以某“2018年北京市智能制造标杆企业(数字化车间)”为研究对象,通过对机器人技术、视觉技术、自动导引车(Automated Guided Vehicle,AGV)技术、射频识别(Radio Frequency Identification,RFID)技术等的应用探索,介绍各项自动化技术在液压支架电液控制系统液压阀装配车间的应用。实践证明,各项自动化技术的应用在生产过程中起到了提质、增效、降本的效果,可为煤机制造和液压产品制造中的技术升级提供借鉴。

针对传统机器人目标抓取过程中识别精度低的问题,提出了一种改进SSD网络的目标识别与定位方法。首先,针对机器人在小目标检测上精度低的问题,将特征金字塔与CNN神经网络结合,实现高层特征与底层特征提取的联合;其次,针对工业机器人数据样本小、不利于识别分析的问题,采用移动、旋转、增加噪声干扰、消除干扰数据等方式对数据集进行增强;最后,对改进的SSD网络进行验证。结果表明,相较于SS+SIFT+SVM算法、SS+HOG+SVM算法,改进的SSD网络可有效识别和定位需要抓取的目标。

全自主机器人的导航控制未对目标对象定位,无法获取有效目标路径,导致控制方法精度低且效率差,提出全自主机器人视觉信息采集与导航控制方法。该方法采集机器人信息数据,根据相关数据以及粗定位和精定位的方法精确目标物的位置,在Q算法的帮助下得到最优控制策略,结合基于Boltzmann探索方案生成机器人的下一步运动角度,根据奖惩值避开障碍物,通过不断训练机器人不断得到最优导航动作,实现全自主机器人的导航控制。实验结果表明,所提方法控制的轮转角和航向角均与理想角一致,横向位移偏差达到了0m,跟踪目标在Y轴最高偏差值为0.5m,因此,该方法导航控制效果好和目标对象跟踪精度高。

结合企业的实际需求,以PCBA板分拣为研究对象,设计了一套基于机器视觉的自动分拣系统.利用LabVIEW开发环境,将机器视觉技术引入到机械臂的运动控制中,结合图像处理技术方法完成对PCBA板合格品的装箱,利用气动吸盘装置完成对PCBA板不合格品的分拣.实验证明系统高效、准确地实现了对PCBA板的分拣工作,具有较高的应用价值.

目前,活塞环的检测普遍采用人工检测。采用视觉技术提取活塞环闭口间隙轮廓,对轮廓进行图像处理,得到测量结果,与人工检测相比,检测速度更快,精度更高。传统的边缘检测过程大都采用Canny算子,通过高斯滤波过滤图像。在活塞环轮廓处理过程中,对轮廓提取精度要求更高。高斯滤波作为低通滤波算法,对轮廓没有保护作用,会导致轮廓边缘图像模糊。针对这一问题,提出了改进的Canny算子,采用中值滤波和傅里叶变换相结合的方法,有效地提高了边缘轮廓的提取精度。

随着3D打印技术的发展,增材再制造技术也成为各类零件缺陷自动修复的手段之一。针对大型铸件缺陷的修复以人工堆焊为主,存在效率低、对工人伤害大、修复合格率低等缺点。为此,提出了利用3D打印再制造技术对缺陷进行自动修复的工艺方法,即利用视觉系统对工件自动扫描重构工件三维模型,并与标准CAD模型比对,确定缺陷的类型、分布及尺度特征,获取各损伤部位的3D点云数据,根据缺陷模型自动编程并生成机器人程序,驱动执行机构依次完成各缺陷自动焊接修复。实验结果表明:工件缺陷重构模型精度在±0.1 mm以内,扫描速度为1000 mm/min,自动焊接修复工件无焊接缺陷,各项性能指标满足实际使用要求。

通过分析铸件毛坯现有打磨技术的劣势,提出自动扫描三维重构铸件模型,获取工件3D点云数据,然后根据打磨工艺自动规划路径并进行离线编程,获得机器人运动程序,最后按照工艺路径自动完成铸件打磨的工艺方案。在综合考虑成本、功能、力学及干涉等各方面因素的基础上,确定打磨装备的整体布局形式,并对专用恒力打磨机构、视觉系统等关键部件作了详细设计与阐述。利用现有的机械设备、工业相机及线激光组成的视觉系统对实验工件进行三维模型重构,结果显示:模型尺寸精度在±0.1 mm以内,扫描速度为1 000 mm/min。打磨实验显示:打磨后工件表面粗糙度值小于Ra6.3μm,整个打磨表面平整度也满足检测需要,单台设备打磨效率达到人工的10倍左右。