CN117206985B - 一种基于大数据的机器人去毛刺速度智能控制系统及方法 - Google Patents

Abstract

本发明公开了一种基于大数据的机器人去毛刺速度智能控制系统及方法，属于去毛刺速度控制技术领域。本发明系统包括数据采集模块、数据分析模块、速度调节模块、预测模型模块和自适应优化模块；所述数据采集模块用于采集待处理工件表面二维图像和毛刺数据信息；所述数据分析模块用于对待处理工件表面的二维图像进行分割处理，并获取待处理工件表面图像毛刺的分布特征；所述速度调节模块根据速度调节因子来进行机器人去毛刺的速度调节；所述预测模型模块通过获取数据分析模块和速度调节模块的结果，预测机器人去毛刺时间；所述自适应优化模块通过实时监测机器人去毛刺操作，对速度调节模块和预测模型模块进行自适应优化。

Description

一种基于大数据的机器人去毛刺速度智能控制系统及方法

技术领域

本发明涉及去毛刺速度控制技术领域，具体为一种基于大数据的机器人去毛刺速度智能控制系统及方法。

背景技术

在工业生产中，常常需要对零部件表面进行毛刺去除处理；传统的毛刺去除方法通常依赖于人工操作，存在效率低下、不稳定、易出现误差等缺点；近年来，机器人技术得到了广泛应用，在毛刺去除领域也有了重要应用。

目前，已经有一些基于机器视觉的自动毛刺去除系统被研究出来；但是这些系统存在以下问题：传统的去毛刺操作通常是基于固定的速度和参数进行操作，无法根据待处理工件的实际情况进行动态调整，这导致在处理不同工件表面和不同毛刺密度时，效果可能不尽如人意，无法实现高效和准确的去毛刺操作；现有技术通常缺乏智能化的控制和预测机制，容易导致过程中的时间浪费或无效操作，影响了系统的效率和性能；缺乏对去毛刺操作所需时间与实际完成时间之间差异的监测和分析，无法及时发现问题并进行调整和优化，这限制了系统的鲁棒性和可靠性。

发明内容

本发明的目的在于提供一种基于大数据的机器人去毛刺速度智能控制系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：

一种基于大数据的机器人去毛刺速度智能控制方法，该方法包括以下步骤：

S100.利用工业相机和激光传感器设备，对待处理工件表面进行实时扫描和拍照，得到所述待处理工件表面的二维图像；对所述待处理工件表面进行毛刺识别，将识别出的毛刺在所述二维图像上进行标记；对待处理工件表面的二维图像进行分割处理，得到若干工件表面子图像；

S200.分别对所述若干工件表面子图像进行毛刺去除前的毛刺分布特征分析，得到各工件表面子图像的毛刺分布密度；

S300.根据各工件表面子图像的毛刺分布密度来调整机器人的去毛刺速度，并构建机器人去毛刺时间模型；当毛刺较少时，加快机器人的速度；当毛刺较多时，降低机器人的速度。

S400.在机器人进行去毛刺操作的过程中，实时监控待处理工件表面毛刺的分布情况，并根据实际情况对机器人的去毛刺速度进行动态调整。

进一步的，步骤S100包括：

S101.利用工业相机和激光传感器设备，获取待处理工件表面的二维图像，设置待处理工件表面二维图像进行图像分割的最小分割面积为S_min＝h*w；其中h表示最小分割面积的长度，w表示最小分割面积的宽度；

S102.分别将各待处理工件二维图像基于对应的所述最小分割面积S_min进行图像分割，得到各待处理工件表面二维图像对应的若干工件表面子图像；分别将所述各待处理工件表面二维图像对应的若干工件表面子图像进行汇集并顺序编号，得到对应各待处理工件表面二维图像的工件表面子图像集合。

进一步的，步骤S200包括：

S201.分别在所有工件表面子图像中，对各个标记毛刺进行图像提取，得到对应各工件表面子图像的毛刺图像集合；分别获取在各毛刺图像集合中各毛刺的尺寸数据；所述尺寸数据包括面积、长度、宽度、周长；

S202.可以根据公式score(i)＝w₁A_i+w₂a_i+w₃b_i+w₄p_i计算毛刺的综合评价分数score(i)，其中A_i代表各工件表面子图像的第i个毛刺的面积，a_i代表各工件表面子图像的第i个毛刺的长度，b_i代表各工件表面子图像的第i个毛刺的宽度，p_i代表各工件表面子图像的第i个毛刺的周长，w₁、w₂、w₃、w₄则代表上述各参数的加权系数；

S203.根据公式计算毛刺的分布密度，其中N为正整数，代表各工件表面子图像毛刺的总个数。

进一步的，步骤S300包括：

S301.定义速度调节函数C(ρ),函数将毛刺的实际分布密度ρ映射到速度调节因子C，且用以下线性函数作为速度调节函数：

其中ρ为毛刺的实际分布密度，ρ_target为设定目标分布密度阈值，k₁的取值范围为[0,1]，且速度调节因子C大于0；

根据实际分布密度ρ和目标分布密度阈值ρ_target计算速度调节因子C,若ρ<ρ_target，则表示实际分布密度已经低于目标分布密度阈值，机器人加速，且速度调节因子C＝1+k₁*(ρ_target-ρ)；若ρ＝ρ_target，则表示实际分布密度等于目标分布密度阈值，机器人速度保持不变，C＝1；若ρ>ρ_target，则表示实际分布密度高于目标分布密度阈值，机器人减速，且速度调节因子C＝1-k₁*(ρ-ρ_target)；

S303.根据计算得到的速度调节因子C，将机器人的速度进行调整，即调整后的速度v’＝v*C，其中v为预设机器人去毛刺速度；

S304.将调整后的速度v’作为输入，将各工件表面子图像的去毛刺时间t作为输出，构建机器人去毛刺时间模型，且t＝kv’+b，其中k为系数，b为常数，且k与b的值可以根据历史数据进行计算。

进一步的，所述步骤S400包括：

S401.根据机器人去毛刺时间模型，可得到各工件表面子图像的去毛刺时间，获取各工件表面子图像集合的去毛刺时间，并设定各待处理工件完成去毛刺操作所需时间为目标值T，T＝{T₁,T₂,...,T_n},且n为各工件表面子图像的个数；

S402.在机器人进行去毛刺操作的过程中，记录各待处理工件实际完成去毛刺操作所需时间为实际值Q，Q＝{Q₁,Q₂,...,Q_n},且n为各工件表面子图像的个数；

S403.计算实际值与目标值之间的差异，即Δ＝Q-T；如果Δ大于0，则说明实际完成去毛刺操作所需时间比设定完成去毛刺操作所需时间长，需要重新获取待处理工件的各工件表面子图像的毛刺图像集合和各毛刺图像集合中各毛刺的尺寸数据，并计算毛刺的分布密度，将计算得到的毛刺分布密度与历史数据进行比对，若比对结果表明待处理工件的工件表面子图像的毛刺分布密度与历史数据不一致，则说明实际完成去毛刺操作所需时间比设定完成去毛刺操作所需时间长是由于毛刺分布密度不同所导致的，因此需要进行速度调节函数的优化调整和模型的训练，若比对结果一致，则说明实际完成去毛刺操作所需时间比设定完成去毛刺操作所需时间长的原因与毛刺的分布密度无关，可能是机器人去毛刺操作的过程中出现异常所导致的，因此进行预警；如果Δ小于等于0，则说明去毛刺效果达到了预期要求。

一种基于大数据的机器人去毛刺速度智能控制系统，该系统包括数据采集模块、数据分析模块、速度调节模块、预测模型模块和自适应优化模块；

数据采集模块用于采集待处理工件表面二维图像和毛刺数据信息；数据分析模块用于对待处理工件表面的二维图像进行分割处理，得到若干工件表面子图像，并获取工件表面子图像毛刺的分布特征；速度调节模块根据数据分析模块输出的结果，进行速度调节因子的计算，进而进行机器人去毛刺的速度调节；预测模型模块通过获取数据分析模块和速度调节模块的结果，预测机器人去毛刺速度；自适应优化模块通过实时监测机器人去毛刺操作所需的时间和实际完成去毛刺操作所需的时间之间的差异，对速度调节模块和预测模型模块进行自适应优化；

数据采集模块的输出端与数据分析模块的输入端相连接；数据分析模块的输出端与速度调节模块的输入端相连接；速度调节模块的输出端与预测模型模块的输入端相连接；预测模型模块的输出端与自适应优化模块的输入端相连接。

进一步的，数据采集模块包括历史数据单元和实时数据单元；

历史数据单元用于获取待处理工件表面二维图像和毛刺数据信息；毛刺数据信息包括毛刺的面积、长度、宽度、周长；实时数据单元用于获取待处理工件表面二维图像和毛刺数据信息；

历史数据单元的输出端与实时数据单元的输入端相连接。

进一步的，数据分析模块包括图像分割单元、毛刺分布分析单元和数据存储单元；

图像分割单元用于对待处理工件表面的二维图像进行分割处理；毛刺分布分析单元用于根据毛刺数据信息计算各工件表面子图像毛刺分布密度；数据存储单元用于存储各工件表面子图像集合和其毛刺分布密度；

图像分割单元的输出端与毛刺分布分析单元的输入端相连接；毛刺分布分析单元的输出端与数据存储单元的输入端相连接。

进一步的，预测模型模块包括模型训练单元和预测单元；

模型训练单元基于历史数据进行机器人去毛刺时间模型的训练；预测单元基于实时数据对机器人去毛刺时间进行预测；

模型训练单元的输出端与预测单元的输入端相连接。

进一步的，自适应优化模块包括实时监测单元、自适应调整单元；

实时监测单元用于对机器人去毛刺操作进行实时监控；自适应调整单元基于实际值与目标值之间的差异，进行自适应的调整优化；

实时监测单元的输出端与自适应调整单元的输入端相连接。

与现有技术相比，本发明所达到的有益效果是：本系统通过利用工业相机和激光传感器设备实时对待处理工件表面进行扫描和拍照，获取毛刺分布密度进行智能控制，实现了自动化高效的去毛刺操作；本系统还通过根据各工件表面子图像的毛刺分布密度来调整机器人的去毛刺速度，并构建机器人去毛刺速度模型，实现了去毛刺过程的智能化控制；同时，根据实际情况对机器人的去毛刺速度进行动态调整，可适应不同工件表面不同毛刺密度的情况，提高了系统的灵活性和适应性；预测模型模块通过获取数据分析模块和速度调节模块的结果，预测机器人去毛刺速度，使得机器人可以在最短时间内完成去毛刺操作；通过实时监测机器人去毛刺操作所需的时间和实际完成去毛刺操作所需的时间之间的差异，并对速度调节模块和预测模型模块进行自适应优化，提高了系统的鲁棒性和可靠性。

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是本发明一种基于大数据的机器人去毛刺速度智能控制系统的结构示意图；

图2是本发明一种基于大数据的机器人去毛刺速度智能控制方法的步骤示意图。

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、完整地描述，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。

请参阅图1-图2，本发明提供技术方案：

一种基于大数据的机器人去毛刺速度智能控制方法，该方法包括以下步骤：

S100.利用工业相机和激光传感器设备，对待处理工件表面进行实时扫描和拍照，得到所述待处理工件表面的二维图像；对所述待处理工件表面进行毛刺识别，将识别出的毛刺在所述二维图像上进行标记；对待处理工件表面的二维图像进行分割处理，得到若干工件表面子图像；

S200.分别对所述若干工件表面子图像进行毛刺去除前的毛刺分布特征分析，得到各工件表面子图像的毛刺分布密度；

S300.根据各工件表面子图像的毛刺分布密度来调整机器人的去毛刺速度，并构建机器人去毛刺速度模型；当毛刺较少时，加快机器人的速度；当毛刺较多时，降低机器人的速度。

S400.在机器人进行去毛刺操作的过程中，实时监控待处理工件表面毛刺的分布情况，并根据实际情况对机器人的去毛刺速度进行动态调整。

步骤S100包括：

S101.利用工业相机和激光传感器设备，获取待处理工件表面的二维图像，设置待处理工件表面二维图像进行图像分割的最小分割面积为S_min＝h*w；

S102.分别将各待处理工件二维图像基于对应的所述最小分割面积S_min进行图像分割，得到各待处理工件表面二维图像对应的若干工件表面子图像；分别将所述各待处理工件表面二维图像对应的若干工件表面子图像进行汇集并顺序编号，得到对应各待处理工件表面二维图像的工件表面子图像集合。

步骤S200包括：

S201.分别在所有工件表面子图像中，对各个标记毛刺进行图像提取，得到对应各工件表面子图像的毛刺图像集合；分别获取在各毛刺图像集合中各毛刺的尺寸数据；所述尺寸数据包括面积、长度、宽度、周长；

S202.可以根据公式score(i)＝w₁A_i+w₂a_i+w₃b_i+w₄p_i计算毛刺的综合评价分数score(i)，其中A_i代表各工件表面子图像的第i个毛刺的面积，a_i代表各工件表面子图像的第i个毛刺的长度，b_i代表各工件表面子图像的第i个毛刺的宽度，p_i代表各工件表面子图像的第i个毛刺的周长，w₁、w₂、w₃、w₄则代表上述各参数的加权系数；

S203.根据公式计算毛刺的分布密度，其中N为正整数，代表各工件表面子图像毛刺的总个数。

步骤S300包括：

S301.定义速度调节函数C(ρ),函数将毛刺的实际分布密度ρ映射到速度调节因子C，且用以下线性函数作为速度调节函数：

其中ρ为毛刺的实际分布密度，ρ_target为设定目标分布密度阈值，k₁的取值范围为[0,1]，且速度调节因子C大于0；

根据实际分布密度ρ和目标分布密度阈值ρ_target计算速度调节因子C,若ρ<ρ_target，则表示实际分布密度已经低于目标分布密度阈值，机器人加速，且速度调节因子C＝1+k₁*(ρ_target-ρ)；若ρ＝ρ_target，则表示实际分布密度等于目标分布密度阈值，机器人速度保持不变，C＝1；若ρ>ρ_target，则表示实际分布密度高于目标分布密度阈值，机器人减速，且速度调节因子C＝1-k₁*(ρ-ρ_target)；

S303.根据计算得到的速度调节因子C，将机器人的速度进行调整，即调整后的速度v’＝v*C，其中v为预设机器人去毛刺速度；

S304.将调整后的速度v’作为输入，将各工件表面子图像的去毛刺时间t作为输出，构建机器人去毛刺时间模型，且t＝kv’+b，其中k为系数，b为常数，且k与b的值可以根据历史数据进行计算。

所述步骤S400包括：

S401.根据机器人去毛刺时间模型，可得到各工件表面子图像的去毛刺时间，获取各工件表面子图像集合的去毛刺时间，并设定各待处理工件完成去毛刺操作所需时间为目标值T，T＝{T₁,T₂,...,T_n},且n为各工件表面子图像的个数；

S402.在机器人进行去毛刺操作的过程中，记录各待处理工件实际完成去毛刺操作所需时间为实际值Q，Q＝{Q₁,Q₂,...,Q_n},且n为各工件表面子图像的个数；

S403.计算实际值与目标值之间的差异，即Δ＝Q-T；如果Δ大于0，则说明实际完成去毛刺操作所需时间比设定完成去毛刺操作所需时间长，需要重新获取待处理工件的各工件表面子图像的毛刺图像集合和各毛刺图像集合中各毛刺的尺寸数据，并计算毛刺的分布密度，将计算得到的毛刺分布密度与历史数据进行比对，若比对结果表明待处理工件的工件表面子图像的毛刺分布密度与历史数据不一致，则说明实际完成去毛刺操作所需时间比设定完成去毛刺操作所需时间长是由于毛刺分布密度不同所导致的，因此需要进行速度调节函数的优化调整和模型的训练，若比对结果一致，则说明实际完成去毛刺操作所需时间比设定完成去毛刺操作所需时间长的原因与毛刺的分布密度无关，可能是机器人去毛刺操作的过程中出现异常所导致的，因此进行预警；如果Δ小于等于0，则说明去毛刺效果达到了预期要求。

一种基于大数据的机器人去毛刺速度智能控制系统，该系统包括数据采集模块、数据分析模块、速度调节模块、预测模型模块和自适应优化模块；

数据采集模块用于采集待处理工件表面二维图像和毛刺数据信息；数据分析模块用于对待处理工件表面的二维图像进行分割处理，得到若干工件表面子图像，并获取工件表面子图像毛刺的分布特征；速度调节模块根据数据分析模块输出的结果，进行速度调节因子的计算，进而进行机器人去毛刺的速度调节；预测模型模块通过获取数据分析模块和速度调节模块的结果，预测机器人去毛刺速度；自适应优化模块通过实时监测机器人去毛刺操作所需的时间和实际完成去毛刺操作所需的时间之间的差异，对速度调节模块和预测模型模块进行自适应优化；

数据采集模块的输出端与数据分析模块的输入端相连接；数据分析模块的输出端与速度调节模块的输入端相连接；速度调节模块的输出端与预测模型模块的输入端相连接；预测模型模块的输出端与自适应优化模块的输入端相连接。

数据采集模块包括历史数据单元和实时数据单元；

历史数据单元用于获取待处理工件表面二维图像和毛刺数据信息；毛刺数据信息包括毛刺的面积、长度、宽度、周长；实时数据单元用于获取待处理工件表面二维图像和毛刺数据信息；

历史数据单元的输出端与实时数据单元的输入端相连接。

数据分析模块包括图像分割单元、毛刺分布分析单元和数据存储单元；

图像分割单元用于对待处理工件表面的二维图像进行分割处理；毛刺分布分析单元用于根据毛刺数据信息计算各工件表面子图像毛刺分布密度；数据存储单元用于存储各工件表面子图像集合和其毛刺分布密度；

图像分割单元的输出端与毛刺分布分析单元的输入端相连接；毛刺分布分析单元的输出端与数据存储单元的输入端相连接。

预测模型模块包括模型训练单元和预测单元；

模型训练单元基于历史数据进行机器人去毛刺时间模型的训练；预测单元基于实时数据对机器人去毛刺时间进行预测；

模型训练单元的输出端与预测单元的输入端相连接。

自适应优化模块包括实时监测单元、自适应调整单元；

实时监测单元用于对机器人去毛刺操作进行实时监控；自适应调整单元基于实际值与目标值之间的差异，进行自适应的调整优化；

实时监测单元的输出端与自适应调整单元的输入端相连接。

在本实施例中：

假设一个工件表面子图像有5个毛刺，计算其毛刺的分布密度，根据实际情况，w₁＝0.4，w₂＝0.1，w₃＝0.2，w₄＝0.3；

毛刺1：面积A₁＝4，长度a₁＝2，宽度b₁＝3，周长p₁＝10；

毛刺2：面积A₂＝2，长度a₂＝1，宽度b₂＝2，周长p₂＝6；

毛刺3：面积A₃＝3，长度a₃＝1.5，宽度b₃＝2，周长p₃＝7；

毛刺4：面积A₄＝4，长度a₄＝2，宽度b₄＝3，周长p₄＝10；

毛刺5：面积A₅＝1，长度a₅＝1，宽度b₅＝1.5，周长p₅＝5；

根据上述权重系数，可以根据公式score(i)＝w₁A_i+w₂a_i+w₃b_i+w₄p_i计算毛刺的综合评价分数score(i)；

score(1)＝0.4*4+0.1*2+0.2*3+0.3*10＝5.4；

score(2)＝0.4*2+0.1*1+0.2*2+0.3*6＝3.1；

score(3)＝0.4*3+0.1*1.5+0.2*2+0.3*7＝3.85；

score(4)＝0.4*4+0.1*2+0.2*3+0.3*10＝5.4；

score(5)＝0.4*1+0.1*1+0.2*1.5+0.3*5＝2.3；

然后，将每个毛刺的综合评价分数相加并求平均，得到工件表面子图像毛刺的分布密度ρ，根据计算得：ρ＝4.01。

假设设定目标分布密度阈值ρ_target＝2.5，由于上述计算实际分布密度ρ＝4.01，所以实际分布密度大于目标分布密度阈值，则根据速度调节函数

可知速度调节因子C＝1-k₂*(ρ-ρ_target)，假设k₂＝0.5；计算速度调节因子C＝0.245，所以此时机器人的去毛刺速度应该减小，通过v’＝v*C计算可得到调节后的速度。

假设一个工件表面子图像的去毛刺的设定时间为T＝60秒，在实际操作中，完成一个工件表面子图像的去毛刺操作所需的实际时间为Q＝70秒，且去毛刺速度为a；则根据公式Δ＝Q-T计算，得Δ＝10，即Δ大于0，则说明实际完成去毛刺操作所需时间比设定完成去毛刺操作所需时间长；则计算此工件表面子图像的毛刺分布密度，若此工件表面子图像的毛刺分布密度为4；获取历史数据中机器人去毛刺前速度为a时，对应的工件表面子图像的毛刺分布密度为5；进行比对后发现工件表面子图像的毛刺分布密度与历史数据不一致，则进行速度调节函数的优化调整和模型的训练。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于大数据的机器人去毛刺速度智能控制方法，其特征在于：该方法包括以下步骤：

S100.利用工业相机和激光传感器设备，对待处理工件表面进行实时扫描和拍照，得到所述待处理工件表面的二维图像；对所述待处理工件表面进行毛刺识别，将识别出的毛刺在所述二维图像上进行标记；对待处理工件表面的二维图像进行分割处理，得到若干工件表面子图像；

S200.分别对所述若干工件表面子图像进行毛刺去除前的毛刺分布特征分析，得到各工件表面子图像的毛刺分布密度；

S300.根据各工件表面子图像的毛刺分布密度来调整机器人的去毛刺速度，并构建机器人去毛刺时间模型；

S400.在机器人进行去毛刺操作的过程中，实时监控待处理工件表面毛刺的分布情况，并根据实际情况对机器人的去毛刺速度进行动态调整；

所述步骤S100包括：

S101.利用工业相机和激光传感器设备，获取待处理工件表面的二维图像，设置待处理工件表面二维图像进行图像分割的最小分割面积为S_min＝h*w；其中h表示最小分割面积的长度，w表示最小分割面积的宽度；

S102.分别将各待处理工件二维图像基于对应的所述最小分割面积S_min进行图像分割，得到各待处理工件表面二维图像对应的若干工件表面子图像；分别将所述各待处理工件表面二维图像对应的若干工件表面子图像进行汇集并顺序编号，得到对应各待处理工件表面二维图像的工件表面子图像集合；

所述步骤S200包括：

S201.分别在所有待处理工件表面子图像中，对各个标记毛刺进行图像提取，得到对应各待处理工件表面子图像的毛刺图像集合；分别获取在各毛刺图像集合中各毛刺的尺寸数据；所述尺寸数据包括面积、长度、宽度、周长；

S202.可以根据公式score(i)＝w₁A_i+w₂a_i+w₃b_i+w₄p_i计算毛刺的综合评价分数score(i)，其中A_i代表各工件表面子图像的第i个毛刺的面积，a_i代表各工件表面子图像的第i个毛刺的长度，b_i代表各工件表面子图像的第i个毛刺的宽度，p_i代表各工件表面子图像的第i个毛刺的周长，w₁、w₂、w₃、w₄则代表上述各参数的加权系数；

S203.根据公式计算毛刺的分布密度，其中N为正整数，代表各工件表面子图像毛刺的总个数；

步骤S300包括：

S301.定义速度调节函数C(ρ),函数将毛刺的实际分布密度ρ映射到速度调节因子C，且用以下线性函数作为速度调节函数：

其中ρ为毛刺的实际分布密度，ρ_target为设定目标分布密度阈值，k₁的取值范围为[0,1]，且速度调节因子C大于0；

根据实际分布密度ρ和目标分布密度阈值ρ_target计算速度调节因子C,若ρ<ρ_target，则表示实际分布密度已经低于目标分布密度阈值，机器人加速，且速度调节因子C＝1+k₁*(ρ_target-ρ)；若ρ＝ρ_target，则表示实际分布密度等于目标分布密度阈值，机器人速度保持不变，C＝1；若ρ>ρ_target，则表示实际分布密度高于目标分布密度阈值，机器人减速，且速度调节因子C＝1-k₁*(ρ-ρ_target)；

S303.根据计算得到的速度调节因子C，将机器人的速度进行调整，即调整后的速度v’＝v*C，其中v为预设机器人去毛刺速度；

S304.将调整后的速度v’作为输入，将各工件表面子图像的去毛刺时间t作为输出，构建机器人去毛刺时间模型，且t＝kv’+b，其中k为系数，b为常数；

所述步骤S400包括：

S401.根据机器人去毛刺时间模型，可得到各工件表面子图像的去毛刺时间，获取各工件表面子图像集合的去毛刺时间，并设定各待处理工件完成去毛刺操作所需时间为目标值T，T＝{T₁,T₂,...,T_n},且n为各工件表面子图像的个数；

S402.在机器人进行去毛刺操作的过程中，记录各待处理工件实际完成去毛刺操作所需时间为实际值Q，Q＝{Q₁,Q₂,...,Q_n},且n为各工件表面子图像的个数；

S403.计算实际值与目标值之间的差异，即Δ＝Q-T；如果Δ大于0，则说明实际完成去毛刺操作所需时间比设定完成去毛刺操作所需时间长，需要重新获取待处理工件的各工件表面子图像的毛刺图像集合和各毛刺图像集合中各毛刺的尺寸数据，并计算毛刺的分布密度，将计算得到的毛刺分布密度与历史数据进行比对，若比对结果表明待处理工件的工件表面子图像的毛刺分布密度与历史数据不一致，则进行速度调节函数的优化调整和模型的训练，若比对结果一致，则进行预警；如果Δ小于等于0，则说明去毛刺效果达到了预期要求。

2.一种基于大数据的机器人去毛刺速度智能控制系统，应用于权利要求1所述的一种基于大数据的机器人去毛刺速度智能控制方法，其特征在于：该系统包括数据采集模块、数据分析模块、速度调节模块、预测模型模块和自适应优化模块；

所述数据采集模块用于采集待处理工件表面二维图像和毛刺数据信息；所述数据分析模块用于对待处理工件表面的二维图像进行分割处理，得到若干工件表面子图像，并获取工件表面子图像毛刺的分布特征；所述速度调节模块根据数据分析模块输出的结果，进行速度调节因子的计算，进而进行机器人去毛刺的速度调节；所述预测模型模块通过获取数据分析模块和速度调节模块的结果，预测机器人去毛刺时间；所述自适应优化模块通过实时监测机器人去毛刺操作所需的时间和实际完成去毛刺操作所需的时间之间的差异，对速度调节模块和预测模型模块进行自适应优化；

所述数据采集模块的输出端与所述数据分析模块的输入端相连接；所述数据分析模块的输出端与所述速度调节模块的输入端相连接；所述速度调节模块的输出端与所述预测模型模块的输入端相连接；所述预测模型模块的输出端与所述自适应优化模块的输入端相连接；

所述数据采集模块包括历史数据单元和实时数据单元；

所述历史数据单元用于获取待处理工件表面二维图像和毛刺数据信息；所述毛刺数据信息包括毛刺的面积、长度、宽度、周长；所述实时数据单元用于获取待处理待处理工件表面二维图像和毛刺数据信息；

所述历史数据单元的输出端与所述实时数据单元的输入端相连接；

所述数据分析模块包括图像分割单元、毛刺分布分析单元和数据存储单元；

所述图像分割单元用于对待处理工件表面的二维图像进行分割处理；所述毛刺分布分析单元用于根据毛刺数据信息计算各工件表面子图像毛刺分布密度；所述数据存储单元用于存储各工件表面子图像集合和其毛刺分布密度；

所述图像分割单元的输出端与所述毛刺分布分析单元的输入端相连接；所述毛刺分布分析单元的输出端与所述数据存储单元的输入端相连接；

所述预测模型模块包括模型训练单元和预测单元；

所述模型训练单元基于历史数据进行机器人去毛刺时间模型的训练；所述预测单元基于实时数据对机器人去毛刺时间进行预测；

所述模型训练单元的输出端与所述预测单元的输入端相连接；

所述自适应优化模块包括实时监测单元、自适应调整单元；

所述实时监测单元用于对机器人去毛刺操作进行实时监控；所述自适应调整单元基于实际值与目标值之间的差异，进行自适应的调整优化；

所述实时监测单元的输出端与所述自适应调整单元的输入端相连接。