用于超精密抛光机床的Spline+GLS定位误差补偿模型北大核心

针对三次样条插值定位误差补偿模型难达到超精密抛光机床大行程轴(1470 mm)的定位误差补偿精度要求问题,提出Spline+GLS定位误差补偿模型。首先,使用XL-80激光干涉仪测量超精密抛光机床直线电机轴的定位误差,建立三次样条插值定位误差补偿模型进行初补偿;然后,对补偿后的定位误差再次测量并建立最小二乘拟合定位误差补偿模型;最后,将两种定位误差补偿模型相连构成Spline+GLS定位误差补偿模型。在超精密抛光机床上进行补偿实验,结果表明,Spline+GLS定位误差补偿模型补偿后的最大定位偏差值较三次样条插值定位误差补偿模型下降约61.62%,且定位误差由86.12μm降低到0.5μm,满足超精密抛光机床的定位精度需求。     

焊接机器人空间轨迹段间位姿平滑过渡方法

针对目前采用传统轨迹过渡方法在实现多段焊接轨迹过渡处理仅能保证机器人末端速度的平滑性，却无法实现满足弓高误差要求的问题，提出采用三次非均匀有理B样条曲线(non-uniform rational B-splines, NURBS曲线)的最大弓高误差可控的轨迹过渡方法。根据最大弓高误差计算过渡路径点，并用NURBS曲线对路径点进行拟合得到过渡轨迹。此外，基于位姿同步，对衔接点的角速度进行前瞻处理，并采用S型加减速对轨迹姿态进行规划。在自主搭建的机器人测试平台验证所提出的轨迹过渡方法，实验结果表明可以根据焊接工艺需求设定最大弓高误差，且在保证机器人末端线速度和角速度平滑性的基础上，保证实际弓高误差小于设定值。     

厚板多层焊接的焊缝位置修正

针对中厚板多层多道焊接示教繁琐且焊缝坡口会随焊接层数和道数的增加而产生变形的问题，基于激光视觉的机器人中厚板焊接系统，提出一种多层多道和多层单道焊缝位置修正方法。通过在每层焊接之后重新扫描焊缝以获取当前焊缝的三维信息，提取焊缝信息特征并对焊道位置进行修正，以重新设定下一层焊道的起点与终点位置。通过V型厚板多层单道焊接实验与焊缝三维模型焊后分析表明，对焊缝位置进行修正可有效消除由于焊接过程中变形带来的影响，厚板焊接盖面层焊缝余高可平均控制在2 mm以内，提高工业机器人对多层焊接的适应性。     

基于改进DG-MobileNet模型的焊缝缺陷识别方法

针对焊接缺陷识别及分类过程中，传统卷积神经网络识别准确率低、适应性差和低效等问题，提出一种基于融合空洞卷积的DG-MobileNet焊接缺陷识别模型。首先，基于MobileNet模型将深度可分离卷积与空洞卷积相结合以扩大卷积核感受野；然后，引入DropBlock模块和批量规范化算法优化焊接缺陷特征提取过程和防止过拟合现象；其次，引入SENet自注意力机制进行特征重标定，提升焊接缺陷识别效率。此外，考虑到焊接缺陷数量类不平衡问题，采用DCGAN进行数据增强并在增强后的数据集上验证模型有效性。实验结果表明，相比于传统算法，DG-MobileNet在焊缝缺陷图像特征提取、识别准确率和耗时方面均具有更好的效果，其测试准确率达到98.62%。