遗传算法在工业机器人控制中应用研究

在构建工业机器人实验硬件系统的基础上,对机器人控制技术进行深入的研究,忽略机器人关节间的耦合,设计单关节的PID控制器.为获取最优的控制效果,利用遗传算法进行PID参数的自整定.最后,对所设计的PID控制器进行了仿真试验,结果表明,与单纯的PID控制相比,基于遗传算法的PID控制器响应速度快,基本无超调,可满足实际作业的要求.     

BP神经网络在焊缝位置识别中的应用

研究了一种焊缝位置识别新方法,在一定工艺条件下,使用视觉传感器采集焊接熔池图像,选取图像中熔池前端部分进行处理,先对其进行中值滤波与灰度变换,在此基础上,获取每一幅熔池图像的质心值、质心位移、质心速度及电弧与焊缝的偏差值作为训练样本数据.以质心值、质心位移和质心速度为输入量,以偏差值为输出量,利用BP神经网络建立其数学模型,最后对该模型进行检验.检验结果表明,该模型能够较准确地描述熔池图像质心与焊缝偏差之间的关系,为进一步实现精确的焊缝跟踪提供了理论和试验依据.     

高速运动机器人动力学分析与研究

当机器人运行于高速条件下时,整个系统将处于一种不稳定的状态。对高速运动条件下的机器人动力学进行了深入的研究。首先,对研制的6自由度搬运机器人平台硬件结构进行了介绍。在此基础上,对高速运动的机器人的动力学表达式式进行了分析,得到了造成机器人高速运动动力学效应的状态参量—机器人的关节角θ、关节角速度θ觶与关节角加速度θ咬,结合机器人样机的PID主控制器,定性探索了机器人的动力学参量与PID控制器参量间的关系规律,为后续的控制器设计提供依据。     

基于边缘重构图像的边缘检测算法优选研究

边缘检测是视觉定位、零件缺陷识别、视觉测量等图像处理中的关键环节,其检测质量直接影响后续的图像目标识别与定位的精度。针对具体图像处理需选取合适的边缘检测算法的问题,提出了一种基于多方向滑动窗口线性插值重构法的图像边缘检测质量评价算法。首先,采用待处理边缘图像的最大连续非边缘矩形区域作为重构搜索窗口,设计了多方向滑动窗口线性插值图像重构法;然后,根据图像边缘的特征,建立了集成图像结构相似度和边缘错检率为性能指标的边缘检测算法的优选评价方法;最后,进行了实例应用,通过实验对重构算法的性能、优选方法的可行性和正确性进行了验证。研究结果表明：该边缘图像重构算法准确率最高,实验中重构图像的结构相似度可达到0.708 7,耗时320.902 1 s;采用该优选方法能快速地筛选出最佳的边缘处理算法,与人体视觉评价一致,便于实现边缘检测算法的智能优选和图像的智能处理目标。     

傅立叶变换在熔池图像特征提取中的应用

熔池图像特征的提取对于分析焊接质量十分重要,而频域图像处理算法相对空域有很多优势,可以克服传统的空域图像处理算法对噪声敏感的不足,并有利于增强图像特征.为此,首先采用中值维纳滤波方法对焊接熔池图像进行组合滤波去噪,然后对去噪后的熔池图像运用基于傅立叶变换的巴特沃思滤波器进行高通滤波,以增强图像,并采用加强滤波算法对图像实现补偿,同时进行直方图均衡化,最后运用Canny算子边缘检测与数学形态学运算获得熔池边缘,提取出熔池特征信息.结果表明,运用傅立叶变换高频加强滤波进行熔池图像增强处理,并结合空域中较为成熟的图像处理算法,可以得到较好的熔池特征提取效果.     

喷涂机器人控制系统的开发与研究

对喷涂机器人技术进行了研究,设计并研制了喷涂机器人控制系统,介绍了控制系统的硬件与软件结构,对喷涂机器人系统的示教和离线编程两种模式的工作流程进行了叙述,同时设计了机器人各个关节的PID控制器,并对所设计的PID控制器进行了仿真试验.试验结果表明:所设计的控制器响应速度快,无超调,基本可满足工业需要.     

基于遗传算法的焊接熔池检测

对焊接熔池图像的视觉检测新方法进行了深入地研究。以TIG焊为研究对象,首先搭建了焊接试验平台,实时获取焊接熔池图像。同时选取了中心波长为650 nm的窄带滤光片与7#减光片组成复合滤光系统,对焊接过程中产生的弧光进行过滤。在此基础上,研究了基于遗传算法的熔池图像阈值分割方法,给出了图像算法的处理流程。与传统的Otsu方法相比,GA处理法能提取到更为丰富的熔池及焊缝信息。为进一步去除弧光对熔池图像所产生的干扰,还对GA阈值分割后的图像进行了腐蚀、Sobel边缘检测处理,较好地提取了熔池边缘,为后期的焊接过程控制提供更丰富的信息。     

机器视觉在鞋机运动轨迹识别中的应用研究

提出了一种基于机器视觉的鞋底运动轨迹识别新方法,首先,自主开发了鞋机自动涂胶系统。引入视觉检测技术,采集鞋底图像,对采集到图像进行中值滤波及灰度增强处理。在此基础上,对遗传算法进行深入研究,研究了基于遗传算法的图像阈值分割方法。结果表明,与传统的ostu法相比,新方法能较好地去除鞋底周边的干扰,准确提取鞋底信息。最后对分割后的图像进行了数学形态学及边缘检测处理,以提取鞋底轮廓边缘,最终的图像误差为±0.03mm,为下一步鞋底涂胶轨迹的自动生成奠定基础。     

用于焊缝位置识别的视觉模型设计与试验

理论与试验研究用于焊缝位置识别的视觉模型,该模型主要由弹性梯度下降训练法BP神经网络组成.在焊接工艺条件下,使用视觉传感器获取焊接区熔池图像,并选取特定区域进行中值滤波与图像灰度变换处理以增强被测对象的特征.在此基础上,计算和处理熔池特性参量(熔池图像质心差值、质心位移、质心移动速度)以及相对应的焊缝与电弧之间的偏差值,将其输入所设计的神经网络进行网络权值参数训练和推理学习,从而建立基于BP神经网络、具有一定认知和环境适应能力的焊缝位置识别视觉模型.对该模型进行通用性检验,试验结果表明该模型通过熔池特性参量可以较精确地识别焊缝位置.     

遗传算法在易拉罐罐盖喷码系统中的应用

目的为实现饮料易拉罐拉环背部激光打码的自动化,提出一种基于遗传算法的易拉罐罐盖图像识别新方法。方法首先搭建一套易拉罐盖激光自动打码机,基于所搭建的实验系统,利用CCD相机实时采集罐盖图像。对所采集到的图像进行中值滤波和灰度增强处理,在此基础上,研究基于遗传算法的罐盖图像阈值分割新方法,分析、确定算法的关键参数(个体数目、交叉率、变异率等),由此得到罐盖的二值化图像,并对算法处理结果进行误差分析。结果遗传算法经过约15代的迭代计算,能够收敛,获取到最优的图像阈值,整个算法的运行时间约30 ms,最终的图像精度约为7.9 pixel。结论基于遗传算法的图像阈值分割实时性好,分割后的图像精度高,与传统的Ostu阈值分割法相比,得到的信息更加丰厚,能抑制光线不均所造成的图像干扰。同时对遗传算法阈值分割后的图像进行了sobel边缘检测,得到了清晰的罐盖边缘,为激光打码的准确定位奠定了基础。