一种多芯线缆绞合张力视觉反馈调节方法与流程

摘要: 本发明涉及工业自动控制,具体涉及一种多芯线缆绞合张力视觉反馈调节方法。背景技术:1、在多芯线缆绞合生产过程中,各芯线在绞合点处汇聚并按照预定节距相互缠绕形成缆芯...
一种多芯线缆绞合张力视觉反馈调节方法与流程

本发明涉及工业自动控制,具体涉及一种多芯线缆绞合张力视觉反馈调节方法。

背景技术:

1、在多芯线缆绞合生产过程中,各芯线在绞合点处汇聚并按照预定节距相互缠绕形成缆芯,各芯线的张力一致性直接决定了成品线缆的绞合节距均匀性、圆整度以及内部应力分布状态。

2、传统绞合设备通常在各放线轴处安装接触式张力传感器或通过测量放线电机电流间接推算芯线张力,然而绞合点处空间极为紧凑,多根芯线在狭小区域内高速汇聚并相互缠绕,接触式传感器无法在绞合点处安装,且传感器滚轮与芯线的接触本身就会干扰芯线的自由运动状态,引入额外的测量误差。

3、电机电流间接测量方式仅能反映放线轴的整体负载水平,无法感知绞合点处各芯线因相互挤压、缠绕接触而产生的局部张力失衡。在多根芯线同步绞合的过程中,各芯线之间存在复杂的力学耦合关系——一根芯线的张力变化会通过接触力传导至相邻芯线,引发连锁响应,而传统控制方法将各放线轴视为相互独立的控制对象分别调节,忽略了这种耦合效应。

4、现有机器视觉方案在绞合领域的应用大多局限于成品线缆的外观缺陷检测或绞合节距的离线测量,尚未建立基于绞合动态过程中芯线视觉形态特征与绞合点局部张力之间的定量映射关系,更未将视觉检测结果直接用于多芯线协同的实时闭环张力控制。

技术实现思路

1、针对现有技术中绞合点张力检测受限、多芯耦合控制缺失、视觉检测未形成实时闭环等缺陷,本发明提供一种多芯线缆绞合张力视觉反馈调节方法,以实现绞合点张力的非接触式精准感知与多芯协同闭环控制,为达到上述目的,采用如下技术方案:

2、一种多芯线缆绞合张力视觉反馈调节方法,具体包括以下步骤:

3、通过工业视觉检测系统实时采集绞合点处多根芯线的多视角同步图像数据;

4、对所述多视角同步图像序列进行实时解析,提取每根芯线在绞合过程中的三维空间位姿参数与运动参数,并基于所述三维空间位姿参数与运动参数构建视觉形态特征集;

5、根据各芯线间的空间邻接关系确定芯线间的耦合关联,结合所述视觉形态特征集计算得到各芯线在绞合点处的实际张力值;

6、根据各芯线的实际张力值与目标张力值的偏差,以绞合点处多芯线力学耦合约束为边界条件,生成各放线张力执行机构的协同调节指令;

7、根据所述协同调节指令驱动各放线张力执行机构,并返回执行所述实时采集步骤,形成闭环反馈调节。

8、在某些可能实现的方式中,所述提取每根芯线在绞合过程中的三维空间位姿参数和运动参数,包括:

9、所述三维空间位姿参数通过多视角立体视觉匹配算法重建生成;

10、所述运动参数通过连续帧图像的特征点跟踪算法计算生成。

11、在某些可能实现的方式中,构建所述视觉形态特征集的过程还包括以下处理中的至少一种:

12、第一种处理:通过所述工业视觉检测系统中的事件相机采集绞合点处的事件流数据,根据所述事件流数据重建芯线表面特征点的三维运动轨迹,并根据所述三维运动轨迹计算芯线轴向实时间距;根据所述实时间距按胡克定律计算得到张力瞬态波动量,将所述张力瞬态波动量作为动态形变特征纳入所述视觉形态特征集;

13、第二种处理:通过所述工业视觉检测系统中的结构光投影单元投射结构光条纹至绞合点,根据所述结构光条纹的形变位移重建各芯线的三维表面形貌,提取芯线截面的椭圆长轴和短轴;由所述长轴和短轴计算截面形变参数,将所述截面形变参数纳入所述视觉形态特征集。

14、在某些可能实现的方式中,所述根据各芯线的实际张力值与目标张力值的偏差,以多芯线力学耦合约束为边界条件,生成各放线张力执行机构的协同调节指令,包括:

15、构建包含绞合点几何模型及多芯线力学仿真模型的数字孪生体;

16、以各芯线的实际张力值与目标张力值的偏差为输入,并以多芯线力学耦合约束为边界条件,生成多条候选协同调节指令;

17、将各所述候选协同调节指令依次输入所述数字孪生体中进行仿真预演;

18、根据预演结果分别计算各候选协同调节指令的绞合质量综合指标;

19、选择所述绞合质量综合指标最高的候选协同调节指令作为所述协同调节指令并下发至各所述放线张力执行机构。

20、在某些可能实现的方式中,所述根据各芯线间的空间邻接关系确定芯线间的耦合关联,结合所述视觉形态特征集计算得到各芯线在绞合点处的实际张力值,包括:

21、将所述空间邻接关系与所述视觉形态特征集输入预设的图神经网络模型中进行推理,计算得到各芯线在绞合点处的实际张力值。

22、进一步地,所述图像数据的处理、实际张力值的计算及协同调节指令的生成均由边缘设备执行;

23、所述方法还包括:

24、所述边缘设备将运行数据上传至云端服务器;

25、所述云端服务器根据所述运行数据对所述图神经网络模型进行迭代更新,并将更新后的模型参数下发至所述边缘设备。

26、在某些可能实现的方式中,所述根据各芯线的实际张力值与目标张力值的偏差,以多芯线力学耦合约束为边界条件,生成各放线张力执行机构的协同调节指令,包括:

27、通过耦合矩阵表征所述多芯线力学耦合约束,并以所述耦合矩阵为约束边界求解二次规划问题,生成所述协同调节指令。

28、进一步地,所述生成各放线张力执行机构的协同调节指令还包括:

29、采用时序预测模型根据连续多帧的视觉形态特征集预测未来张力变化趋势,并根据预测偏差生成前馈调节量;

30、将所述前馈调节量与所述二次规划问题的求解结果进行叠加,生成复合调节指令作为所述协同调节指令。

31、在某些可能实现的方式中,所述协同调节指令通过深度强化学习策略网络生成;

32、所述策略网络预存有多组工况参数与网络参数的映射表,根据当前工况参数从所述映射表中匹配并调用对应的网络参数组合生成所述协同调节指令。

33、在某些可能实现的方式中,所述绞合点的中心位置设置有非圆形截面的异形填充骨架,各芯线围绕所述异形填充骨架进行绞合;

34、所述异形填充骨架的外周面沿轴向间隔设置有多个凸起部,相邻凸起部之间形成容纳槽,所述芯线嵌设于所述容纳槽内并与所述凸起部形成几何互锁配合;

35、当外部压力作用于绞合点处时,所述几何互锁配合通过芯线与骨架之间的斜面接触将径向压力转化为沿接触面的切向分力,以抵抗芯线向内的径向挤压位移;

36、所述三维空间位姿参数中的方位角以所述异形填充骨架的中心轴线为参考基准。

37、由上述技术方案可知,本发明具有以下有益效果:

38、1.本发明采用多视角立体视觉重建芯线三维空间曲线,提取与张力关联的视觉形态特征,实现绞合点张力的非接触式感知,可克服传统接触式测量在绞合点处难以安装、干扰芯线运动的局限。

39、2.本发明将芯线建模为图神经网络节点,依据空间邻接与接触状态动态构建图边,精准刻画多芯线力学耦合关系;基于耦合约束生成协同调节指令,有效降低传统独立控制引发的反复调节与张力振荡。

40、3.本发明通过时序预测模型预判张力变化趋势,结合绞合速度、放线盘径扰动生成前馈调节量,与二次规划反馈量叠加形成复合控制,改善传统纯反馈控制的滞后超调问题。

41、4.本发明采用深度强化学习训练协同控制策略,奖励函数纳入节距均匀度、间隙均匀度等工艺质量指标,可根据工况自适应调用对应参数,产品切换时无需人工干预即可保持最优控制性能。

42、5.本发明设置非圆形异形填充骨架形成几何互锁结构,同时作为视觉位姿计算的参考基准,其约束关系纳入数字孪生仿真,可增强缆芯结构稳定性。

43、6.本发明采用边缘-云协同架构,边缘设备本地执行实时计算以保障控制低延迟;云端基于历史数据迭代优化模型并下发,使系统张力估计精度与控制效果能够持续提升。