CN115145221A - 一种基于机器人铣边误差追溯的工件与刀具位姿标定方法 - Google Patents
一种基于机器人铣边误差追溯的工件与刀具位姿标定方法 Download PDFInfo
- Publication number
- CN115145221A CN115145221A CN202210785829.1A CN202210785829A CN115145221A CN 115145221 A CN115145221 A CN 115145221A CN 202210785829 A CN202210785829 A CN 202210785829A CN 115145221 A CN115145221 A CN 115145221A
- Authority
- CN
- China
- Prior art keywords
- workpiece
- error
- milling
- edge
- point
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/402—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for positioning, e.g. centring a tool relative to a hole in the workpiece, additional detection means to correct position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23C—MILLING
- B23C3/00—Milling particular work; Special milling operations; Machines therefor
- B23C3/12—Trimming or finishing edges, e.g. deburring welded corners
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37404—Orientation of workpiece or tool, surface sensor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于机器人铣边误差追溯的工件与刀具位姿标定方法,包括:1、生成铣边轨迹点云;2、获取实际铣边三维点云;3、生成更新后的铣边三维点云;4、计算铣边余量误差和姿态倾斜误差;5、求解工件位置误差、刀具位置误差;6、求解工件姿态误差、刀具姿态误差;7、更新工件位姿参数和刀具位姿参数;8、重复步骤4至7,直至工件位姿误差矢量为和刀具位姿误差矢量均不大于对应预设阈值;本发明通过对三维点云与铣边轨迹点云进行误差比对、误差建模和误差追溯,即使刀具存在自身轴线偏离等系统误差,也能精确的辨识铣边过程中的工件和刀具的位姿误差,能很好的解决由铣边系统误差的多样性和复杂性带来的标定精度问题。
Description
技术领域
本发明属于蒙皮铣边技术领域,特别是涉及一种基于机器人铣边误差追溯的工件与刀具位姿标定方法。
背景技术
卫星承力筒、飞船密封舱和飞机机身等大型蒙皮是航空航天装备的主要组成部分,具备大型自由曲面、薄壁易变形等几何特征,导致蒙皮的铣边制造一直是该领域的研究难点。蒙皮的铣边包括下料、弯曲成形、铣边等工序,其中铣边是蒙皮装配前的最后一道铣边工序,对航空航天装备的封闭性能和安全性能有着重要影响,因此如何保证蒙皮的铣边精度至关重要。目前我国的蒙皮铣边主要依赖人工,存在铣边精度低、一致性差和效率低等特点,难以满足我国航空航天装备制造的高质量发展需求。机器人具备高柔性、工作范围大和易拓展等优点,为蒙皮的机器人铣边提供了新的方案,从发展趋势来看,人工铣边将逐渐被机器人铣边取代。
在机器人的蒙皮铣边系统中,为了达到铣边精度要求,需要精确标定蒙皮的工件坐标系位姿和铣边刀具的坐标系位姿,也就是确定工件和刀具坐标系在机器人基坐标系下的相对位姿。目前机器人铣边的工件刀具位姿标定方法主要有以下几类:1)顶针法,通过铣刀外轮廓与顶针的触碰确定铣刀的空间位置,然后通过六点定位实现标定。2)LVDT方法,该方法是将顶针替换为LVDT,(线性可变差接变压器-位移传感器,Linear VariableDifferential Transformer)LVDT能自动识别特征点的接触状态并确定位置,避免了用肉眼判断接触状态,但非接触的特征方向还是依靠肉眼确定。3)球标定法,该方法是通过标准球和蓝宝石测头替代了顶针,从而将顶针的“点-点”接触提升到“球-球”接触。4)激光跟踪仪法,该方法是将反射靶球粘贴到刀具上,然后通过激光跟踪仪来记录靶球的位姿来实现刀具的标定。
上述四类方法存在如下问题:1)机器人控制顶针与刀具进行触碰,一次触碰仅对应一个数据量,过少的数据量(<100)极大地限制了标定结果的稳定性;2)上述标定方法都是铣刀在静止时的标定,无法反应铣削过程中由刀具旋转偏离、刀具受力变形以及振动等因素引起的位姿误差,从而易引起较大的标定误差;3)刀具上的特征点不明显,通过肉眼寻找对工人经验要求高,而且精度过低。
发明内容
本发明提供了一种基于机器人铣边误差追溯的工件与刀具位姿标定方法,以解决现有技术中标定误差大,精度低的技术问题。
为达到上述目的,本发明的技术方案是这样实现的:
本发明提供了一种基于机器人铣边误差追溯的工件与刀具位姿标定方法,包括如下步骤:
步骤S10、构建刀具对工件的铣边路径,生成使用机器人加工的铣边轨迹点云Q;
步骤S20、获取工件的实际铣边三维点云P;
步骤S30、将铣边轨迹点云Q与工件的实际铣边三维点云P匹配到同一坐标系中,生成位姿更新后的铣边三维点云P’;
步骤S40、依据铣边轨迹点云Q和位置更新后的铣边三维点云P’,计算铣边余量误差ei和姿态倾斜误差αi;
步骤S50、依据铣边余量误差ei,分别建立铣削工件第i点时,工件的位置误差对铣边余量误差的影响模型,以及刀具的位置误差对铣边余量误差的影响模型,并求解工件位置误差Wd、刀具位置误差Udz;
步骤S60、依据姿态倾斜误差αi,分别建立铣削工件第i点时,工件的姿态误差对铣边误差的影响模型,以及刀具的姿态误差对铣边误差的影响模型,并求解工件姿态误差Uδx、刀具姿态误差Wδ;
步骤S70、依据工件位置误差Wd、刀具位置误差Udz、工件姿态误差Uδx、刀具姿态误差Wδ,更新工件位姿参数和刀具位姿参数;
步骤S80、重复步骤S40至步骤S70,直至工件位姿误差矢量为WV和刀具位姿误差矢量UV均不大于对应预设阈值;
进一步地,所述步骤S10具体为:对工件的设计模型的边界截面进行均匀离散,生成均匀有序的铣边轨迹点云Q={q1,q2,…,qi,…,qn},铣边轨迹点云Q中的任一点qi为3×1的向量,qi的单位法矢wi垂直于边界横截面,正方向朝截面外侧,与铣边深度方向相同;点qi的第一个单位切矢τi1平行于截面边界方向,与铣边轨迹运动方向相同;点qi的第二个单位切矢τi2平行于曲面厚度方向,三个矢量(τi1,τi2,wi)一起构成点qi的坐标系,分别对应x轴、y轴和z轴方向。
进一步地,所述步骤S20具体包含如下步骤:
步骤S21、定义初始工件位姿参数和初始刀具位姿参数分别为和其中表示工件坐标系{W}相对基坐标系{B}的位姿,表示刀具坐标系{U}相对基坐标系{B}的位姿,工件位姿参数和刀具位姿参数均为4×4的齐次变换矩阵;
步骤S23、按照构建的铣边路径对工件毛坯进行铣边,完成后通过三维扫描设备对工件的铣削加工面进行三维扫描,获取工件的实际铣边三维点云P,P={p1,p2,…,pa,…,pm},实际铣边三维点云P上的每个点均为3×1的向量。
进一步地,所述步骤S30具体包含如下步骤:
步骤S31、对铣边轨迹点云Q中的任一点qi,i=1,2,…,n,在实际铣边三维点云P中搜索距离点qi的最近点,记为pa;
步骤S32、利用点对(qi,pa)构建基于余量均匀的匹配目标函数f(R,t),R、t分别表示实际铣边三维点云P的3×3的旋转姿态矩阵和铣边轨迹点云Q的3×1的平移位置矩阵;然后通过最小化目标函数f来求解R和t;
步骤S33、更新实际铣边三维点云P上任一点pa的位置为p′a=Rpa+t,然后令pa=p′a,得到位姿更新后的铣边三维点云P'={p1',p2',…,pa',…,pm'}。
进一步地,所述步骤S40具体包含如下步骤:
步骤S41、根据铣边轨迹点云Q,在更新后的铣边三维点云P’中提取离点qi距离最近的点pa',则点qi的铣边余量误差为ei=(qi-pa')Twi;
步骤S42、根据铣边轨迹点云Q,在截面设计模型中,从点qi出发,沿第二个单位切矢τi2正方向寻找点qi的上边界点qui和下边界点qli,进一步在三维点云P’中分别提取距离点(qui、qli)最近的点(pua'、pla'),构造边界倾斜方向的误差向量τ′i2=(2pua'-pa'-pla')/||2pua'-pa'-pla'||;则铣边的姿态倾斜误差为
进一步地,所述步骤S50具体包含如下步骤:
步骤S51、定义工件的初始工件位姿参数的位置误差向量为Wd,定义初始刀具位姿参数的位置误差向量为Ud,Wd和Ud均为3×1的待求向量;其中Ud可以进一步表示为Ud=[0,0,Udz]T,Udz为Ud在z轴上的分量;
步骤S52、分别建立铣削工件第i点时,工件的位置误差对铣边余量误差的影响模型,以及刀具的位置误差对铣边余量误差的影响模型,其中,铣削工件第i点时工件的位置误差对铣边余量误差的影响模型为eiw=WdTwi,铣削工件第i点时刀具的位置误差对铣边余量误差的影响模型为eiu=Udz,将所建立的两个影响模型进行组合,得到铣削工件第i点时的组合误差的影响模型,组合误差的影响模型为ei=WdTwi+Udz;wi表示qi的单位法矢;
步骤S53、利用铣削工件第i点时的组合误差的影响模型建立工件刀具不同时刻所有接触点的位置误差辨识的矩阵公式e=WdTN+UD,其中N=[n1,n2,…,ni,…nn]为3×n的矩阵,e=[e1,e2,…,ei,…en]和UD=[Udz,Udz,…,Udz]1×n为1×n的矩阵;上述其中的n表示铣边轨迹点云Q中的点数;则刀具位置误差为工件位置误差为Wd=(NNT)-1N(e-UD)T。
进一步地,所述步骤S60包括如下步骤:
步骤S61、定义工件的初始工件位姿参数的姿态误差向量为Wδ,定义初始刀具位姿参数的姿态误差向量为Uδ,Wδ和Uδ均为3×1的待求向量;其中Uδ可以进一步表示为Uδ=[Uδx,0,0]T,Uδx为Uδ在x轴上的分量;
步骤S62、分别建立铣削工件第i点时,工件的姿态误差对铣边误差的影响模型,以及刀具的姿态误差对铣边误差的影响模型,其中,铣削工件第i点时工件的姿态误差对铣边误差的影响模型为铣削工件第i点时刀具的姿态误差对铣边误差的影响模型为αiu=Uδx,将所建立的两个影响模型进行组合得到铣削工件第i点的组合误差的影响模型,为:其中是1×4的系数矩阵,是4×1的工件刀具姿态误差组合向量;
步骤S63、利用第i点的组合误差的影响模型建立工件刀具不同时刻所有铣削点的姿态误差辨识公式α=Aξ,其中α=[α1,α2,…,αi,…αn]T是n×1的矩阵,是n×4的矩阵;求解工件、刀具位姿组合误差为ξ=(ΑTΑ)-1ΑTα。记I1=[1,0,0,0],则工件姿态误差、刀具姿态误差分别为Uδx=I1ξ,Wδ=I3ξ。
进一步地,所述步骤S10中的铣边轨迹点云Q上点的数量n满足n≥6。
本发明的有益效果:
1、本发明通过对机器人铣削铣边后的铣边与设计模型的铣边轨迹进行误差比对、误差建模和误差追溯,以此辨识和补偿工件/刀具的位姿误差,与现有基于铣边前的位姿构造方法相比,即使刀具存在自身轴线偏离和铣边受力变形等系统误差,也能精确的辨识机器人铣边过程中的工件和刀具的位姿误差,且无需精确知道工件和刀具位姿误差的影响因素构成,这能很好的解决由机器人铣边系统误差的多样性和复杂性带来的标定精度问题,能够广泛应用于航空航天薄壁曲面蒙皮的机器人铣边。
2、本发明通过采用基于余量均匀化的拼合目标函数,可以将铣边轨迹点云Q和工件实际铣边的实际铣边三维点云P精确地统一到同一个坐标系,和目前常用的基于距离平方和最小的拼合方法相比,能够解决测量点云密度分布不均匀、形状不完整等缺陷情况下的不稳定拼合问题,防止测量点云拼合时向点云密集处倾斜,从而提高拼合的精度和铣削铣边位姿标定过程中的余量计算精度。
3、本发明以自由曲面的铣边轨迹点云Q和工件实际铣边的实际铣边三维点云P作为输入数据,以此建立工件、刀具位置误差影响模型和求解模型,与传统基于坐标系构造的方法相比,一方面,单位时间内的数据获取量得到明显提升(点云数据量从10级别提升到10万级别),这有利于同时提高标定结果的稳定性和标定效率;另一方面,在数据采集的过程中,所述方法无需通过肉眼观测判断标定物体和顶针/LVDT(线性可变差动变压器)之间的接触状态,也无需严格控制机器人进行特定的位姿运动,这有利于提高数据的获取精度和标定的便利性。
4、本发明以任意曲面为标定物,对标定物的形状和尺寸没有严格要求,标定过程中也无需使测量仪经过曲面边界的特定位置,解决了常规的规则物(球、圆盘、圆柱等)标定方法制造精度要求高、成本高以及标定范围受限等难题,所述方法也可以将所需铣边的曲面工件作为标定物,从而直接通过标定提高铣边精度。
附图说明
图1为本发明的流程示意图;
图2为铣边轨迹点云Q的坐标系构造示意图;
图3为铣边轨迹点云Q的余量误差计算结果示意图;
图4为测量点云在不同高斯噪音情况下的刀具标定误差结果示意图。
具体实施方式
下面结合附图及具体实施例对本发明再作进一步详细的说明。
参照图1,本申请实施例提供了一种基于机器人铣边误差追溯的工件与刀具位姿标定方法,包括如下步骤:
步骤S10、构建刀具对工件的铣边路径,生成使用机器人加工的铣边轨迹点云Q;
通过三维检测软件对工件设计模型的待铣边的边界截面进行贯穿,得到截面曲线。如图2所示,对截面曲线进行均匀离散,生成均匀有序的铣边轨迹点云Q={q1,q2,…,qi,…,qn},其中数量n满足n≥6,优选的数量n=1000;对每个点qi的邻域进行最小二乘平面拟合,平面单位法线作为点qi的单位法矢wi,以相邻点连线的单位方向(qi-qi+1)/||qi-qi+1||作为点qi的第一个单位切矢τi1,点qi的第二个单位切矢τi2可以通过叉乘获得τi2=wi×τi1;三个矢量(τi1,τi2,wi)一起构成点qi的铣边坐标系,分别对应x轴、y轴和z轴方向。所述待铣边可以是平面,也可以是自由曲面。所述铣边轨迹点云Q中所有点的单位法矢满足
步骤S20、获取工件的实际铣边三维点云P;所述实际铣边三维点云P中的点的数量m满足m≥3n,其中n为铣边轨迹点云Q中点的数量。
步骤S30、将铣边轨迹点云Q与三维点云P匹配到同一坐标系中,生成位姿更新后的三维点云P’;
步骤S40、依据铣边轨迹点云Q和铣边三维点云P’,计算铣边余量误差ei和姿态倾斜误差αi;
步骤S50、依据铣边余量误差ei,分别建立铣削工件第i点时,工件的位置误差对铣边余量误差的影响模型,以及刀具的位置误差对铣边余量误差的影响模型,并求解工件位置误差Wd、刀具位置误差Udz;
步骤S60、依据姿态倾斜误差αi,分别建立铣削工件第i点时,工件的姿态误差对铣边误差的影响模型,以及刀具的姿态误差对铣边误差的影响模型,并求解工件姿态误差Uδx、刀具姿态误差Wδ;
步骤S70、依据工件位置误差Wd、刀具位置误差Udz、工件姿态误差Uδx、刀具姿态误差Wδ,更新工件位姿参数和刀具位姿参数;
步骤S80、重复步骤S40至步骤S70,直至工件位姿误差矢量为WV和刀具位姿误差矢量UV均不大于对应预设阈值;
在本实施例中,工件位姿误差矢量为WV和刀具位姿误差矢量UV的预设阈值可以均为0.003。
更新工件刀具姿态参数:记6×1工件位姿误差矢量为WV=[WdT,WδT]T,更新的工件位姿参数为记6×1刀具位姿误差矢量为UV=[0,0,Udz,Uδx,0,0]T,更新的刀具位姿参数为其中对任意向量V=[dx,dy,dz,δx,δy,δz]T,[UV]的表达式为:
图4显示了测量实际铣边三维点云P在不同高斯噪音情况下的工具位姿标定误差对比结果,可以看出在高斯噪音较大情况下,本发明方法的标定误差比传统构造法小,结果较稳定。
所述步骤S20具体包含如下步骤:
步骤S21、定义初始工件位姿参数和初始刀具位姿参数分别为和其中表示工件坐标系{W}相对基坐标系{B}的位姿,表示刀具坐标系{U}相对基坐标系{B}的位姿,工件位姿参数和刀具位姿参数均为4×4的齐次变换矩阵;初始工件位姿参数和初始刀具位姿参数可以通过顶针、LVDT等方法进行标定,初始位姿的标定并不局限于某一种特定方法,对标定精度也没有严格要求。
步骤S23、按照设定轨迹对工件毛坯进行铣边,给定的铣边余量为0.5mm,并通过三维扫描设备对工件的铣边进行三维扫描,形成铣削铣边的实际铣边三维点云P,P={p1,p2,…,pi,…,pm},实际铣边三维点云P上的每个点均为3×1的向量。所述实际铣边三维点云P的点的数量m约为12万个。
所述步骤S30具体包含如下步骤:
步骤S31、对铣边轨迹点云Q中的任一点qi,i=1,2,…,n,在实际铣边三维点云P中搜索距离点qi的最近点,记为pa;
步骤S32、利用点对(qi,pa)构建基于余量均匀的匹配目标函数f(R,t),R、t分别表示实际铣边三维点云P的3×3的旋转姿态矩阵和铣边轨迹点云Q的3×1的平移位置矩阵;然后通过最小化目标函数f来求解位姿参数R和t;求解方式可以通过泰勒展开或者对目标函数求导实现,为提高匹配精度,需要通过多次迭代,迭代次数约为50。记第a次迭代得到的旋转和平移矩阵为Ra和ta,总迭代次数为k,则迭代方式为:
步骤S33、更新实际铣边三维点云P上任一点pa的位置为p′i=Rpa+t,然后令pi=p′i,得到位姿更新后的铣边三维点云P’。
所述步骤S40包含如下步骤:
步骤S41、根据铣边轨迹点云Q={q1,q2,…,qi,…,qn},通过Kd-tree(K维树搜索算法)等方法在铣边三维点云P’中提取离点qi距离最近的点pa',则点qi的铣边余量误差为ei=(qi-pa')Tni;图3表示了不同点的余量误差分布情况,可以得到余量误差并不是均匀分布,主要是受工件位姿误差影响,余量误差并非为零,主要是受工具位姿误差影响,通过余量误差与工件/刀具位姿误差的关系模型,可以用于辨识工件刀具位姿误差。
步骤S42、根据铣边轨迹点云Q={q1,q2,…,qi,…,qn},在截面设计模型中,从点qi出发,沿切矢τi2正方向寻找点qi的上边界点qui和下边界点qli,进一步在三维点云P’中分别提取距离点(qui、qli)最近的点(pua'、pla'),构造边界倾斜方向的误差向量τ′i2=(2pua'-pa'-pla')/||2pua'-pa'-pla'||;则铣边的姿态倾斜误差为
所述步骤S50具体包含如下步骤:
步骤S51、定义工件的初始工件位姿参数的位置误差向量为Wd,定义初始刀具位姿参数的位置误差向量为Ud,Wd和Ud均为3×1的待求向量;其中Ud可以进一步表示为Ud=[0,0,Udz]T,Udz为Ud在z轴上的分量;
步骤S52、分别建立铣削工件第i点时,工件的位置误差对铣边余量误差的影响模型,以及刀具的位置误差对铣边余量误差的影响模型,其中,铣削工件第i点时工件的位置误差对铣边余量误差的影响模型为eiw=WdTwi,铣削工件第i点时刀具的位置误差对铣边余量误差的影响模型为eiu=Udz,将两个建立的影响模型进行组合,得到铣削工件第i点时的组合误差的影响模型,组合误差的影响模型为ei=WdTwi+Udz;wi表示qi的单位法矢;
步骤S53、利用铣削工件第i点时的组合误差的影响模型建立工件刀具不同时刻所有接触点的位置误差辨识的矩阵公式e=WdTN+UD,其中N=[n1,n2,…,ni,…nn]为3×n的矩阵,e=[e1,e2,…,ei,…en]和UD=[Udz,Udz,…,Udz]1×n为1×n的矩阵;则刀具位置误差为工件位置误差为Wd=(NNT)-1N(e-UD)T。
所述步骤S60包含如下步骤:
步骤S61、定义初始工件位姿参数的姿态误差向量为Wδ,定义初始刀具位姿参数的姿态误差向量为Uδ,Wδ和Uδ均为3×1的待求向量;其中Uδ可以进一步表示为Uδ=[Uδx,0,0]T,Uδx为Uδ在x轴上的分量;
步骤S62、建立铣削工件第i点时工件的姿态误差对铣边误差的影响模型,建立铣削工件第i点时刀具的姿态误差对铣边误差的影响模型,其中铣削工件第i点时工件的姿态误差对铣边误差的影响模型为铣削工件第i点时刀具的姿态误差对铣边误差的影响模型为αiu=Uδx,则铣削工件第i点的组合误差的影响模型为其中是1×4的系数矩阵,是4×1的工件刀具姿态误差组合向量;
步骤S63、利用铣削工件第i点的组合误差的影响模型建立工件刀具不同时刻所有铣削点的姿态误差辨识公式α=Aξ,其中α=[α1,α2,…,αi,…αn]T是n×1的矩阵,是n×4的矩阵;求解工件、刀具位姿组合误差为ξ=(ΑTΑ)-1ΑTα。记I1=[1,0,0,0],则工件姿态误差、刀具姿态误差分别为Uδx=I1ξ,Wδ=I3ξ。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不同限于此,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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。并且,本发明各个实施方式之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于机器人铣边误差追溯的工件与刀具位姿标定方法,其特征在于,包括如下步骤:
步骤S10、构建刀具对工件的铣边路径,生成机器人铣边轨迹点云Q;
步骤S20、获取工件的实际铣边三维点云P;
步骤S30、将铣边轨迹点云Q与实际铣边三维点云P匹配到同一坐标系中,生成位姿更新后的铣边三维点云P’;
步骤S40、依据铣边轨迹点云Q和铣边三维点云P’,计算铣边余量误差ei和姿态倾斜误差αi;
步骤S50、依据铣边余量误差ei,分别建立铣削工件第i点时,工件的位置误差对铣边余量误差的影响模型,以及刀具的位置误差对铣边余量误差的影响模型,并求解工件位置误差Wd、刀具位置误差Udz;
步骤S60、依据姿态倾斜误差αi,分别建立铣削工件第i点时,工件的姿态误差对铣边误差的影响模型,以及刀具的姿态误差对铣边误差的影响模型,并求解工件姿态误差Uδx、刀具姿态误差Wδ;
步骤S70、依据工件位置误差Wd、刀具位置误差Udz、工件姿态误差Uδx、刀具姿态误差Wδ,更新工件位姿参数和刀具位姿参数;
步骤S80、重复步骤S40至步骤S70,直至工件位姿误差矢量为WV和刀具位姿误差矢量UV小于等于对应的预设阈值。
2.根据权利要求1所述的工件与刀具位姿标定方法,其特征在于,所述步骤S10具体为:对工件的设计模型的边界截面进行均匀离散,生成均匀有序的铣边轨迹点云Q={q1,q2,…,qi,…,qn},铣边轨迹点云Q中的任一点qi为3×1的向量,qi的单位法矢wi垂直于边界横截面,正方向朝截面外侧,与铣边深度方向相同;点qi的第一个单位切矢τi1平行于截面边界方向,与铣边轨迹运动方向相同;点qi的第二个单位切矢τi2平行于曲面厚度方向,三个矢量(τi1,τi2,wi)一起构成点qi的坐标系,分别对应x轴、y轴和z轴方向。
4.根据权利要求3所述的工件与刀具位姿标定方法,其特征在于,所述步骤S30具体包含如下步骤:
步骤S31、对铣边轨迹点云Q中的任一点qi,i=1,2,…,n,在实际铣边三维点云P中搜索距离点qi的最近点,记为pa;
步骤S32、利用点对(qi,pa)构建基于余量均匀的匹配目标函数f(R,t),R、t分别表示实际铣边三维点云P的3×3的旋转姿态矩阵和铣边轨迹点云Q的3×1的平移位置矩阵;然后通过最小化目标函数f来求解位姿参数R和t;
步骤S33、更新实际铣边三维点云P上任一点pa的位置为p′a=Rpa+t,然后令pa=p′a,得到位姿更新后的铣边三维点云P',P'={p1',p2',…,pa',…,pm'}。
7.根据权利要求6所述的工件与刀具位姿标定方法,其特征在于,所述步骤S50具体包含如下步骤:
步骤S51、定义工件的初始工件位姿参数的位置误差向量为Wd,定义初始刀具位姿参数的位置误差向量为Ud,Wd和Ud均为3×1的待求向量;其中Ud可以进一步表示为Ud=[0,0,Udz]T,Udz为Ud在z轴上的分量;
步骤S52、分别建立铣削工件第i点时,工件的位置误差对铣边余量误差的影响模型,以及刀具的位置误差对铣边余量误差的影响模型,其中,铣削工件第i点时工件的位置误差对铣边余量误差的影响模型为eiw=WdTwi,铣削工件第i点时刀具的位置误差对铣边余量误差的影响模型为eiu=Udz,将所建立的两个影响模型进行组合,得到铣削工件第i点时的组合误差的影响模型,为:ei=WdTwi+Udz;wi表示qi的单位法矢;
8.根据权利要求6所述的工件与刀具位姿标定方法,其特征在于,所述步骤S60包括如下步骤:
步骤S61、定义工件毛坯的初始工件位姿参数的姿态误差向量为Wδ,定义初始刀具位姿参数的姿态误差向量为Uδ,Wδ和Uδ均为3×1的待求向量;其中Uδ可以进一步表示为Uδ=[Uδx,0,0]T,Uδx为Uδ在x轴上的分量;
步骤S62、分别建立铣削工件第i点时,工件的姿态误差对铣边误差的影响模型,以及刀具的姿态误差对铣边误差的影响模型,其中,铣削工件第i点时工件的姿态误差对铣边误差的影响模型为铣削工件第i点时刀具的姿态误差对铣边误差的影响模型为αiu=Uδx,将所建立的两个影响模型进行组合得到铣削工件第i点的组合误差的影响模型,为:其中是1×4的系数矩阵,是4×1的工件刀具姿态误差组合向量;
10.根据权利要求1至8任一项所述的工件与刀具位姿标定方法,其特征在于,所述步骤S10中的铣边轨迹点云Q上点的数量n满足n≥6。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210785829.1A CN115145221A (zh) | 2022-07-05 | 2022-07-05 | 一种基于机器人铣边误差追溯的工件与刀具位姿标定方法 |
PCT/CN2023/091130 WO2024007702A1 (zh) | 2022-07-05 | 2023-04-27 | 一种基于机器人铣边误差追溯的工件与刀具位姿标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210785829.1A CN115145221A (zh) | 2022-07-05 | 2022-07-05 | 一种基于机器人铣边误差追溯的工件与刀具位姿标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115145221A true CN115145221A (zh) | 2022-10-04 |
Family
ID=83412677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210785829.1A Pending CN115145221A (zh) | 2022-07-05 | 2022-07-05 | 一种基于机器人铣边误差追溯的工件与刀具位姿标定方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115145221A (zh) |
WO (1) | WO2024007702A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024007702A1 (zh) * | 2022-07-05 | 2024-01-11 | 湖南大学 | 一种基于机器人铣边误差追溯的工件与刀具位姿标定方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011189417A (ja) * | 2010-03-12 | 2011-09-29 | Ihi Corp | 加工ロボットとその重力補償方法 |
CN105643399B (zh) * | 2015-12-29 | 2018-06-26 | 沈阳理工大学 | 基于柔顺控制的机器人复杂曲面自动研抛系统及加工方法 |
CN111958611B (zh) * | 2020-07-31 | 2021-10-08 | 华中科技大学 | 考虑轮廓误差最小的铣削加工机器人姿态优化方法及设备 |
CN112828359B (zh) * | 2021-01-27 | 2022-02-01 | 华中科技大学 | 基于势场法多约束的机器人铣削加工姿态规划方法和系统 |
CN113739717B (zh) * | 2021-08-20 | 2023-10-24 | 中国工程物理研究院激光聚变研究中心 | 在机测量系统中的线激光传感器位姿标定方法 |
CN115145221A (zh) * | 2022-07-05 | 2022-10-04 | 湖南大学 | 一种基于机器人铣边误差追溯的工件与刀具位姿标定方法 |
-
2022
- 2022-07-05 CN CN202210785829.1A patent/CN115145221A/zh active Pending
-
2023
- 2023-04-27 WO PCT/CN2023/091130 patent/WO2024007702A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024007702A1 (zh) * | 2022-07-05 | 2024-01-11 | 湖南大学 | 一种基于机器人铣边误差追溯的工件与刀具位姿标定方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2024007702A1 (zh) | 2024-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111274671B (zh) | 一种基于数字孪生的复杂产品装配过程精准修配方法及其运行系统 | |
US11654568B2 (en) | 3D measurement model and spatial calibration method based on 1D displacement sensor | |
WO2018059155A1 (zh) | 带有几何误差的三维实体模型的构建方法及计算机可读存储介质 | |
WO2021179460A1 (zh) | 一种基于标准球的激光出光方向标定方法 | |
JP2008176441A (ja) | 金型モデルデータの修正方法 | |
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 | |
Wang et al. | An assembly gap control method based on posture alignment of wing panels in aircraft assembly | |
CN110103071B (zh) | 一种变形复杂零件的数字化寻位加工方法 | |
Ravishankar et al. | Automated inspection of aircraft parts using a modified ICP algorithm | |
CN115145221A (zh) | 一种基于机器人铣边误差追溯的工件与刀具位姿标定方法 | |
CN113536488B (zh) | 基于配准算法的毛坯质量包容性分析和余量优化方法 | |
Wang et al. | 3D machining allowance analysis method for the large thin-walled aerospace component | |
CN115408783A (zh) | 一种基于数字孪生的多层次信息装配模型的构建方法 | |
CN105643620B (zh) | 一种基于十字型杆件的工业机器人简易标定方法 | |
Wu et al. | Research on adaptive CNC machining arithmetic and process for near-net-shaped jet engine blade | |
CN107423497A (zh) | 一种粗糙表面微凸体拟合方法和系统 | |
CN104330068A (zh) | 一种降低叶片型面三坐标测量补偿误差的方法 | |
Wang et al. | Machining allowance calculation for robotic edge milling an aircraft skin considering the deformation of assembly process | |
Duffie et al. | CAD-directed inspection, error analysis and manufacturing process compensation using tricubic solid databases | |
CN112784364B (zh) | 一种飞机翼身接头加工余量计算方法 | |
CN117421701B (zh) | 一种自升式平台桩腿三维空间姿态分布式监测方法 | |
JP2010211680A (ja) | モデルデータの修正方法 | |
CN110340738A (zh) | 一种基于pca的机器人拉丝高铁白车身工件精确标定方法 | |
Khameneifar et al. | A new methodology for evaluating position and orientation errors of airfoil sections | |
CN116049941B (zh) | 装配式环桁架结构构件装配前多维度状态提取及分析方法 |
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 |