CN115255048A - 一种折弯机智能控制方法及系统 - Google Patents
一种折弯机智能控制方法及系统 Download PDFInfo
- Publication number
- CN115255048A CN115255048A CN202211178343.8A CN202211178343A CN115255048A CN 115255048 A CN115255048 A CN 115255048A CN 202211178343 A CN202211178343 A CN 202211178343A CN 115255048 A CN115255048 A CN 115255048A
- Authority
- CN
- China
- Prior art keywords
- bending
- metal plate
- point
- super
- pixel
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D5/00—Bending sheet metal along straight lines, e.g. to form simple curves
- B21D5/004—Bending sheet metal along straight lines, e.g. to form simple curves with program control
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Bending Of Plates, Rods, And Pipes (AREA)
Abstract
本发明涉及折弯机智能控制技术领域,具体涉及一种折弯机智能控制方法及系统,包括:采集金属板材表面图像,对金属板材表面图像进行预处理得到灰度图像;根据金属板材图像,对板材进行判断调整,并获取折弯参数,所述折弯参数包括折弯深度和折弯压力;根据获取的不同位置下的折弯参数,对折弯机进行智能控制。即本发明的方案能够根据金属板材的分析,对折弯机的折弯参数进行精确调整。
Description
技术领域
本申请涉及折弯机智能控制技术领域,具体涉及一种折弯机智能控制方法及系统。
背景技术
折弯机是将金属板材根据工艺需要压制成各种形状的零件,是钣金行业工件折弯成形的重要装备,广泛应用于国民生产各个行业中。在航空航天、汽车等领域应用的折弯加工精度极为重要,而其加工精度易受折弯机自身制造精度、机器人送料参数匹配、摸具加工精度和被加工板材性能等方面的影响,折弯工件会存在角度误差或直线度误差等精度问题,影响产品后续的加工与装备。
故折弯机的折弯准确率不仅决定了折弯机的经济价值,还影响了它的生产水平,如果能有效地提高折弯机的折弯精度,产品的质量和生产效率都会得到提高。
发明内容
针对上述技术问题,本发明提供了一种折弯机智能控制方法及系统,所采用的技术方案具体如下:
一种折弯机智能控制方法,包括:
采集金属板材表面图像,对金属板材表面图像进行预处理得到灰度图像;
根据金属板材图像,对板材进行判断调整,并获取折弯参数,所述折弯参数包括折弯深度和折弯压力;
根据获取的不同位置下的折弯参数,对折弯机进行智能控制。
优选地,在获取金属板材表面图像之前,还包括对金属板材的合格情况进行判断的步骤:
判断板材与模具是否对齐,当金属板材与模具对齐时,获取模具压制金属板材时的坐标信息,根据所述坐标信息拟合得到一条直线,确定直线与金属板材边缘的交点a点和b点;
计算a点到a点所在的金属板材边缘的两个顶点的欧式距离以及计算b点到b点所在的金属板材边缘的两个顶点的欧式距离;
根据计算得到的四个欧氏距离,计算金属板材的形状合格度;
当金属板材的形状合格度大于设定阈值,则金属该板材形状合格,采集合格的金属板材表面图像。
优选地,所述形状合格度为:
其中,为a点到a点所在的金属板材边缘的其中一个顶点的欧式距离,为a点到a点所在的金属板材边缘的另一个顶点的欧式距离,为b点到b点所在的金属板材边缘的其中一个顶点的欧式距离,为b点到b点所在的金属板材边缘的另一个顶点的欧式距离。
优选地,获取折弯参数的具体过程为:
对所述灰度图像进行超像素块分割,得到若干超像素块;
选取直线穿过超像素块的超像素块,得到由直线分割后的两个区域;
分别获取两区域中的像素点个数,,以及像素点到直线上的距离d,则可获取其在水平方向进行超像素融合的优选度;当优选度大于阈值,则在水平方向上进行邻近超像素块融合;其中的融合方式为:当>时,对超像素块右边的超像素块进行融合,反之则对超像素块左边的超像素块进行融合;
再对竖直方向上的超像素块进行分析,计算两相邻的超像素块的相似性,当所述相似性大于相似阈值,则在竖直方向上进行超像素块的融合;
根据水平方向上进行邻近超像素块融合以及竖直方向上进行超像素块的融合,得到最终融合后的超像素块个数;
获取折弯机初始凸模进入凹模的折弯深度与折弯压力,通过对最终融合完毕的超像素块进行分析,对折弯深度与折弯压力进行调整,得到调整后的折弯深度与折弯压力。
优选地,对折弯参数进行调整的具体过程为:
根据所有超像素块处的金属板材的厚度的最大值和平均值,对折弯深度进行调整,得到调整后的折弯深度;根据所述均匀性对所述折弯压力进行调整,得到调整后的折弯压力。
优选地,所述调整后的折弯深度和调整后的折弯压力分别为:
本发明还提供一种折弯机智能控制系统,包括:存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现上述的一种折弯机智能控制方法。
本发明的有益效果为:
本发明先通过判断板材是否合格,并将其对齐,并获取合格后的金属板材图像,通过对金属板材表面图像进行分析,对于不同位置的含有不同特征信息的板材使用不同的折弯参数进行自适应折弯,提高了折弯精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的一种折弯机智能控制方法实施例的步骤流程图;
图2是本发明的获取的板材与模具接触的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的主要应用场景为:工厂需生产出一些零件,折弯机根据工艺需要对金属板材进行压制,从而生产出相应零件,而折弯机的工作参数影响着零件的质量,因此,本发明的主要目的是通过对折弯机参数的控制,提高折弯机的折弯精度。
具体地,本发明实施例提供了一种折弯机智能控制方法,如图1所示,包括:
步骤1,采集金属板材表面图像,对金属板材表面图像进行预处理得到灰度图像。
本实施例中通过深度相机,固定光源采集折弯前以及折弯过程中金属板材表面图像,采集的图像为RGB-D图像,对RGB图像使用加权灰度化的方法进行灰度化处理,加权灰度化为公知技术,此处不再赘述。
进一步地,在采集金属板材表面图像之前,还包括对板材的合格情况进行判断的步骤,具体地:
根据先验知识,可得板材与模具接触进行压制的坐标信息,即下图中的红色直线,其中直线与板材边缘分别交于a点与b点,如图2所示;
本实施例中设置阈值0.99对hg进行判断,若hg大于0.99则说明该板材形状较为合格,可进行折弯生产。
而根据先验知识可知,当板材未与模具对齐时,折弯机的折弯精度将会大大降低,则需对板材进行位置调整,使板材与模具完成对准。
对合格的板材,再判断,与是否符合标准,对不符合标准的,则需对板材的位置进行调节。判断标准为实际生产过程中,此处以为例,模具与板材顶点1的标准距离为D(即模具与板材对齐情况下,a点与顶点1之间的欧式距离),判断模具与板材是否进行了对准,即是否出现了偏移,计算偏移量py:
若py>0,则说明需要将板材下方进行固定,对板材上端进行移动,向右移动py。若py<0,则需对板材上端向左移动|py|,若py=0,则板材上端无需进行移动。
步骤2,根据金属板材图像,对板材进行判断调整,并获取折弯参数,其中折弯参数包括折弯深度和折弯压力。
本实施例中对板材表面图像使用超像素分割,预设超像素块K=800,则可得到相应的超像素块,由于超像素分割为公知算法,此处不再赘述。
根据上述步骤可知,得到的超像素块中,有N个超像素块被红色直线穿过,直线穿过的超像素块即为凸模需进行压制的区域,而为防止直线穿过的超像素块为边缘,这样以该超像素块的特征信息对折弯机参数进行调节,效果较差。
故需对超像素块内部区域进行初步判断。从上至下进行分析,假设最上方的超像素块为A,由于超像素块为封闭区域,则可知直线穿过超像素块A,将其分为了两个区域(直线左边区域),(直线右边区域),判断两区域是否具有明显差异,具体过程如下:
其中表示了区域内第i个像素点到红色直线的欧式距离。Y值越大,则说明根据该超像素块的特征信息直接进行调节,效果越差,则需要对其在水平方向进行邻近超像素块融合,设置阈值0.9,当Y大于0.9时,对其在水平方向进行邻近超像素块融合。
再对竖直方向上的超像素块进行分析,计算其相似性,若超像素块相似性大,则说明两者性质较为接近,可使用同一参数对板材进行折弯。
假设超像素块A竖直方向上相邻且红色直线穿过的超像素块为C。则对A,C进行分析,首先获取超像素块A,C的种子点,分别记为,,(若超像素块A或C完成了水平方向上超像素块的融合,比如超像素块A和超像素块E完成了水平方向上超像素块的融合,则其种子点实际为超像素块A种子点与超像素块E种子点连线的中心点,同理),由于本发明使用了深度相机,故灰度图中的像素点不仅有其对应的灰度值G,也有其高度值H(此处的H为相机到板材表面之间的距离)。则可计算超像素块A,C之间的相似性XS:
公式中则表示超像素块A在以种子点为起点,角度方向上的直线与超像素块A边缘交点之间的像素点个数。同理。则表示该直线上第i个像素点的灰度值,表示该直线上第i个像素点的高度值,为相应权重,本发明中,生产者可根据实际需求进行更改。XS越大,则说明这两个超像素块反映出的特征信息越接近,则需要进行融合,设置阈值0.9,若XS大于阈值0.9,则认为其表征的特征信息足够相似,进行融合,否则不进行融合。
根据上述步骤,对直线穿过的超像素块均进行上述处理,得到最终融合后的超像素块个数为M个,不同的超像素块应使用的不同的参数。
根据先验知识可知,在折弯过程中,凸模进入凹模是板材产生折弯的主要方式,进入的深度决定了折弯角度的大小。而在具体折弯过程中,折弯的角度需要基于具体的要求进行确定,不同厚度与均匀性的板材,其所受到的折弯压力与其折弯深度应是不同的,而在目前的生产加工中,折弯深度与折弯压力控制效果往往不理想,导致发生加工精度较低的问题。
本发明中对折弯机初始凸模进入凹模的折弯深度S与折弯压力F进行获取,此处的S与F的值,是认为该板材是理想情况下进行折弯的折弯参数,即该板材在厚度与材质都均匀的情况下,将其折弯到预设角度所对应的折弯深度与折弯压力,但实际过程中,板材表面材质厚度往往是非均匀的,故需在此基础上对折弯深度S与折弯压力F进行调节。
公式中为最终超像素块种子点Z点为起点,方向上,像素点的灰度值变化次数,具体如下,起始m=0,以种子点Z点为起点,对方向上的像素点进行判断,方向上与种子点相邻的像素点记为第一像素点,计算其与种子点之间的灰度差异,其中表示了第一像素点的灰度值,表示了最终超像素块的种子点Z点的灰度值,若差异大于阈值10,则说明此处出现了变化,令,否则m=m。对第二像素点进行判断时,不仅要计算其与第一像素点之间的灰度差异,且要计算与种子点之间的灰度差异,则*。再根据灰度差异阈值,对第二像素点进行判断,若大于阈值则m=m+1,否则m=m,同理,设置n=0,也对其设置厚度阈值0.1mm,若该方向上像素点宽度变化大于宽度变化阈值则n=n+1,否则n=n。计算方式与m相同,只是将G换成了HD。直至该方向上所有超像素块内的像素点完成判断。
至此,获取了超像素块的均匀性YX,对其进行归一化处理,YX越大,则说明板材表面性质越接近,在进行折弯时,其所受到的阻力应越小,对折弯参数进行调整:
其中为板材厚度为且厚度均匀的理想情况下,将其折弯成所设角度,所对应的折弯深度,则为板材厚度最大值,为所有超像素块的平均厚度,为调整过后该超像素块应使用的折弯参数,为第i个超像素块的均匀性,则为调整过后该超像素块应使用的折弯压力,S,F均为未调整前的参数。
对不同的超像素块,分别使用相应的折弯参数进行折弯,提供折弯精度。
至此,完成了金属板材的折弯。
本实施例中,在进行钣金加工时,待加工的板材往往存在一定的厚度和均匀性的差异,这会对板材的折弯精度造成影响,故需对不同厚度的板材进行自适应调节,获取其对应的最优参数,并以最优参数进行折弯,可以提高折弯机的折弯精度。
步骤3,根据获取的不同位置下的折弯参数,对折弯机进行智能控制。
本实施例中,根据步骤2的内容,首先完成对板材的判断,再根据板材不同位置的特征信息,对折弯机参数进行调控,获取不同位置下的折弯机参数,从而对折弯机进行智能控制,进而提高折弯精度。
基于与上述方法相同的发明构思,本发明还提供了一种折弯机智能控制系统,本实施例中一种折弯机智能控制方法包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现如一种折弯机智能控制方法实施例中所描述的对折弯机进行智能控制。
由于上述中的一种折弯机智能控制方法实施例中已经折弯机的智能控制方法进行了说明,此处不再赘述。
上述实施例仅仅是为清楚地说明所做的举例,并不构成对本发明的保护范围的限制。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无需也无法对所有的实施方式予以穷举。凡是与本发明相同或相似的设计均属于本发明的保护范围之内。
Claims (6)
1.一种折弯机智能控制方法,其特征在于,包括:
采集金属板材表面图像,对金属板材表面图像进行预处理得到灰度图像;
根据金属板材图像,对板材进行判断调整,并获取折弯参数,所述折弯参数包括折弯深度和折弯压力;
根据获取的不同位置下的折弯参数,对折弯机进行智能控制;
在获取金属板材表面图像之前,还包括对金属板材的合格情况进行判断的步骤:
判断板材与模具是否对齐,当金属板材与模具对齐时,获取模具压制金属板材时的坐标信息,根据所述坐标信息拟合得到一条直线,确定直线与金属板材边缘的交点a点和b点;
计算a点到a点所在的金属板材边缘的两个顶点的欧式距离以及计算b点到b点所在的金属板材边缘的两个顶点的欧式距离;
根据计算得到的四个欧氏距离,计算金属板材的形状合格度;
当金属板材的形状合格度大于设定阈值,则金属该板材形状合格,采集合格的金属板材表面图像。
3.根据权利要1所述的一种折弯机智能控制方法,其特征在于,获取折弯参数的具体过程为:
对所述灰度图像进行超像素块分割,得到若干超像素块;
选取直线穿过超像素块的超像素块,得到由直线分割后的两个区域;
分别获取两区域中的像素点个数,,以及像素点到直线上的距离d,则可获取其在水平方向进行超像素融合的优选度;当优选度大于阈值,则在水平方向上进行邻近超像素块融合;其中的融合方式为:当>时,对超像素块右边的超像素块进行融合,反之则对超像素块左边的超像素块进行融合;
再对竖直方向上的超像素块进行分析,计算两相邻的超像素块的相似性,当所述相似性大于相似阈值,则在竖直方向上进行超像素块的融合;
根据水平方向上进行邻近超像素块融合以及竖直方向上进行超像素块的融合,得到最终融合后的超像素块个数;
获取折弯机初始凸模进入凹模的折弯深度与折弯压力,通过对最终融合完毕的超像素块进行分析,对折弯深度与折弯压力进行调整,得到调整后的折弯深度与折弯压力。
6.一种折弯机智能控制系统,包括:存储器和处理器,其特征在于,所述处理器执行所述存储器存储的计算机程序,以实现如权利要求1-5中任一项所述的一种折弯机智能控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211178343.8A CN115255048A (zh) | 2022-09-27 | 2022-09-27 | 一种折弯机智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211178343.8A CN115255048A (zh) | 2022-09-27 | 2022-09-27 | 一种折弯机智能控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115255048A true CN115255048A (zh) | 2022-11-01 |
Family
ID=83756976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211178343.8A Pending CN115255048A (zh) | 2022-09-27 | 2022-09-27 | 一种折弯机智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115255048A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115532890A (zh) * | 2022-11-29 | 2022-12-30 | 山东嘉明精密钣金有限公司 | 一种可多段折弯的钣金加工用折弯方法 |
CN116532523A (zh) * | 2023-06-28 | 2023-08-04 | 广州本金机电设备有限公司 | 一种智能控制龙门折弯系统 |
CN116748385A (zh) * | 2023-07-21 | 2023-09-15 | 嘉兴如邑智能科技有限公司 | 一种基于人工智能的多工序级进模具控制系统 |
CN117333526A (zh) * | 2023-09-06 | 2024-01-02 | 重庆中车四方所智能装备技术有限公司 | 单轨车受电弓铜基滑块厚度测量方法、存储介质及系统 |
-
2022
- 2022-09-27 CN CN202211178343.8A patent/CN115255048A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115532890A (zh) * | 2022-11-29 | 2022-12-30 | 山东嘉明精密钣金有限公司 | 一种可多段折弯的钣金加工用折弯方法 |
CN115532890B (zh) * | 2022-11-29 | 2023-03-10 | 山东嘉明精密钣金有限公司 | 一种可多段折弯的钣金加工用折弯方法 |
CN116532523A (zh) * | 2023-06-28 | 2023-08-04 | 广州本金机电设备有限公司 | 一种智能控制龙门折弯系统 |
CN116532523B (zh) * | 2023-06-28 | 2023-09-19 | 广州本金机电设备有限公司 | 一种智能控制龙门折弯系统 |
CN116748385A (zh) * | 2023-07-21 | 2023-09-15 | 嘉兴如邑智能科技有限公司 | 一种基于人工智能的多工序级进模具控制系统 |
CN116748385B (zh) * | 2023-07-21 | 2024-02-27 | 嘉兴如邑智能科技有限公司 | 一种基于人工智能的多工序级进模具控制系统 |
CN117333526A (zh) * | 2023-09-06 | 2024-01-02 | 重庆中车四方所智能装备技术有限公司 | 单轨车受电弓铜基滑块厚度测量方法、存储介质及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115255048A (zh) | 一种折弯机智能控制方法及系统 | |
CN111062940B (zh) | 一种基于机器视觉的螺钉定位与识别方法 | |
CN115035120B (zh) | 基于物联网的机床控制方法及系统 | |
CN111815555A (zh) | 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置 | |
CN115100211A (zh) | 一种机器人金属板材表面打磨速度智能调控方法 | |
CN111401449A (zh) | 一种基于机器视觉的图像匹配方法 | |
CN114706358A (zh) | 一种直缝焊管的焊接工艺信息处理方法及系统 | |
CN110348086A (zh) | 一种球头铣刀立铣表面粗糙度快速建模方法 | |
CN115100116A (zh) | 一种基于三维点云的板材缺陷检测方法 | |
CN112683166B (zh) | 一种模切产品尺寸检测方法 | |
CN117314901B (zh) | 一种尺度自适应的芯片检测神经网络系统 | |
CN112872114B (zh) | 一种钣金折弯过程三维干涉检测方法 | |
CN114140409A (zh) | 一种纸板生产线出口纸板的翘曲度在线识别方法 | |
CN102463276A (zh) | 折弯件制造方法和折弯机 | |
CN117252866B (zh) | 基于图像识别的数控冲压成型自调节作业检测方法 | |
CN112329198A (zh) | 一种基于数据驱动的宽厚板放尺长度优化方法 | |
Essig et al. | Implementation of real contact areas into sheet metal forming simulations using digital spotting images | |
CN115971378B (zh) | 一种基于视觉检测的异形弹簧生产控制方法和系统 | |
CN113516637B (zh) | 一种基于图像自动识别废钢种类的方法及装置 | |
CN114851569B (zh) | 离子交换膜焊接成型的智能控制方法及系统 | |
CN117260265B (zh) | 一种汽车刹车活塞生产方法和系统 | |
CN115239657B (zh) | 一种基于深度学习目标分割的工业零件增量识别方法 | |
CN117531845B (zh) | 中厚板平面形状控制方法及装置、存储介质、计算机设备 | |
CN116533308B (zh) | 一种pcb切割监测系统、方法、装置及存储介质 | |
CN115283857A (zh) | 基于机器视觉的激光切割机智能控制方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230614 Address after: Room 801, Unit 1, Building 18, CITIC City Residential Phase 6 (Plot 11), No. 4775 Jingyue Street, Jingyue Development Zone, Changchun City, Jilin Province, 130000 Applicant after: Jilin Province Qiangqiang Technology Co.,Ltd. Address before: Room 4, No.18 Tianyi Middle Road, Chengdong Town, Hai'an City, Nantong City, Jiangsu Province 226000 Applicant before: Nantong Chuangwei Machinery Technology Co.,Ltd. |