CN107378780A - 一种基于视觉***的机器人铸件打磨自适应方法 - Google Patents
一种基于视觉***的机器人铸件打磨自适应方法 Download PDFInfo
- Publication number
- CN107378780A CN107378780A CN201710588436.0A CN201710588436A CN107378780A CN 107378780 A CN107378780 A CN 107378780A CN 201710588436 A CN201710588436 A CN 201710588436A CN 107378780 A CN107378780 A CN 107378780A
- Authority
- CN
- China
- Prior art keywords
- casting
- cast
- ing
- robot
- moment
- 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
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B51/00—Arrangements for automatic control of a series of individual steps in grinding a workpiece
-
- 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
-
- 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)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
Abstract
本发明提供了基于视觉***的机器人铸件打磨自适应方法,包括如下步骤,铸件表面形貌特征机器视觉提取;利用刻画铸件表面粗糙度方法,将铸件高度的一阶矩特征、二阶矩特征、三阶矩特征和四阶矩特征分别表征了铸件表面平均偏移程度、标准差、扭曲程度与峰度;根据铸件表面粗糙度,结合视觉测量与定位方法、运动学分析方法、力控制方法与位置控制伺服方法,生成视觉自适应机器人打磨参数、并控制打磨执行元件进行打磨;根据打磨过程中,工件表面实时的动态形态特征参数与目标形态特征参数实时比对,直至工件表面的粗糙度达到目标形态特征参数。本发明可以通过阶矩刻画铸件表面形态特征获取的工件表面质量能更全面、更精细地刻画铸件表面形态特征。
Description
技术领域
本发明涉及智能制造领域或者打磨机器人领域,尤其涉及一种基于视觉***的机器人铸件打磨自适应方法。
背景技术
工业机器人在打磨行业中的应用是近年来机器人应用范围里一种新型的生产工艺,对机器人控制***、打磨设备解决方案都提出了更高的要求,工业机器人与数控机床相比加工精度等级要差很多,如何能提高机器人在打磨行业中的加工精度及加工效率、质量涉及到方方面面的技术问题及工艺方法。
现有的机器人打磨***依据力传感器获取的力参数,采用控制伺服补偿电机、弹性机构等,实现机器人打磨精度的控制,2014年,曹金学等提出了公开号为CN104149028A的一种高精度机器人打磨***及其控制方法,通过标定***提高打磨精度;2016年,梁英等提出了公开号为CN105773368A的一种力控打磨装置及应用其的打磨机器人,以提高打磨精度;2017年,张弓等提出了公开号为CN106425790A的一种压铸件多机器人协同打磨装置及方法,实现了多机器人协同打磨。当打磨的对象为缸体等大型铸件时,单一的标定***、基于力传感器的补偿与多机器人协同并不能保证打磨铸件的质量,当打磨后的铸件存在质量问题时,不能及时检测并重新打磨。
发明内容
针对现有技术中存在不足,本发明提供了一种基于视觉***的机器人铸件打磨自适应方法,采用阶矩刻画铸件表面形态特征获取的工件表面质量能更全面、更精细地刻画铸件表面形态特征。
本发明是通过以下技术手段实现上述技术目的的。
一种基于视觉***的机器人铸件打磨自适应方法,包括如下方法:
S01:铸件表面形貌特征机器视觉提取;
S02:铸件表面形貌特征多阶矩刻画:利用刻画铸件表面粗糙度方法,将铸件高度的一阶矩特征、二阶矩特征、三阶矩特征和四阶矩特征分别表征了铸件表面平均偏移程度、标准差、扭曲程度与峰度;
S03:根据铸件表面粗糙度,结合视觉测量与定位方法、运动学分析方法、力控制方法与位置控制伺服方法,生成视觉自适应机器人打磨参数、并控制打磨执行元件进行打磨;
S04:根据打磨过程中,工件表面实时的动态形态特征参数与目标形态特征参数实时比对,直至工件表面的粗糙度达到目标形态特征参数。
进一步,所述的步骤S01具体为:采用固定在铸件表面上方的CCD摄像机来摄取光照图像,光源从不同方向照射铸件表面光度立体视觉,所述光源方向向量不少于5个;在每次获取铸件表面图像过程中,光源在同一平面环内均匀分布置,每次只开启一个光源,且依次开启,得到光照铸件表面图像,使用多光源光度立体视觉方法得到铸件形貌。
进一步,所述的多光源光度立体视觉方法具体为:重建铸件三维表面,得到t时刻铸件表面图像It;从铸件表面图像It得到位置(i,j)t处的高度为z(i,j)t,分析得到t时刻要处理缺陷区域的长Lt和宽Wt。
进一步,所述的步骤S02具体为:通过机器人控制***对铸件表面图像It分析,得到分解后的毛刺、孔眼、裂纹、与铸件整体表面粗糙情况;利用刻画铸件表面粗糙度方法,分析铸件高度的一阶矩、二阶矩、三阶矩和四阶矩特征,图像的矩特征作为磨削控制器的输入刻画了加工铸件表面的知识特征。
进一步,所述刻画铸件表面粗糙度方法具体为:铸件表面图像It任意一点(i,j)t的高度值为z(i,j)t,铸件的粗糙度对应铸件高度的各阶矩:
铸件高度的一阶矩表征了铸件表面平均偏移程度,值越大,则平均偏移量越大,铸件越不平整;
铸件的二阶矩表征了铸件表面各点高度的标准差,即铸件表面的粗糙程度,值越大,铸件表面越粗糙;
铸件的三阶矩表征了铸件表面的扭曲程度,值越大,铸件表面扭曲程度越高;
铸件的四阶矩表征了铸件表面的峰度值,峰度越高,铸件表面越粗糙;
则铸件表面粗糙度为:Fflat-t={M1(i,j)t,M2(i,j)t,M3(i,j)t,M4(i,j)t},St为铸件表面的知识特征:St=It(Lt,Wt,Fflat-t)=Lt*Wt*Fflat-t。
进一步,所述S03步骤中的视觉测量与定位方法为:用视觉测量与定位***控制器将输入的铸件表面的粗糙度转换为输出的磨削机器人砂轮t时刻的平移速度vr(t)、砂轮的转动速度ωr(t)、加工铸件的深度d(t)和机器人关节转角qr(t);视觉测量与定位***控制器由深度学***移速度vr(t)、转动速度ωr(t)与加工工件的进给深度d(t)控制因子的关联关系,(vr(t),ωr(t),d(t))=N{M1(i,j)t,M2(i,j)t,M3(i,j)t,M4(i,j)t}。
进一步,所述S03步骤中的运动学分析方法为:利用在t时刻的视觉测量与定位***控制器的机器人臂末端速度vp(t)与位置p(t),通过运动学模块得到修正后的机器人关节转角qr-n(t)与机器人关节角速度
进一步,所述S03步骤中的力控制方法为:通过力控制模块修正机器人关节角速度得到修正后的机器人关节角速度
进一步,所述S03步骤中的位置控制伺服方法为:通过位置伺服模块将修正后的机器人关节转角qr-n(t)、修正后的机器人关节角速度机器人反馈的关节转角qm(t)、关节角速度转换为机器人实时关节驱动力矩τ(t);机器人臂末端速度与砂轮的平移速度一致:
vr(t)、vp(t)为t时刻砂轮的平移速度与机器人臂末端速度:vr(t)=vp(t)=F1(St)=k1St;
ωr(t)为t时刻砂轮的转动速度:ωr(t)=F2(St)=k2St;
d(t)为t时刻砂轮的进给深度:d(t)=F3(St)=k3St;
其中:系数k1、k2和k3依据铸件材质确定。
进一步,所述的步骤S04具体为:设M1、M2、M3、M4分别为铸件目标形态特征的一、二、三、四阶矩标准特征值;分别为动态形态特征参数M1(i,j)t、M2(i,j)t、M3(i,j)t、M4(i,j)t在t时刻平均值,若且且且则在t时刻的表面铸件质量合格,铸件当前表面完成打磨,进入下一个表面的打磨重复步骤S01-S04;其中,δ1、δ2、δ3、δ4分别为质量合格铸件阶矩标准特征值允许误差范围;
若不满足,则表示在t时刻的表面铸件质量不合格,则t=kT,且k=k+1,其中k为打磨次数;T为从视觉特征提取到完成一次打磨需要的时间;重复步骤S01-S04。
本发明的有益效果在于:
1.本发明所述的基于视觉***的机器人铸件打磨自适应方法,采用多光源光度立体视觉方法获取铸件三维形态能更高精度地测定加工工件表面质量。
2.本发明所述的基于视觉***的机器人铸件打磨自适应方法,采用阶矩刻画铸件表面形态特征获取的工件表面质量能更全面、更精细地刻画铸件表面形态特征。
3.本发明所述的基于视觉***的机器人铸件打磨自适应方法,采用深度学***移速度、转动速度与加工工件的进给深度等控制因子的关联关系,进而完成机器人铸件实时自适应打磨,保证具有大型特征的缸体铸件的打磨质量,当打磨后的铸件存在质量问题时,实时地检测并重新打磨,直到铸件打磨质量合格。
附图说明
图1为本发明所述的基于视觉***的机器人铸件打磨自适应方法的流程图。
图2为本发明所述的多光源光度立体视觉方法的示意图。
图3为本发明所述的机器人视觉自适应机器人打磨控制示意图。
图中:
1-1:CCD摄像机;1-2:光源;1-3:铸件。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
如图1所示,利用一种基于视觉***的机器人铸件打磨自适应方法,自动打磨重量为38kg的HT300缸体铸件,铸件体积为400mm×320mm×253mm,具体步骤如下:
S01:铸件表面形貌特征机器视觉提取:
加工工件为4缸缸体,采用固定在缸体上方的Panasoinc WV-CP410/G型CCD摄像机来摄取光照图像,摄像机的焦距f=16mm,摄像机到缸体的距离u=745mm,通过CCD摄像机1-1来摄取光照图像,光源(1-2)从不同方向照射铸件表面光度立体视觉,如图2所示,所述光源(1-2)方向向量分别为S1=(65,-320,480),S2=(295,-195,480),S3=(272,74,480),S4=(155,218,480),S5=(-188,230,480),S6=(-130,120,480);在每次获取铸件表面图像过程中,光源(1-2)在同一平面环内均匀分布置,每次只开启一个光源,且依次开启,得到光照铸件表面图像,使用多光源光度立体视觉方法得到铸件形貌。
多光源光度立体视觉方法具体为:重建铸件三维表面,t时刻铸件表面图像It,位置(i,j)t处的高度为z(i,j)t,t时刻要处理缺陷区域的长Lt和宽Wt。
S02:铸件表面形貌特征多阶矩刻画:通过机器人控制***对铸件表面图像It分析,得到分解后的毛刺、孔眼、裂纹、与铸件整体表面粗糙情况;利用刻画铸件表面粗糙度方法,分析铸件高度的一阶矩、二阶矩、三阶矩和四阶矩特征,图像的矩特征作为磨削控制器的输入刻画了加工铸件表面的知识特征。
所述刻画铸件表面粗糙度方法具体为:铸件表面图像It任意一点(i,j)t的高度值为z(i,j)t,铸件的粗糙度对应铸件高度的各阶矩:
铸件高度的一阶矩表征了铸件表面平均偏移程度,值越大,则平均偏移量越大,铸件越不平整;
铸件的二阶矩表征了铸件表面各点高度的标准差,即铸件表面的粗糙程度,值越大,铸件表面越粗糙;
铸件的三阶矩表征了铸件表面的扭曲程度,值越大,铸件表面扭曲程度越高;
铸件的四阶矩表征了铸件表面的峰度值,峰度越高,铸件表面越粗糙;
则铸件表面粗糙度为:Fflat-t={M1(i,j)t,M2(i,j)t,M3(i,j)t,M4(i,j)t},
St为铸件表面的知识特征:St=It(Lt,Wt,Fflat-t)=Lt*Wt*Fflat-t。
S03:如图3所示,根据铸件表面粗糙度,结合视觉测量与定位方法、运动学分析方法、力控制方法与位置控制伺服方法,生成视觉自适应机器人打磨参数、并控制打磨执行元件进行打磨;
视觉测量与定位方法为:用视觉测量与定位***控制器将输入的铸件表面的粗糙度转换为输出的磨削机器人砂轮t时刻的平移速度vr(t)、砂轮的转动速度ωr(t)、加工铸件的深度d(t)和机器人关节转角qr(t);视觉测量与定位***控制器由深度学***移速度vr(t)、转动速度ωr(t)与加工工件的进给深度d(t)控制因子的关联关系,(vr(t),ωr(t),d(t))=N{M1(i,j)t,M2(i,j)t,M3(i,j)t,M4(i,j)t}。
运动学分析方法为:利用在t时刻的视觉测量与定位***控制器的机器人臂末端速度vp(t)与位置p(t),通过运动学模块得到修正后的机器人关节转角qr-n(t)与机器人关节角速度
力控制方法为:通过力控制模块修正机器人关节角速度得到修正后的机器人关节角速度
位置控制伺服方法为:通通过位置伺服模块将修正后的机器人关节转角qr-n(t)、修正后的机器人关节角速度机器人反馈的关节转角qm(t)、关节角速度转换为机器人实时关节驱动力矩τ(t);机器人臂末端速度与砂轮的平移速度一致:
vr(t)、vp(t)为t时刻砂轮的平移速度与机器人臂末端速度:vr(t)=vp(t)=F1(St)=k1St;
ωr(t)为t时刻砂轮的转动速度:ωr(t)=F2(St)=k2St;
d(t)为t时刻砂轮的进给深度:d(t)=F3(St)=k3St;
其中:系数k1、k2和k3依据铸件材质确定。
S04:根据打磨过程中,工件表面实时的动态形态特征参数与目标形态特征参数实时比对,直至工件表面的粗糙度达到目标形态特征参数。与目标铸件表面期望的几何形貌相比较,得到实时的打磨特征参数,依据实时的几何形貌,自适应地完成铸件的打磨。
具体为:设M1、M2、M3、M4分别为铸件目标形态特征的一、二、三、四阶矩标准特征值,其中M1=0.3μm,M2=0.003μm,M3=0.01μm,M4=0.03μm;分别为动态形态特征参数M1(i,j)t、M2(i,j)t、M3(i,j)t、M4(i,j)t在t时刻平均值,若且且且则在t时刻的表面铸件质量合格,铸件当前表面完成打磨,进入下一个表面的打磨重复步骤S01-S04;其中,δ1、δ2、δ3、δ4分别为质量合格铸件阶矩标准特征值允许误差范围,本案中δ1=0.05μm,δ2=0.005μm,δ3=0.005μm,δ4=0.005μm;
若不满足,则表示在t时刻的表面铸件质量不合格,则t=kT,且k=k+1,其中k为打磨次数;T为从视觉特征提取到完成一次打磨需要的时间;重复步骤S01-S04。
在本案例中,采用自适应打磨方法,加工次数有了较大幅度的减少,同时有效加工次数增加了,在30件缸体的加工中,自适应打磨方法加工结果中,只有1件加工不合格;而在这之前,30件缸体的加工中,有3-5件不合格。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (10)
1.一种基于视觉***的机器人铸件打磨自适应方法,其特征在于,包括如下方法:
S01:铸件表面形貌特征机器视觉提取;
S02:铸件表面形貌特征多阶矩刻画:利用刻画铸件表面粗糙度方法,将铸件高度的一阶矩特征、二阶矩特征、三阶矩特征和四阶矩特征分别表征了铸件表面平均偏移程度、标准差、扭曲程度与峰度;
S03:根据铸件表面粗糙度,结合视觉测量与定位方法、运动学分析方法、力控制方法与位置控制伺服方法,生成视觉自适应机器人打磨参数、并控制打磨执行元件进行打磨;
S04:根据打磨过程中,工件表面实时的动态形态特征参数与目标形态特征参数实时比对,直至工件表面的粗糙度达到目标形态特征参数。
2.根据权利要求1所述的基于视觉***的机器人铸件打磨自适应方法,其特征在于,所述的步骤S01具体为:采用固定在铸件表面上方的CCD摄像机(1-1)来摄取光照图像,光源(1-2)从不同方向照射铸件表面光度立体视觉,所述光源(1-2)方向向量不少于5个;在每次获取铸件表面图像过程中,光源(1-2)在同一平面环内均匀分布置,每次只开启一个光源,且依次开启,得到光照铸件表面图像,使用多光源光度立体视觉方法得到铸件形貌。
3.根据权利要求2所述的基于视觉***的机器人铸件打磨自适应方法,其特征在于,所述的多光源光度立体视觉方法具体为:重建铸件三维表面,得到t时刻铸件表面图像It;从铸件表面图像It得到位置(i,j)t处的高度为z(i,j)t,分析得到t时刻要处理缺陷区域的长Lt和宽Wt。
4.根据权利要求1所述的基于视觉***的机器人铸件打磨自适应方法,其特征在于,所述的步骤S02具体为:通过机器人控制***对铸件表面图像It分析,得到分解后的毛刺、孔眼、裂纹、与铸件整体表面粗糙情况;利用刻画铸件表面粗糙度方法,分析铸件高度的一阶矩、二阶矩、三阶矩和四阶矩特征,图像的矩特征作为磨削控制器的输入刻画了加工铸件表面的知识特征。
5.根据权利要求4所述的基于视觉***的机器人铸件打磨自适应方法,其特征在于,所述刻画铸件表面粗糙度方法具体为:铸件表面图像It任意一点(i,j)t的高度值为z(i,j)t,铸件的粗糙度对应铸件高度的各阶矩:
铸件高度的一阶矩表征了铸件表面平均偏移程度,值越大,则平均偏移量越大,铸件越不平整;
铸件的二阶矩表征了铸件表面各点高度的标准差,即铸件表面的粗糙程度,值越大,铸件表面越粗糙;
铸件的三阶矩表征了铸件表面的扭曲程度,值越大,铸件表面扭曲程度越高;
铸件的四阶矩表征了铸件表面的峰度值,峰度越高,铸件表面越粗糙;
则铸件表面粗糙度为:Fflat-t={M1(i,j)t,M2(i,j)t,M3(i,j)t,M4(i,j)t},
St为铸件表面的知识特征:St=It(Lt,Wt,Fflat-t)=Lt*Wt*Fflat-t。
6.根据权利要求1所述的基于视觉***的机器人铸件打磨自适应方法,其特征在于,所述S03步骤中的视觉测量与定位方法为:用视觉测量与定位***控制器将输入的铸件表面的粗糙度转换为输出的磨削机器人砂轮t时刻的平移速度vr(t)、砂轮的转动速度ωr(t)、加工铸件的深度d(t)和机器人关节转角qr(t);视觉测量与定位***控制器由深度学***移速度vr(t)、转动速度ωr(t)与加工工件的进给深度d(t)控制因子的关联关系,(vr(t),ωr(t),d(t))=N{M1(i,j)t,M2(i,j)t,M3(i,j)t,M4(i,j)t}。
7.根据权利要求1所述的基于视觉***的机器人铸件打磨自适应方法,其特征在于,所述S03步骤中的运动学分析方法为:利用在t时刻的视觉测量与定位***控制器的机器人臂末端速度vp(t)与位置p(t),通过运动学模块得到修正后的机器人关节转角qr-n(t)与机器人关节角速度
8.根据权利要求1所述的基于视觉***的机器人铸件打磨自适应方法,其特征在于,所述S03步骤中的力控制方法为:通过力控制模块修正机器人关节角速度得到修正后的机器人关节角速度
9.根据权利要求1所述的基于视觉***的机器人铸件打磨自适应方法,其特征在于,所述S03步骤中的位置控制伺服方法为:通过位置伺服模块将修正后的机器人关节转角qr-n(t)、修正后的机器人关节角速度机器人反馈的关节转角qm(t)、关节角速度转换为机器人实时关节驱动力矩τ(t);机器人臂末端速度与砂轮的平移速度一致:
vr(t)、vp(t)为t时刻砂轮的平移速度与机器人臂末端速度:vr(t)=vp(t)=F1(St)=k1St;
ωr(t)为t时刻砂轮的转动速度:ωr(t)=F2(St)=k2St;
d(t)为t时刻砂轮的进给深度:d(t)=F3(St)=k3St;
其中:系数k1、k2和k3依据铸件材质确定。
10.根据权利要求1所述的动态形态特征参数与目标形态特征参数实时比对方法,其特征在于,所述的步骤S04具体为:设M1、M2、M3、M4分别为铸件目标形态特征的一、二、三、四阶矩标准特征值;分别为动态形态特征参数M1(i,j)t、M2(i,j)t、M3(i,j)t、M4(i,j)t在t时刻平均值,若且且且则在t时刻的表面铸件质量合格,铸件当前表面完成打磨,进入下一个表面的打磨重复步骤S01-S04;其中,δ1、δ2、δ3、δ4分别为质量合格铸件阶矩标准特征值允许误差范围;
若不满足,则表示在t时刻的表面铸件质量不合格,则t=kT,且k=k+1,其中k为打磨次数;T为从视觉特征提取到完成一次打磨需要的时间;重复步骤S01-S04。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710588436.0A CN107378780B (zh) | 2017-07-19 | 2017-07-19 | 一种基于视觉***的机器人铸件打磨自适应方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710588436.0A CN107378780B (zh) | 2017-07-19 | 2017-07-19 | 一种基于视觉***的机器人铸件打磨自适应方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107378780A true CN107378780A (zh) | 2017-11-24 |
CN107378780B CN107378780B (zh) | 2019-01-08 |
Family
ID=60339998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710588436.0A Active CN107378780B (zh) | 2017-07-19 | 2017-07-19 | 一种基于视觉***的机器人铸件打磨自适应方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107378780B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108608296A (zh) * | 2018-06-15 | 2018-10-02 | 芜湖泓鹄材料技术有限公司 | 模具铸件打磨设备 |
CN108637860A (zh) * | 2018-04-18 | 2018-10-12 | 武汉理工大学 | 基于机器人手眼控制的高铁白车身自动化拉丝装置及方法 |
CN109605140A (zh) * | 2018-12-25 | 2019-04-12 | 珞石(山东)智能科技有限公司 | 基于机器视觉和具有力控功能六轴机械臂的刀具开刃方法 |
CN109732625A (zh) * | 2019-03-15 | 2019-05-10 | 珠海格力电器股份有限公司 | 一种基于机器视觉的工业机器人柔性打磨方法及*** |
CN110091221A (zh) * | 2019-05-13 | 2019-08-06 | 成都工业学院 | 一种模具表面处理方法 |
CN110405559A (zh) * | 2019-08-09 | 2019-11-05 | 珠海心怡科技有限公司 | 一种用于机器人上的墙面智能打磨抛光机 |
CN110587484A (zh) * | 2019-07-29 | 2019-12-20 | 苏州超徕精工科技有限公司 | 一种实时预测研抛加工过程去除效果的装置及方法 |
CN111331435A (zh) * | 2020-03-27 | 2020-06-26 | 中冶赛迪工程技术股份有限公司 | 一种合金中厚板智能化表面研磨工艺及生产线 |
CN111468989A (zh) * | 2020-03-30 | 2020-07-31 | 黄河水利职业技术学院 | 一种五轴联动数控机械手抛光控制***及方法 |
CN111604719A (zh) * | 2020-06-02 | 2020-09-01 | 湖北大学 | 一种外圆磨自适应高效率大磨削量纵磨方法 |
CN111906788A (zh) * | 2020-08-12 | 2020-11-10 | 湖北民族大学 | 一种基于机器视觉的卫浴智能打磨***及其打磨方法 |
CN112345539A (zh) * | 2020-11-05 | 2021-02-09 | 菲特(天津)检测技术有限公司 | 一种基于深度学习的铝压铸件表面缺陷检测方法 |
CN113021082A (zh) * | 2019-12-24 | 2021-06-25 | 沈阳智能机器人创新中心有限公司 | 一种基于遥操作及全景视觉的机器人铸件打磨方法 |
US20220126319A1 (en) * | 2019-02-05 | 2022-04-28 | 3M Innovative Properties Company | Paint repair process by scenario |
CN115026660A (zh) * | 2022-08-11 | 2022-09-09 | 昆山市恒达精密机械工业有限公司 | 一种基于ccd的研磨工艺智能控制方法及*** |
CN115100211A (zh) * | 2022-08-29 | 2022-09-23 | 南通电博士自动化设备有限公司 | 一种机器人金属板材表面打磨速度智能调控方法 |
CN115338709A (zh) * | 2022-10-18 | 2022-11-15 | 徐州艾奇川自动化设备有限公司 | 一种基于工业智能化的数控加工智能监测控制*** |
CN116967939A (zh) * | 2023-09-22 | 2023-10-31 | 大儒科技(苏州)有限公司 | 一种打磨抛光专用力控制*** |
CN116993230A (zh) * | 2023-09-26 | 2023-11-03 | 山东省智能机器人应用技术研究院 | 一种机器打磨作业质量评估*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003062752A (ja) * | 2001-08-20 | 2003-03-05 | For-A Co Ltd | 仕上げ加工装置 |
CN103831695A (zh) * | 2014-03-28 | 2014-06-04 | 中国科学院自动化研究所 | 大型自由曲面机器人打磨*** |
CN105196148A (zh) * | 2015-09-25 | 2015-12-30 | 广东省自动化研究所 | 一种具有智能上下料功能的自适应抛光打磨*** |
CN205520871U (zh) * | 2015-09-25 | 2016-08-31 | 广东省自动化研究所 | 一种基于视觉传感器的智能抛光打磨*** |
CN205703645U (zh) * | 2016-04-13 | 2016-11-23 | 广州文冲船厂有限责任公司 | 一种机器人打磨装置 |
-
2017
- 2017-07-19 CN CN201710588436.0A patent/CN107378780B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003062752A (ja) * | 2001-08-20 | 2003-03-05 | For-A Co Ltd | 仕上げ加工装置 |
CN103831695A (zh) * | 2014-03-28 | 2014-06-04 | 中国科学院自动化研究所 | 大型自由曲面机器人打磨*** |
CN105196148A (zh) * | 2015-09-25 | 2015-12-30 | 广东省自动化研究所 | 一种具有智能上下料功能的自适应抛光打磨*** |
CN205520871U (zh) * | 2015-09-25 | 2016-08-31 | 广东省自动化研究所 | 一种基于视觉传感器的智能抛光打磨*** |
CN205703645U (zh) * | 2016-04-13 | 2016-11-23 | 广州文冲船厂有限责任公司 | 一种机器人打磨装置 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108637860A (zh) * | 2018-04-18 | 2018-10-12 | 武汉理工大学 | 基于机器人手眼控制的高铁白车身自动化拉丝装置及方法 |
CN108608296B (zh) * | 2018-06-15 | 2024-04-26 | 芜湖泓鹄材料技术有限公司 | 模具铸件打磨设备 |
CN108608296A (zh) * | 2018-06-15 | 2018-10-02 | 芜湖泓鹄材料技术有限公司 | 模具铸件打磨设备 |
CN109605140A (zh) * | 2018-12-25 | 2019-04-12 | 珞石(山东)智能科技有限公司 | 基于机器视觉和具有力控功能六轴机械臂的刀具开刃方法 |
US20220126319A1 (en) * | 2019-02-05 | 2022-04-28 | 3M Innovative Properties Company | Paint repair process by scenario |
CN109732625A (zh) * | 2019-03-15 | 2019-05-10 | 珠海格力电器股份有限公司 | 一种基于机器视觉的工业机器人柔性打磨方法及*** |
CN109732625B (zh) * | 2019-03-15 | 2020-11-27 | 珠海格力电器股份有限公司 | 一种基于机器视觉的工业机器人柔性打磨方法及*** |
CN110091221A (zh) * | 2019-05-13 | 2019-08-06 | 成都工业学院 | 一种模具表面处理方法 |
CN110587484A (zh) * | 2019-07-29 | 2019-12-20 | 苏州超徕精工科技有限公司 | 一种实时预测研抛加工过程去除效果的装置及方法 |
CN110405559A (zh) * | 2019-08-09 | 2019-11-05 | 珠海心怡科技有限公司 | 一种用于机器人上的墙面智能打磨抛光机 |
CN113021082B (zh) * | 2019-12-24 | 2022-06-07 | 沈阳智能机器人创新中心有限公司 | 一种基于遥操作及全景视觉的机器人铸件打磨方法 |
CN113021082A (zh) * | 2019-12-24 | 2021-06-25 | 沈阳智能机器人创新中心有限公司 | 一种基于遥操作及全景视觉的机器人铸件打磨方法 |
CN111331435A (zh) * | 2020-03-27 | 2020-06-26 | 中冶赛迪工程技术股份有限公司 | 一种合金中厚板智能化表面研磨工艺及生产线 |
CN111468989A (zh) * | 2020-03-30 | 2020-07-31 | 黄河水利职业技术学院 | 一种五轴联动数控机械手抛光控制***及方法 |
CN111468989B (zh) * | 2020-03-30 | 2021-08-24 | 黄河水利职业技术学院 | 一种五轴联动数控机械手抛光控制***及方法 |
CN111604719B (zh) * | 2020-06-02 | 2021-08-10 | 湖北大学 | 一种外圆磨自适应高效率大磨削量纵磨方法 |
CN111604719A (zh) * | 2020-06-02 | 2020-09-01 | 湖北大学 | 一种外圆磨自适应高效率大磨削量纵磨方法 |
CN111906788B (zh) * | 2020-08-12 | 2021-09-14 | 湖北民族大学 | 一种基于机器视觉的卫浴智能打磨***及其打磨方法 |
CN111906788A (zh) * | 2020-08-12 | 2020-11-10 | 湖北民族大学 | 一种基于机器视觉的卫浴智能打磨***及其打磨方法 |
CN112345539A (zh) * | 2020-11-05 | 2021-02-09 | 菲特(天津)检测技术有限公司 | 一种基于深度学习的铝压铸件表面缺陷检测方法 |
CN115026660A (zh) * | 2022-08-11 | 2022-09-09 | 昆山市恒达精密机械工业有限公司 | 一种基于ccd的研磨工艺智能控制方法及*** |
CN115100211A (zh) * | 2022-08-29 | 2022-09-23 | 南通电博士自动化设备有限公司 | 一种机器人金属板材表面打磨速度智能调控方法 |
CN115100211B (zh) * | 2022-08-29 | 2022-11-18 | 南通电博士自动化设备有限公司 | 一种机器人金属板材表面打磨速度智能调控方法 |
CN115338709A (zh) * | 2022-10-18 | 2022-11-15 | 徐州艾奇川自动化设备有限公司 | 一种基于工业智能化的数控加工智能监测控制*** |
CN116967939A (zh) * | 2023-09-22 | 2023-10-31 | 大儒科技(苏州)有限公司 | 一种打磨抛光专用力控制*** |
CN116967939B (zh) * | 2023-09-22 | 2023-12-26 | 大儒科技(苏州)有限公司 | 一种打磨抛光专用力控制*** |
CN116993230A (zh) * | 2023-09-26 | 2023-11-03 | 山东省智能机器人应用技术研究院 | 一种机器打磨作业质量评估*** |
CN116993230B (zh) * | 2023-09-26 | 2023-12-15 | 山东省智能机器人应用技术研究院 | 一种机器打磨作业质量评估*** |
Also Published As
Publication number | Publication date |
---|---|
CN107378780B (zh) | 2019-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107378780B (zh) | 一种基于视觉***的机器人铸件打磨自适应方法 | |
CN103831695B (zh) | 大型自由曲面机器人打磨*** | |
CN105377513B (zh) | 具有视觉的自动机加工头及方法 | |
Shang et al. | Synchronization control in the cable space for cable-driven parallel robots | |
CN107808401A (zh) | 机械臂末端的单相机的手眼标定方法 | |
CN113814986B (zh) | 一种基于机器视觉控制scara机器人的方法及*** | |
CN111531407B (zh) | 一种基于图像处理的工件姿态快速测量方法 | |
Kuts et al. | Development of the internally cutting milling cutter model with radial advance for treatment of profiling rolls | |
Xia et al. | Workpieces sorting system based on industrial robot of machine vision | |
JP4770542B2 (ja) | 回転体加工中心算出方法、回転体加工中心算出プログラム、および回転体加工中心算出装置 | |
Mikolajczyk et al. | Adaptive control system for drill machine | |
CN108021756A (zh) | 一种基于d-h表示法的可重构机床运动学误差模型建立方法 | |
KR102140879B1 (ko) | 복합재 수리용 자동 스카핑 장치 및 이를 이용한 복합재 부품 수리 방법 | |
Mikolajczyk et al. | Machining with image recognition using industrial robot | |
CN104625836B (zh) | 数控龙门机床 | |
CN101633126B (zh) | 一种适用于机床加工复杂工件的夹具的配置方法 | |
DE102017012348B3 (de) | Mit einer Formungsmaschine und einer Formproduktentnahmevorrichtung versehenes Formungssystem | |
Soltani | Experimental investigation on the effective parameters on forming force, dimensional accuracy and thickness distribution in single point incremental forming | |
CN206010440U (zh) | 一种五轴鞋模机 | |
CN205733206U (zh) | 一种固定性能优良的五金切割机 | |
JP4899573B2 (ja) | 回転体加工方法および回転体加工装置。 | |
CN103273288A (zh) | 一种叶片精密模具加工方法 | |
Wang et al. | The light plane calibration method of the laser welding vision monitoring system | |
DE112021002976T5 (de) | Steuervorrichtung, robotersystem und steuerverfahren zum veranlassen des roboters, arbeit am werkstück auszuführen | |
CN107962411B (zh) | 一种异形空间构件的定位方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |