智能加工中心的视觉系统

提出了一个智能加工中心（ＩＭＣ）的实验系统方案，计算机视觉系统作为ＩＭＣ的感官部件，利用ＣＣＤ工业摄像机摄下机床工作台上的工件毛坯图像，在零件设计信息指导下，把待加工面抽象成一条封闭的平面曲线，据此识别工件毛坯及其安装状态，进而识别工件坐标在机床坐标系中的位置．从而将视觉信息作为工艺规划的依据．     

加工中心刀具二维视觉检测系统的研究

论述了一种基于于维视觉测量的刀形检测及调位系统。分析了系统进行刀形测量的原理，以及视觉系统硬件解调测量的实现方法，并给出了相关测量数据。系统的研制实现了高效、精确、自动的刀形检测和刀具位置调整、为高精度数控加工提供了保障。     

面向加工中心的智能制造系统研究

为了开展现有加工中心的智能化研究,主要对智能机器的基本概念与智能制造系统的软、硬件结构设计进行了理论探讨。     

智能装配视觉系统新的三维重建方法

提出一种新的三维重建方法，对所获得的立体象对进行适当的变换，把空域中的立体匹配问题转换到波数域中来解决；采用基于局部相的立体匹配方法来求解立体匹配这个难题，并用Ｈｏｐｆｉｅｌｄ神经网络来实现立体匹配过程，以便实现并行处理；构造了一个三维重建神经网络来实现三维重建     

基于计算机视觉的静态场智能监控系统

本文介绍了一种基于计算机视觉的静态场智能监控系统,用于重要区域的智能视频监控领域。该系统将数字图像处理技术、智能模式识别技术及视频监控技术进行了融合,通过监控现场摄像机分时采集若干帧的视频图像,以此建立场景边缘模型,通过计算机视觉的自适应识别算法分析被监控现场的实时图像资料,并根据相应模式处理被监控现场的异常状况,从而实现重要区域的智能监控。     

加工中心电气设计分析

对加工中心电气设计的原理进行了分析，总结出了将设计工作划分为三个大的部分，再将大的部分按控制功能不同细分为若干小单元进行设计的方法，有利于提高设计工作的效率和质量。     

一种智能加工中心的设计与原型构造

根据智能制造系统发展的要求，设计了一种具有一定自治能力的智能加工中心原型，探讨了对智能加工中心的功能要求，介绍了智能加工中心的知识获取、表达与处理方法，给出了基于开放式体系结构的原型构造方案。     

加工中心空间综合误差建模技术

在建立加工中心空间误差几何模型基础上，着重解决加工中心在实际加工时受外载荷作用下的误差建模和分析计算，使误差模型适合于实际加工状态。     

数控加工中心的选用策略

针对加工中心的特点和企业发展对加工中心的要求,分析了企业在引进加工中心时存在的问题。提出了正确选择加工中心的策略和原则。阐述了加工中心选择的主要策略内容和关键部件选择的方法与要求。加工中心的合理选择可以保证企业投资决策的正确性,并为企业带来可观的经济效益。     

一种基于智能相机的机器视觉系统的设计

从传统机器视觉系统的概述入手,介绍了智能相机机器视觉系统的特点、组成,从硬件、软件两方面给出了智能相机机器视觉系统的开发思路;智能相机机器视觉系统的开发,主要利用实验室开发平台来仿真工业生产线,实现系统的各项功能;结果表明：该开发平台完全可以移植到工业生产线中,具有较强的实用价值。     

五轴数控加工中心刀心运动轨迹分析

给出用绝对坐标系表示的含两个回转工作台的刀心轨迹计算方法，采用等步长逼近法进行线性逼近处理，进行凸面加工时为避免刀具干涉，提出了凸面梯形补偿算法，得到了绝对坐标系下五轴加工中心的无刀具干涉的刀位数据计算公式，为五轴加工中心自动编程系统的数控数据获取提供了理论依据，此算法已用于五轴ＣＮＣ系统的控制软件设计中。     

基于机器视觉的人防门智能打磨系统

针对人工识别易出错、清理效率低、打磨环境恶劣等难题,基于机器视觉原理结合双机械臂研制了一种人防门智能打磨系统,其中视觉系统主要由1台视觉控制器VC3300和2台500万像素相机构成。通过视觉系统识别工件的顶点坐标,建立待打磨坐标系与顶点坐标系的映射关系,解决了塞焊孔位置及埋弧焊位置难以有效识别、数据难以高效协同、高精度打磨难以实现的难题。实验结果表明：此视觉系统能够有效保证较高的定位准确率和精度,整体工序相较于人工提速33.3%,打磨后焊点的平均高度0.115mm,满足实际工业生产需求,具有较好的实用价值。     

加工中心工艺参数智能生成系统的研究

为了提高加工中心的应用水平,优选刀具及自动生成工艺参数是一个极其重要而又难以获得满意解决方案的课题。该文提出一种以基本切削数据库为基础综合利用多种人工智能技术,根据实际工况,通过学习修正、记忆、实时生成对实际加工环境具有广泛适应能力的最佳切削参数和优选刀具的新方法。利用这一系统可以使一个普通操作工人达到专家级对加工中心机床的应用水平。生产验证表明,利用本软件选择的刀具和切削参数使生产效率平均提高５０％以上。     

智能装配系统中神经视觉的三维物体识别

根据智能装配系统的实际要求，提出了一种利用神经视觉进行三维物体识别的理论和方法，在利用立体象对重建物体的三维外形的基础上，建立物体的区域图，利用物体的三维矩及其不变性来构造代表物体的特征矢量．采用ＡＲＴ２神经网络构成神经网络分类器，把物体的特征矢量作为神经网络分类器的输入，从而对物体进行识别或分类．这种识别或分类方法可以在线学习，能满足智能装配环境下连续作业的要求     

TH5632／14AB型立式加工中心振动测试与评价

通过对ＴＨ５６３２型立式加工中心的振动测量，用判别机床振动的标准对其作出评价，分析了该设备的状况，建立了必要的文档资料，为以后对该加工中心的状态监测与故障诊断提供了条件。     

基于运动轨迹测量的加工中心几何误差控制

利用机器人运动学的齐次坐标变换原理和小角度假设,建立了三轴立式从加工中心刀尖到工件的封闭矢量链,推导出包含21项几何误差的三轴立式加工中心几何误差模型,给出基于运动轨迹误差测量的几何误差辨识方法。建立的基于运动轨迹误差测量的几何误差模型可以推广应用到其他型式的数控机床误差的建模、辨识和控制中。     

基于机器视觉的智能小车转向系统滑模控制

针对智能小车转向时跟踪精度差、响应时间较慢的问题，提出了一种基于机器视觉的智能小车转向系统的滑模控制方法。首先，以感知路面信息的智能小车为研究对象，对其转向系统进行了原理分析及数学建模。通过对永磁直流电机工作过程的分析，建立了电枢电压平衡方程和转矩平衡方程，得出了相应的传递函数，并采用实验方法对传递函数参数进行了辨识。其次，针对上述被控对象，设计了滑模控制器，并进行了稳定性证明。利用Matlab/Simulink仿真结果验证了滑模控制算法的有效性。理论结果和实验验证相结合表明，相较于PID(proportional integral differential)控制，滑模控制具有较好的跟踪精度和响应速度。在频率为20 Hz时，跟踪精度提高了89.3%。此外，滑模控制能够克服系统的不确定性，尤其是对于非线性系统，显示出良好的控制效果。