一种薄壁件边缘去毛刺方法及具身机器人系统
本发明涉及智能制造,特别涉及一种薄壁件边缘去毛刺方法及具身机器人系统。主要应用于薄壁零件加工的自动化去毛刺工序,可广泛应用于航空航天、汽车零部件、电子设备及高精度机械制造等行业。
背景技术:
1、在薄壁零件的加工制造过程中,由于切削、冲压、铸造等工艺因素影响,零件边缘区域通常会产生毛刺、飞边或局部凸起结构。上述缺陷不仅会影响零件表面质量和装配精度,还可能对后续加工过程及产品使用可靠性造成不利影响,因此需要对薄壁件边缘区域进行有效去毛刺处理。目前,薄壁件边缘去毛刺主要采用人工操作或机器人辅助加工方式。其中,人工去毛刺方式依赖操作人员经验,存在劳动强度大、加工一致性差以及作业环境适应性不足等问题。机器人示教式去毛刺方法通常通过人工示教或离线编程预先生成固定加工轨迹,在面对薄壁件加工过程中存在的尺寸偏差、装夹误差、局部形变以及多型号切换等情况时,难以及时调整加工路径,容易出现局部去除不足或过度加工等问题。
2、随着三维视觉感知、机器人智能控制等技术的发展,基于视觉信息实现工件表面特征识别并自主生成加工轨迹的方法逐渐应用于自动化去毛刺领域。现有技术中,多采用边缘检测、曲率分析等局部几何特征分析方法,或利用点云聚类方法进行毛刺区域识别并生成加工轨迹。然而,实际薄壁件边缘毛刺通常具有形态不规则、分布状态不均匀以及尺寸差异明显等特点,基于局部几何特征或点云聚类的识别方式容易受到局部结构变化及点云质量影响,导致毛刺区域识别准确性降低。同时,现有方法通常采用统一的轨迹规划方式和加工参数,难以适应不同区域的毛刺差异化特征,容易造成加工不足或过度去除,难以满足薄壁件柔性去毛刺需求。
技术实现思路
1、本技术通过提供一种薄壁件边缘去毛刺方法及具身机器人系统,解决了现有去毛刺技术中存在毛刺特征表征不完整、轨迹规划适应性不足的问题,实现了提高薄壁件去毛刺加工的适应性和一致性。
2、本技术实施例提供了一种薄壁件边缘去毛刺方法,包括以下步骤:
3、s1:获取薄壁件三维点云数据,并对所述三维点云数据进行边缘结构提取,得到边缘候选区域点集;
4、s2:提取所述边缘候选区域点集中各采样点的多维结构特征,通过空间加权融合构建表征毛刺空间分布特征的连续毛刺场模型;
5、s3:对所述连续毛刺场模型进行空间梯度分析,获取梯度分布信息,并基于所述梯度分布信息提取表征毛刺主传播方向的骨架点集;
6、s4:对所述骨架点集进行空间连续性约束处理,生成骨架连线拓扑结构,基于曲率连续性约束与平滑优化构建参数化去毛刺轨迹模型;
7、s5:将所述连续毛刺场模型映射至所述参数化去毛刺轨迹模型,构建沿弧长方向的轨迹毛刺强度分布函数,并对所述参数化去毛刺轨迹模型进行轨迹分割,对分割后的轨迹区间进行积分运算与归一化,得到各轨迹区间的综合特征值并进行加工策略语义划分;
8、s6:基于所述综合特征值及加工策略语义等级确定各轨迹区间的加工负载,并基于所述加工负载构建轨迹密度映射函数,对所述参数化去毛刺轨迹模型进行非均匀重采样,生成执行轨迹点集及匹配的加工参数集;
9、s7:基于所述执行轨迹点集及对应的加工参数集进行执行位姿转换与加工参数匹配,控制机器人完成薄壁件边缘去毛刺加工。
10、上述实施例的有益效果在于:本方法通过构建连续毛刺场模型将离散点云中的毛刺特征转化为空间连续分布形式,提高了毛刺分布建模的完整性与稳定性;通过对连续毛刺场模型进行梯度分析,提取骨架点集,并基于骨架拓扑结构构建参数化去毛刺轨迹模型,实现了由毛刺空间分布特征向连续加工轨迹的自动映射,提高了去毛刺路径生成的连续性、适应性及轨迹规划效率;通过构建轨迹毛刺强度分布函数,并根据毛刺强度变化进行加工策略语义划分,进一步结合加工负载构建轨迹密度映射函数,实现了基于局部加工需求的非均匀轨迹生成,使高毛刺区域获得更充分的加工覆盖,低毛刺区域减少冗余运动,在保证去除效果的同时提高加工效率。
11、在上述实施例基础上,本技术可进一步改进,具体如下:
12、在本技术其中一个实施例中,所述s1中边缘候选区域点集的获取过程包括:对所述三维点云中的各采样点进行邻域搜索,构建局部邻域点集;计算邻域点的几何中心,并基于此构建协方差矩阵;对协方差矩阵进行特征分解,计算各采样点的法向量及曲率信息;根据法向变化程度和局部曲率加权融合构建边缘响应值,,将所述边缘响应值大于预设阈值的采样点标记为边缘候选点,其中,表示采样点的局部曲率,和为预设权重系数,表示法向变化程度;对所述边缘候选点的集合进行欧氏聚类,统计每个连通域内的点数,若某连通域的点数小于预设的最小连通阈值,则判定其为离散异常点或噪声,予以剔除,得到所述边缘候选区域点集。
13、技术效果:通过融合法向变化与曲率变化的双重判据进行边缘响应值计算,能够更准确地识别薄壁件边缘区域,有效抑制点云噪声对边缘提取的干扰。
14、在本技术其中一个实施例中,所述s2中构建连续毛刺场模型的过程包括:在所述边缘候选区域点集内建立局部分析邻域,提取各采样点的几何高度变化特征、法向变化特征以及局部厚度变化特征;通过加权融合构建各采样点的毛刺强度评价值,形成离散毛刺分布集合;利用高斯核函数对所述离散毛刺分布集合进行空间插值平滑处理,得到所述连续毛刺场模型,其中所述连续毛刺场模型在空间中任意查询点处的强度值由所述离散毛刺分布集合中各采样点的毛刺强度评价值经高斯核加权平均计算得到。
15、技术效果:通过融合几何高度、法向偏移和局部厚度三个维度的结构特征,并采用高斯核空间插值将离散点云转化为连续场,能够更全面、稳定地表征毛刺的空间分布强度及变化趋势,降低点云稀疏性和噪声对识别结果的影响。
16、在本技术其中一个实施例中,所述s3中骨架点集的提取过程包括:对所述连续毛刺场模型进行空间梯度计算,获取梯度向量;以所述边缘候选区域点集中的采样点为起始点,沿梯度向量方向进行迭代追踪,构建表征毛刺强度连续演变的传播路径;对所述传播路径上的点进行海森矩阵特征值分解,根据脊线判定条件提取局部极值脊线点作为候选骨架点;根据候选骨架点之间的空间邻近关系及与梯度方向夹角的一致性约束进行筛选,得到所述骨架点集。
17、技术效果:通过连续毛刺场的梯度分析提取毛刺主传播方向的骨架点集,能够自动捕捉毛刺的走向和分布规律,为后续轨迹生成提供准确的几何引导,避免人工预设轨迹的局限性。
18、在本技术其中一个实施例中,所述s4中参数化去毛刺轨迹模型的构建过程包括:根据所述骨架点集中骨架点之间的欧氏距离和局部切向方向夹角进行空间连续性判定,将满足预设距离阈值和方向变化阈值的骨架点对加入连续连接集合;以所述骨架点集中的点作为图节点、以所述连续连接集合中的连接关系作为图边,并以空间距离与局部切向方向一致性构建边权,形成加权图模型;通过对所述加权图模型进行最小代价路径优化,确定骨架点之间的最优连接顺序,生成骨架连线拓扑结构;对所述骨架连线拓扑结构中的离散路径点进行重采样及有序化处理,采用三次样条插值方法构建初始连续曲线,并基于曲率连续性约束建立以最小化曲线弯曲能为目标的平滑优化模型,求解得到所述参数化去毛刺轨迹模型。
19、技术效果:通过加权图模型的最小代价路径优化与曲率最小化平滑优化相结合,能够生成连续、平滑且与毛刺骨架走向一致的去毛刺轨迹,避免传统轨迹规划中出现的路径突变和轨迹不连续问题。
20、在本技术其中一个实施例中,所述s5中轨迹分割及综合特征值获取的过程包括:
21、将所述连续毛刺场模型映射至所述参数化去毛刺轨迹模型,通过离散采样与三次样条插值重构构建沿弧长方向变化的轨迹毛刺强度分布函数;计算相邻采样点间的强度差分序列,引入滑动窗口机制提取局部波动特征,在窗口内计算局部背景波动水平,局部波动离散程度;遍历所述强度差分序列,当采样点满足时,确定为轨迹分割点,其中为灵敏度系数;基于所有分割点,将所述参数化去毛刺轨迹模型划分为若干个内部毛刺分布特性一致的连续轨迹区间;
22、对各连续轨迹区间内的轨迹毛刺强度分布函数进行积分运算,获得各轨迹区间的综合特征值,并对所述综合特征值进行归一化处理,根据归一化后的特征指标对各轨迹区间进行加工策略语义划分;其中:
23、;
24、其中,为当前等级划分,为高负荷加工等级,为中负荷加工等级,为低负荷加工等级,和为预设阈值。
25、技术效果:通过自适应分割判据将轨迹划分为毛刺强度分布均匀的区间,并基于积分量化各区间毛刺累积程度,实现了对加工区域的精细化语义划分,为差异化加工提供了可靠依据。
26、在本技术其中一个实施例中,所述s6中执行轨迹点集及匹配的加工参数集的生成过程包括:根据各连续轨迹区间的综合特征值及对应的加工策略语义等级,确定各轨迹区间对应的加工负载;将所述加工负载映射为轨迹密度权重系数,构建以归一化弧长为自变量的轨迹密度映射函数;根据所述轨迹密度映射函数,对所述参数化去毛刺轨迹模型进行非均匀重采样,在加工负载较大的轨迹区间减小采样步长以增加采样密度,在加工负载较小的轨迹区间增大采样步长以降低采样密度,结合轨迹几何信息构建各轨迹点对应的末端姿态,生成包含空间位置和姿态数据的执行轨迹点集;根据各轨迹点所属轨迹区间对应的加工负载,通过预设工艺映射模型生成匹配的加工参数集,所述加工参数集包括进给速度、打磨头转速以及加工次数。
27、技术效果:通过基于加工负载的非均匀重采样,使高毛刺区域获得更充分的加工覆盖,低毛刺区域减少冗余运动,实现按需加工的差异化轨迹规划,在保证去除效果的同时提高加工效率。
28、在本技术其中一个实施例中,所述s7中控制机器人完成薄壁件边缘去毛刺加工的过程包括:获取所述执行轨迹点集对应的机器人执行位姿,并结合工具标定参数进行tcp位姿补偿,将法兰中心位姿转换为工具作用点实际执行位姿;将tcp补偿后的工具作用点执行位姿与所述加工参数集中的进给速度、打磨头转速和加工次数按照轨迹执行顺序进行关联匹配,形成机器人加工控制数据;将所述机器人加工控制数据发送至机器人控制系统,驱动末端执行器沿所述参数化去毛刺轨迹模型对应的加工路径运动,同时按照对应轨迹区间的加工参数调整加工状态,完成薄壁件边缘去毛刺加工。
29、技术效果:通过将视觉感知、轨迹规划与机器人加工执行之间的数据关联,实现了从毛刺检测到加工执行的闭环自动化,使机器人能够根据薄壁件边缘不同区域的毛刺特征采用对应加工策略,提高了去毛刺加工的自动化水平和加工一致性。
30、本技术实施例还公开了一种薄壁件边缘去毛刺具身机器人系统,包括:
31、3d相机,用于获取薄壁件表面的三维点云数据;
32、机械臂,用于带动所述3d相机完成多视角三维点云采集,并带动打磨头沿规划轨迹运动;
33、打磨头,用于执行薄壁件边缘去毛刺加工;
34、控制计算机,用于与所述3d相机、所述机械臂建立通信连接,并存储有计算机程序,所述计算机程序被处理器执行时,实现前述的薄壁件边缘去毛刺方法。
35、技术效果:通过控制计算机集成执行前述的方法,实现了感知、规划与执行的一体化集成,构成了完整的薄壁件边缘去毛刺自动化系统。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com