面向中小型制造企业的网络化制造模式及产品协同设计模式构想

简要分析我国中、小型制造企业的生产运作过程，指出实施网络化的具体领域，提出相应的网络化系统模式；简要分析企业产品开发的一般过程，对产品协同设计的领域进行划分，提出针对中小企业的产品协同设计系统，目的是提高企业的生产运作效率和产品开发能力。     

摄像机标定在上下料视觉机器人中的应用

摄像机标定在机器视觉中占有重要地位,尤其是在三维测量和三维重建中起着不可或缺的作用。对同一台摄像机使用了一种四步法的摄像机标定和张正友的摄像机标定方法,使用四步法求出摄像机的完全畸变模型,比较两个摄像机标定的结果．并用张正友的算法进行双目视觉测量,分析其误差。经测试,两种方法均满足上下料机器人的精度要求。     

机器视觉在网片缺陷检测与分类中的应用

针对网片缺陷传统人工检测方法误检率高、劳动强度大等问题,应用机器视觉技术,提出了一种网片缺陷在线检测及分类方法。首先通过工业相机获取网片图像,应用中值滤波和图像二值化方法实现对网片图像的预处理。通过分析缺陷特征,提出了基于特征点的网片缺陷检测方法,在检测出缺陷的同时能对网片三种缺陷类型进行预分类。根据网片缺陷类型的不同,通过计算缺陷区域的灰度共生矩阵并提取4个特征参数,运用BP神经网络对网片缺陷进行分类。实验表明,使用本方法分类网片缺陷类型能满足工业要求。     

重型车床床身性能分析及多目标参数优化

以重型卧式车床床身为研究对象,为满足床身在静刚度不降低条件下达到轻量化、动静态性能好这一要求,提出以质量、最大变形和低阶固有频率为目标的优化设计方法。通过正交实验法建立了床身低阶固有频率、最大变形和质量关于筋板厚度的响应面模型,并对模型的准确性进行了验证。运用带有非支配排序遗传算法(NSGA-Ⅱ)对床身进行多目标优化求解,得到了Pareto最优解集。在此基础之上,采用基于信息熵赋权的多目标灰靶决策算法对Pareto解集进行优选。通过对最终方案进行有限元分析,优化后的床身动静态性能略有提高,质量减轻了604kg。具体算例表明,该方法具有实用性。     

基于深度学习的元器件视觉识别和定位技术

为解决当前装配机器人视觉系统对元器件误检率高、效率低、难获取有效定位信息的问题，提出了一种基于深度学习的元器件视觉识别和定位方法。首先，设计基于深度聚合和解耦头的高精度检测算法，提高元器件识别和主体检测的精度；其次，设计标注和判定规则，细化定位主体轮廓和抓取点；最后，设计基于网络剪枝的轻量化检测算法，实现模型压缩，提高引脚检测和装配点定位的效率。研究结果表明：该方法在元器件的识别和定位上取得了较好表现，类别识别平均错误率仅为0.27%，计算量减少了29.8%，参数量减少了22.7%，并将传统的元器件轮廓检测扩展到抓取点和装配点定位，得到丰富的类别和位置指引信息，为工业机器人精准、可靠、稳定地抓取和装配做好基础。     

上下料机器人视觉测量系统关键技术的研究

根据上下料机器人对于视觉系统的要求,对双目视觉测量系统的数学模型进行分析,进而分析了双目测量系统的精度,根据该模型,通过实验进一步验证和分析两相机的角度和基线距,以控制测量的上下偏差值,来保证图像采集精度,为上下料机器人抓取提供准确的坐标数据。     

RBF神经网络在机器人视觉伺服控制中的应用

传统的机器人视觉伺服控制是由系统雅可比矩阵的计算得到图像空间与机器人空间的非线性关系,这种方法不仅计算量大、系统结构复杂,而且对系统模型误差敏感。针对此问题,在分析视觉伺服数学模型的基础上,设计了RBF径向基函数神经网络来实现机器人视觉伺服系统手眼协调功能,从而简化控制算法。通过仿真实验证明所设计的径向基函数神经网络控制系统具有良好的目标定位效果和泛化能力,并且极大地缩短了视觉伺服所需时间,很好地保证了控制系统的实时性。