CN115722835A - 一种基于plc智能控制的智能焊接方法 - Google Patents
一种基于plc智能控制的智能焊接方法 Download PDFInfo
- Publication number
- CN115722835A CN115722835A CN202211280598.5A CN202211280598A CN115722835A CN 115722835 A CN115722835 A CN 115722835A CN 202211280598 A CN202211280598 A CN 202211280598A CN 115722835 A CN115722835 A CN 115722835A
- Authority
- CN
- China
- Prior art keywords
- welding
- image
- points
- point
- acquiring
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种基于PLC智能控制的智能焊接方法，包括：利用光触式定位装置采集待焊接物上的若干个第一焊接点，采集待焊接物的实况图像，对实况图像进行预处理，得到若干个第二焊接点，利用PLC分析第一焊接点与第二焊接点的重合关系，基于所述重合关系得到待焊接物上的若干个目标焊接点，获取每一目标焊接点对应的焊接工艺并执行，用以利用PLC和机器视觉建立一套自动化焊接技术，用自动化焊接代替人力焊接，提高焊接效率。
Description
技术领域
本发明涉及智能控制领域，特别涉及一种基于PLC智能控制的智能焊接方法。
背景技术
焊接是在所有行业中越来越普遍存在的工艺。虽然这样的工艺可以在某些情况下自动化，但是对于手动焊接操作仍继续存在大量的应用，其成功主要依赖于焊接操作者正确使用焊枪或焊炬。例如，不当的焊炬角度、接触尖端到工件距离、行进速度以及目标是可决定焊接质量的参数。然而，即使是经验丰富的焊接操作员，在整个焊接工艺中也常常难以监测和维持这些重要参数，由此，创建一套自动化焊接技术，提高焊接效率成为一个亟待解决的问题。
因此，本发明提供了一种基于PLC智能控制的智能焊接方法。
发明内容
本发明提供一种基于PLC智能控制的智能焊接方法，用以利用PLC和机器视觉建立一套自动化焊接技术，用自动化焊接代替人力焊接，提高焊接效率。
本发明提供了一种基于PLC智能控制的智能焊接方法，包括：
步骤1：利用光触式定位装置采集待焊接物上的若干个第一焊接点；
步骤2：采集待焊接物的实况图像，对实况图像进行预处理，得到若干个第二焊接点；
步骤3：利用PLC分析第一焊接点与第二焊接点的重合关系，基于所述重合关系得到待焊接物上的若干个目标焊接点；
步骤4：获取每一目标焊接点对应的焊接工艺并执行。
在一种可实施的方式中，
利用光触式定位装置采集待焊接物上的若干个第一焊接点，包括：
利用第一预设光线束扫描所述待焊接物得到扫描图像；
基于所述扫描图像，绘制所述待焊接物的外观结构，并获取所述外观结构中所有的关键点；
利用第二预设光线分别扫描每一个关键点，获取每一关键点对应的反射光线；
分析每一反射光线对应的光线强度，提取反射光线的光线强度在预设光线强度范围内的关键点；
在所述扫描图像上标记每一关键点，记作第一焊接点。
在一种可实施的方式中，
采集待焊接物的实况图像，对实况图像进行预处理，得到若干个第二焊接点，包括：
采集并解析所述待焊接物的实况图像，得到所述实况图像的像素分布信息；
基于所述像素分布信息将所述实况图像划分为若干个图像区域，并分别获取每一图像区域对的图像轮廓；
利用预设焊接点样本训练每一所述图像轮廓，得到若干个训练轮廓；
分别将每一训练轮廓与预设焊接点轮廓进行对比，提取与所述预设焊接点一致的训练轮廓；
在所述实况图像上标记每一训练轮廓，记作第二焊接点。
在一种可实施的方式中，
利用PLC分析第一焊接点与第二焊接点的重合关系，包括：
利用PLC编辑所述第一焊接点，得到所述第一焊接点的第一分布布局，得到若干个第一分布点，将所述第一分布点在直角坐标系中进行第一标记；
利用PLC编辑所述第二焊接点，得到所述第二焊接点的第二分布布局，得到若干个第二分布点，将所述第二分布点在直角坐标系中进行第二标记；
获取所述第一标记和第二标记的重合标记，建立所述第一焊接点与第二焊接点的重合关系。
在一种可实施的方式中，
获取每一目标焊接点对应的焊接工艺并执行，包括：
在实况图像上获取所述待焊接物的实物参数，在预设数据库中得到所述待焊接物的焊接方案，根据所述焊接方案将焊接工艺一致的焊接点记作一个工艺类；
分别获取每一工艺类对应的工艺参数，结合所述实物参数，分别为每一工艺类建立对应的焊接参数；
解析所述焊接方案得到焊接流程，获取焊接流程对应的目标焊接点，结合对应的焊接参数执行焊接工作。
在一种可实施的方式中，
基于所述扫描图像，绘制所述待焊接物的外观结构，包括：
获取所述扫描图像上每一像素点对应的像素值，建立一个像素矩阵；
获取所述像素矩阵中每一矩阵元素对应的隶属值，将隶属值一致的矩阵元素分割为一类，得到分割结果；
将所述分割结果映射到所述扫描图像上，将所述扫描图像划分为若干个图像区域；
分别获取每一图像区域对应的区域灰度值，得到每一图像区域对应的结构高度；
建立每一图像区域对应的区域特征，结合每一图像区域对应的结构高度，绘制所述待焊接物的外观结构。
在一种可实施的方式中，
利用PLC编辑所述第一焊接点，得到所述第一焊接点的第一分布布局，包括：
获取每个第一焊接点对应的反射光线，获取每一反射光线对应的波形宽度，同时获取每一反射光线，得到每一反射光线生成的光圈范围，建立波形信息列表；
分别将每个第一焊接点输入到预设空间中，得到初始焊接点模型；
利用PLC编辑所述波形信息列表，得到每一反射光线对应的光线模型；
将所述光线模型与所述初始焊接点模型进行叠加；
基于所述光线模型训练所述初始焊接点模型，得到目标焊接点模型；
将所述目标焊接点模型进行平面化处理，得到所述第一焊接点的第一分布布局。
在一种可实施的方式中，
基于所述光线模型训练所述初始焊接点模型，包括：
分别解析所述光线模型中的每一条虚拟反射光线，得到每一虚拟光线对应的光线起点；
在所述光线模型上标记所述光线起点，得到若干个反射点；
分别解析所述光线模型中的每一条虚拟反射光线，得到每一虚拟光线对应的光束高度；
基于所述光束高度得到对应的反射高度，在所述反射点建立对应高度的虚拟反射物；
解析所述初始焊接点模型，得到若干个虚拟焊接点；
判断所述虚拟焊接点与对应位置的虚拟反射物是否等高，若不是，修正所述虚拟焊接点的高度，获取所有训练后的虚拟焊接点，建立目标焊接点模型。
在一种可实施的方式中，
利用预设焊接点样本训练每一所述图像轮廓，得到若干个训练轮廓，包括：
利用所述预设焊接样本建立一个图像筛选标准；
利用所述图像筛选标准对所述图像轮廓进行筛选，得到第一图像轮廓；
将所述第一图像轮廓与预设焊接点样本进行对比，获取对应的轮廓异点；
将所述轮廓异点与所述预设焊接点样本进行相互适应训练，得到第二图像轮廓；
提取与所述预设焊接点样本一致的第二图像轮廓，得到若干个训练轮廓。
在一种可实施的方式中，
利用所述预设焊接样本建立一个图像筛选标准，包括：
分别对所述预设焊接样本进行腐蚀处理和膨胀处理，获取对应的腐蚀样本和膨胀样本；
获取所述腐蚀样本对应的第一图像区域以及所述膨胀样本对应的第二图像区域；
基于所述第一图像区域和第二图像区域建立图像筛选标准。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于PLC智能控制的智能焊接方法的工作流程示意图；
图2为本发明实施例中一种基于PLC智能控制的智能焊接方法中利用光触式定位装置采集待焊接物上的若干个第一焊接点的工作流程示意图；
图3为本发明实施例中一种基于PLC智能控制的智能焊接方法中采集待焊接物的实况图像，对实况图像进行预处理，得到若干个第二焊接点的工作流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本实施例提供了种基于PLC智能控制的智能焊接方法，如图1所示，包括：
步骤1：利用光触式定位装置采集待焊接物上的若干个第一焊接点；
步骤2：采集待焊接物的实况图像，对实况图像进行预处理，得到若干个第二焊接点；
步骤3：利用PLC分析第一焊接点与第二焊接点的重合关系，基于所述重合关系得到待焊接物上的若干个目标焊接点；
步骤4：获取每一目标焊接点对应的焊接工艺并执行。
该实例中，光触定位装置可以为激光扫描器；
该实例中，待焊接物可以为任何需要焊接的原材料；
该实例中，第一焊点表示通过光触式定位装置采集到的焊点；
该实例中，第二焊点表示通过图像预处理采集到的焊点。
上述技术方案的工作原理以及有益效果：为了由机器焊接代替人工焊接实现自动化焊接，在焊接前需要确定焊接点的具体位置，再执行焊接工作，首先通过两种不同的方式采集待焊接物上的焊接点，然后利用PLC进行分析，得到焊接点的准确位置，然后分析每一焊接点需要的焊接工艺，最后执行焊接，这样一来由两种采集方式来确定焊接点的位置，提高了焊接的准确性，避免了残次品的生成，提高了焊接的效率。
实施例2
在实施例1的基础上，所述种基于PLC智能控制的智能焊接方法，利用光触式定位装置采集待焊接物上的若干个第一焊接点，如图2所示，包括：
利用第一预设光线束扫描所述待焊接物得到扫描图像；
基于所述扫描图像，绘制所述待焊接物的外观结构，并获取所述外观结构中所有的关键点；
利用第二预设光线分别扫描每一个关键点，获取每一关键点对应的反射光线；
分析每一反射光线对应的光线强度，提取反射光线的光线强度在预设光线强度范围内的关键点；
在所述扫描图像上标记每一关键点，记作第一焊接点。
该实例中，光触定位装置可以发射第一预设光束和第二预设光线；
该实例中，第一预设光线束可以为红外光束；
该实例中，外观结构表示在虚拟空间中描述待焊接物的外观的表达方式；
该实例中，关键点表示外观结构中的非平直区域上的点；
该实例中，第二预设光线可以为紫外光；
获取所述外观结构中所有的关键点包括：将所述外观结构进行锐化处理，得到锐化外观结构；
然后对锐化后的外观结构进行拉伸，提取所述待焊接物的边缘数据；
提取所述边缘数据中不同数据位上的数据跳跃值，提取数据跳跃值在预设范围内的目标数据位；
获取所述目标数据位在所述外观结构上的位置，记作关键点。
上述技术方案的工作原理以及有益效果：通过光触定位装置来确定焊接点的位置，首先由第一光线束扫描待焊接物，得到焊接点的大体位置视为关键点，然后再利用第二光线扫描关键点，通过分析每一关键点的反射光线来判断其是否属于焊接点，最后便可以得到若干个第一焊接点，通过这种方式不仅可以快速得到焊接点的位置，且利用光线扫描不会对待焊接物造成损坏。
实施例3
在实施例1的基础上，所述一种基于PLC智能控制的智能焊接方法，采集待焊接物的实况图像，对实况图像进行预处理，得到若干个第二焊接点，如图3所示，包括：
采集并解析所述待焊接物的实况图像，得到所述实况图像的像素分布信息；
基于所述像素分布信息将所述实况图像划分为若干个图像区域，并分别获取每一图像区域对的图像轮廓；
利用预设焊接点样本训练每一所述图像轮廓，得到若干个训练轮廓；
分别将每一训练轮廓与预设焊接点轮廓进行对比，提取与所述预设焊接点一致的训练轮廓；
在所述实况图像上标记每一训练轮廓，记作第二焊接点。
该实例中，像素分布信息表示实况图像上不同像素值的分布情况；
该实例中，图像区域表示实况图像上像素值相同的区域；
该实例中，图像轮廓表示一个图像区域的轮廓；
该实例中，预设焊接点轮廓表示标准焊接点的轮廓。
上述技术方案的工作原理以及有益效果：通过机器视觉来采集并解析待焊接物的实况图像，然后根据实况图像的像素分布信息结合预设焊接点样本进一步对实况图像上的像素轮廓进行训练，最后在实况图像上获取到若噶按个第二焊点。
实施例4
在实施例1的基础上，所述一种基于PLC智能控制的智能焊接方法，利用PLC分析第一焊接点与第二焊接点的重合关系，包括：
利用PLC编辑所述第一焊接点，得到所述第一焊接点的第一分布布局，得到若干个第一分布点，将所述第一分布点在直角坐标系中进行第一标记；
利用PLC编辑所述第二焊接点，得到所述第二焊接点的第二分布布局，得到若干个第二分布点，将所述第二分布点在直角坐标系中进行第二标记；
获取所述第一标记和第二标记的重合标记，建立所述第一焊接点与第二焊接点的重合关系。
该实例中，第一分布点与第一焊点一一对应，第二分布点与第二焊点一一对应；
该实例中，重合标记表示第一分布点和第二分布点重合的位置；
该实例中，重合标记表示第一标记和第二标记在同一个位置上时对应的标记；
该实例中，由于第一标记与第一焊接点对应，第二标记与第二焊接点对应，建立重合在一起的第一焊接点和第二焊接点之间的重合关系；
该实例中，将第一分布点在直角坐标系中进行第一标记，包括：
在所述第一分布点中选取处于左下角的目标分布点，将所述目标分布点输入到直角坐标系的原点位置；
分别建立每一个剩余第一分布点与目标分布点之间的位置矢量；
基于所述位置矢量，将剩余第一分布点输入到所述直角坐标系中，完成第一标记。
上述技术方案的工作原理以及有益效果：在获取到第一焊接点和第二焊接点后，利用PLC对其进行编辑然后将编辑后的分布点标记到一个坐标系中，取两次标记的重合点，这样一来便得到了两个焊接点之间的对应关系，方便后续根据两个焊接点之间的对应关系执行焊接工作。
实施例5
在实施例1的基础上，所述一种基于PLC智能控制的智能焊接方法，获取每一目标焊接点对应的焊接工艺并执行，包括：
在实况图像上获取所述待焊接物的实物参数，在预设数据库中得到所述待焊接物的焊接方案，根据所述焊接方案将焊接工艺一致的焊接点记作一个工艺类；
分别获取每一工艺类对应的工艺参数，结合所述实物参数，分别为每一工艺类建立对应的焊接参数；
解析所述焊接方案得到焊接流程，获取焊接流程对应的目标焊接点，结合对应的焊接参数执行焊接工作。
该实例中，实物参数表示待焊接物的外观参数，包括：长、宽、高、周长、面积；
该实例中，焊接方案表示对待焊接物进行焊接操作时，对每一个焊接点执行焊接工作的顺序以及为每一个焊接点执行的焊接动作；
该实例中，工艺参数表示执行该焊接工艺时需要的条件；
该实例中，焊接参数表示在该待焊接物实物参数的限制下，执行焊接工作时的实际条件；
该实例中，分别获取每一工艺类对应的工艺参数，结合所述实物参数，分别为每一工艺类建立对应的焊接参数，包括：
获取每一工艺类对应的工艺参数，并基于所述工艺参数建立工艺操作范围；
基于所述实物参数，建立实物范围；
将所述工艺操作范围投影到所述实物范围上，获取重合范围；
解析所述重合范围，得到焊接参数。
上述技术方案的工作原理以及有益效果：为了更好的执行焊接工作，在进行焊接时先根据待焊接物额实物参数为其匹配一个焊接方案，为了便于下一步分析，将焊接工艺一致的焊接点记作一个工艺类，根据该工艺类的工艺参数，结合本待焊接物的实际情况得到对应的焊接参数，最后便可以结合焊接流程，执行焊接工作，实现焊接自动化的目的，提高了焊接的精确度。
实施例6
在实施例2的基础上，所述一种基于PLC智能控制的智能焊接方法，基于所述扫描图像，绘制所述待焊接物的外观结构，包括：
获取所述扫描图像上每一像素点对应的像素值，建立一个像素矩阵；
获取所述像素矩阵中每一矩阵元素对应的隶属值，将隶属值一致的矩阵元素分割为一类，得到分割结果；
将所述分割结果映射到所述扫描图像上，将所述扫描图像划分为若干个图像区域；
分别获取每一图像区域对应的区域灰度值，得到每一图像区域对应的结构高度；
建立每一图像区域对应的区域特征，结合每一图像区域对应的结构高度，绘制所述待焊接物的外观结构。
该实例中，像素矩阵表示根据扫描图像上的每一点对应的像素值所建立的矩阵，其中，像素矩阵中的矩阵元素与对应位置上像素点的像素值一致；
该实例中，隶属值表示将像素矩阵中不同矩阵元素与中心矩阵元素之间的隶属程度，隶属程度越高，隶属值越大，反之亦然；
该实例中，结构高度表示待焊接物上一处结构的高度，由于每一个图像区域在待焊接物上对应一个实物区域，由于实物区域的高度不一定一致，所扫描图像上会呈现不同的灰度值；
该实例中，区域特征包括该区域的面积、外形；
该实例中，外观结构包括待焊接物上一处的面积、外形、高度。
举例验证该实例：获取扫描图像上每一像素的像素值，可以建立一个像素矩阵
然后获取像素矩阵中每一矩阵元素的隶属值为：0.21、0.19、0.33、0.55、1、0.35、0.57、0.47、0.45，然后可以将矩阵分割为
然后将分割结果映射到扫描图像上，得到5个图像区域，获取每一个图像区域对应的区域灰度值，分别为：H1、H2、H3、H4、H5，得到每一图像区域对应的结构高度：G1、G2、G3、G4、G5，然后建立每一图像区域的区域特征，分别为：Y1、Y2、Y3、Y4、Y5，这样一来就可以得到待焊接物的5个外观结构：GY1、GY2、GY3、GY4、GY5。
上述技术方案的工作原理以及有益效果：由于不同的焊接点所对应的焊接工作不尽相同，所以在执行焊接工作前需要先分析待焊接物的外观结构，首先根据扫描图像上每一像素点对应的像素值来建立一个像素矩阵，然后根据矩阵中每一元素的隶属值来对矩阵进行分割，利用映射原理将分割结果投射到扫描图像上，这样一来扫描图像也分割为若干个图像区域，接着根据每一图像区域的灰度值来建立该区域的结构高度，最后结合该区域的区域特征，绘制待焊接物的外观结构，方便后续查询焊接点。
实施例7
在实施例4的基础上，所述一种基于PLC智能控制的智能焊接方法，利用PLC编辑所述第一焊接点，得到所述第一焊接点的第一分布布局，包括：
获取每个第一焊接点对应的反射光线，获取每一反射光线对应的波形宽度，同时获取每一反射光线，得到每一反射光线生成的光圈范围，建立波形信息列表；
分别将每个第一焊接点输入到预设空间中，得到初始焊接点模型；
利用PLC编辑所述波形信息列表，得到每一反射光线对应的光线模型；
将所述光线模型与所述初始焊接点模型进行叠加；
基于所述光线模型训练所述初始焊接点模型，得到目标焊接点模型；
将所述目标焊接点模型进行平面化处理，得到所述第一焊接点的第一分布布局。
该实例中，波形宽度表示反射光线的宽度；
该实例中，光圈范围表示反射光线所涉及的范围；
该实例中，利用PLC编辑所述波形信息列表，包括：
将所述波形信息列表输入到PLC编辑空间中，在所述PLC编辑空间中将所述波形信息列表编辑为目标表达式；
对所述目标表达式进行释义，得到每一条反射光线对应的光线的传播路径；
将所述传播路径编辑为数字信息。
上述技术方案的工作原理以及有益效果：在分析第一分布布局中利用反向推理的思路，获取每一焊接点对应的反射光线，然后对反射光线进行分析，确定每一条反射光线的来源，建立一个光线模型，同时根据焊接点建立一个初始焊接模型，为了进一步检验以及修正第一焊接点，将光线模型对初始焊接模型进行叠加，根据叠加结果对焊接点的位置等进行修正，最后执行平面化处理就可以得到第一焊接点的第一分布布局。
实施例8
在实施例7的基础上，所述一种基于PLC智能控制的智能焊接方法，基于所述光线模型训练所述初始焊接点模型，包括：
分别解析所述光线模型中的每一条虚拟反射光线，得到每一虚拟光线对应的光线起点；
在所述光线模型上标记所述光线起点，得到若干个反射点；
分别解析所述光线模型中的每一条虚拟反射光线，得到每一虚拟光线对应的光束高度；
基于所述光束高度得到对应的反射高度，在所述反射点建立对应高度的虚拟反射物；
解析所述初始焊接点模型，得到若干个虚拟焊接点；
判断所述虚拟焊接点与对应位置的虚拟反射物是否等高，若不是，修正所述虚拟焊接点的高度，获取所有训练后的虚拟焊接点，建立目标焊接点模型。
该实例中，反射点与光线起点一一对应；
该实例中，光束高度与反射高度呈反比；
举例验证该实例：解析光线模型中的每一条反射光线，得到每一条虚拟光线对应的光线起点Dn，然后在光线模型上获取对应的若干个反射点Fn，然后分析每一条虚拟光线的光束高度Kn，将Kn与初始焊接模型上的虚拟焊接点的高度进行比较，若二者不一样高，将虚拟焊接点的高度修正为Kn，最后可以建立目标焊接点模型。
上述技术方案的工作原理以及有益效果：通过解析光线模型中的每一条反射光线，得到每一条虚拟光线的光线起点，通过光线起点来侧面分析虚拟焊接点的位置，然后与初始焊接模型中虚拟焊接点的现有位置进行对比，判断其是否需要修正，然后进行相应的操作，为后续执行焊接工作提供精确的数据。
实施例9
在实施例3的基础上，所述一种基于PLC智能控制的智能焊接方法，利用预设焊接点样本训练每一所述图像轮廓，得到若干个训练轮廓，包括：
利用所述预设焊接样本建立一个图像筛选标准；
利用所述图像筛选标准对所述图像轮廓进行筛选，得到第一图像轮廓；
将所述第一图像轮廓与预设焊接点样本进行对比，获取对应的轮廓异点；
将所述轮廓异点与所述预设焊接点样本进行相互适应训练，得到第二图像轮廓；
提取与所述预设焊接点样本一致的第二图像轮廓，得到若干个训练轮廓。
该实例中，图像筛选标准表示用来筛选与预设焊接样本相似的图像轮廓的筛选机制；
该实例中，轮廓异点表示第一图像轮廓与预设焊接点不一致的轮廓点；
该实例中，第一图像轮廓表示与预设焊接样本相似的图像轮廓；
该实例中，第二图像轮廓表示经过预设焊接点样本训练后的第一图像轮廓。
上述技术方案的工作原理以及有益效果：为了进一步加强训练轮廓的建立，缩短建立时长，先利用预设焊接样本建立一个图像筛选标准，对图像轮廓进行筛选，将筛选留下的图像轮廓再与预设焊接点进行相互适应训练，最后以预设轮廓样本为标准选取合格的图像轮廓，由此便得到了训练轮廓，而且缩短了训练时长，提高了焊接效率。
实施例10
在实施例9的基础上，所述一种基于PLC智能控制的智能焊接方法，利用所述预设焊接样本建立一个图像筛选标准，包括：
分别对所述预设焊接样本进行腐蚀处理和膨胀处理，获取对应的腐蚀样本和膨胀样本；
获取所述腐蚀样本对应的第一图像区域以及所述膨胀样本对应的第二图像区域；
基于所述第一图像区域和第二图像区域建立图像筛选标准。
上述技术方案的工作原理以及有益效果：通过对预设焊接样本进行腐蚀处理和膨胀处理可以得到预设焊接样本在不同情况下的样本形态，然后建立图像筛选标准，提高了筛选的精确度。
实施例11
在实施例3的基础上，所述一种基于PLC智能控制的智能焊接方法，基于所述像素分布信息将所述实况图像划分为若干个图像区域，包括：
解析所述像素分布信息，得到所述实况图像中包含的若干种像素信息；
分别获取每一像素信息对应的像素点数量，根据公式(1)计算每一像素信息对应的纹理特征；
其中，W表示所述像素信息对应的纹理特征，pi表示所述像素信息中第i个像素对应的像素值，pz表示所述像素信息中中心像素对应的像素值，pi-1表示所述像素信息中第i-1个像素对应的像素值，n表示所述像素信息中像素的数量；
根据公式(1)的计算结果，将纹理特征在预设特征范围内的像素信息记作第一像素信息，将纹理特征在预设特征范围外的像素信息记作第二像素信息；
根据公式(2)计算每一像素信息对应的像素分布特征；
其中，F表示像素信息对应的像素分布特征，h表示预设特征范围；
根据公式(2)的计算结果在所述实况图像标记与所述像素分布特征一致的像素点，并进行划分，得到若干个图像区域。
上述技术方案的工作原理以及有益效果：为了使获取到的第二焊接点与实际焊接点更加接近，对实况图像的像素分布信息进行分析，先利用公式得到实况图像的纹理特征，根据纹理将像素信息化为两类，进行下一步像素分布特征的分析，最后可以再实况图像上得到对应的图像区域，便于后续焊接。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于PLC智能控制的智能焊接方法，其特征在于，包括：
步骤1：利用光触式定位装置采集待焊接物上的若干个第一焊接点；
步骤2：采集待焊接物的实况图像，对实况图像进行预处理，得到若干个第二焊接点；
步骤3：利用PLC分析第一焊接点与第二焊接点的重合关系，基于所述重合关系得到待焊接物上的若干个目标焊接点；
步骤4：获取每一目标焊接点对应的焊接工艺并执行。
2.如权利要求1所述的一种基于PLC智能控制的智能焊接方法，其特征在于，利用光触式定位装置采集待焊接物上的若干个第一焊接点，包括：
利用第一预设光线束扫描所述待焊接物得到扫描图像；
基于所述扫描图像，绘制所述待焊接物的外观结构，并获取所述外观结构中所有的关键点；
利用第二预设光线分别扫描每一个关键点，获取每一关键点对应的反射光线；
分析每一反射光线对应的光线强度，提取反射光线的光线强度在预设光线强度范围内的关键点；
在所述扫描图像上标记每一关键点，记作第一焊接点。
3.如权利要求1所述的一种基于PLC智能控制的智能焊接方法，其特征在于，采集待焊接物的实况图像，对实况图像进行预处理，得到若干个第二焊接点，包括：
采集并解析所述待焊接物的实况图像，得到所述实况图像的像素分布信息；
基于所述像素分布信息将所述实况图像划分为若干个图像区域，并分别获取每一图像区域对的图像轮廓；
利用预设焊接点样本训练每一所述图像轮廓，得到若干个训练轮廓；
分别将每一训练轮廓与预设焊接点轮廓进行对比，提取与所述预设焊接点一致的训练轮廓；
在所述实况图像上标记每一训练轮廓，记作第二焊接点。
4.如权利要求1所述的一种基于PLC智能控制的智能焊接方法，其特征在于，利用PLC分析第一焊接点与第二焊接点的重合关系，包括：
利用PLC编辑所述第一焊接点，得到所述第一焊接点的第一分布布局，得到若干个第一分布点，将所述第一分布点在直角坐标系中进行第一标记；
利用PLC编辑所述第二焊接点，得到所述第二焊接点的第二分布布局，得到若干个第二分布点，将所述第二分布点在直角坐标系中进行第二标记；
获取所述第一标记和第二标记的重合标记，建立所述第一焊接点与第二焊接点的重合关系。
5.如权利要求1所述的一种基于PLC智能控制的智能焊接方法，其特征在于，获取每一目标焊接点对应的焊接工艺并执行，包括：
在实况图像上获取所述待焊接物的实物参数，在预设数据库中得到所述待焊接物的焊接方案，根据所述焊接方案将焊接工艺一致的焊接点记作一个工艺类；
分别获取每一工艺类对应的工艺参数，结合所述实物参数，分别为每一工艺类建立对应的焊接参数；
解析所述焊接方案得到焊接流程，获取焊接流程对应的目标焊接点，结合对应的焊接参数执行焊接工作。
6.如权利要求2所述的一种基于PLC智能控制的智能焊接方法，其特征在于，基于所述扫描图像，绘制所述待焊接物的外观结构，包括：
获取所述扫描图像上每一像素点对应的像素值，建立一个像素矩阵；
获取所述像素矩阵中每一矩阵元素对应的隶属值，将隶属值一致的矩阵元素分割为一类，得到分割结果；
将所述分割结果映射到所述扫描图像上，将所述扫描图像划分为若干个图像区域；
分别获取每一图像区域对应的区域灰度值，得到每一图像区域对应的结构高度；
建立每一图像区域对应的区域特征，结合每一图像区域对应的结构高度，绘制所述待焊接物的外观结构。
7.如权利要求4所述的一种基于PLC智能控制的智能焊接方法，其特征在于，利用PLC编辑所述第一焊接点，得到所述第一焊接点的第一分布布局，包括：
获取每个第一焊接点对应的反射光线，获取每一反射光线对应的波形宽度，同时获取每一反射光线，得到每一反射光线生成的光圈范围，建立波形信息列表；
分别将每个第一焊接点输入到预设空间中，得到初始焊接点模型；
利用PLC编辑所述波形信息列表，得到每一反射光线对应的光线模型；
将所述光线模型与所述初始焊接点模型进行叠加；
基于所述光线模型训练所述初始焊接点模型，得到目标焊接点模型；
将所述目标焊接点模型进行平面化处理，得到所述第一焊接点的第一分布布局。
8.如权利要求7所述的一种基于PLC智能控制的智能焊接方法，其特征在于，基于所述光线模型训练所述初始焊接点模型，包括：
分别解析所述光线模型中的每一条虚拟反射光线，得到每一虚拟光线对应的光线起点；
在所述光线模型上标记所述光线起点，得到若干个反射点；
分别解析所述光线模型中的每一条虚拟反射光线，得到每一虚拟光线对应的光束高度；
基于所述光束高度得到对应的反射高度，在所述反射点建立对应高度的虚拟反射物；
解析所述初始焊接点模型，得到若干个虚拟焊接点；
判断所述虚拟焊接点与对应位置的虚拟反射物是否等高，若不是，修正所述虚拟焊接点的高度，获取所有训练后的虚拟焊接点，建立目标焊接点模型。
9.如权利要求3所述的一种基于PLC智能控制的智能焊接方法，其特征在于，利用预设焊接点样本训练每一所述图像轮廓，得到若干个训练轮廓，包括：
利用所述预设焊接样本建立一个图像筛选标准；
利用所述图像筛选标准对所述图像轮廓进行筛选，得到第一图像轮廓；
将所述第一图像轮廓与预设焊接点样本进行对比，获取对应的轮廓异点；
将所述轮廓异点与所述预设焊接点样本进行相互适应训练，得到第二图像轮廓；
提取与所述预设焊接点样本一致的第二图像轮廓，得到若干个训练轮廓。
10.如权利要求9所述的一种基于PLC智能控制的智能焊接方法，其特征在于，利用所述预设焊接样本建立一个图像筛选标准，包括：
分别对所述预设焊接样本进行腐蚀处理和膨胀处理，获取对应的腐蚀样本和膨胀样本；
获取所述腐蚀样本对应的第一图像区域以及所述膨胀样本对应的第二图像区域；
基于所述第一图像区域和第二图像区域建立图像筛选标准。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211280598.5A CN115722835A (zh) | 2022-10-19 | 2022-10-19 | 一种基于plc智能控制的智能焊接方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211280598.5A CN115722835A (zh) | 2022-10-19 | 2022-10-19 | 一种基于plc智能控制的智能焊接方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115722835A true CN115722835A (zh) | 2023-03-03 |
Family
ID=85293694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211280598.5A Pending CN115722835A (zh) | 2022-10-19 | 2022-10-19 | 一种基于plc智能控制的智能焊接方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115722835A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116275648A (zh) * | 2023-03-15 | 2023-06-23 | 武汉知明资讯科技有限公司 | 一种提高金属件自动化加工产能的管理分析系统 |
-
2022
- 2022-10-19 CN CN202211280598.5A patent/CN115722835A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116275648A (zh) * | 2023-03-15 | 2023-06-23 | 武汉知明资讯科技有限公司 | 一种提高金属件自动化加工产能的管理分析系统 |
| CN116275648B (zh) * | 2023-03-15 | 2023-09-19 | 武汉知明资讯科技有限公司 | 一种提高金属件自动化加工产能的管理分析系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108917593B (zh) | 一种基于待测工件基元组态的智能测量系统及方法 | |
| CN114821114B (zh) | 一种基于视觉系统的坡口切割机器人图像处理方法 | |
| CN108568624A (zh) | 一种基于图像处理的机械臂焊接系统及焊接方法 | |
| 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 | |
| CN113369761B (zh) | 一种基于视觉引导机器人焊缝定位的方法及系统 | |
| CN113146172A (zh) | 一种基于多视觉的检测与装配系统及方法 | |
| CN115722835A (zh) | 一种基于plc智能控制的智能焊接方法 | |
| CN111524154B (zh) | 一种基于影像的隧道管片自动化分割方法 | |
| Eren et al. | Recent developments in computer vision and artificial intelligence aided intelligent robotic welding applications | |
| CN114473309A (zh) | 用于自动焊接系统的焊接位置识别方法及自动焊接系统 | |
| CN115018813A (zh) | 一种机器人自主识别与精确定位焊缝的方法 | |
| CN117161582B (zh) | 一种基于计算机视觉的激光切割方法 | |
| CN112700441A (zh) | 基于纹理特征的焊缝自动搜寻方法 | |
| CN110893525B (zh) | 焊接工件的焊接区域识别方法、计算机装置及计算机可读存储介质 | |
| Jin et al. | A new welding seam recognition methodology based on deep learning model MRCNN | |
| CN116765569A (zh) | 一种基于点云的机器人柱钉辊堆焊路径规划方法 | |
| CN117020371A (zh) | 一种用于柱钉辊堆焊的方法及其焊接装置 | |
| CN116542914A (zh) | 基于3d点云的焊缝提取与拟合方法 | |
| CN113591923A (zh) | 基于图像特征提取与模板匹配的发动机摇臂零件分类方法 | |
| CN117817211B (zh) | 基于机器视觉的焊接自动化控制方法及系统 | |
| CN114683283B (zh) | 一种焊接机器人免示教焊接方法及装置 | |
| Duan et al. | Design of weld recognition system based on machine vision | |
| CN118357814B (zh) | 一种焊缝打磨平整度检测方法及系统 | |
| CN115847398B (zh) | 一种基于区域的机器人智能加工方法及系统 | |
| CN113723494B (zh) | 一种不确定干扰源下激光视觉条纹分类及焊缝特征提取方法 |
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 |