V型坡口对接焊接图像处理方法的研究

该文根据V型坡口对接的特点,通过对多种图像处理方案的对比和分析,从中选出最佳方案,对各个处理步骤安排合理,优化工艺流程,用最少的步骤实现了对焊缝特征值的提取,对最终实现焊接质量图像跟踪奠定了基础。     

基于激光跟踪的V形坡口焊接机器人

介绍了激光跟踪焊接机器人的结构组成和工作原理。在分析了V形坡口焊缝空间位置和形状特征的基础上,采取结构光法标定焊缝图像。经过焊缝条纹图像处理,提取焊缝特征点,根据三角测量原理建立了特征点的三维坐标。通过建立图像空间到机器人末端焊枪的笛卡尔空间雅可比矩阵,计算出焊枪在基坐标下的位姿;利用机器人逆运动学方程,求得机器人各关节的位置值,最后由关节控制器控制各个关节的运动,实现了机器人V形坡口焊接的视觉控制。     

J形坡口焊接机器人运动控制系统设计

核电压力容器的焊接制造中,半球形封头与圆管相贯形成空间曲线J形坡口焊缝,通用焊接机器人难以满足焊接要求.针对研发的悬挂式J形坡口专用焊接机器人,设计开发了机器人运动控制系统.介绍了机器人机械结构特点及运动控制算法.机器人控制系统核心采用工业控制计算机(IPC)与DMC数字运动控制器,交流伺服电机为执行端,利用三级控制结构实现作业管理,组织各轴协同运动完成焊接作业.进行了空间曲线J形坡口焊缝焊接实验.实验结果表明,设计开发的运动控制系统能够很好地控制机器人各轴协同运动,满足空间曲线J形坡口焊缝的焊接需求,可以提高核电压力容器焊接制造的自动化水平.     

机器人焊接视觉跟踪

直接利用焊接电弧光，通过专门设计的窄带，偏振复合滤光器，摄取焊接区图象，然后用自行研制的ＴＭＳ３２０２０图象处理机进行高速处理并输出偏差特征参量，最后控制特别设计的末端器，操纵焊枪，实现机器人电弧焊的实时跟踪。     

弧焊机器人激光焊缝跟踪系统的应用研究

焊缝自动跟踪是实现焊接自动化的关键,在传统弧焊机器人系统的基础上设计了一种基于激光传感器的焊缝跟踪子系统,构建了激光传感器的数学模型及机器人手眼标定方法,并针对搭接焊缝的图像特点,提取出焊缝特征点位置坐标.同时设计开发了焊缝跟踪控制算法和机器人焊缝跟踪程序,最后通过对储气罐环形搭接焊缝进行焊接实验,结果证明了该焊缝跟踪系统的有效性和可靠性.     

采用激光线光源的焊接坡口间隙视觉检测

针对生产过程中焊件的加工装配误差、焊件热变形等因素导致的焊接坡口间隙变化从而影响焊缝质量的问题,设计基于激光线性光源的焊接坡口间隙视觉检测系统.运用LabVIEW的Vision Builder AI 3.0图像处理模块对焊接坡口间隙变化进行实时测量,实现坡口间隙变化视觉信号的图像采集和检测.实验表明,焊接坡口的检测精度和实时性可以满足焊枪姿态、焊枪摆动角度和焊接过程中焊接规范的实时修正与控制要求.     

高频焊管与V型坡口焊管管壁热应力数值模拟

化工原料的输送是进行化工生产的关键环节,这些原料通常采用焊管运输。而评价焊管质量好坏的一个重要指标是焊管内外壁所能承受的温度差。利用ANSYS有限元分析软件,编写APDL程序,对母材为Q235A,焊丝为HS316的V型坡121焊缝焊管与母材同样为Q235A的高频焊管所能承受的内外壁温度差及管道壁均匀温度值进行比较,发现高频焊管内外壁面所能承受的最大温度差以及所能承受的管道壁均匀温度值皆大于V型坡口焊缝焊管。这对实际选择焊管方面提供了参考。     

基于激光跟踪仪的机器人运动学参数标定方法

工业机器人的连杆参数误差是影响其绝对定位精度的最主要因素，为改善机器人的绝对定位精度，借助了高精度且可以实现绝对坐标测量的先进测量仪器——激光跟踪仪，以及功能强大的CAM2 Measure 4．0配套软件，从机器人自身的运动约束出发，构建起实际的D—H模型坐标系，进而对运动学参数进行了修正，获得了关节变量与末端法兰盘中心位置在基坐标系下的准确映射关系．结果表明，标定后的平均误差及均方根误差均改善了40％以上，且该方法易于实现，通用性强，能明显改善精度．     

基于BP的机器人摆动焊接视觉跟踪模糊控制

在建立机器人摆动焊视觉跟踪系统的基础上，构造了用于焊接纪盼望匠模糊控制系统，并提出利用三层ＢＰ神经网络来模拟模糊控制量之间的映射关系，从而实现了基于Ｂ宾机器人摆动焊接神经网络模糊控制。     

面向大型结构件焊接的爬行机器人视觉跟踪控制

精准的焊缝识别与自动跟踪控制是保证机器人焊接质量及作业效率的基础。为实现大型结构件弧面焊缝的高效自动化跟踪焊接,该文提出一种基于单激光传感器的爬行机器人双向自动跟踪技术和自适应权重的焊枪级联控制方法。针对爬行机器人建立运动学模型,分析了激光系统与焊缝的距离偏差预估方法和机器人与焊缝夹角修正方法,通过动态调整爬行机器人本体与焊缝的位置关系实现爬行机器人沿焊缝双向自动跟踪。基于焊接工艺参数和焊缝位置信息确定焊枪姿态和末端位置,通过执行机构的逆运动学模型求解得到焊枪传动关节的运动位移值,并基于运动位移值调整关节电机对焊枪位置进行实时校正。仿真分析了激光系统与机器人本体中心距离对直线焊缝路径跟踪的影响,发现该距离在0.35～0.5 m之间能够兼顾激光系统和机器人本体中心快速跟踪焊缝。初始距离偏差对激光系统与焊缝的距离偏差影响较小,但对机器人与焊缝的夹角偏差影响较大。分析了后退控制的系统稳定条件,并在5G和6G焊接位置开展机器人沿焊缝的双向跟踪性能测试,得到跟踪过程的激光系统与焊缝距离偏差值曲线以及机器人与焊缝夹角曲线,证明了控制系统的有效性。通过对执行机构进行运动学仿真,验证了焊枪定位的准确性。     

海面目标电视跟踪算法

本文针对对海电视跟踪的特定条件,考虑了系统设计的要求,提出了灰度信息结合目标形状的跟踪算法.该算法既可以消除或减弱背景天水线对目标跟踪的影响,提高目标跟踪的准确度,还可以减少运算时间,实现海面目标的实时跟踪.     

图象法焊接缝隙检测的研究

为了实现电弧焊过程的自动对中和焊缝质量控制，必须对焊接缝隙的相对位置和坡口几何参数进行检测。文章介绍了一套自行设计的计算机焊接缝隙检测系统，包括图象采集卡、光学传感器、计算机接口、图象处理软件，分析了它们的基本结构和工作原理。重点讨论了提高光学传感器、图象处理软硬件等抗干扰能力的措施。     

海面目标电视跟踪算法

本文针对对海电视跟踪的特定条件,考虑了系统设计的要求,提出了灰度信息结合目标形状的跟踪算法.该算法既可以消除或减弱背景天水线对目标跟踪的影响,提高目标跟踪的准确度,还可以减少运算时间,实现海面目标的实时跟踪.     

焊缝激光跟踪实时图像处理方法的研究

对焊缝激光跟踪中实时图像处理方法进行了研究．采用卷积滤波和中值滤波相结合的方法,改进了中值滤波能力和处理速度;采用Robert算子,较好地保留了激光光带的边缘．方法处理效果好,处理速度快,能够满足跟踪系统的实时性要求．     

爬行式弧焊机器人结构光视觉传感器内部布局实验研究

爬行式弧焊机器人结构光视觉传感器内激光器与CCD的安装可采取三种布局：激光器垂直照射,摄像头倾斜摄像;激光器倾斜照射,摄像头垂直摄像;激光器倾斜照射,摄像头倾斜摄像。设计了传感实验并进行比较,发现采取激光器倾斜照射,摄像头垂直摄像可取得满意的结果。     

基于玻耳兹曼原理的图像分割算法

针对图像分割算法中存在的难以自动处理和范化能力差等问题，基于热力学的玻耳原理和Metropolis准则，设计了一种新颖的图像分割算法．该算法在无需预先设定阈值的情况下，可高速地获得单像素、连续轮廓边界的分割图像，并通过调节温度系数，实现图像由概略到细节的分割，因此避免了过分割现象．该算法的分割时间随温度系数的减小而增加，而温度系数的减小造成分割类数增多所导致的像素点重复计算问题，可通过并行计算来改进．由对比实验证明，该算法在快速性、自动处理程度和范化能力性能指标上，明显优于常用的K聚类和可控竞争惩罚学习等图像分割算法．     

基于DSP的运动目标识别与跟踪的系统设计

分析了目前可视跟踪系统中存在的主要问题及DSP与主控计算机之间的数据传输效率 ,提出了符合实时处理要求的可视跟踪系统结构、图像滤波和图像分割的方法 ,经在计算机上模拟表明 ,该方法效率高 ,效果好 ,完全能符合实时要求     

远程图像监控系统的智能跟踪开发

介绍了基于因特网的远程智能图像跟踪监控系统的原理及实现方法, 针对现有图像监控系统的缺陷, 将图像处理技术应用于远程监控解决方案,通过实例对核心图象智能处理与跟踪模块的开发和实现作了详细的说明.     

基于神经网络的茄子采摘机器人视觉识别方法

针对生长环境中茄子图像背景复杂的特点,提出了一种基于BP神经网络的图像分割方法。通过对茄子果实的分析,选取3×3邻域像素EXG灰度值作为图像特征。选取30幅图像作为训练样本,以人工借助Photoshop软件分割后的图像作为教师信号,采用改进的BP算法对神经网络的权值进行训练。经过120次循环后,获得有效的网络权值,误差为0．001。结果表明,利用BP神经网络能够较好地实现茄子与背景的分离,经过数学形态法结合中值滤波方法的进一步处理后完全能满足采摘机器人的要求。     

基于格子波尔兹曼的机器人视觉特征点检测

针对Harris特征点检测算法中图像存在角点信息丢失的问题,提出基于格子波尔兹曼结合Harris算法的机器人视觉特征点检测方法。格子波尔兹曼具有并行操作的优点,可以保证机器人导航的实时性。通过格子波尔兹曼方法对图像进行预处理,然后使用Harris算法,实现特征点的有效检测。实验结果表明,该方法更加准确的选择特征点,减少特征点数目的同时,提升了特征点的质量,完成了特征相对不明显的点的检测。