底座2.2设置有倒挂的所述打磨机器人3和线激光传感器6,其中,线激光传感器6是一种三维点云数据测量设备,通过其跟随着二自由度可移动龙门架2的运动,可以测量得到全局坐标下待打磨船体零件12的完整三维点云数据;打磨机器人3通过与二自由度可移动龙门架2的协同运动,便可以将打磨机器人3的打磨工作范围覆盖到整个作业空间中去,从而对待打磨船体零件12进行完整的自由边打磨处理。
所述打磨机器人3的末端安装有力传感器5,所述力传感器5与所述控制系统连接,用于对打磨过程中的接触力信息进行采集,并根据采集到的信息对打磨机器人3的初始打磨轨迹进行实时在线动态调整。
其中,本实施例中,如图2所示,力传感器5、上连接板7、下连接板8固定在直角连接板9上,电主轴11的上端与直角连接板9固定连接,电主轴11的侧端与打磨刀具10固定连接。
实施例二
如图3所示,本实施例中提供一种船体零件打磨轨迹自动配准调整方法,包括如下步骤:
S100、机器人完成离线编程
首先通过船舶三维设计软件Tribon来获取到待打磨船体零件12的三维设计模型,然后结合实际船体零件自由边机器人打磨系统,在离线编程及仿真软件中建立与实际打磨系统相对应的打磨仿真系统,如图4所示,本实施例中通过离线编程的方式离线获取到机器人的打磨轨迹:根据船体零件自由边机器人智能打磨系统在RobotStudio软件中建立了相应的ABB IRB-1410型打磨机器人仿真系统,并进行相关工具坐标系和工件坐标系的设定,实现机器人离线编程的前期准备工作。又根据RobotStudio软件中打磨轨迹自动生成和仿真优化等功能实现了机器人离线打磨轨迹的生成,在生成了机器人的离线打磨轨迹之后,通过得到的机器人打磨轨迹代码获取到打磨轨迹上各个打磨轨迹点处的正确信息,基于各个打磨轨迹点处的正确信息得到第一打磨轨迹,正确信息分别为:pos、orient、confdata和extjoint。其中,pos是指轨迹点的位置信息(只有X、Y和Z),也就是轨迹点的三维坐标;orient指轨迹点的姿态信息;confdata指机器人的参数配置信息,而extjoint则指相关的外轴位置信息。
与人工示教相比,如表1所示,离线编程的方法具有以下优势:
表1
S200、在打磨作业现场,将需要进行自由边打磨处理的船体零件放置于构件处理平台1中的作业区域内,并基于构件处理平台1对待打磨的船体零件实现固定。
S300、固定完成之后,在打磨作业开始前,首先通过二自由度可移动龙门架2的运动带动固定在龙门架Y轴可移动底座2.2上的线激光传感器6运动,对位于构件处理平台1作业区域内的待打磨船体零件12进行三维测量,获取到待打磨船体零件12完整的原始三维点云数据。
进一步优化方案,离线编程中待打磨船体零件12设定的位置可能与其实际作业中的位置存在着一定的偏差。在这种情况下,如果直接使用经离线编程所获得的机器人离线打磨轨迹对船体零件的自由边进行打磨处理,那么可能会出现机器人的打磨轨迹与实际需要的打磨轨迹之间存在着偏差,不能很好的跟踪待打磨船体零件12的自由边这一问题。因此通过点云数据处理技术提取出待打磨船体零件12的关键点实际三维坐标。本实施例中采用以下步骤对原始三维点云数据进行处理:
S301、去噪处理:本实施例中采用统计滤波的方法对原始三维点云数据进行滤波处理。统计滤波的原理就是通过计算当前点与周围k近邻点之间的距离(D1,D2…Dk)以及它们之间的距离平均值来进行滤波,具体为如果其中一个近邻点与当前点之间的距离Di,(i=1,2…,k)大于/>的α个标准差以上,则该点就可以被视为一个噪声点需要进行去除处理,其它情况下就保留。
一般来说,统计滤波的滤波效果只与近邻点的数目k和阈值α这两个参数有关。在这里,为了分析阈值α对滤波效果的影响,以找到最为合适的阈值滤波参数,设近邻点的数目k始终不变,取为20,而阈值α则分别取值为1,3和5,得到各个典型待打磨船体零件12在不同阈值α下的统计滤波后的三维点云数据,如图6、图7和图8所示。
为了定量评价不同阈值α下的统计滤波效果,首先在经过相同变换之后所模拟获得的原始点云数据中选择一个,然后再在选择的原始点云数据中手动去除噪声点,记录它们的数量以及正常点的数量,最后设置两个滤波评价指标假阳性率FPR和假阴性率FNR,通过计算它们的数值来定量评价不同阈值α下的统计滤波效果。
其中,假阳性率是指本身为正常点却被误认为噪声点的数量与手动去除滤波中剩余的正常点的数量的比值;而假阴性率则指本身为噪声点却被归类为正常点的数目与手动滤波中正常点的数目之比,它们的计算公式如下式所示:
经过多次处理计算,得到不同阈值α下的FPR和FNR计算结果如表4-1所示。由表4-1,在滤波参数近邻点的数目k取值不变的情况下,当阈值α的选择取值越小时,FPR的数值就会越大,而FNR的数值会越小。由FPR和FNR的定义,当FPR和FNR的数值越小时,统计滤波的滤波效果就会越明显,滤波的准确度越高。可以看到,当阈值α的取值过小比如说取值为1时,此时FPR较大,可能会将正常的位于边界点云上的点云数据错误的过滤掉,破坏点云的特征信息,不利于之后的点云关键点提取。而当阈值α的取值过大比如说取值为5时,FNR较大,可能并不能达到良好的点云滤波效果。因此,在进行点云数据的统计滤波之时,必须要根据点云数据的特点以及实际情况谨慎选择阈值α的取值。综合上述因素可以选择取值阈值α为3,从表4-1中可以看到,此时的点云滤波准确度较高,滤波效果较好,且滤波时间较少。
表4-1
S302、降采样处理:在进行统计滤波之后,为了降低后续关键点提取等算法的时间复杂度和空间复杂度,还需要进行点云简化处理。采用体素栅格法对滤波后的点云数据进行简化处理,其简化效果与其设置的体素栅格尺寸大小有关。图9-图11就分别给出了使用不同的体素栅格尺寸大小对几种典型的待打磨船体零件12的滤波后三维点云数据进行简化处理的下采样点云简化效果。
S303、点云边界提取:在采用基于法向信息的点云边界提取算法进行点云数据边界提取时,其提取效果并不是很好,一些内部点会被误认为边界点提取出来,影响后面的点云关键点提取精度。实际上这是因为在上述点云数据边界提取的过程中边界提取参数的设置不合理所造成的。对于基于法线信息进行点云数据边界提取的算法,其提取效果主要与近邻点的数目k和法向量的夹角规定阈值α有关,本实施例中通过将k的值由原来的10调整为15,并将阈值α由默认的π/2调整为5π/8,再对预处理之后的典型待打磨船体零件12的三维点云数据进行边界提取。
S304、点云关键点的选取与提取
a、分析待打磨船体零件12的外形轮廓特点:待打磨船体零件12的外形轮廓都是由若干个直线段和若干个圆弧段所组成的,因此可以选择使用待打磨船体零件12上各个直线段和圆弧段之间的交点,也就是拐点来作为关键点。
b、使用RANSAC(随机采样一致性)拟合的方法对点云关键点进行提取。其具体原理为:首先针对点云数据的边界提取结果采用RANSAC直线拟合或圆弧拟合的方式拟合出点云边界数据上存在的一段直线段或圆弧段点云,然后再以此为基础剔除掉边界数据在直线段或圆弧段上的点,最后针对剔除出直线段或圆弧段上点的点云边界数据继续使用RANSAC直线拟合或圆弧拟合,并继续剔除直线段或圆弧段上的点,直到剩余的点云数据无法再继续拟合为止。在点云边界数据拟合完成之后,在这个过程中,通过RANSAC拟合的方式获取得到所拟合的各个直线段和圆弧段的参数方程,然后可以通过对这些拟合参数方程求交点的方式来计算得到待打磨船体零件12的各个关键点的实际三维坐标。
S400、由离线编程中设定的待打磨船体零件12经过一定的旋转平移变换之后便可以直接位于待打磨船体零件12在实际作业中的位置,由此原问题可转换为:如何高效准确的获取离线编程中的待打磨船体零件12转换至实际作业位置处的旋转平移矩阵具体步骤如下:
S401、通过计算得到旋转平移矩阵
其中,
式(2)中,(θ,α,β)都为角度值,分别表示待打磨船体零件12在x轴、y轴和z轴上的旋转角度大小。
T=[x0 y0 z0]T (3)
式(3)中,(x0,y0,z0)分别表示待打磨船体零件12在x轴、y轴和z轴各个坐标轴上的平移量大小。
结合上式(1)、式(2)和式(3)可知,对于离线编程中待打磨船体零件12转换至实际作业位置处的旋转平移矩阵其只包含六个未知参数(θ,α,β,x0,y0,z0),如果能够通过求解得到这六个未知参数,便可以求解得到旋转平移矩阵/>从而对离线编程所获得的离线打磨轨迹进行坐标变换,变换生成适合当前实际作业空间的机器人打磨轨迹。
S402、通过基准点法求解得到上述六个未知参数,利用待打磨船体零件12的关键点在离线编程中的坐标和在实际作业中的坐标,再经过数据处理来获取得到未知参数,其中的关键为待打磨船体零件12关键点的选取和关键点实际三维坐标的获取。具体包括如下步骤:
c、待打磨船体零件12的关键点在离线编程中的坐标,可以很容易的通过离线编程系统来获取得到:根据船体零件自由边机器人智能打磨系统在RobotStudio软件中建立了相应的ABB IRB-1410型打磨机器人仿真系统,并进行相关工具坐标系和工件坐标系的设定,实现机器人离线编程的前期准备工作。又根据RobotStudio软件中打磨轨迹自动生成和仿真优化等功能实现了机器人离线打磨轨迹的生成。在生成了机器人的离线打磨轨迹之后,通过得到的机器人打磨轨迹代码获取到打磨轨迹上各个打磨轨迹点处的正确信息,分别为:pos、orient、confdata和extjoint。其中,pos是指轨迹点的位置信息(只有X、Y和Z),也就是轨迹点的三维坐标;orient指轨迹点的姿态信息;confdata指机器人的参数配置信息,而extjoint则指相关的外轴位置信息。
d、通过基准点法来求解上述6个未知参数(θ,α,β,x0,y0,z0)。如图5所示,给出了待打磨船体零件12在离线编程中设定的位置和在实际作业中的位置。在这里,认为离线编程和实际作业中的全局坐标系已经一致,用ABCDEF来表示位于离线编程中设定位置处的待打磨船体零件12,而A′B′C′D′E′F′则表示位于实际作业位置处的待打磨船体零件12。
假设待打磨船体零件12上某个关键点A点的离线编程三维坐标为(x,y,z),其实际三维坐标为(x′,y′,z′),由它们之间的坐标转换关系为:
而对于多个关键点,由:
其中,n为关键点的个数。由中(θ,α,β,x0,y0,z0)为要求解的六个未知参数,则一般只需要两个关键点的实际三维坐标和在离线编程中的坐标便可通过求解方程的方式求解得到离线编程中的待打磨船体零件12转换至实际作业位置处的旋转平移矩阵/>本实施例中,由于引入计算的待打磨船体零件12的关键点的个数n一般都大于两个,所以可以通过最小二乘法求解超定方程组的方式来求解得到上述六个未知参数(θ,α,β,x0,y0,z0),从而求解得到旋转平移矩阵/>
由于第二打磨轨迹是基于待打磨船体零件12的三维几何模型所获得的,而待打磨船体零件12的三维几何模型和其实际的船体零件之间不可避免的存在着一定的误差,所以第二打磨轨迹不能够直接使用。如果直接使用的话可能会出现过切或欠切等错误,影响船体零件的自由边打磨质量,严重时甚至会造成船体零件的报废等,因此还需要进行机器人打磨轨迹的在线动态调整,以消除上述三维几何模型和实际船体零件之间的误差。
S500、基于法向恒力跟踪控制下的机器人打磨轨迹在线动态调整方法,对第二打磨轨迹进行实时在线动态调整,以保证机器人打磨轨迹能够始终跟踪待打磨船体零件12的自由边,保证自由边打磨质量。步骤如下:
S501、由于力传感器5采集到的接触力信息不仅包含打磨工具和待打磨船体零件12之间的实际接触力,还包含打磨工具的重力,所以在进行基于法向恒力跟踪控制下的机器人打磨轨迹在线动态调整的过程中,需要先对力传感器5所采集到的接触力信息进行重力补偿,以获取得到打磨工具和待打磨船体零件12之间的实际接触力信息。
通过力传感器5实时采集机器人自由边打磨处理过程中的接触力信息,然后对力信息进行法向力分解等处理,得到打磨过程中打磨工具和待打磨船体零件12之间实际接触力的法向分力;
实际接触力的法向分力通过位置的机器人阻抗控制模型对机器人末端执行器的位置进行实时在线修正,从而在线动态调整机器人的第二打磨轨迹,使得调整后的打磨轨迹能够始终跟踪待打磨船体零件12的自由边,避免出现过切或欠切等,保证船体零件的自由边打磨质量。
其中,机器人阻抗控制模型:
根据Hogan的定义,机器人同时具有着阻抗和导纳这两种特性。当机器人与外界环境之间相互接触作用时,机器人表现为阻抗特性。此时通过建立机器人末端接触力和位置偏差之间的关系,可以得到机器人期望阻抗控制模型,其表达式如(5-11)所示:
其中,Md、Bd和Kd表示机器人期望阻抗控制模型中的参数,分别为惯性、阻尼和刚度矩阵参数,X、和/>分别表示机器人末端的实际位置、实际速度和实际加速度,Xd、/>和/>分别表示期望的机器人末端期望位置、期望速度和期望加速度,Fe表示机器人末端与外界坏境物体之间接触时的实际接触力。
用实际接触力Fe与期望接触力Fd之间的差值E=Fe-Fd来代替公式(5-11)中的Fe,对先前的机器人期望阻抗控制模型进行修改,得到新的理想阻抗控制模型,其表达式为:
实际中为了提高机器人的控制精度,常采用公式(5-12)中的第三个表达式来表示机器人的阻抗控制模型。公式(5-12)中其表达式都是针对机器人的多个工作空间维度的,而在这里为了简化处理,可以只考虑某一个空间维度上的情况,其它空间维度与其相类似。假设x、xd、e、md、bd和kd分别表示在只考虑的这一个机器人工作空间维度上X、Xd、E、Md、Bd和Kd的数值,那么可以得到机器人的理想阻抗控制模型只在某一个方向上的表达式为:
得到机器人的理想阻抗控制模型只在某一方向上的表达式之后,就可以研究机器人在进行自由边的打磨处理过程中在自由和接触空间上的表现了。首先假设机器人在自由空间中运动,此时由机器人末端和待打磨船体零件12之间的实际接触力为零,即fe=0,则可以得到:
此时,如果期望接触力fd=0,那么当时间t趋向于无穷大时,x与xd之间的差值将会无限趋近于零。也就是说,此时机器人的实际运动轨迹x将准确的跟踪期望运动轨迹xd。自由空间运动分析完之后,接着进行接触空间上运动的分析,由于机器人在与环境进行接触的过程中,实际接触力Fe可能会与期望接触力Fd不同,存在着力偏差E=Fe-Fd,则将E作为输入值输入到公式(5-13)中建立的理想阻抗控制模型中去,便可通过该模型获得机器人的位置调节偏差,从而修改机器人的运动打磨轨迹,使其能够始终跟踪待打磨船体零件12的自由边,保证自由边打磨质量,使得能够满足船体零件自由边打磨处理时的要求。
根据阻抗控制的实现方式不同阻抗控制模型还可以分为基于力的阻抗控制模型和基于位置的阻抗控制模型。在这里在进行机器人打磨轨迹的在线动态调整过程中,由于基于力的阻抗控制模型需要已知精确的机器人动力学模型,并且其可靠性和鲁棒性较差,所以选择使用基于位置的阻抗控制模型来对先前所获得的机器人打磨轨迹进行在线动态调整。
进一步优化方案,如图12所示,给出了本实施例中使用的打磨工具系统的重力补偿分析图。图中,FG表示船体零件自由边打磨工具系统的重力,OT-xtytzt表示打磨工具坐标系{T},OB-xbybzb表示Base基坐标系{B},OS-xsyszs则表示力传感器坐标系{S}。其中,{S}的坐标原点位于力传感器5的中心,且它相对于Base基坐标系{B}的矩阵转换关系为由在Base基坐标系下,船体零件自由边打磨工具系统的重力FG的方向为沿z轴向下,垂直于xoy平面,向量为/> 则FG在Base基坐标系下的表达式为:
BFG=[0 0-FG]T
可以知道,当机器人末端的打磨工具姿态发生变化时,打磨工具系统的重力FG在{S}坐标系下的三维投影分量也会随之发生变化。在这里考虑将打磨工具系统的重力FG在{S}下的三维投影分量计算得到,然后再与力传感器5所采集到的接触力信息在{S}下的三维投影分量分别做差,便可得到打磨工具系统与待打磨船体零件12之间的实际接触力FS在{S}坐标系下的各个投影分量,由此便可获得实际接触力信息FS。
进一步优化方案,在进行重力补偿之后,由于本申请所采用的法向恒力跟踪控制下的机器人打磨轨迹在线动态调整策略,因此还需要对打磨过程中经重力补偿之后的打磨工具和待打磨船体零件12之间的实际接触力信息进行法向分解处理。
一般来说,实际接触力信息法向分解处理的具体流程为:首先求解得到接触力信息的法向分量,然后再以此计算得到经过重力补偿之后已经消除重力影响的实际接触力在法向分量上的投影,最后再计算得到实际接触力的法向分力,也就是完成了实际接触力的法向分解。
如图18所示,给出了机器人在进行船体零件的自由边打磨处理时的一段打磨轨迹,其中A、B两点为打磨轨迹上两个相邻很近的轨迹点。由机器人打磨轨迹的特点:A、B两点之间的距离很短,则可以用A、B两点之间的连接直线来代替A、B两点之间的机器人打磨轨迹。又由机器人沿待打磨船体零件12的自由边由A点向B点运动时的切向量方向为A、B两点之间的连线方向,而切向量又可由A、B两点在Base基坐标系下的三维位置信息所获得,则切向量的表达式为:
由机器人打磨过程中,机器人沿待打磨船体零件12的自由边运动之时的法向量垂直于/>而姿态向量/>垂直于/>和/>所在的平面,那么当切向量/>和姿态向量/>已知的情况下,可由公式(7)来求得相应的法向量/>
由机器人的初始姿态向量a0=(0,0,1),而在机器人的打磨处理过程中,机器人的末端姿态不断发生着变化,随之相对于Base基坐标系下的姿态向量也不断发生着变化。由变化之后的姿态向量/>为初始姿态向量a0和机器人旋转矩阵T的乘积,那么当假设当前轨迹点A处的机器人末端位姿为A(xA,yA,zA,αA,βA,θA),并且机器人的旋转矩阵T如式(8)所示。
则在当前轨迹点A处的机器人姿态向量在获取得到机器人的姿态向量和切向量/>之后,将其代入到公式(7)中便可由此求得法向量/>至此,机器人末端执行器运动到当前轨迹点处的法向量/>已求出,结合经过重力补偿之后的打磨工具和待打磨船体零件12之间的实际接触力信息FSA,根据公式(9)便可求得机器人在轨迹点A处的实际接触力的法向分力Fn,也就是完成了实际接触力的法向分解。
式中,FOA为打磨工具与待打磨船体零件12在A点位置处的Base基坐标系下的实际接触力信息,TA为机器人末端执行器在A点处的动坐标系与初始坐标系之间的旋转变换矩阵。
进一步优化方案,位置的阻抗控制模型本质上就是通过接触力偏差来对机器人的末端位置进行调整,其表达式为:
使用位置偏差值Xf=X-Xd来代替公式(10)中的X,再将代替之后的结果由时域转换为频域,可得到公式(11):
由公式(11),可以知道,在使用机器人进行船体零件的自由边打磨处理过程中,通过设定合理的Md、Bd和Kd,再将力传感器5所采集到的实际打磨接触力的法向分力和期望法向分力之间的力偏差计算出来作为基于位置的阻抗控制模型的输入值,便可输出得到机器人末端执行器需要进行调整的位置偏差量。根据这一位置偏差量,便可对先前机器人末端执行器的位置进行调整,使得调整后机器人末端执行器的位置能够始终跟踪待打磨船体零件12的自由边,保证自由边的打磨质量。由此,在进行机器人的自由边打磨处理过程中,完全可以使用基于位置的阻抗控制模型来对先前所获得的机器人打磨轨迹进行在线动态调整。
使用基于位置的阻抗控制模型对先前所获取的机器人打磨轨迹进行在线动态调整,其完整示意图如图13所示。
如图13所示,基于位置的阻抗控制模型被分为两部分。关于第一部分,其流程为:首先根据力传感器5采集到的接触力信息F,经重力补偿、坐标变换和法向分解等处理后得到机器人的实际接触法向分力Fn,再将Fn与期望接触法向分力Fdn相减,得到它们之间的差值即力偏差Fe=Fn-Fdn,然后再将Fe作为输入值输入到公式(10)中的基于位置的阻抗控制模型中去,便可输出得到机器人自由边打磨处理过程中机器人末端执行器的位置修正量e,得到e之后最后再将e与初始打磨位置信息Xr相结合,便可得到修正后的机器人打磨轨迹目标位置信息Xd。至此,便完成了基于位置的阻抗控制模型中的第一部分阻抗控制外环,接着再进行第二部分机器人位置控制内环的实现。首先由修正后的Xd和根据机器人正运动学运算得到的此时机器人末端执行器的位置信息Xk,当Xk与Xd不相同存在着差异时,由Xk与Xd之间的位置偏差Xs=Xd-Xk,再经过机器人逆运动学求解等便可将Xs转换为机器人的各个关节旋转角度值θi。得到θi后,便可根据其引导机器人运动,使机器人运动到调整后的目标位置Xd,从而实现法向恒力跟踪下基于位置的阻抗控制对机器人打磨轨迹进行在线动态调整。具体为如果原始的打磨轨迹相较船体零件的自由边更为偏离船体零件,则调整其逐渐靠近船体零件;而如果原始的打磨轨迹相较自由边更为靠近船体零件,则调整其更为偏离零件,从而使得调整后的机器人打磨轨迹能够始终跟踪待打磨船体零件12的自由边,保证自由边打磨质量。
上述介绍的使用的基于位置的阻抗控制模型其表达式为连续时间系统中各个方向维度上的表达式,由于力传感器5采集接触力信息系统为离散时域系统,因此还需要经过一定的处理将公式(10)由多个方向上的连续时域系统转换为单个方向上的离散时域系统。
本实施例中,采用差分替代微分的方式,将x(t)用x(k)替代3,e(t)用e(k)替代,dx(t)/d(t)用x(k)-x(k-1)替代,而d2x(t)/dt2用x(k)-2x(k-1)+x(k-2)替代,则只考虑单个方向,可以得到单个方向上的离散时域系统中的基于位置的阻抗控制模型,其表达式为:
x(k)=[(2md+bd)x(k-1)-mdx(k-2)-e(k)]/(md+bd+kd) (12)
在公式(12)中给出了在使用机器人对船体零件的自由边进行打磨处理时的机器人末端执行器相邻三项的位置修正量之间的关系。很容易可以看到,在公式(12)中若想求出x(k)的值,必须首先知道x(k-1)和x(k-2)的值,也就是说,在实际中,需要首先设定公式(12)差分方程中前两项的位置修正量x(0)和x(1)。
综上,由差分方程式(12)和基于位置的阻抗控制打磨轨迹在线动态调整示意图13,可以知道,在使用机器人进行船体零件的自由边打磨处理过程中,可以根据法向恒力跟踪下的基于位置的阻抗控制模型来对机器人的打磨轨迹进行在线动态调整,从而使得调整后的打磨轨迹能够始终跟踪待打磨船体零件12的自由边,保证自由边打磨质量。
进一步优化方案,利用Matlab/Simulink仿真平台建立相应的仿真系统,根据仿真结果分析各个模型参数Md、Bd和Kd对阻抗控制系统的影响,从而选取出最为合适的阻抗控制模型参数。
如图14所示,给出了Bd和Kd保持不变,分别为300和4500,Md分别取值为1、5、10和20,并且输入力偏差Fe为单位阶跃信号时的Matlab/Simulink仿真平台下建立的基于位置的阻抗控制系统的仿真结构。
利用该仿真结构研究惯性模型参数Md对阻抗控制系统的影响,可以得到机器人末端执行器在单个方向上的位置修正量e在不同参数设置下的响应变化情况,如图15所示。惯性参数Md基本上不对阻抗控制系统的稳态误差产生影响,它的值改变阻抗控制系统的稳态误差基本上还是保持恒定状态。而且在出现超调现象之前,随着Md的增大,系统响应曲线的上升速度会随之减小,同时调节时间减少,此时如果继续增大Md的话,则会出现超调现象,响应曲线的上升速度继续减小,而在出现超调之后如果继续增大Md的话,则超调量和调节时间都会越来越长。这主要是因为惯性参数Md反映着机器人末端打磨工具的加速度特性的缘故,因此,在选用惯性参数Md时,应该参考打磨工具系统的实际质量来进行选取。
同样的,利用Matlab/Simulink仿真平台研究阻尼参数Bd和刚度参数Kd对基于位置的阻抗控制系统的影响,得到其他参数固定不变,而Bd和Kd其中有一项变化时的机器人末端执行器的单个方向上的位置修正量的响应变化图分别如图16和图17所示。阻尼参数Bd的值也基本不会改变阻抗控制系统的稳态误差,而刚度参数Kd的值主要影响着系统的稳态误差。一般来说,阻尼参数Bd的值只影响着系统的响应过程。当Bd的值较小时,系统的超调会比较大,振荡也较大,此时如果增加Bd,则超调会减小,振荡也会减小,但相应的系统的响应速度也会降低,系统的调节时间变长。因此,实际中在使用基于位置的阻抗控制模型在线动态调整机器人的初始打磨轨迹时,应该根据具体实际的打磨环境要求选择出合适的阻尼参数Bd,从而更好地在线动态调整机器人的初始打磨轨迹。
而对于Kd,可以看到其主要影响着系统的稳态误差,对系统的响应过程影响不大。当Kd的值较小时,系统的稳态误差会比较大,而随着Kd的增大,稳态误差会逐渐减小。实际中在选用Kd时,如果选用的Kd的值比较大,那么由于此时机器人末端执行器和环境之间接触的刚性比较大,因此只需要修正很小的位置量,便可以达到所要求的期望接触力,达到修正的目的。但是这样可能会存在着一个问题,就是说此时我们所修正的位置量可能并不能达到使机器人末端执行器能够始终跟踪待打磨船体零件12的自由边这一要求。同样的,当Kd的值选用较小时也可能会出现这个问题。因此,在使用机器人对待打磨船体零件12的自由边进行打磨处理的过程中,必须要根据具体的打磨环境要求来选择出合适的阻抗刚度参数Kd,从而保证得到合适的机器人末端执行器的位置修正量,保证机器人末端执行器能够始终跟踪待打磨船体零件12的自由边,保证自由边打磨质量。
综上,便基于Matlab/Simulink仿真平台完成了阻抗控制模型参数Md、Bd和Kd对阻抗控制系统的影响分析。可以看到,其中Md和Bd都主要影响着系统的响应过程,而Kd则主要影响着系统的稳态误差。实际中在使用基于位置的阻抗控制模型对机器人的自由边打磨轨迹进行在线动态调整的过程中,必须要根据实际具体的打磨环境要求来选择合适的阻抗控制模型参数Md、Bd和Kd,以确保能够合理的调整机器人的初始打磨轨迹,使得调整后的打磨轨迹能够始终跟踪待打磨船体零件12的自由边,保证使用机器人对船体零件的自由边进行打磨处理时的船体零件自由边打磨质量。
以上所述,仅为本申请较佳的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (1)
1.一种基于船体零件打磨轨迹自动配准调整装置的调整方法,其特征在于,所述装置包括:
打磨仿真系统,基于待打磨船体零件构建打磨仿真模型,构建打磨机器人的打磨轨迹;
构件处理平台,用于放置和固定待打磨船体零件,
二自由度可移动龙门架,用于带动所述打磨机器人在X轴上的运动,其中所述打磨机器人基于所述打磨仿真系统对待打磨船体零件的自由边进行打磨处理;
控制系统,用于发出控制指令,控制所述装置的运行;
所述控制系统分别与所述打磨仿真系统、所述构件处理平台、所述二自由度可移动龙门架、所述打磨机器人连接;
所述构件处理平台包括多个能够进行升降的支撑柱,待打磨船体零件的下表面与所述支撑柱接触连接;
所述二自由度可移动龙门架包括X轴移动导轨和Y轴可移动底座,所述X轴移动导轨位于所述构件处理平台的两侧,所述Y轴可移动底座位于所述构件处理平台的上方并且在水平方向上垂直于所述X轴移动导轨,所述X轴移动导轨运动带动所述Y轴可移动底座运动;
所述Y轴可移动底座设置有倒挂的所述打磨机器人,所述打磨机器人的末端安装有力传感器,所述力传感器与所述控制系统连接,用于对打磨过程中的接触力信息进行采集,并根据采集到的信息对打磨机器人的初始打磨轨迹进行实时在线动态调整;
所述Y轴可移动底座设置有倒挂激光传感器,通过跟随所述二自由度可移动龙门架的运动,用于测量得到全局坐标下待打磨船体零件的完整三维点云数据;
所述调整方法包括如下步骤;
S1、获取第一打磨轨迹,其中,所述第一打磨轨迹通过离线编程的方式得到的机器人离线打磨轨迹,基于所述机器人打磨轨迹获取打磨轨迹上各个打磨轨迹点处的三维坐标信息;
S2、将所述第一打磨轨迹进行坐标变换,得到合适当前实际作业空间的第二打磨轨迹;
S3、基于法向恒力跟踪控制方法对所述第二打磨轨迹进行实时在线动态调整进行在线动态调整;
将S2中的问题转换为将离线编程中的待打磨船体零件经过旋转平移变换到打磨船体零件在实际作业位置:定义旋转平移矩阵
其中,R表达式为:
其中,(θ,α,β)都为角度值,分别表示待打磨船体零件在x轴、y轴和z轴上的旋转角度大小;
T的表达式为:
T=[x0 y0 z0]T
其中,(x0,y0,z0)分别表示待打磨船体零件在x轴、y轴和z轴各个坐标轴上的平移量大小;
获取待打磨船体零件上任一关键点的离线编程三维坐标为(x,y,z)、实际三维坐标为(x',y',z'),其坐标转换关系为:
多个关键点,表示为:
其中,n为关键点的个数,n>2;
通过最小二乘法求解超定方程组的方式来求解得到六个未知参数(θ,α,β,x0,y0,z0);
所述关键点为待打磨船体零件上各个直线段和圆弧段之间的交点;
所述S3包括:
通过力传感器实时采集机器人自由边打磨处理过程中的接触力信息;
对接触力信息进行重力补偿和法向力分解处理,得到打磨过程中打磨工具和待打磨船体零件之间实际接触力的法向分力;
根据实际接触力的法向分力,通过基于位置的阻抗控制模型对机器人末端执行器的位置进行实时在线修正,从而在线动态调整机器人的初始打磨轨迹,其中,所述基于位置的阻抗控制模型基于机器人末端接触力和位置偏差之间的关系构建;
基于位置的阻抗控制模型本质上就是通过接触力偏差来对机器人的末端位置进行调整,其表达式为:
使用位置偏差值Xf=X-Xd来代替X,再将代替之后的结果由时域转换为频域,得到:
在使用机器人进行船体零件的自由边打磨处理过程中,通过设定Md、Bd和Kd,再将力传感器采集到的实际打磨接触力的法向分力和期望法向分力之间的力偏差计算出来作为基于位置的阻抗控制模型的输入值,输出得到机器人末端执行器需要进行调整的位置偏差量;根据所述位置偏差量,对机器人末端执行器的位置进行调整,使得调整后机器人末端执行器的位置能够始终跟踪待打磨船体零件的自由边;
基于位置的阻抗控制模型被分为两部分:
关于第一部分,其流程为:首先根据力传感器(5)采集到的接触力信息F,经重力补偿、坐标变换和法向分解处理后得到机器人的实际接触法向分力Fn,再将Fn与期望接触法向分力Fdn相减,得到它们之间的差值即力偏差Fe=Fn-Fdn,然后再将Fe作为输入值输入到公式(10)中的基于位置的阻抗控制模型中去,输出得到机器人自由边打磨处理过程中机器人末端执行器的位置修正量e,得到e之后最后再将e与初始打磨位置信息Xr相结合,得到修正后的机器人打磨轨迹目标位置信息Xd;完成基于位置的阻抗控制模型中的第一部分阻抗控制外环;
第二部分为机器人位置控制内环的实现:
首先由修正后的Xd和根据机器人正运动学运算得到的此时机器人末端执行器的位置信息Xk,当Xk与Xd不相同存在着差异时,由Xk与Xd之间的位置偏差Xs=Xd-Xk,再经过机器人逆运动学求解将Xs转换为机器人的各个关节旋转角度值θi;
得到θi后,根据其引导机器人运动,使机器人运动到调整后的目标位置Xd,从而实现法向恒力跟踪下基于位置的阻抗控制对机器人打磨轨迹进行在线动态调整;
如果原始的打磨轨迹相较船体零件的自由边更为偏离船体零件,则调整其逐渐靠近船体零件;而如果原始的打磨轨迹相较自由边更为靠近船体零件,则调整其更为偏离零件,从而使得调整后的机器人打磨轨迹能够始终跟踪待打磨船体零件的自由边,保证自由边打磨质量;
S301、去噪处理:采用统计滤波的方法对原始三维点云数据进行滤波处理;统计滤波的原理就是通过计算当前点与周围k近邻点之间的距离(D1,D2…Dk)以及它们之间的距离平均值来进行滤波,如果其中一个近邻点与当前点之间的距离Di大于/>的DM个标准差以上,则该近邻点就被视为一个噪声点需要进行去除处理,其中,i=1,2,.....,k;
设近邻点的数目k始终不变,取为20,DM则分别取值为1,3,5,得到各个待打磨船体零件(12)在不同DM下的统计滤波后的三维点云数据;
为了定量评价不同DM下的统计滤波效果,首先在经过相同变换之后所模拟获得的原始点云数据中选择一个,然后再在选择的原始点云数据中手动去除噪声点,记录它们的数量以及正常点的数量,最后设置两个滤波评价指标假阳性率FPR和假阴性率FNR,通过计算它们的数值来定量评价不同DM下的统计滤波效果;
其中,假阳性率是指本身为正常点却被误认为噪声点的数量与手动去除滤波中剩余的正常点的数量的比值;而假阴性率则指本身为噪声点却被归类为正常点的数目与手动滤波中正常点的数目之比,它们的计算公式如下式所示:
经过处理计算,在滤波参数近邻点的数目k取值不变的情况下,当DM的选择取值越小时,FPR的数值就会越大,而FNR的数值会越小;由FPR和FNR的定义,当FPR和FNR的数值越小时,统计滤波的滤波效果就会越明显,滤波的准确度越高;
S302、降采样处理:在进行统计滤波之后,为了降低后续算法的时间复杂度和空间复杂度,还需要进行点云简化处理;采用体素栅格法对滤波后的点云数据进行简化处理,其简化效果与其设置的体素栅格尺寸大小有关;
S303、点云边界提取:对于基于法线信息进行点云数据边界提取的算法,其提取效果主要与近邻点的数目k和法向量的夹角规定阈值有关,通过将k的值由原来的20调整为15,并将法向量的夹角规定阈值默认的π/2调整为5π/8,再对预处理之后的待打磨船体零件(12)的三维点云数据进行边界提取;
S304、点云关键点的选取与提取
a、分析待打磨船体零件(12)的外形轮廓特点:待打磨船体零件(12)的外形轮廓都是由若干个直线段和若干个圆弧段所组成的,因此选择使用待打磨船体零件(12)上各个直线段和圆弧段之间的交点,也就是拐点来作为关键点;
b、使用RANSAC随机采样一致性拟合的方法对点云关键点进行提取;其具体原理为:首先针对点云数据的边界提取结果采用RANSAC直线拟合或圆弧拟合的方式拟合出点云边界数据上存在的一段直线段或圆弧段点云,然后再以此为基础剔除掉边界数据在直线段或圆弧段上的点,最后针对剔除出直线段或圆弧段上点的点云边界数据继续使用RANSAC直线拟合或圆弧拟合,并继续剔除直线段或圆弧段上的点,直到剩余的点云数据无法再继续拟合为止;在点云边界数据拟合完成之后,通过RANSAC拟合的方式获取得到所拟合的各个直线段和圆弧段的参数方程,然后通过对这些拟合参数方程求交点的方式来计算得到待打磨船体零件(12)的各个关键点的实际三维坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111478023.XA CN114131605B (zh) | 2021-12-06 | 2021-12-06 | 一种船体零件打磨轨迹自动配准调整装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111478023.XA CN114131605B (zh) | 2021-12-06 | 2021-12-06 | 一种船体零件打磨轨迹自动配准调整装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114131605A CN114131605A (zh) | 2022-03-04 |
CN114131605B true CN114131605B (zh) | 2024-03-22 |
Family
ID=80384019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111478023.XA Active CN114131605B (zh) | 2021-12-06 | 2021-12-06 | 一种船体零件打磨轨迹自动配准调整装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114131605B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115239648B (zh) * | 2022-07-08 | 2023-06-02 | 厦门微图软件科技有限公司 | R角突起点云的提取方法、装置、设备及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103056759A (zh) * | 2012-12-24 | 2013-04-24 | 中国科学院自动化研究所 | 一种基于传感器反馈的机器人磨削系统 |
EP2821872A1 (en) * | 2013-07-01 | 2015-01-07 | Getting Robotika S.L. | Robotised cell, installation and method for deburring parts |
CN105500147A (zh) * | 2015-12-14 | 2016-04-20 | 中国科学院沈阳自动化研究所 | 基于力控制的龙门吊装机器人打磨加工方法 |
CN106182018A (zh) * | 2016-07-30 | 2016-12-07 | 福州大学 | 一种基于工件三维图形的磨抛工业机器人离线编程方法 |
CN106799738A (zh) * | 2017-03-17 | 2017-06-06 | 福州大学 | 一种自由曲面的工业机器人自动磨抛系统及方法 |
CN107283422A (zh) * | 2016-04-11 | 2017-10-24 | 南京埃斯顿自动化股份有限公司 | 基于离线编程的机器人加持工件打磨的轨迹规划方法 |
CN108115705A (zh) * | 2017-12-31 | 2018-06-05 | 芜湖哈特机器人产业技术研究院有限公司 | 一种机器人打磨控制系统及方法 |
CN109571152A (zh) * | 2018-12-27 | 2019-04-05 | 丰泰智控(深圳)有限公司 | 一种基于离线编程的工件自动打磨加工方法 |
CN109664295A (zh) * | 2018-12-13 | 2019-04-23 | 华南理工大学 | 基于一维力传感器的机器人砂带打磨恒力控制方法及装置 |
CN110202575A (zh) * | 2019-06-05 | 2019-09-06 | 武汉工程大学 | 一种用于工业测量的机器人目标轨迹精度补偿方法 |
CN111055250A (zh) * | 2019-12-23 | 2020-04-24 | 十堰金泰丰商用车身有限公司 | 一种商用车驾驶室用操作平台 |
CN111745267A (zh) * | 2020-08-14 | 2020-10-09 | 湘潭大学 | 一种基于激光位移传感器的坡口焊缝实时跟踪系统及方法 |
CN111871661A (zh) * | 2020-08-17 | 2020-11-03 | 盐城工学院 | 一种汽车零件喷涂装置 |
CN112157360A (zh) * | 2020-10-19 | 2021-01-01 | 温州大学 | 一种高功率激光切割机的工件自动支撑柱工作台 |
CN112318319A (zh) * | 2020-10-20 | 2021-02-05 | 天津大学 | 一种无编程的机器人在线恒力打磨控制系统及方法 |
-
2021
- 2021-12-06 CN CN202111478023.XA patent/CN114131605B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103056759A (zh) * | 2012-12-24 | 2013-04-24 | 中国科学院自动化研究所 | 一种基于传感器反馈的机器人磨削系统 |
EP2821872A1 (en) * | 2013-07-01 | 2015-01-07 | Getting Robotika S.L. | Robotised cell, installation and method for deburring parts |
CN105500147A (zh) * | 2015-12-14 | 2016-04-20 | 中国科学院沈阳自动化研究所 | 基于力控制的龙门吊装机器人打磨加工方法 |
CN107283422A (zh) * | 2016-04-11 | 2017-10-24 | 南京埃斯顿自动化股份有限公司 | 基于离线编程的机器人加持工件打磨的轨迹规划方法 |
CN106182018A (zh) * | 2016-07-30 | 2016-12-07 | 福州大学 | 一种基于工件三维图形的磨抛工业机器人离线编程方法 |
CN106799738A (zh) * | 2017-03-17 | 2017-06-06 | 福州大学 | 一种自由曲面的工业机器人自动磨抛系统及方法 |
CN108115705A (zh) * | 2017-12-31 | 2018-06-05 | 芜湖哈特机器人产业技术研究院有限公司 | 一种机器人打磨控制系统及方法 |
CN109664295A (zh) * | 2018-12-13 | 2019-04-23 | 华南理工大学 | 基于一维力传感器的机器人砂带打磨恒力控制方法及装置 |
CN109571152A (zh) * | 2018-12-27 | 2019-04-05 | 丰泰智控(深圳)有限公司 | 一种基于离线编程的工件自动打磨加工方法 |
CN110202575A (zh) * | 2019-06-05 | 2019-09-06 | 武汉工程大学 | 一种用于工业测量的机器人目标轨迹精度补偿方法 |
CN111055250A (zh) * | 2019-12-23 | 2020-04-24 | 十堰金泰丰商用车身有限公司 | 一种商用车驾驶室用操作平台 |
CN111745267A (zh) * | 2020-08-14 | 2020-10-09 | 湘潭大学 | 一种基于激光位移传感器的坡口焊缝实时跟踪系统及方法 |
CN111871661A (zh) * | 2020-08-17 | 2020-11-03 | 盐城工学院 | 一种汽车零件喷涂装置 |
CN112157360A (zh) * | 2020-10-19 | 2021-01-01 | 温州大学 | 一种高功率激光切割机的工件自动支撑柱工作台 |
CN112318319A (zh) * | 2020-10-20 | 2021-02-05 | 天津大学 | 一种无编程的机器人在线恒力打磨控制系统及方法 |
Non-Patent Citations (2)
Title |
---|
基于视觉和力反馈的机器人打磨作业系统研究;王敏;《中国国优秀硕士论文全文数据库 信息科技辑》;第1-74页 * |
郑丽梅 等.《工业机器人应用编程》.机械工业出版社,2021,第167-168页. * |
Also Published As
Publication number | Publication date |
---|---|
CN114131605A (zh) | 2022-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109434843B (zh) | 一种基于拖动示教的机器人力控打磨叶片的设备及方法 | |
CN109623656B (zh) | 基于厚度在线检测的移动式双机器人协同打磨装置及方法 | |
CN110434671B (zh) | 一种基于特征测量的铸造件表面机加工轨迹校准方法 | |
Wang et al. | A state-of-the-art review on robotic milling of complex parts with high efficiency and precision | |
CN114055255B (zh) | 一种基于实时点云的大型复杂构件表面打磨路径规划方法 | |
Guo et al. | A robotic grinding motion planning methodology for a novel automatic seam bead grinding robot manipulator | |
CN114131605B (zh) | 一种船体零件打磨轨迹自动配准调整装置及方法 | |
CN114454060A (zh) | 一种机器人自适应曲面跟踪恒力磨抛方法及系统 | |
Pervez et al. | Autonomous grinding algorithms with future prospect towards SMART manufacturing: A comparative survey | |
JP2006289580A (ja) | プログラムの教示点修正方法及びプログラム教示点修正装置 | |
Zeng et al. | Surface polishing by industrial robots: a review | |
Zhang et al. | A review of surface quality control technology for robotic abrasive belt grinding of aero-engine blades | |
CN111823100A (zh) | 一种基于机器人的小曲率抛光打磨方法 | |
CN106557072B (zh) | 数控加工设备执行程序的辅助编程方法 | |
Song et al. | Tool path generation based on matching between teaching points and CAD model for robotic deburring | |
Li et al. | Real-time normal contact force control for robotic surface processing of workpieces without a priori geometric model | |
JP5765557B2 (ja) | 加工ロボットの軌道追従装置と方法 | |
CN113932753A (zh) | 一种轮毂法兰盘打磨的轮廓标定方法 | |
CN114800542B (zh) | 螺旋锥齿轮全角度柔性打磨机器装置、打磨方法及系统 | |
Garcia et al. | Human-robot cooperation for surface repair combining automatic and manual modes | |
CN111061218B (zh) | 一种基于acis的复杂曲面加工切削力预测方法及设备 | |
Wen et al. | Robotic surface finishing of curved surfaces: Real-Time identification of surface profile and control | |
Tian et al. | Research on robotic automatic machining for welding groove of complex integral impeller | |
Husmann et al. | Model predictive force control in grinding based on a lightweight robot | |
Li et al. | A robot chamfering system for special-shaped and thin-walled workpieces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |