CN114800542A - 螺旋锥齿轮全角度柔性打磨机器装置、打磨方法及系统 - Google Patents
螺旋锥齿轮全角度柔性打磨机器装置、打磨方法及系统 Download PDFInfo
- Publication number
- CN114800542A CN114800542A CN202210155727.1A CN202210155727A CN114800542A CN 114800542 A CN114800542 A CN 114800542A CN 202210155727 A CN202210155727 A CN 202210155727A CN 114800542 A CN114800542 A CN 114800542A
- Authority
- CN
- China
- Prior art keywords
- gear workpiece
- gear
- grinding
- track
- polishing
- 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.)
- Granted
Links
Images
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23F—MAKING GEARS OR TOOTHED RACKS
- B23F17/00—Special methods or machines for making gear teeth, not covered by the preceding groups
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23F—MAKING GEARS OR TOOTHED RACKS
- B23F23/00—Accessories or equipment combined with or arranged in, or specially designed to form part of, gear-cutting machines
- B23F23/02—Loading, unloading or chucking arrangements for workpieces
- B23F23/06—Chucking arrangements
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
- B25J19/021—Optical sensing devices
- B25J19/023—Optical sensing devices including video camera means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0081—Programme-controlled manipulators with master teach-in means
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Multimedia (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明公开了一种螺旋锥齿轮全角度柔性打磨机器装置、打磨方法及系统,本发明通过工业机器人和工业相机相组合的自动化打磨设备,在工业机器人打磨齿轮的基础上,根据齿轮工件三维数模离线规划机器人打磨轨迹程序,再利用工业相机测量齿轮工件上定位特征点的三维信息,对齿轮工件进行精准定位,可实现螺旋锥齿轮全角度柔性打磨工作的精准实施,弥补了工业机器人示教打磨方式的过程繁琐和打磨精度低的问题,降低了打磨工作的成本,提高了打磨工作的效率和质量,可广泛应用于工业机器人技术领域和齿轮打磨工程领域。
Description
技术领域
本发明涉及工业机器人和机械自动化技术领域,具体涉及一种螺旋锥齿轮全角度柔性打磨机器装置、打磨方法及系统。
背景技术
目前我国齿轮企业仍然普遍采用人工手持打磨工具加工齿轮凹凸两面齿顶线的方式,这种齿轮件的大面积材料加工工作劳动强度大、污染严重,对工人的身心健康影响巨大,且效率低下,大大限制企业生产效率和车间安全水平。随着劳动力成本的不断增加,以及工业机器人在企业中的应用日益广泛,利用工业机器人进行自动化齿轮件打磨必将成为今后国内外铸造行业的主流趋势,因此必须通过改变当前齿顶线加工方式,以提高齿顶线加工工作效率和工作质量,保证安全、高效的工作方式。
工业机器人自动打磨技术属于先进的齿轮加工技术,该技术在企业中的使用和推广可以大大改善工人的工作强度和工作环境,降低工人的安全风险。同时,加工出的齿轮件通常属于大批量的标准件,齿轮件自动打磨技术可以为企业提供长时间高效率的劳动力,减小企业成本。
我国的齿轮加工业市场广大,随着工业机器人技术的越发成熟以及其应用的日益广泛,自动化齿轮件打磨机器人代替人工打磨方式只是时间问题。与人工打磨相比,基于工业机器人的自动化打磨具有以下优点:
(1)操作简单,劳动强度低。对于一种标准化的齿轮件,只需将工业机器人和打磨工具通过示教与视觉相结合的方式进行一次打磨路径规划,之后便可实现长时间大批量的自动化打磨,打磨过程中不需要人工干预,工人只需负责打磨系统的监管和维护,保证系统的正常运行即可,因此可以将工人从脏乱、繁重的打磨工作中解脱出来。
(2)工作效率更高。基于工业机器人的自动化打磨系统除定期的维护保养之外,可以实现24小时不间断工作,且机器人的力量更大,可以实现人工打磨难以满足的大功率、大去除量的打磨任务。
(3)打磨质量更好。机器人打磨可以对打磨过程中砂轮的磨削力和打磨情况进行实时监控,可以实现恒力打磨、恒厚度打磨等多种打磨方式,其打磨路径具有极高的定位精度,更容易控制打磨质量,减少了人工技术差异、主观能动性差别等造成的质量差异。
因此越来越多的齿轮加工企业开始寻求借助自动化设备来进行繁重的打磨作业。对各类型的齿轮件进行自动化打磨,不仅可以给企业带来更好的产品质量和效益,还可以有效保障劳动者的安全生产权力,也更加符合新旧动能转换的发展趋势和制造业的高质量发展需求。
发明内容
本发明所要解决的问题是:提供一种螺旋锥齿轮全角度柔性打磨机器装置、打磨方法及系统,在工业机器人打磨齿轮的基础上,根据齿轮工件三维数模规划机器人打磨轨迹,利用工业相机测量齿轮工件上定位特征点的三维信息,对齿轮工件精准定位,可实现螺旋锥齿轮全角度柔性打磨工作的精准进行,弥补了工业机器人示教打磨方式的过程繁琐和打磨精度低的问题,降低了打磨工作的成本,提高了打磨工作的效率和质量。
本发明为解决上述问题所提供的技术方案为:一种螺旋锥齿轮全角度柔性打磨机器装置,包括
工业机器人,搭设于螺旋锥齿轮打磨现场,并与人机交互操控台连接,用于接收人机交互操作台发出的控制信号和打磨轨迹信息,并将其接收到的控制信号和轨迹信息对齿轮工件进行自动化打磨工作;
工业相机,设置在齿轮工件摆放的上方,所述工业相机与图像处理机连接,用于拍摄齿轮工件定位特征点图像,并将所述齿轮工件定位特征点图像发送至图像处理机;
图像处理机,用于根据所述齿轮工件定位特征点图像计算所述齿轮工件定位特征点坐标以及夹紧卡盘和齿轮工件的相对位姿信息;
人机交互操控台,分别连接所述工业机器人和所述图像处理机,用于接收所述图像处理机的数据,根据所述图像处理机的数据控制夹紧卡盘和齿轮工件的精准定位;根据所述工业机器人打磨过程规划出控制信息和所述齿轮工件数模规划出打磨路径信息,并且将所述控制信息和所述打磨路径信息传输至所述工业机器人;
打磨机,固定在所述工业机器人的末端部位,用于跟随所述工业机器人的动作并实现打磨工作;
夹紧卡盘,与所述人机交互操控台连接,用于固定所述齿轮工件,并接收所述人机交互操控台处理的所述图像处理机的数据,调整所述齿轮工件的位置和姿态至达到预设固定位置。
本发明还公开了一种螺旋锥齿轮全角度柔性打磨方法,所述方法采用如上述所述的一种螺旋锥齿轮全角度柔性打磨机器装置,所述方法包括,
获取齿轮工件三维数模;
根据所述齿轮工件三维数模预规划机器人打磨轨迹;
根据所述机器人打磨轨迹离散出打磨轨迹点;
根据所述打磨轨迹点进行多尺度遗传算法,综合优化所述机器人打磨轨迹;
获取齿轮工件图像信息;
根据所述齿轮工件图像信息确定齿轮工件定位特征点的三维坐标;
根据所述齿轮工件定位特征点的三维坐标确定齿轮工件定位特征点坐标的最优估计值;
根据所述最优估计值和齿轮工件定位特征点坐标的理论值解算出相对位姿测量值;
根据所述相对位姿测量值和相对位姿理论值判断齿轮工件是否满足位姿精度要求,获得第一判断结果;
当所述第一判断结果为否时,根据所述齿轮工件相对位姿测量值和齿轮工件相对位姿理论值之间的误差修正所述夹紧卡盘旋转角度;
当所述第一判断结果为是时,根据所述齿轮工件相对位姿测量值控制所述夹紧卡盘旋转至预设位置,完成对齿轮工件的精准夹紧定位。
优选的,所述根据所述机器人打磨轨迹离散出打磨轨迹点,具体包括,
根据所述打磨轨迹以最优间距进行数字化离散,生成一系列水平距离相等的离散点作为打磨轨迹点;当轨迹长度不足最优间距时,以轨迹长度为准,生成离散点作为打磨轨迹点;
所述根据所述打磨轨迹点进行多尺度遗传算法,综合优化所述机器人打磨轨迹,具体包括:
根据所述打磨轨迹点采用多尺度进化策略,对所述打磨轨迹点多尺度聚类,使不同的所述打磨轨迹点互相竞争和配合,在可行域中进行分散式搜索;
根据所述打磨轨迹点多尺度进化过程中,动态调整交叉、变异概率,使所述打磨轨迹点在不同进化阶段拥有不同的交叉、变异概率。
优选的,所述根据所述打磨轨迹点采用多尺度进化策略,对所述打磨轨迹点多尺度聚类,使不同的所述打磨轨迹点互相竞争和配合,在可行域中进行分散式搜索,具体包括:
根据随机初始化为Nmax的所述打磨轨迹点,确定所述打磨轨迹点的适应度函数值,第m(m=1,2,3,…,Nmax)个所述打磨轨迹点在第e(e=1,2,3,…,D)次迭代的适应度函数值为D表示所述打磨轨迹最大迭代次数。
优选的,所述根据所述打磨轨迹点多尺度进化过程中,动态调整交叉、变异概率,使所述打磨轨迹点在不同进化阶段拥有不同的交叉、变异概率,具体包括:
表示第m个所述打磨轨迹点第e次进化时的交叉概率,Pcro-max和Pcro-min分别表示交叉概率最值,Pcro-max=0.9,Pcro-min=0.3;μcro表示交叉尺度因子,分别表示所述打磨轨迹点的适应度函数最大值、最小值、均值,表示所述打磨轨迹点的适应度函数值;
交叉结束后,对所述打磨轨迹点进行变异操作;所述打磨轨迹点的动态变异概率为:
根据所述多尺度遗传算法,使各所述打磨轨迹点多尺度动态遗传,从而推动所述打磨轨迹点在互相竞争和配合中不断进化,逐步达到最优解,获得优化后的打磨轨迹。
优选的,所述根据所述齿轮工件定位特征点的三维坐标确定齿轮工件定位特征点坐标的最优估计值,具体包括:
根据所述齿轮工件定位特征点的三维坐标建立齿轮工件定位特征点坐标的状态方程;
根据所述齿轮工件定位特征点坐标的状态方程建立齿轮工件定位特征点坐标状态向量的预测方程;
根据所述齿轮工件定位特征点坐标状态向量的预测方程确定齿轮工件定位特征点坐标的最优估计值。
优选的,所述根据所述齿轮工件定位特征点的三维坐标建立齿轮工件定位特征点坐标的状态方程,具体包括:
根据所述齿轮工件定位特征点的理论坐标建立所述齿轮工件定位特征点坐标的状态方程X(k)=ΦX(k-1)+ΓU(k)+W(k);其中X(k)为k时刻齿轮工件定位特征点坐标状态向量,X(k-1)为前一时刻齿轮工件定位特征点坐标状态向量;为齿轮工件定位特征点坐标状态转移矩阵,其中I为单位矩阵,0为零矩阵;U(k)为齿轮工件定位特征点的理论坐标;Γ为人机交互操控台输入量的增益;W(k)是k时刻夹紧卡盘驱动噪声项。
优选的,所述根据所述齿轮工件定位特征点坐标的状态方程建立齿轮工件定位特征点坐标状态向量的预测方程,具体包括:
根据所述齿轮工件定位特征点坐标的状态方程建立所述齿轮工件定位特征点坐标状态向量的预测方程其中表示已知前一时刻齿轮工件定位特征点坐标状态向量情况下第k时刻状态向量的预测值;表示前一时刻齿轮工件定位特征点坐标状态向量的最优结果。
优选的,所述根据所述齿轮工件定位特征点坐标状态向量的预测方程确定齿轮工件定位特征点坐标的最优估计值,具体包括:
根据所述齿轮工件定位特征点坐标状态向量的预测方程求解齿轮工件定位特征点坐标状态向量预测误差的协方差为P(k|k-1)=Φ(k)P(k-1|k-1)ΦT(k)+Q;其中P(k|k-1)是对应的协方差;P(k-1|k-1)是对应的协方差,Q是系统过程的协方差;
根据所述齿轮工件定位特征点坐标状态向量预测误差的协方差推导出k时刻靶标点坐标测量值与预测值之间误差的卡尔曼增益K(k)为K(k)=P(k|k-1)HT/(HP(k|k-1)HT+R);其中HT为H的转置,R为双目相机测量噪声的协方差;
根据所述齿轮工件定位特征点坐标的状态方程建立齿轮工件定位特征点坐标的量测方程Z(k)=HX(k)+V(k);其中Z(k)表示k时刻齿轮工件定位特征点坐标的测量值;H=[I O],其中I为单位矩阵,O为零矩阵;H表示状态变量X(k)对量测变量Z(k)的增益;V(k)为k时刻双目相机测量噪声;
本发明还公开了一种螺旋锥齿轮全角度柔性打磨系统,所述系统包括,
三维数模获取模块,用于获取齿轮工件的三维数模;
机器人打磨轨迹预规划模块,用于根据所述齿轮工件三维数模预规划机器人打磨轨迹;
打磨轨迹点离散模块,用于根据所述机器人打磨轨迹离散出打磨轨迹点;
打磨轨迹综合优化模块,用于根据所述打磨轨迹点进行多尺度遗传算法,综合优化所述机器人打磨轨迹;
定位特征点获取模块,用于获取齿轮工件的定位特征点图像;
定位特征点三维坐标确定模块,用于根据所述齿轮工件图像确定齿轮工件定位特征点的三维坐标;
最优估计值确定模块,用于根据所述齿轮工件定位特征点的三维坐标确定齿轮工件定位特征点坐标的最优估计值;
相对位姿测量值计算模块,用于根据所述最优估计值和齿轮工件定位特征点坐标的理论值解算出相对位姿测量值;
第一判断结果获取模块,用于根据所述相对位姿测量值和相对位姿理论值判断齿轮工件位姿是否满足位姿精度要求,获得第一判断结果;
夹紧卡盘旋转正模块,用于当所述第一判断结果为否时,根据所述齿轮工件相对位姿测量值和齿轮工件相对位姿理论值之间的误差修正所述夹紧卡盘旋转角度;
夹紧卡盘旋转定位模块,用于当所述第一判断结果为是时,根据所述齿轮工件相对位姿测量值控制所述夹紧卡盘旋转至预设位置,完成对齿轮工件的精准夹紧定位。
与现有技术相比,本发明的优点是:本发明的装置包括工业机器人、工业相机、打磨机、夹紧卡盘、图像处理机和人机交互操控台,有别于常规的采用工业机器人打磨齿轮工件的装置。本发明提供的一种螺旋锥齿轮全角度柔性打磨机器装置及方法在工业机器人实现打磨的基础上,提出工业机器人离线编程和工业相机视觉定位相融合的组合方法,不仅利用工业机器人离线编程方式根据齿轮工件三维数模规划出打磨轨迹实现机器人自动精准打磨,而且利用工业相机视觉对每个齿轮工件重复精准定位和控制夹紧卡盘对齿轮工件位姿进行旋转微调,弥补了仅使用工业机器人示教打磨方式的效率和质量不足的问题,提高了螺旋锥齿轮全角度柔性打磨的质量和效率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明提供的一种螺旋锥齿轮全角度柔性打磨机器装置的结构示意图;
图2是本发明提供的一种螺旋锥齿轮全角度柔性打磨方法的方法流程图;
图3是本发明实施例提供的基于多尺度遗传算法的打磨轨迹综合优化的方法流程图;
图4是本发明实施例提供的一种螺旋锥齿轮全角度柔性打磨机器装置的模型示意图;
图5是本发明提供的一种螺旋锥齿轮全角度柔性打磨系统的结构示意图。
具体实施方式
以下将配合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
在本发明的描述中,需要说明的是,对于方位词,如有术语“中心”,“横向”、“纵向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示方位和位置关系为基于附图所示的方位或位置关系,仅是为了便于叙述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定方位构造和操作,不能理解为限制本发明的具体保护范围。
此外,如有术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或隐含指明技术特征的数量。由此,限定有“第一”、“第二”特征可以明示或者隐含包括一个或者多个该特征,在本发明描述中,“数个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除另有明确规定和限定,如有术语“组装”、“相连”、“连接”术语应作广义去理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;也可以是机械连接;可以是直接相连,也可以是通过中间媒介相连,可以是两个元件内部相连通。对于本领域普通技术人员而言,可以根据具体情况理解上述的术语在本发明中的具体含义。
图1为本发明提供的一种螺旋锥齿轮全角度柔性打磨机器装置的结构示意图。参见图1,本发明提供的一种螺旋锥齿轮全角度柔性打磨机器装置包括工业机器人101、工业相机102、打磨机103、夹紧卡盘104、图像处理机105和人机交互操控台106。
所述工业机器人101搭设于螺旋锥齿轮打磨现场,并与所述人机交互操控台106连接,用于接收人机交互操作台106发出的控制信号和打磨轨迹信息,并将其接收到的控制信号和轨迹信息对齿轮工件进行自动化打磨工作;
所述工业相机102设置在齿轮工件摆放的上方,恰好能够拍摄到齿轮工件的位置;所述工业相机102与所述图像处理机105连接,用于拍摄齿轮工件定位特征点图像,并将所述齿轮工件定位特征点图像发送至所述图像处理机105;
所述图像处理机105与所述工业相机102相连,用于根据所述齿轮工件定位特征点图像计算所述齿轮工件定位特征点坐标以及所述夹紧卡盘104和所述齿轮工件的相对位姿信息;
所述人机交互操控台106分别连接所述工业机器人101和所述图像处理机105,用于接收所述图像处理机105的数据,根据所述图像处理机105的数据控制所述夹紧卡盘104和所述齿轮工件的精准定位;根据所述工业机器人101打磨过程规划出控制信息和所述齿轮工件数模规划出打磨路径信息,并且将所述控制信息和所述打磨路径信息传输至所述工业机器人101;
所述打磨机103固定在所述工业机器人101的末端部位,用于跟随所述工业机器人101的动作并实现打磨工作;
所述夹紧卡盘104与所述人机交互操控台106连接,用于固定所述齿轮工件,并接收所述人机交互操控台106处理的所述图像处理机105的数据,调整所述齿轮工件的位置和姿态至达到预设固定位置。
可见,本发明针对工业机器人依靠示教打磨齿轮的不足,以螺旋锥齿轮全角度柔性打磨为对象,提供了一种基于视觉定位和离线编程的齿轮柔性打磨机器装置,不仅利用工业机器人离线编程方式根据齿轮工件三维数模规划出打磨轨迹实现机器人自动精准打磨,而且利用工业相机视觉对每个齿轮工件重复精准定位和控制夹紧卡盘对齿轮工件位姿进行旋转微调,弥补了仅使用工业机器人示教打磨方式的不足,提高了螺旋锥齿轮全角度柔性打磨的质量和效率,降低了工人的劳动强度,缩短了齿轮工件生产周期。
本发明还提供了一种螺旋锥齿轮全角度柔性打磨方法,所述方法应用于螺旋锥齿轮全角度柔性打磨机器装置。本发明提供的一种螺旋锥齿轮全角度柔性打磨方法,是针对仅使用工业机器人打磨齿轮,无法根据齿轮模型进行自动化规划机器人打磨路径和无法精准定位齿轮工件等不足,提出一种基于视觉定位和离线编程的齿轮全角度柔性打磨方法。首先,获取齿轮工件的三维模型,在齿轮三维模型中预规划好齿轮实际需要打磨的路径,并在三维模型上确定之后用于齿轮定位的定位特征点的三维坐标作为定位基准点。其次,通过行切法,以最优间距对打磨轨迹进行数字化离散,生成一系列水平距离相等的的离散点作为打磨轨迹点。利用多尺度遗传算法对离散出的打磨轨迹点进行迭代筛选和匹配修正,综合优化机器人的打磨轨迹,并由计算机将优化好的机器人打磨轨迹输入给人机交互操控台。然后,搭建工业机器人的打磨平台和工业相机的视觉定位平台,通过坐标系转换原理,将工业机器人、工业相机、齿轮工件坐标统一到全局坐标系下。再然后,将齿轮工件放置在夹紧卡盘上后,工业相机开始采集信息,拍摄齿轮工件图像,并对图像实时处理,获取齿轮工件上特征点的三维坐标。根据特征点坐标测量值运用卡尔曼滤波,实时预测齿轮工件上定位特征点坐标,结合齿轮三维模型上定位基准点坐标,解算出实际齿轮工件和齿轮工件模型的相对位姿。接着,通过对比测量位姿和理论位姿,判断齿轮定位精度是否满足要求,如果满足要求,则控制夹紧卡盘固定齿轮工件,如果不满足,计算机将齿轮工件相对位姿误差参数反馈给人机交互操控台,人机交互操控台将实时控制夹紧卡盘旋转齿轮工件进行微调齿轮工件位姿,直到满足相对位姿要求后固定齿轮工件,完成对齿轮工件的精准夹紧定位。最后,人机交互操控台将控制信号和齿轮打磨路径信息输入给工业机器人,由工业机器人和打磨机对齿轮工件进行自动精准打磨齿轮工件。
具体的,图2为本发明提供的一种螺旋锥齿轮全角度柔性打磨方法的方法流程图。参见图2,所述方法包括:
步骤201:获取齿轮工件三维数模;
根据齿轮的齿数、压力角、模数、螺旋角、齿宽、齿顶高系数和顶隙系数等基本参数生成出齿轮的三维模型。
步骤202:根据所述齿轮工件三维数模预规划机器人打磨轨迹;
根据齿轮实际需要打磨的位置,在齿轮三维模型中预规划好打磨路径,并在三维模型上确定之后用于齿轮定位的定位特征点的三维坐标作为定位基准点。
步骤203:根据所述机器人打磨轨迹离散出打磨轨迹点;
根据打磨轨迹以最优间距进行数字化离散,生成一系列水平距离相等的离散点作为打磨轨迹点。当轨迹长度不足最优间距时,以轨迹长度为准,生成离散点作为打磨轨迹点。
步骤204:根据所述打磨轨迹点进行多尺度遗传算法,综合优化所述机器人打磨轨迹;
图3为本发明实施例提供的基于多尺度遗传算法的打磨轨迹综合优化的方法流程图。提出多尺度遗传算法:
(1)采用多尺度进化策略,对所述打磨轨迹点多尺度聚类,使不同的所述打磨轨迹点互相竞争和配合,在可行域中进行分散式搜索。
根据随机初始化为Nmax的所述打磨轨迹点,确定所述打磨轨迹点的适应度函数值,第m(m=1,2,3,…,Nmax)个所述打磨轨迹点在第e(e=1,2,3,…,D)次迭代的适应度函数值为D表示所述打磨轨迹最大迭代次数。
(2)在打磨轨迹点多尺度进化过程中,动态调整交叉、变异概率,使所述打磨轨迹点在不同进化阶段拥有不同的交叉、变异概率。
表示第m个所述打磨轨迹点第e次进化时的交叉概率,Pcro-max和Pcro-min分别表示交叉概率最值,Pcro-max=0.9,Pcro-min=0.3。μcro表示交叉尺度因子,分别表示所述打磨轨迹点的适应度函数最大值、最小值、均值,表示所述打磨轨迹点的适应度函数值;
交叉结束后,对所述打磨轨迹点进行变异操作。所述打磨轨迹点的动态变异概率为:
利用多尺度遗传算法对离散出的打磨轨迹点进行迭代筛选和匹配修正,使各所述打磨轨迹点多尺度动态遗传,从而推动所述打磨轨迹点在互相竞争和配合中不断进化,逐步达到最优解,获得综合优化后的打磨轨迹。此过程具体实施步骤如下:
步骤1:多尺度遗传算法初始化。设置初始轨迹点个数Nmax、最大迭代次数D、迭代后轨迹点个数Nmul、交叉尺度因子μcro、变异尺度因子μvar,随机初始化打磨轨迹点,记打磨轨迹点进化代数e=0。
步骤4:匹配修正。对交叉变异后的打磨轨迹点进行匹配修正,确保打磨轨迹点无重复。
步骤5:交叉变异结束判断。若Nchi=Nmul,所有打磨轨迹点均完成交叉变异,转步骤6;否则,转步骤3。
步骤6:最优打磨轨迹点共享。若多次进化后,打磨轨迹点的适应度函数最大值无变化,共享打磨轨迹点最优解。
步骤7:迭代结束判断。判断当前迭代次数e与最大迭代次数D的大小。若e<D,转步骤3;否则,输出打磨轨迹的最优解,机器人打磨轨迹综合优化结束。
步骤205:获取齿轮工件图像信息;
图4为本发明提供的一种螺旋锥齿轮全角度柔性打磨机器装置的模型示意图。在获取齿轮工件图像信息之前,需要进行工业机器人的打磨平台和工业相机的视觉定位平台搭建及装置初始位置标定等前期准备工作。参见图4,具体包括:
步骤(1):工业机器人的打磨平台和工业相机的视觉定位平台搭建。
在齿轮工件打磨现场搭设打磨工作台,将工业机器人、工业相机和夹紧卡盘分别固定在打磨工作台上,使得工业机器人能够全角度对固定在夹紧卡盘上的齿轮工件进行打磨作业。此外,在齿轮工件附件设置工业相机进行齿轮工件打磨面图像采集,通过对目标点在不同像素平面的坐标进行匹配,利用三角法测量原理计算其深度信息,从而获取目标点三维信息。
步骤(2):工业机器人、工业相机与打磨全局坐标系的统一。
步骤(2.1):在工业机器人进行打磨前,要对工业机器人进行标定,建立全局坐标系。使用标定杆对工业机器人进行标定的时候,操控工业机器人末端以不同的姿态去触碰标定杆,根据工业机器人系统内的坐标系转换关系,使得工业机器人建立打磨全局坐标系。
步骤(2.2):在进行机器视觉测量前,要对工业相机进行标定,获取相机内外参数。使用标定板对相机参数进行标定的时候,在相机视野范围内采集一定数量的不同位姿的标定板图像,要求标定板覆盖整个相机视野。最后,通过相机标定算法计算出相机像素坐标系、相机坐标系、全局坐标系三者的转换关系,从而将工业相机测量坐标系统一到打磨全局坐标系下。
步骤206:根据所述齿轮工件图像信息确定齿轮工件定位特征点的三维坐标;
齿轮工件水平放置在夹紧卡盘处的时候,工业相机恰好能够拍摄到齿轮工件完整图像。使用工业相机分别测量当前位姿下齿轮工件和夹紧卡盘上定位特征点的空间坐标,分别记为i和j表示定位特征点个数。表示夹紧卡盘上第i个定位特征点的三维坐标;表示齿轮工件上第j个定位特征点的三维坐标。定位特征点是不同齿轮上的大小端特殊点和中心点,用于计算齿轮工件的位姿信息从而辅助齿轮工件定位。
步骤207:根据所述齿轮工件定位特征点的三维坐标确定齿轮工件定位特征点坐标的最优估计值;
利用解算出的齿轮工件位姿和夹紧卡盘位姿参数,并兼顾三维数模中精确定位后齿轮工件和夹紧卡盘的相互位姿要求,在齿轮定位阶段对齿轮工件位姿进行修正。工业相机跟踪和测量齿轮工件上的定位特征点坐标,计算机对齿轮工件定位参数进行处理,根据卡尔曼滤波推测出齿轮工件完成定位时定位特征点的坐标,结合其定位基准点坐标解算出齿轮工件相对位姿测量值,然后与定位特征点的目标位姿进行比较,得到位姿偏差。经过简单逻辑处理后由计算机向人机交互操控台发出指令,驱动伺服电机操控夹紧卡盘旋转完成齿轮工件位姿修正,待修正结束重新测量定位特征点坐标,直到齿轮工件的相对位姿误差满足精度要求。基于卡尔曼滤波的齿轮工件位姿实时预测与修正的具体步骤如下:
步骤①:机翼耳片靶标点坐标状态方程建立。
式(2)中,是通过夹紧卡盘旋转路径规划得到的某一时间的旋转矩阵;是采用双目相机测量得到定位特征点坐标;是通过夹紧卡盘旋转路径规划得到的某一时间的位置向量。取作为人机交互操控台的输入量,即U(k)=[xi yi zi]T。
根据所述齿轮工件定位特征点的三维坐标建立齿轮工件定位特征点坐标的状态方程:
X(k)=ΦX(k-1)+ΓU(k)+W(k) (3)
式(3)中,X(k)为k时刻齿轮工件定位特征点坐标状态向量,X(k-1)为前一时刻齿轮工件定位特征点坐标状态向量;为齿轮工件定位特征点坐标状态转移矩阵,其中I为单位矩阵,0为零矩阵;U(k)是k时刻人机交互操控台的输入量;Γ为人机交互操控台输入量的增益;W(k)是k时刻夹紧卡盘驱动噪声项,假设为高斯白噪声,其协方差为Q。
步骤②:双目相机跟踪量测方程建立。
通过双目相机实时测量齿轮工件定位特征点的坐标及所述齿轮工件定位特征点坐标的状态方程,建立量测方程:
Z(k)=HX(k)+V(k) (4)
式(4)中,Z(k)表示k时刻齿轮工件定位特征点坐标的测量值;H=[I O],其中I为单位矩阵,O为零矩阵;H表示状态变量X(k)对量测变量Z(k)的增益;V(k)为k时刻双目相机测量噪声,假定为零均值高斯白噪声,其协方差为R。
步骤③:预测方程建立。
根据所述齿轮工件定位特征点坐标的状态方程建立所述齿轮工件定位特征点坐标状态向量的预测方程为:
步骤④:预测误差协方差求解。
根据所述齿轮工件定位特征点坐标状态向量的预测方程求解齿轮工件定位特征点坐标状态向量预测误差的协方差为:
P(k|k-1)=Φ(k)P(k-1|k-1)ΦT(k)+Q (6)
步骤⑤:根据所述齿轮工件定位特征点坐标状态向量预测误差的协方差推导出k时刻靶标点坐标测量值与预测值之间误差的卡尔曼增益K(k)为:
K(k)=P(k|k-1)HT/(HP(k|k-1)HT+R) (7)
式(7)中,HT为H的转置,R为双目相机测量噪声的协方差;
步骤208:根据所述最优估计值和齿轮工件定位特征点坐标的理论值解算出相对位姿测量值;
根据齿轮工件定位特征点在某一时刻坐标的最优估计值和理论值,利用空间坐标系转换算法解算出翼身叉耳相对位姿测量值。
比较齿轮工件相对位姿测量值和理论值,判断齿轮工件相对位置和姿态角是否满足精度要求。如果满足,则夹紧卡盘旋转至预设位置,完成对齿轮工件的精准夹紧定位。否则求解测量值与理论值的差值,将其以指令的形式发送给人机交互操控台,驱动伺服电机操控夹紧卡盘做出调整,修正夹紧卡盘旋转角度;然后重复步骤①~步骤⑦,直到齿轮工件定位满足位姿精度要求。具体为:
步骤209:根据所述相对位姿测量值和相对位姿理论值判断齿轮工件是否满足位姿精度要求,获得第一判断结果;
步骤210:当所述第一判断结果为否时,根据所述齿轮工件相对位姿测量值和齿轮工件相对位姿理论值之间的误差修正所述夹紧卡盘旋转角度;然后重复步骤①~步骤⑦,直到齿轮工件定位满足位姿精度要求。
步骤211:当所述第一判断结果为是时,根据所述齿轮工件相对位姿测量值控制所述夹紧卡盘旋转至预设位置,完成对齿轮工件的精准夹紧定位。
可见,本发明提供的一种螺旋锥齿轮全角度柔性打磨方法,旨在通过构建工业机器人离线化自动编程系统和工业相机数字图像定位系统相结合。在齿轮定位阶段实时获取齿轮工件图像并计算相关定位特征参数,根据评价标准评估齿轮工件特征的定位质量,并用定位质量为依据对齿轮工件进行位姿微调整,以提高齿轮定位精度,满足齿轮定位质量要求;根据不同齿轮工件离线化自动生成并优化打磨轨迹,并将优化的打磨轨迹通过人机交互操控台实时操控工业机器人自动化打磨,提高齿轮打磨的效率和质量。
本发明提高的方法通过不同齿轮工件的三维数模预规划好齿轮打磨路径,并在预规划的打磨路径上离散出一系列的打磨轨迹点,运用多尺度遗传算法离散出的打磨轨迹点进行迭代筛选和匹配修正,综合优化机器人的打磨轨迹,并由计算机将优化好的机器人打磨轨迹输入给人机交互操控台,人机交互操控台实时控制工业机器人,从而实现了自动化打磨技术。在确定了齿轮打磨轨迹之后,结合工业相机测量得到的齿轮定位特征点坐标,运用卡尔曼滤波算法实时预测齿轮工件定位时某一时刻的定位特征点坐标,利用定位特征点预测值和理论值,解算齿轮工件定位位姿误差,并将该误差处理后反馈到人机交互操控台,人机交互操控台实时控制夹紧卡盘,从而实现了齿轮定位时位姿的动态调整。整个打磨和定位过程,不需要工人手动调整齿轮工件位置,并且可以实现24小时不间断工作,极大的解放了劳动力和提高了齿轮打磨工作的效率和质量。
本发明还提供了一种螺旋锥齿轮全角度柔性打磨系统。图5为本发明提供的一种螺旋锥齿轮全角度柔性打磨系统的结构示意图。参见图5,所述系统包括:
三维数模获取模块501,用于获取齿轮工件的三维数模;
机器人打磨轨迹预规划模块502,用于根据所述齿轮工件三维数模预规划机器人打磨轨迹;
打磨轨迹点离散模块503,用于根据所述机器人打磨轨迹离散出打磨轨迹点;
打磨轨迹综合优化模块504,用于根据所述打磨轨迹点进行多尺度遗传算法,综合优化所述机器人打磨轨迹;
定位特征点获取模块505,用于获取齿轮工件的定位特征点图像;
定位特征点三维坐标确定模块506,用于根据所述齿轮工件图像确定齿轮工件定位特征点的三维坐标;
最优估计值确定模块507,用于根据所述齿轮工件定位特征点的三维坐标确定齿轮工件定位特征点坐标的最优估计值;
相对位姿测量值计算模块508,用于根据所述最优估计值和齿轮工件定位特征点坐标的理论值解算出相对位姿测量值;
第一判断结果获取模块509,用于根据所述相对位姿测量值和相对位姿理论值判断齿轮工件位姿是否满足位姿精度要求,获得第一判断结果;
夹紧卡盘旋转修正模块510,用于当所述第一判断结果为否时,根据所述齿轮工件相对位姿测量值和齿轮工件相对位姿理论值之间的误差修正所述夹紧卡盘旋转角度;
夹紧卡盘旋转定位模块511,用于当所述第一判断结果为是时,根据所述齿轮工件相对位姿测量值控制所述夹紧卡盘旋转至预设位置,完成对齿轮工件的精准夹紧定位。
其中,所述打磨轨迹综合优化模块504具体包括:
多尺度进化单元,用于根据所述打磨轨迹点采用多尺度进化策略,对所述打磨轨迹点多尺度聚类,使不同的所述打磨轨迹点互相竞争和配合,在可行域中进行分散式搜索;
动态交叉变异单元,用于根据所述打磨轨迹点多尺度进化过程中,动态调整交叉、变异概率,使所述打磨轨迹点在不同进化阶段拥有不同的交叉、变异概率。
进一步的,所述多尺度进化单元具体包括:
适应度函数值确定子单元,用于根据随机初始化为Nmax的所述打磨轨迹点,确定所述打磨轨迹点的适应度函数值,第m(m=1,2,3,…,Nmax)个所述打磨轨迹点在第e(e=1,2,3,…,D)次迭代的适应度函数值为D表示所述打磨轨迹最大迭代次数。
进一步,所述动态交叉变异单元具体包括:
表示第m个所述打磨轨迹点第e次进化时的交叉概率,Pcro-max和Pcro-min分别表示交叉概率最值,Pcro-max=0.9,Pcro-min=0.3。μcro表示交叉尺度因子,分别表示所述打磨轨迹点的适应度函数最大值、最小值、均值,表示所述打磨轨迹点的适应度函数值;
动态变异概率获取子单元,用于根据所述打磨轨迹点动态交叉结束后,对所述打磨轨迹点进行变异操作。所述打磨轨迹点的动态变异概率为:
根据所述多尺度遗传算法,使各所述打磨轨迹点多尺度动态遗传,从而推动所述打磨轨迹点在互相竞争和配合中不断进化,逐步达到最优解,获得优化后的打磨轨迹。
所述最优估计值确定模块507具体包括:
状态方程建立单元,用于根据所述齿轮工件定位特征点的三维坐标建立齿轮工件定位特征点坐标的状态方程;
预测方程建立单元,用于根据所述齿轮工件定位特征点坐标的状态方程建立齿轮工件定位特征点坐标状态向量的预测方程;
最优估计值确定单元,用于根据所述齿轮工件定位特征点坐标状态向量的预测方程确定齿轮工件定位特征点坐标的最优估计值。
进一步的,所述状态方程建立单元具体包括:
状态方程建立子单元,用于根据所述齿轮工件定位特征点的理论坐标建立所述齿轮工件定位特征点坐标的状态方程X(k)=ΦX(k-1)+ΓU(k)+W(k);其中X(k)为k时刻齿轮工件定位特征点坐标状态向量,X(k-1)为前一时刻齿轮工件定位特征点坐标状态向量;为齿轮工件定位特征点坐标状态转移矩阵,其中I为单位矩阵,0为零矩阵;U(k)为齿轮工件定位特征点的理论坐标;Γ为人机交互操控台输入量的增益;W(k)是k时刻夹紧卡盘驱动噪声项。
进一步的,所述状态方程建立单元具体包括:
预测方程建立子单元,用于根据所述齿轮工件定位特征点坐标的状态方程建立所述齿轮工件定位特征点坐标状态向量的预测方程其中表示已知前一时刻齿轮工件定位特征点坐标状态向量情况下第k时刻状态向量的预测值;表示前一时刻齿轮工件定位特征点坐标状态向量的最优结果。
所述最优估计值确定单元具体包括:
协方差求解子单元,用于根据所述齿轮工件定位特征点坐标状态向量的预测方程求解齿轮工件定位特征点坐标状态向量预测误差的协方差为P(k|k-1)=Φ(k)P(k-1|k-1)ΦT(k)+Q;其中P(k|k-1)是对应的协方差;P(k-1|k-1)是对应的协方差,Q是系统过程的协方差;
卡尔曼增益确定子单元,用于根据所述齿轮工件定位特征点坐标状态向量预测误差的协方差推导出k时刻靶标点坐标测量值与预测值之间误差的卡尔曼增益K(k)为K(k)=P(k|k-1)HT/(HP(k|k-1)HT+R);其中HT为H的转置,R为双目相机测量噪声的协方差;
量测方程建立子单元,用于根据所述齿轮工件定位特征点坐标的状态方程建立齿轮工件定位特征点坐标的量测方程Z(k)=HX(k)+V(k);其中Z(k)表示k时刻齿轮工件定位特征点坐标的测量值;H=[I O],其中I为单位矩阵,O为零矩阵;H表示状态变量X(k)对量测变量Z(k)的增益;V(k)为k时刻双目相机测量噪声;
采用本发明提供的一种螺旋锥齿轮全角度柔性打磨系统,能够通过不同种类的齿轮工件三维数模,离线规划并优化出不同种类的齿轮工件打磨轨迹,有效避免人工示教的打磨轨迹不连续、打磨表面粗糙的缺陷;还能结合工业相机测量齿轮位姿数据,判断出所述齿轮工件的位姿精度要求,避免了齿轮工件在打磨过程中出现因齿轮定位不准确导致打磨效果差的情况,实现了齿轮打磨工作的精准定位和自动化打磨。
综上所述,本发明提供的一种螺旋锥齿轮全角度柔性打磨机器装置、方法及系统,至少具有以下优点:
1、由于传统示教编程已无法满足现代打磨作业高效率、高精度等要求,离线编程成为打磨机器人的主要编程方式。轨迹规划是打磨机器人离线编程的核心,利用齿轮工件的数模,在对象表面规划打磨运动轨迹,实现机器人自动喷涂。本发明提供的一种螺旋锥齿轮全角度柔性打磨机器装置、方法及系统,基于多尺度遗传算法对打磨轨迹点进行迭代筛选和匹配修正,使各所述打磨轨迹点多尺度动态遗传,从而推动所述打磨轨迹点在互相竞争和配合中不断进化,逐步达到最优解,获得综合优化后的打磨轨迹,实现了工业机器人自动化精准打磨技术。
2、由于齿轮打磨环境较差且结构复杂,仅靠机械定位和肉眼观察不准确地判断齿轮工件的定位状态并反馈其相对位姿误差。本发明提供的一种螺旋锥齿轮全角度柔性打磨机器装置、方法及系统,通过工业相机测量齿轮工件定位特征点坐标,求解出齿轮工件位姿,基于齿轮工件定位特征点坐标状态方程进行卡尔曼滤波和外推迭代,预测齿轮工件完成定位时的定位特征点坐标,结合其理论坐标动态求解齿轮工件位姿误差,进而实现齿轮工件位姿动态监,实时修正夹紧卡盘旋转角度,保证齿轮工件高质量定位。
3、本发明提供的一种螺旋锥齿轮全角度柔性打磨机器装置、方法及系统,通过工业机器人和工业相机相融合的组合自动化打磨设备,不仅利用工业机器人离线编程方式根据齿轮工件三维数模规划出打磨轨迹实现机器人自动精准打磨,而且利用工业相机视觉对每个齿轮工件重复精准定位和控制夹紧卡盘对齿轮工件位姿进行旋转微调,弥补了仅使用工业机器人示教打磨方式的不足,提高了螺旋锥齿轮全角度柔性打磨的质量和效率,降低了工人的劳动强度,缩短了齿轮工件生产周期。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
以上仅就本发明的最佳实施例作了说明,但不能理解为是对权利要求的限制。本发明不仅局限于以上实施例,其具体结构允许有变化。凡在本发明独立权利要求的保护范围内所作的各种变化均在本发明保护范围内。
Claims (10)
1.一种螺旋锥齿轮全角度柔性打磨机器装置,其特征在于:包括
工业机器人,搭设于螺旋锥齿轮打磨现场,并与人机交互操控台连接,用于接收人机交互操作台发出的控制信号和打磨轨迹信息,并将其接收到的控制信号和轨迹信息对齿轮工件进行自动化打磨工作;
工业相机,设置在齿轮工件摆放的上方,所述工业相机与图像处理机连接,用于拍摄齿轮工件定位特征点图像,并将所述齿轮工件定位特征点图像发送至图像处理机;
图像处理机,用于根据所述齿轮工件定位特征点图像计算所述齿轮工件定位特征点坐标以及夹紧卡盘和齿轮工件的相对位姿信息;
人机交互操控台,分别连接所述工业机器人和所述图像处理机,用于接收所述图像处理机的数据,根据所述图像处理机的数据控制夹紧卡盘和齿轮工件的精准定位;根据所述工业机器人打磨过程规划出控制信息和所述齿轮工件数模规划出打磨路径信息,并且将所述控制信息和所述打磨路径信息传输至所述工业机器人;
打磨机,固定在所述工业机器人的末端部位,用于跟随所述工业机器人的动作并实现打磨工作;
夹紧卡盘,与所述人机交互操控台连接,用于固定所述齿轮工件,并接收所述人机交互操控台处理的所述图像处理机的数据,调整所述齿轮工件的位置和姿态至达到预设固定位置。
2.一种螺旋锥齿轮全角度柔性打磨方法,其特征在于:所述方法采用如权利要求1所述的一种螺旋锥齿轮全角度柔性打磨机器装置,所述方法包括,
获取齿轮工件三维数模;
根据所述齿轮工件三维数模预规划机器人打磨轨迹;
根据所述机器人打磨轨迹离散出打磨轨迹点;
根据所述打磨轨迹点进行多尺度遗传算法,综合优化所述机器人打磨轨迹;
获取齿轮工件图像信息;
根据所述齿轮工件图像信息确定齿轮工件定位特征点的三维坐标;
根据所述齿轮工件定位特征点的三维坐标确定齿轮工件定位特征点坐标的最优估计值;
根据所述最优估计值和齿轮工件定位特征点坐标的理论值解算出相对位姿测量值;
根据所述相对位姿测量值和相对位姿理论值判断齿轮工件是否满足位姿精度要求,获得第一判断结果;
当所述第一判断结果为否时,根据所述齿轮工件相对位姿测量值和齿轮工件相对位姿理论值之间的误差修正所述夹紧卡盘旋转角度;
当所述第一判断结果为是时,根据所述齿轮工件相对位姿测量值控制所述夹紧卡盘旋转至预设位置,完成对齿轮工件的精准夹紧定位。
3.根据权利要求2所述的一种螺旋锥齿轮全角度柔性打磨方法,其特征在于:所述根据所述机器人打磨轨迹离散出打磨轨迹点,具体包括,
根据所述打磨轨迹以最优间距进行数字化离散,生成一系列水平距离相等的离散点作为打磨轨迹点;当轨迹长度不足最优间距时,以轨迹长度为准,生成离散点作为打磨轨迹点;
所述根据所述打磨轨迹点进行多尺度遗传算法,综合优化所述机器人打磨轨迹,具体包括:
根据所述打磨轨迹点采用多尺度进化策略,对所述打磨轨迹点多尺度聚类,使不同的所述打磨轨迹点互相竞争和配合,在可行域中进行分散式搜索;
根据所述打磨轨迹点多尺度进化过程中,动态调整交叉、变异概率,使所述打磨轨迹点在不同进化阶段拥有不同的交叉、变异概率。
5.根据权利要求2所述的一种螺旋锥齿轮全角度柔性打磨方法,其特征在于:所述根据所述打磨轨迹点多尺度进化过程中,动态调整交叉、变异概率,使所述打磨轨迹点在不同进化阶段拥有不同的交叉、变异概率,具体包括:
表示第m个所述打磨轨迹点第e次进化时的交叉概率,Pcro-max和Pcro-min分别表示交叉概率最值,Pcro-max=0.9,Pcro-min=0.3;μcro表示交叉尺度因子,分别表示所述打磨轨迹点的适应度函数最大值、最小值、均值,表示所述打磨轨迹点的适应度函数值;
交叉结束后,对所述打磨轨迹点进行变异操作;所述打磨轨迹点的动态变异概率为:
根据所述多尺度遗传算法,使各所述打磨轨迹点多尺度动态遗传,从而推动所述打磨轨迹点在互相竞争和配合中不断进化,逐步达到最优解,获得优化后的打磨轨迹。
6.根据权利要求2所述的一种螺旋锥齿轮全角度柔性打磨方法,其特征在于:所述根据所述齿轮工件定位特征点的三维坐标确定齿轮工件定位特征点坐标的最优估计值,具体包括:
根据所述齿轮工件定位特征点的三维坐标建立齿轮工件定位特征点坐标的状态方程;
根据所述齿轮工件定位特征点坐标的状态方程建立齿轮工件定位特征点坐标状态向量的预测方程;
根据所述齿轮工件定位特征点坐标状态向量的预测方程确定齿轮工件定位特征点坐标的最优估计值。
7.根据权利要求2所述的一种螺旋锥齿轮全角度柔性打磨方法,其特征在于:所述根据所述齿轮工件定位特征点的三维坐标建立齿轮工件定位特征点坐标的状态方程,具体包括:
9.根据权利要求2所述的一种螺旋锥齿轮全角度柔性打磨方法,其特征在于:所述根据所述齿轮工件定位特征点坐标状态向量的预测方程确定齿轮工件定位特征点坐标的最优估计值,具体包括:
根据所述齿轮工件定位特征点坐标状态向量的预测方程求解齿轮工件定位特征点坐标状态向量预测误差的协方差为P(k|k-1)=Φ(k)P(k-1|k-1)ΦT(k)+Q;其中P(k|k-1)是对应的协方差;P(k-1|k-1)是对应的协方差,Q是系统过程的协方差;
根据所述齿轮工件定位特征点坐标状态向量预测误差的协方差推导出k时刻靶标点坐标测量值与预测值之间误差的卡尔曼增益K(k)为K(k)=P(k|k-1)HT/(HP(k|k-1)HT+R);其中HT为H的转置,R为双目相机测量噪声的协方差;
根据所述齿轮工件定位特征点坐标的状态方程建立齿轮工件定位特征点坐标的量测方程Z(k)=HX(k)+V(k);其中Z(k)表示k时刻齿轮工件定位特征点坐标的测量值;H=[IO],其中I为单位矩阵,O为零矩阵;H表示状态变量X(k)对量测变量Z(k)的增益;V(k)为k时刻双目相机测量噪声;
10.一种螺旋锥齿轮全角度柔性打磨系统,其特征在于:所述系统包括,
三维数模获取模块,用于获取齿轮工件的三维数模;
机器人打磨轨迹预规划模块,用于根据所述齿轮工件三维数模预规划机器人打磨轨迹;
打磨轨迹点离散模块,用于根据所述机器人打磨轨迹离散出打磨轨迹点;
打磨轨迹综合优化模块,用于根据所述打磨轨迹点进行多尺度遗传算法,综合优化所述机器人打磨轨迹;
定位特征点获取模块,用于获取齿轮工件的定位特征点图像;
定位特征点三维坐标确定模块,用于根据所述齿轮工件图像确定齿轮工件定位特征点的三维坐标;
最优估计值确定模块,用于根据所述齿轮工件定位特征点的三维坐标确定齿轮工件定位特征点坐标的最优估计值;
相对位姿测量值计算模块,用于根据所述最优估计值和齿轮工件定位特征点坐标的理论值解算出相对位姿测量值;
第一判断结果获取模块,用于根据所述相对位姿测量值和相对位姿理论值判断齿轮工件位姿是否满足位姿精度要求,获得第一判断结果;
夹紧卡盘旋转正模块,用于当所述第一判断结果为否时,根据所述齿轮工件相对位姿测量值和齿轮工件相对位姿理论值之间的误差修正所述夹紧卡盘旋转角度;
夹紧卡盘旋转定位模块,用于当所述第一判断结果为是时,根据所述齿轮工件相对位姿测量值控制所述夹紧卡盘旋转至预设位置,完成对齿轮工件的精准夹紧定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210155727.1A CN114800542B (zh) | 2022-02-21 | 2022-02-21 | 螺旋锥齿轮全角度柔性打磨机器装置、打磨方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210155727.1A CN114800542B (zh) | 2022-02-21 | 2022-02-21 | 螺旋锥齿轮全角度柔性打磨机器装置、打磨方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114800542A true CN114800542A (zh) | 2022-07-29 |
CN114800542B CN114800542B (zh) | 2023-05-09 |
Family
ID=82527134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210155727.1A Active CN114800542B (zh) | 2022-02-21 | 2022-02-21 | 螺旋锥齿轮全角度柔性打磨机器装置、打磨方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114800542B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115351713A (zh) * | 2022-10-19 | 2022-11-18 | 武汉艾极涂科技有限公司 | 一种基于图像识别的喷砂方法、装置、设备及存储介质 |
CN117970813A (zh) * | 2024-03-28 | 2024-05-03 | 江西机电职业技术学院 | 一种基于汽车齿轮的机器人打磨轨迹离线规划方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000225522A (ja) * | 1999-02-09 | 2000-08-15 | Reischauer Ag | ワ―クピ―スのグラインディング方法およびグラインディング装置 |
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 |
CN107876904A (zh) * | 2017-12-18 | 2018-04-06 | 华北理工大学 | 对齿轮端面进行倒角打磨机械手及其打磨方法 |
CN112629435A (zh) * | 2020-11-17 | 2021-04-09 | 重庆文理学院 | 基于多线结构光的齿轮测量系统及方法 |
CN113245636A (zh) * | 2021-05-18 | 2021-08-13 | 沈阳理工大学 | 一种机器人自动磨削精密齿轮齿廓圆角的装备及工艺方法 |
-
2022
- 2022-02-21 CN CN202210155727.1A patent/CN114800542B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000225522A (ja) * | 1999-02-09 | 2000-08-15 | Reischauer Ag | ワ―クピ―スのグラインディング方法およびグラインディング装置 |
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 |
CN107876904A (zh) * | 2017-12-18 | 2018-04-06 | 华北理工大学 | 对齿轮端面进行倒角打磨机械手及其打磨方法 |
CN112629435A (zh) * | 2020-11-17 | 2021-04-09 | 重庆文理学院 | 基于多线结构光的齿轮测量系统及方法 |
CN113245636A (zh) * | 2021-05-18 | 2021-08-13 | 沈阳理工大学 | 一种机器人自动磨削精密齿轮齿廓圆角的装备及工艺方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115351713A (zh) * | 2022-10-19 | 2022-11-18 | 武汉艾极涂科技有限公司 | 一种基于图像识别的喷砂方法、装置、设备及存储介质 |
CN117970813A (zh) * | 2024-03-28 | 2024-05-03 | 江西机电职业技术学院 | 一种基于汽车齿轮的机器人打磨轨迹离线规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114800542B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN109794938B (zh) | 一种适用于曲面结构的机器人制孔误差补偿装置及其方法 | |
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 | |
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 | |
CN110091333B (zh) | 复杂曲面表面焊缝特征识别和自动磨抛的装置及方法 | |
CN110794762B (zh) | 用于打磨机器人的控制方法及系统 | |
CN109366503B (zh) | 基于移动式混联机器人的面向大型构件的加工工艺方法 | |
CN108279643A (zh) | 一种基于测量点与自适应差分进化算法的工件姿态调整方法 | |
CN107972071A (zh) | 一种基于末端点平面约束的工业机器人连杆参数标定方法 | |
CN108519055A (zh) | 一种基于视觉的双机器人相对位姿在线标定方法 | |
CN108972343A (zh) | 一种二自由度磨抛接触力控制方法及系统 | |
CN114055255A (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 | |
CN114454060B (zh) | 一种机器人自适应曲面跟踪恒力磨抛方法及系统 | |
CN110686655B (zh) | 三维曲面工件的定位方法、装置及系统 | |
CN111085902B (zh) | 一种视觉在线检测及修正的工件打磨系统 | |
CN113919100A (zh) | 一种基于增减复合制造工艺表面质量的处理方法 | |
CN115365941B (zh) | 一种用于光学抛光的工件位姿自动校准方法 | |
CN113932753A (zh) | 一种轮毂法兰盘打磨的轮廓标定方法 | |
CN113814870A (zh) | 一种磁流变抛光工件位姿测算方法及抛光方法 | |
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 | |
CN118386236A (zh) | 基于线激光扫描与立体视觉结合的免示教机器人自主焊接打磨方法 | |
CN116587268B (zh) | 一种空间大面域机器人铣削加工精度提升方法 | |
CN112757307B (zh) | 一种机器人加工三元叶轮叶片焊接坡口的装备和方法 | |
CN114131605B (zh) | 一种船体零件打磨轨迹自动配准调整装置及方法 | |
CN114178600A (zh) | 一种机器人铣削加工末端变形误差超前感知方法 |
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 |