CN116452840A - 一种基于数控机床的汽车零部件组装位置视觉校对系统 - Google Patents

一种基于数控机床的汽车零部件组装位置视觉校对系统 Download PDF

Info

Publication number
CN116452840A
CN116452840A CN202310720337.9A CN202310720337A CN116452840A CN 116452840 A CN116452840 A CN 116452840A CN 202310720337 A CN202310720337 A CN 202310720337A CN 116452840 A CN116452840 A CN 116452840A
Authority
CN
China
Prior art keywords
assembly
unit
finished product
automobile
component
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
Application number
CN202310720337.9A
Other languages
English (en)
Other versions
CN116452840B (zh
Inventor
徐恩成
高勇
徐炳明
徐长红
李磊磊
刘德锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jining Lianwei Wheel Manufacturing Co ltd
Original Assignee
Jining Lianwei Wheel Manufacturing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jining Lianwei Wheel Manufacturing Co ltd filed Critical Jining Lianwei Wheel Manufacturing Co ltd
Priority to CN202310720337.9A priority Critical patent/CN116452840B/zh
Publication of CN116452840A publication Critical patent/CN116452840A/zh
Application granted granted Critical
Publication of CN116452840B publication Critical patent/CN116452840B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明公开了一种基于数控机床的汽车零部件组装位置视觉校对系统，具体涉及图像数据处理技术领域，本发明设置汽车零部件组装模型建立模块根据不同基础零件的参数信息以及组装关系建立基础零件以及不同组装成品的空间模型；本发明设置零部件组装成品扫描模块，先确定组装过程中配件安装出现错误的情况，再采集组装成品不同角度的多张图片信息，利用图像数据处理技术最终得到目标组装成品三维轮廓模型，将其与组装成品参数模型进行对比，获取异常数据信息；本发明设置零部件组装成品数据处理模块对同批零部件组装成品扫描异常数据进行处理计算零部件组装准确率，基于此得出的部件组装准确率数值更加符合实际组装情况，数据精准性更高。

Description

一种基于数控机床的汽车零部件组装位置视觉校对系统
技术领域
本发明涉及图像数据处理技术领域，更具体地说，本发明涉及一种基于数控机床的汽车零部件组装位置视觉校对系统。
背景技术
随着科技水平的发展，汽车零部件的生产组装过程也选择使用精密的机械设备取代传统人工生产组装过程，降低了人工生产组装过程由于操作失误产生的误差，提高了生产组装效率，提高了生产组装质量。
现有的汽车零部件组装及其校对系统，在利用机械设备生产完相关零件后，利用数控设备按照预先设定的操作指令进行零部件组装，同时设置监控模块对零部件的组装过程进行监控，当出现异常组装动作时发出警报并实现自动校正，保证组装流程的顺利进行。
然而该系统仍存在一些问题，该系统只能确保零部件的组装过程以及外观配件连接方式是正确的，无法完全确定具体零部件的内在嵌合信息完全符合零部件组装标准，对应零部件组装的准确性还需要提高。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种基于数控机床的汽车零部件组装位置视觉校对系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于数控机床的汽车零部件组装位置视觉校对系统，包括：
汽车零部件组装模型建立模块：基于汽车研发中心发送的汽车基础零件参数信息建立零件的空间模型，再根据汽车研发中心发送的组装说明书将不同基础零件模型按照组装关系生成不同零部件组装成品模型；
汽车零部件组装信息记录模块：用于记录汽车零部件组装过程的组装时间、组装成品所用配件数量以及不同配件组装难度评分；
汽车零部件组装准确率预测模块：用于对汽车零部件组装信息记录模块中记录的汽车零部件组装过程的相关信息进行处理，最终得到汽车零部件组装过程每一步骤组装成品的预测组装准确率指数；
零部件组装成品扫描模块：用于对完成的每一级汽车零配件组装的组装成品进行扫描并采取相应处理措施后获取零部件组装异常数据信息；
零部件组装成品数据处理模块：用于对同批零部件组装成品扫描异常数据进行处理，计算零部件实际组装准确率指数；
零部件组装情况判断模块：用于将预测的零部件组装准确率与实际零部件组装准确率进行对比，若实际零部件组装准确率大于预测零部件准确率，继续按照上述流程进行准确率预测和组装，若实际零部件组装准确率小于预测零部件组装准确率，则需进行校正；
零部件组装校正模块：用于在实际组装准确率数据低于预测值时调整相关组装方案进行校正；
零部件组装效率指数计算模块：用于根据获得的组装准确率合格的组装成品数量与其对应的组装总时间计算不同组装成品组装效率指数；
汽车零部件组装质量指数计算模块：用于根据每一步零部件组装的组装准确率、组装效率指数以及整个组装流程的校正频率计算汽车零部件组装质量指数；
数据库：用于储存系统中的所有数据信息。
优选的，汽车零部件组装模型建立模块包括汽车零部件基础信息获取单元、零部件组装细化分级单元、基础零件模型构建单元，以及模型组装单元，其中汽车零部件基础信息获取单元用于从汽车研发中心获取需要进行生产的汽车不同基础零件的参数信息和不同基础零件的组装说明书；零部件组装细化分级单元用于对汽车部件的主要结构进行分类后对主要结构的组成配件层层拆解，按照组装说明书确定每一个组装成品对应级别；基础零件模型构建单元用于将基础零件的参数信息导入模型构建软件生成不同基础零件的空间模型；模型组装单元用于根据汽车不同基础零件的组装关系对基础零件模型进行组装生成不同零部件组装成品模型。
优选的，汽车零部件组装信息记录模块包括零部件组装时间记录单元、组装成品所用配件数量记录单元以及零部件组装技术难度评估信息记录单元，其中零部件组装时间记录单元用于记录每一层级同一配件组装过程所需时间t1、t2……tn并求其平均值ta，具体计算公式为：；组装成品所用配件数量记录单元用于记录每一个组装成品所需的配件数量；零部件组装技术难度评估信息记录单元用于记录零部件组装技术人员对不同配件组装难度评分b1、b2……bn。
优选的，汽车零部件组装准确率预测模块包括零部件组装复杂度指数计算单元、零部件组装困难度指数计算单元以及零部件组装准确率指数计算单元，对应数据处理过程如下：
零部件组装复杂度指数计算单元：由组装成品组装过程所需要的配件数量na和对应的平均组装时间ta计算零部件组装复杂度αe，具体计算公式为：，其中x1、x2为对应的比例系数；
零部件组装困难度指数计算单元：对零部件组装技术难度评估信息记录单元中记录的零部件组装技术人员对不同配件组装难度评分进行汇总，剔除其中异常评分后求取平均值be，具体公式为：，计算零部件组装困难度指数bc，具体公式为：/>，其中xh为组装难度调整因子，xh>1；
零部件组装准确率指数计算单元：由零部件组装复杂度指数计算单元计算出的组装成品的组装复杂度指数和零部件组装困难度指数计算单元计算出的组装成品的组装困难度指数计算汽车零部件组装过程每一步骤组装成品的预测组装准确率指数γh，具体计算公式为：，其中θ为准确率调整参数。
优选的，零部件组装成品扫描模块包括组装成品配件安装位置检测单元、安装位置错误统计单元、组装成品图像采集单元、组装成品图像数据处理单元、零部件连接轮廓模型建立单元，以及组装连接偏移情况统计单元，其中组装成品配件安装位置检测单元用于检测组装过程中配件安装出现错误的情况；安装位置错误统计单元用于统计目标组装成品组成配件的数量、安装错误的配件数量、出错的组装成品数量和同批组装成品数量；组装成品图像采集单元用于通过摄像机拍摄组装成品不同角度的多张图片信息；组装成品图像数据处理单元用于基于图像处理技术对采集到的组装成品图片进行处理，获取组装成品不同角度的多张轮廓模型；零部件连接轮廓模型建立单元用于将组装成品同一角度的多张轮廓模型叠加进行相互验证确定同一角度对应轮廓坐标点，对不同角度组装成品轮廓模型继续执行上述步骤，将最终得到的不同角度组装成品轮廓模型建立联系生成目标组装成品三维轮廓模型；组装连接偏移情况统计单元用于将组装成品三维轮廓模型与组装成品参数模型进行对比，统计其中除了安装错误对应轮廓点之外的不匹配的轮廓点坐标、对应标准点坐标、轮廓点个数、不匹配轮廓点对应配件轮廓点个数和组装成品的轮廓点个数。
优选的，零部件组装成品数据处理模块包括安装位置错误率计算单元、轮廓坐标点偏移距离计算单元、配件连接偏移度计算单元、组装连接偏移率计算单元，以及零部件组装准确率指数计算单元，具体计算过程如下：
安装位置错误率计算单元：根据目标组装成品组成配件的数量na、安装错误的配件数量nb、出现同样错误的组装成品数量mai和同批组装成品数量m0计算同批组装成品安装位置错误率γa，具体计算公式为：；
轮廓坐标点偏移距离计算单元：根据不匹配的轮廓点坐标pai（xai,yai,zai）和对应标准点坐标pbi（xbi,ybi,zbi）计算偏移距离dai，具体计算公式为：；
配件连接偏移度计算单元：根据不同配件中轮廓点偏移距离dai、偏移距离相同的轮廓点个数vai和对应配件轮廓点个数vbi计算配件连接偏移度ac，具体计算公式为：；
组装连接偏移率计算单元：根据不同配件连接偏移度以及对应配件包含轮廓点的占比计算组装成品连接偏移率γb，具体计算公式为：，其中v0为组装成品的轮廓点个数，将同批组装成品汇总，剔除异常值后计算平均组装连接偏移率γc，具体计算公式为：/>；
零部件实际组装准确率指数计算单元：根据零部件安装位置错误率和组装连接偏移率计算零部件实际组装准确率指数γe，具体计算公式为：，其中y1、y2为对应影响因素的比例因子。
优选的，零部件组装校正模块包括异常组装信息分析单元、异常组装校正单元、组装成品校正数据检测单元，以及校正频率计算单元，其中异常组装信息分析单元用于对零部件组装过程中组装准确率未达预测值的原因进行分析；异常组装校正单元用于根据分析结果对组装成品进行拆卸，调整组装方案以及操作方法后重新组装；组装成品校正数据检测单元用于对校正后组装成品的组装准确率进行检测；校正频率计算单元用于根据零部件校正次数hi与汽车零部件组装步骤数h0计算校正频率ha，具体计算公式为：。
优选的，零部件组装效率指数计算模块中根据获得的组装准确率合格的组装成品数量Nz与其对应的组装总时间tz计算不同组装成品组装效率指数δc，具体计算公式为：，其中φ为效率调整参数，其中/>，tb为组装成品初次进行组装所需总时间、tc为组装成品组装准确率不合格时进行拆卸所需总时间、td为组装成品重新组装所需总时间。
优选的，汽车零部件组装质量指数计算模块根据每一组装步骤零部件组装的组装准确率、组装效率指数以及整个组装流程的校正频率计算汽车零部件组装质量指数Ec的具体计算公式为：，其中ci为不同组装步骤的关键度比例因子，j1、j2、j3为对应影响因素的常数系数，j1>0、j2>0、j3>0。
本发明的技术效果和优点：
1.本发明设置汽车零部件组装模型建立模块，基于汽车研发中心发送的汽车基础零件参数信息建立零件的空间模型，对汽车部件的主要结构进行分类后对主要结构的组成配件层层拆解，按照组装说明书确定每一个组装成品对应级别，再根据汽车研发中心发送的组装说明书将不同基础零件模型按照组装关系生成不同级别的零部件组装成品模型，便于后续进行模型对比；本发明设置汽车零部件组装信息记录模块，记录每一层级对应同一配件的组装时间并计算平均组装时间，同时记录每一个组装成品所需的配件数量和零部件组装技术人员对不同配件组装难度评分；本发明设置汽车零部件组装准确率预测模块，对汽车零部件组装信息记录模块中记录的汽车零部件组装过程的相关信息进行处理，分别计算每一组装成品的组装复杂度指数和组装困难度指数，再由组装成品的组装复杂度指数和组装困难度指数计算汽车零部件组装过程每一步骤组装成品的预测组装准确率指数，便于后续对实际组装准确率指数进行校正。
2.本发明设置零部件组装成品扫描模块，对完成的每一级汽车零配件组装的组装成品进行扫描，先确定组装过程中配件安装出现错误的情况，再采集组装成品不同角度的多张图片信息，利用图像数据处理技术最终得到目标组装成品三维轮廓模型，将其与组装成品参数模型进行对比，获取异常数据信息；本发明设置零部件组装成品数据处理模块对同批零部件组装成品扫描异常数据进行处理计算零部件组装准确率指数，基于此得出的部件组装准确率数值更加符合实际组装情况，数据精准性更高；本发明设置零部件组装情况判断模块将预测的零部件组装准确率与实际零部件组装首批准确率进行对比，进而判断是否需要进行校正；本发明设置零部件组装校正模块分析异常数据产生原因，根据分析结果拆卸组装成品，调整组装方案以及操作方法后重新组装，继续计算组装准确率，直至零部件组装准确率达到预测值，通过零部件组装校正模块可以提高零部件组装的准确率，进一步提高组装质量；本发明设置汽车零部件组装质量计算模块，根据每一步零部件组装的组装准确率、组装效率以及整个组装流程的校正频率计算汽车零部件组装质量，反映了整个汽车零部件组装过程的相关情况。
附图说明
图1为本发明的系统结构框图。
图2为本发明的运行流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
如图1所示本实施例提供一种基于数控机床的汽车零部件组装位置视觉校对系统，包括汽车零部件组装模型建立模块、汽车零部件组装信息记录模块、汽车零部件组装准确率预测模块、零部件组装成品扫描模块、零部件组装成品数据处理模块、零部件组装情况判断模块、零部件组装校正模块、零部件组装效率指数计算模块、汽车零部件组装质量指数计算模块和数据库。
所述汽车零部件组装信息记录模块分别与汽车零部件组装预测模块和零部件组装效率计算模块连接，所述汽车零部件组装模型建立模块和零部件组装成品扫描模块均与零部件组装成品数据处理模块连接，所述零部件组装成品数据处理模块和汽车零部件组装预测模块均与零部件组装情况判断模块连接，所述零部件组装情况判断模块和零部件组装校正模块连接，所述零部件组装成品数据处理模块、零部件组装校正模块以及零部件组装效率计算模块与汽车零部件组装质量计算模块连接，所述数据库与系统中所有模块连接。
所述汽车零部件组装模型建立模块基于汽车研发中心发送的汽车基础零件参数信息建立零件的空间模型，再根据汽车研发中心发送的组装说明书将不同基础零件模型按照组装关系生成不同零部件组装成品模型。
进一步，所述汽车零部件组装模型建立模块包括汽车零部件基础信息获取单元、零部件组装细化分级单元、基础零件模型构建单元，以及模型组装单元，其中汽车零部件基础信息获取单元用于从汽车研发中心获取需要进行生产的汽车不同基础零件的参数信息和不同基础零件的组装说明书；零部件组装细化分级单元用于对汽车部件的主要结构进行分类后对主要结构的组成配件层层拆解，按照组装说明书确定每一个组装成品对应级别；基础零件模型构建单元用于将基础零件的参数信息导入模型构建软件生成不同基础零件的空间模型；模型组装单元用于根据汽车不同基础零件的组装关系对基础零件模型进行组装生成不同级别的零部件组装成品模型。
所述汽车零部件组装信息记录模块用于记录汽车零部件组装过程的组装时间、组装成品所用配件数量以及不同配件组装难度评分。
进一步，所述汽车零部件组装信息记录模块包括零部件组装时间记录单元、组装成品所用配件数量记录单元以及零部件组装技术难度评估信息记录单元，其中零部件组装时间记录单元用于记录每一层级同一配件组装过程所需时间t1、t2……tn并求其平均值ta，具体计算公式为：；组装成品所用配件数量记录单元用于记录每一个组装成品所需的配件数量；零部件组装技术难度评估信息记录单元用于记录零部件组装技术人员对不同配件组装难度评分b1、b2……bn。
所述汽车零部件组装准确率预测模块用于对汽车零部件组装信息记录模块中记录的汽车零部件组装过程的相关信息进行处理，最终得到汽车零部件组装过程每一步骤组装成品的预测组装准确率指数。
进一步，所述汽车零部件组装准确率预测模块包括零部件组装复杂度指数计算单元、零部件组装困难度指数计算单元以及零部件组装准确率指数计算单元，对应数据处理过程如下：
零部件组装复杂度指数计算单元：由组装成品组装过程所需要的配件数量na和对应的平均组装时间ta计算零部件组装复杂度αe，具体计算公式为：，其中x1、x2为对应的比例系数；
零部件组装困难度指数计算单元：对零部件组装技术难度评估信息记录单元中记录的零部件组装技术人员对不同配件组装难度评分进行汇总，剔除其中异常评分后求取平均值be，具体公式为：，计算零部件组装困难度指数bc，具体公式为：/>，其中xh为组装难度调整因子，xh>1；
零部件组装准确率指数计算单元：由零部件组装复杂度指数计算单元计算出的组装成品的组装复杂度指数和零部件组装困难度指数计算单元计算出的组装成品的组装困难度指数计算汽车零部件组装过程每一步骤组装成品的预测组装准确率指数γh，具体计算公式为：，其中θ为准确率调整参数。
零部件组装成品扫描模块：用于对完成的每一级汽车零配件组装的组装成品进行扫描并采取相应处理措施后获取零部件组装异常数据信息。
进一步，所述零部件组装成品扫描模块包括组装成品配件安装位置检测单元、安装位置错误统计单元、组装成品图像采集单元、组装成品图像数据处理单元、零部件连接轮廓模型建立单元，以及组装连接偏移情况统计单元，其中组装成品配件安装位置检测单元用于检测组装过程中配件安装出现错误的情况；安装位置错误统计单元用于统计目标组装成品组成配件的数量、安装错误的配件数量、出错的组装成品数量和同批组装成品数量；组装成品图像采集单元用于通过摄像机拍摄组装成品不同角度的多张图片信息；组装成品图像数据处理单元用于基于图像处理技术对采集到的组装成品图片进行处理，获取组装成品不同角度的多张轮廓模型；零部件连接轮廓模型建立单元用于将组装成品同一角度的多张轮廓模型叠加进行相互验证确定同一角度对应轮廓坐标点，对不同角度组装成品轮廓模型继续执行上述步骤，将最终得到的不同角度组装成品轮廓模型建立联系生成目标组装成品三维轮廓模型；组装连接偏移情况统计单元用于将组装成品三维轮廓模型与组装成品参数模型进行对比，统计其中除了安装错误对应轮廓点之外的不匹配的轮廓点坐标、对应标准点坐标、轮廓点个数、不匹配轮廓点对应配件轮廓点个数和组装成品的轮廓点个数。
所述零部件组装成品数据处理模块用于对同批零部件组装成品扫描异常数据进行处理，计算零部件实际组装准确率指数。
进一步，所述零部件组装成品数据处理模块包括安装位置错误率计算单元、轮廓坐标点偏移距离计算单元、配件连接偏移度计算单元、组装连接偏移率计算单元，以及零部件组装准确率指数计算单元，具体计算过程如下：
安装位置错误率计算单元：根据目标组装成品组成配件的数量na、安装错误的配件数量nb、出现同样错误的组装成品数量mai和同批组装成品数量m0计算同批组装成品安装位置错误率γa，具体计算公式为：；
轮廓坐标点偏移距离计算单元：根据不匹配的轮廓点坐标pai（xai,yai,zai）和对应标准点坐标pbi（xbi,ybi,zbi）计算偏移距离dai，具体计算公式为：；
配件连接偏移度计算单元：根据不同配件中轮廓点偏移距离dai、偏移距离相同的轮廓点个数vai和对应配件轮廓点个数vbi计算配件连接偏移度ac，具体计算公式为：；
组装连接偏移率计算单元：根据不同配件连接偏移度以及对应配件包含轮廓点的占比计算组装成品连接偏移率γb，具体计算公式为：，其中v0为组装成品的轮廓点个数，将同批组装成品汇总，剔除异常值后计算平均组装连接偏移率γc，具体计算公式为：/>；
零部件实际组装准确率指数计算单元：根据零部件安装位置错误率和组装连接偏移率计算零部件实际组装准确率指数γe，具体计算公式为：，其中y1、y2为对应影响因素的比例因子。
所述零部件组装情况判断模块用于将预测的零部件组装准确率与实际零部件组装准确率进行对比，若实际零部件组装准确率大于预测零部件准确率，继续按照上述流程进行准确率预测和组装，若实际零部件组装准确率小于预测零部件组装准确率，则需进行校正。
所述零部件组装校正模块用于在实际组装准确率数据低于预测值时调整相关组装方案进行校正。
进一步，所述零部件组装校正模块包括异常组装信息分析单元、异常组装校正单元、组装成品校正数据检测单元，以及校正频率计算单元，其中异常组装信息分析单元用于对零部件组装过程中组装准确率未达预测值的原因进行分析；异常组装校正单元用于根据分析结果对组装成品进行拆卸，调整组装方案以及操作方法后重新组装；组装成品校正数据检测单元用于对校正后组装成品的组装准确率进行检测；校正频率计算单元用于根据零部件校正次数hi与汽车零部件组装步骤数h0计算校正频率ha，具体计算公式为：。
所述零部件组装效率指数计算模块根据获得的组装准确率合格的组装成品数量与其对应的组装总时间计算不同组装成品组装效率指数。
进一步，所述零部件组装效率指数计算模块中根据获得的组装准确率合格的组装成品数量Nz与其对应的组装总时间tz计算不同组装成品组装效率指数δc，具体计算公式为：，其中φ为效率调整参数，其中/>，tb为组装成品初次进行组装所需总时间、tc为组装成品组装准确率不合格时进行拆卸所需总时间、td为组装成品重新组装所需总时间。
所述汽车零部件组装质量指数计算模块用于根据每一步零部件组装的组装准确率、组装效率指数以及整个组装流程的校正频率计算汽车零部件组装质量指数。
进一步，所述汽车零部件组装质量指数计算模块根据每一组装步骤零部件组装的组装准确率、组装效率指数以及整个组装流程的校正频率计算汽车零部件组装质量指数Ec的具体计算公式为：，其中ci为不同组装步骤的关键度比例因子，j1、j2、j3为对应影响因素的常数系数，j1>0、j2>0、j3>0。
所述数据库用于储存系统中的所有数据信息。
如图2所示本实施例提供一种基于数控机床的汽车零部件组装位置视觉校对系统的运行流程，包括以下步骤：
S1：基于汽车研发中心发送的汽车基础零件参数信息建立零件的空间模型，对汽车部件的主要结构进行分类后对主要结构的组成配件层层拆解，按照组装说明书确定每一个组装成品对应级别，再根据汽车研发中心发送的组装说明书将不同基础零件模型按照组装关系生成不同零部件组装成品模型；
S2：记录每一层级对应同一配件的组装时间并计算平均组装时间，同时记录每一个组装成品所需的配件数量和零部件组装技术人员对不同配件组装难度评分；
S3：对汽车零部件组装信息记录模块中记录的汽车零部件组装过程的相关信息进行处理，分别计算每一组装成品的组装复杂度指数和组装困难度指数，再由组装成品的组装复杂度指数和组装困难度指数计算汽车零部件组装过程每一步骤组装成品的预测组装准确率指数；
S4：对完成的每一级汽车零配件组装的组装成品进行扫描，先确定组装过程中配件安装出现错误的情况，再采集组装成品不同角度的多张图片信息，利用图像数据处理技术最终得到目标组装成品三维轮廓模型，将其与组装成品参数模型进行对比，获取异常数据信息；
S5：对同批零部件组装成品扫描异常数据进行处理，分别计算安装位置错误率、轮廓坐标点偏移距离、配件连接偏移度和组装连接偏移率，再根据安装位置错误率和组装连接偏移率计算零部件组装准确率指数；
S6：将预测的零部件组装准确率与实际零部件组装首批准确率进行对比，若实际零部件组装准确率大于预测零部件准确率，继续按照上述流程进行准确率预测和组装，若实际零部件组装准确率小于预测零部件组装准确率，则需进行校正，进而保证后续组装过程准确率；
S7：对零部件组装过程中组装准确率未达预测值的原因进行分析，根据分析结果对组装成品进行拆卸，调整组装方案以及操作方法后重新组装，对校正后组装成品的组装准确率进行检测，达到预测值后即为校正成功，统计零部件校正次数与汽车零部件组装步骤数计算校正频率；
S8：根据获得的组装准确率合格的组装成品数量与其对应的组装总时间计算不同组装成品组装效率指数；
S9：根据每一步零部件组装的组装准确率、组装效率指数以及整个组装流程的校正频率计算汽车零部件组装质量指数。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于数控机床的汽车零部件组装位置视觉校对系统，其特征在于：包括：
汽车零部件组装模型建立模块：基于汽车研发中心发送的汽车基础零件参数信息建立零件的空间模型，再根据汽车研发中心发送的组装说明书将不同基础零件模型按照组装关系生成不同零部件组装成品模型；
汽车零部件组装信息记录模块：用于记录汽车零部件组装过程的组装时间、组装成品所用配件数量以及不同配件组装难度评分；
汽车零部件组装准确率预测模块：用于对汽车零部件组装信息记录模块中记录的汽车零部件组装过程的相关信息进行处理，最终得到汽车零部件组装过程每一步骤组装成品的预测组装准确率指数；
零部件组装成品扫描模块：用于对完成的每一级汽车零配件组装的组装成品进行扫描并采取相应处理措施后获取零部件组装异常数据信息；
零部件组装成品数据处理模块：用于对同批零部件组装成品扫描异常数据进行处理，计算零部件实际组装准确率指数；
零部件组装情况判断模块：用于将预测的零部件组装准确率与实际零部件组装准确率进行对比，若实际零部件组装准确率大于预测零部件准确率，继续按照上述流程进行准确率预测和组装，若实际零部件组装准确率小于预测零部件组装准确率，则需进行校正；
零部件组装校正模块：用于在实际组装准确率数据低于预测值时调整相关组装方案进行校正；
零部件组装效率指数计算模块：用于根据获得的组装准确率合格的组装成品数量与其对应的组装总时间计算不同组装成品组装效率指数；
汽车零部件组装质量指数计算模块：用于根据每一步零部件组装的组装准确率、组装效率指数以及整个组装流程的校正频率计算汽车零部件组装质量指数。
2.根据权利要求1所述的一种基于数控机床的汽车零部件组装位置视觉校对系统，其特征在于：所述汽车零部件组装模型建立模块包括汽车零部件基础信息获取单元、零部件组装细化分级单元、基础零件模型构建单元，以及模型组装单元，其中汽车零部件基础信息获取单元用于从汽车研发中心获取需要进行生产的汽车不同基础零件的参数信息和不同基础零件的组装说明书；零部件组装细化分级单元用于对汽车部件的主要结构进行分类后对主要结构的组成配件层层拆解，按照组装说明书确定每一个组装成品对应级别；基础零件模型构建单元用于将基础零件的参数信息导入模型构建软件生成不同基础零件的空间模型；模型组装单元用于根据汽车不同基础零件的组装关系对基础零件模型进行组装生成不同级别的零部件组装成品模型。
3.根据权利要求1所述的一种基于数控机床的汽车零部件组装位置视觉校对系统，其特征在于：所述汽车零部件组装信息记录模块包括零部件组装时间记录单元、组装成品所用配件数量记录单元以及零部件组装技术难度评估信息记录单元，其中零部件组装时间记录单元用于记录每一层级同一配件组装过程所需时间t1、t2……tn并求其平均值ta，具体计算公式为：；组装成品所用配件数量记录单元用于记录每一个组装成品所需的配件数量；零部件组装技术难度评估信息记录单元用于记录零部件组装技术人员对不同配件组装难度评分b1、b2……bn。
4.根据权利要求1所述的一种基于数控机床的汽车零部件组装位置视觉校对系统，其特征在于：所述汽车零部件组装准确率预测模块包括零部件组装复杂度指数计算单元、零部件组装困难度指数计算单元以及零部件组装准确率指数计算单元，对应数据处理过程如下：
零部件组装复杂度指数计算单元：由组装成品组装过程所需要的配件数量na和对应的平均组装时间ta计算零部件组装复杂度αe，具体计算公式为：，其中x1、x2为对应的比例系数；
零部件组装困难度指数计算单元：对零部件组装技术难度评估信息记录单元中记录的零部件组装技术人员对不同配件组装难度评分进行汇总，剔除其中异常评分后求取平均值be，具体公式为：，计算零部件组装困难度指数bc，具体公式为：，其中xh为组装难度调整因子，xh>1；
零部件组装准确率指数计算单元：由零部件组装复杂度指数计算单元计算出的组装成品的组装复杂度指数和零部件组装困难度指数计算单元计算出的组装成品的组装困难度指数计算汽车零部件组装过程每一步骤组装成品的预测组装准确率指数γh，具体计算公式为：，其中θ为准确率调整参数。
5.根据权利要求1所述的一种基于数控机床的汽车零部件组装位置视觉校对系统，其特征在于：所述零部件组装成品扫描模块包括组装成品配件安装位置检测单元、安装位置错误统计单元、组装成品图像采集单元、组装成品图像数据处理单元、零部件连接轮廓模型建立单元，以及组装连接偏移情况统计单元，其中组装成品配件安装位置检测单元用于检测组装过程中配件安装出现错误的情况；安装位置错误统计单元用于统计目标组装成品组成配件的数量、安装错误的配件数量、出错的组装成品数量和同批组装成品数量；组装成品图像采集单元用于通过摄像机拍摄组装成品不同角度的多张图片信息；组装成品图像数据处理单元用于基于图像处理技术对采集到的组装成品图片进行处理，获取组装成品不同角度的多张轮廓模型；零部件连接轮廓模型建立单元用于将组装成品同一角度的多张轮廓模型叠加进行相互验证确定同一角度对应轮廓坐标点，对不同角度组装成品轮廓模型继续执行上述步骤，将最终得到的不同角度组装成品轮廓模型建立联系生成目标组装成品三维轮廓模型；组装连接偏移情况统计单元用于将组装成品三维轮廓模型与组装成品参数模型进行对比，统计其中除了安装错误对应轮廓点之外的不匹配的轮廓点坐标、对应标准点坐标、轮廓点个数、不匹配轮廓点对应配件轮廓点个数和组装成品的轮廓点个数。
6.根据权利要求1所述的一种基于数控机床的汽车零部件组装位置视觉校对系统，其特征在于：所述零部件组装成品数据处理模块包括安装位置错误率计算单元、轮廓坐标点偏移距离计算单元、配件连接偏移度计算单元、组装连接偏移率计算单元，以及零部件组装准确率指数计算单元，具体计算过程如下：
安装位置错误率计算单元：根据目标组装成品组成配件的数量na、安装错误的配件数量nb、出现同样错误的组装成品数量mai和同批组装成品数量m0计算同批组装成品安装位置错误率γa，具体计算公式为：；
轮廓坐标点偏移距离计算单元：根据不匹配的轮廓点坐标pai（xai,yai,zai）和对应标准点坐标pbi（xbi,ybi,zbi）计算偏移距离dai，具体计算公式为：；
配件连接偏移度计算单元：根据不同配件中轮廓点偏移距离dai、偏移距离相同的轮廓点个数vai和对应配件轮廓点个数vbi计算配件连接偏移度ac，具体计算公式为：；
组装连接偏移率计算单元：根据不同配件连接偏移度以及对应配件包含轮廓点的占比计算组装成品连接偏移率γb，具体计算公式为： ，其中v0为组装成品的轮廓点个数，将同批组装成品汇总，剔除异常值后计算平均组装连接偏移率γc，具体计算公式为：/>；
零部件实际组装准确率指数计算单元：根据零部件安装位置错误率和组装连接偏移率计算零部件实际组装准确率指数γe，具体计算公式为：，其中y1、y2为对应影响因素的比例因子。
7.根据权利要求1所述的一种基于数控机床的汽车零部件组装位置视觉校对系统，其特征在于：所述零部件组装校正模块包括异常组装信息分析单元、异常组装校正单元、组装成品校正数据检测单元，以及校正频率计算单元，其中异常组装信息分析单元用于对零部件组装过程中组装准确率未达预测值的原因进行分析；异常组装校正单元用于根据分析结果对组装成品进行拆卸，调整组装方案以及操作方法后重新组装；组装成品校正数据检测单元用于对校正后组装成品的组装准确率进行检测；校正频率计算单元用于根据零部件校正次数hi与汽车零部件组装步骤数h0计算校正频率ha，具体计算公式为：。
8.根据权利要求1所述的一种基于数控机床的汽车零部件组装位置视觉校对系统，其特征在于：所述零部件组装效率指数计算模块中根据获得的组装准确率合格的组装成品数量Nz与其对应的组装总时间tz计算不同组装成品组装效率指数δc，具体计算公式为：，其中φ为效率调整参数，其中/>，tb为组装成品初次进行组装所需总时间、tc为组装成品组装准确率不合格时进行拆卸所需总时间、td为组装成品重新组装所需总时间。
9.根据权利要求1所述的一种基于数控机床的汽车零部件组装位置视觉校对系统，其特征在于：所述汽车零部件组装质量指数计算模块根据每一组装步骤零部件组装的组装准确率、组装效率指数以及整个组装流程的校正频率计算汽车零部件组装质量指数Ec的具体计算公式为：，其中ci为不同组装步骤的关键度比例因子，j1、j2、j3为对应影响因素的常数系数，j1>0、j2>0、j3>0。
CN202310720337.9A 2023-06-19 2023-06-19 一种基于数控机床的汽车零部件组装位置视觉校对系统 Active CN116452840B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310720337.9A CN116452840B (zh) 2023-06-19 2023-06-19 一种基于数控机床的汽车零部件组装位置视觉校对系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310720337.9A CN116452840B (zh) 2023-06-19 2023-06-19 一种基于数控机床的汽车零部件组装位置视觉校对系统

Publications (2)

Publication Number Publication Date
CN116452840A true CN116452840A (zh) 2023-07-18
CN116452840B CN116452840B (zh) 2023-08-18

Family

ID=87136049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310720337.9A Active CN116452840B (zh) 2023-06-19 2023-06-19 一种基于数控机床的汽车零部件组装位置视觉校对系统

Country Status (1)

Country Link
CN (1) CN116452840B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104636518A (zh) * 2013-11-11 2015-05-20 比亚迪股份有限公司 汽车的组装/拆卸的模型重现方法及系统
CN104915957A (zh) * 2015-05-29 2015-09-16 何再兴 一种提高工业机器人三维视觉识别精度的匹配矫正方法
US20170262732A1 (en) * 2014-08-01 2017-09-14 Shenzhen Cimc-Tianda Airport Support Ltd. System and method for aircraft docking guidance and aircraft type identification
CN108305242A (zh) * 2017-09-29 2018-07-20 佛山缔乐视觉科技有限公司 一种用于工业生产线的智能视觉检测方法、系统及装置
KR102174073B1 (ko) * 2020-04-28 2020-11-05 엔이텍(주) 자동차 부품 조립 및 검사장치
CN113146172A (zh) * 2021-03-08 2021-07-23 中国科学院宁波材料技术与工程研究所 一种基于多视觉的检测与装配系统及方法
KR20210102566A (ko) * 2020-02-12 2021-08-20 (주)위시스 자동차 도어 부품의 정밀 보정 장착용 머신 비전 장치
CN113312969A (zh) * 2021-04-23 2021-08-27 浙江省机电设计研究院有限公司 一种基于三维视觉的零部件识别与定位方法、系统
CN115222114A (zh) * 2022-07-06 2022-10-21 湖南科技大学 汽车零部件装配指标值预测方法、终端设备及存储介质
CN115293308A (zh) * 2022-08-10 2022-11-04 南京耘瞳科技有限公司 一种基于机器视觉的整车装配防错方法
CN116128853A (zh) * 2023-02-22 2023-05-16 江西省智能产业技术创新研究院 一种产线装配检测方法、系统、计算机及可读存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104636518A (zh) * 2013-11-11 2015-05-20 比亚迪股份有限公司 汽车的组装/拆卸的模型重现方法及系统
US20170262732A1 (en) * 2014-08-01 2017-09-14 Shenzhen Cimc-Tianda Airport Support Ltd. System and method for aircraft docking guidance and aircraft type identification
CN104915957A (zh) * 2015-05-29 2015-09-16 何再兴 一种提高工业机器人三维视觉识别精度的匹配矫正方法
CN108305242A (zh) * 2017-09-29 2018-07-20 佛山缔乐视觉科技有限公司 一种用于工业生产线的智能视觉检测方法、系统及装置
KR20210102566A (ko) * 2020-02-12 2021-08-20 (주)위시스 자동차 도어 부품의 정밀 보정 장착용 머신 비전 장치
KR102174073B1 (ko) * 2020-04-28 2020-11-05 엔이텍(주) 자동차 부품 조립 및 검사장치
CN113146172A (zh) * 2021-03-08 2021-07-23 中国科学院宁波材料技术与工程研究所 一种基于多视觉的检测与装配系统及方法
CN113312969A (zh) * 2021-04-23 2021-08-27 浙江省机电设计研究院有限公司 一种基于三维视觉的零部件识别与定位方法、系统
CN115222114A (zh) * 2022-07-06 2022-10-21 湖南科技大学 汽车零部件装配指标值预测方法、终端设备及存储介质
CN115293308A (zh) * 2022-08-10 2022-11-04 南京耘瞳科技有限公司 一种基于机器视觉的整车装配防错方法
CN116128853A (zh) * 2023-02-22 2023-05-16 江西省智能产业技术创新研究院 一种产线装配检测方法、系统、计算机及可读存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ZEZHONG PEI: "Welding component identification and solder joint inspection of automobile door panel based on machine vision", 2018 CHINESE CONTROL AND DECISION CONFERENCE (CCDC) *
何建洪;黄潇锐;黄建展;王靖德;谢浩宇;章上营;: "汽车零部件精密装配自动化技术的研究", 自动化应用, no. 09 *
徐啸顺;任建;林立;高雪婷;: "基于深度学习机器视觉对于动力总成制造防错应用的研究", 传动技术, no. 01 *
程福安;魏舜昊;徐帅;冯旭刚;章家岩;: "基于嵌入式技术的机器视觉系统设计与应用", 工业控制计算机, no. 02 *

Also Published As

Publication number Publication date
CN116452840B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN110889091B (zh) 基于温度敏感区间分段的机床热误差预测方法与系统
CN109675935B (zh) 一种变控制限的ipca轧制过程在线故障诊断方法
CN116630428B (zh) 基于机器视觉的浇注位置识别方法及系统
JP3800244B2 (ja) 品質制御装置およびその制御方法、品質制御プログラム、並びに該プログラムを記録した記録媒体
CN116452840B (zh) 一种基于数控机床的汽车零部件组装位置视觉校对系统
US11521120B2 (en) Inspection apparatus and machine learning method
CN117029968A (zh) 一种流量数据的诊断方法、系统、存储介质和电子设备
CN115931035A (zh) 一种多表位数字温湿度计自动校准系统及方法
CN109816191A (zh) 多工作站系统的质量预测方法及其系统
CN116630974B (zh) 一种建筑图像数据的快速标记处理方法及系统
CN116060642A (zh) 一种激光选区熔化成型质量监测分析方法
CN114459699B (zh) 一种窗户气密性检测方法、系统、存储介质及智能终端
CN112052727B (zh) 一种基于大数据的人像识别分析系统及方法
CN115294373A (zh) 一种设备参数信息更新方法和更新系统
CN114966238A (zh) 一种天线相位中心的自动检测与对准方法
US20220074874A1 (en) Computer-implemented method for analysing measurement data from a measurement of an object
TWI692695B (zh) 提升產品製程品質之回饋系統及其方法
CN117171922B (zh) 一种钢结构制作中平行矫正的方法及系统
CN116748352B (zh) 一种金属弯管机加工参数监测控制方法、系统及存储介质
JP2021089653A (ja) 予測システム、情報処理装置および情報処理プログラム
CN117330154A (zh) 一种机器视觉液位测量系统
CN115438592B (zh) 基于系统工程的工业研发设计数据建模方法
CN117078681B (zh) 一种点胶轨迹的三维仿真模拟方法及系统
CN117074419B (zh) 一种发动机齿圈型钢的缺陷检测方法及系统
CN116681698B (zh) 一种弹簧自动装配质量检测方法及系统

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