基于RNGK-FCM算法的大梁焊接障碍物识别

针对大梁焊接时难以通过传统的识别方法实现实时而精确的障碍物识别的问题,提出一种优化模糊C均值实时聚类(RNGK-FCM)的大梁焊接障碍物识别方法. 引入实时聚类策略,替换核化距离函数,全局快速优化. 通过MATLAB平台进行仿真对比分析各类FCM算法聚类性能,RNGK-FCM相比于传统FCM算法,能实时获取聚类数;对噪声点具有较好的鲁棒性;降低了对初值的敏感性,聚类识别精度高. 在某公司大梁自动焊生产线进行障碍物识别试验. 结果表明,各类障碍物聚类数准确,实时性优良,障碍物规避动作精准,为实现大梁自动焊打下了坚实的基础.     

基于Delaunay三角剖分的磁控旋转电弧堆焊自由曲面重建

多层堆焊时,第二层焊缝受第一层焊缝的形状和焊接质量影响较大,一般需经人工观察实时调整堆焊参数和焊枪姿态,急需一种精准高效的堆焊三维曲面识别技术,以满足自动化堆焊的要求. 针对这一问题,提出一种基于采样点三维数据的分区间Kriging插值增长的Delaunay三角剖分模型,该方法根据磁控旋转电弧堆焊传感器采集的焊缝采样点数据,利用Kriging插值算法加权处理,得到相应的内点,将这些数据点进行分区间增长的Delaunay三角剖分,投影到三维空间中形成三角网格面片,完成堆焊曲面重建. 结果表明,该方法的曲面重建效果较好,实时性较高.