| 弧焊机器人焊接区视觉信息传感与控制技术(图) |
|
| 日期：2007-6-11 21:29:22 人气：77 [大 中 小] |
|
|
|
在文献[6][7]中总结出：降噪这一步骤对在试验系统中采集的图像的最终处理结果影响不大。试验中也跳过了这一步。 此外，忽略该步骤对提高算法的速度，增加系统的实时性也是有益的。
在此从过程控制和质量控制两方面来阐述视觉信息在焊缝跟踪和熔池控制中的应用。
2.1 视觉信息在过程控制中的应用
由于焊接过程是一个伴随着强光、强热的动态过程，要实现精确的焊缝自动跟踪是焊接领域一个重要研究课题。焊缝跟踪系统一般都由传感器、信号处理和执行机构等3部分构成。 其中视觉传感器由于可以远离强光强热的熔池!还可以获得大量的可用信息，因而得到了研究者的青睐。因此，如何在自然光条件下提取焊缝偏差信息，实现精确的焊缝跟踪仍是一个值得讨论的问题。
2.1.1 焊缝提取
焊缝接头类型识别是焊缝提取中首要解决的问题。目前，已开发出基于视觉传感的弧焊机器人系统大多数是在焊接前还需要输入焊缝类型。国内外对焊缝类型的自动识别的研究可分为基于句法的识别方法和基于规则的识别方法，但是由于原
始焊缝形状与规则中的规定可能出现较大的误差，因而该方法不但实现复杂，而且可靠性欠佳。河北工业大学的岳宏教授等在自适应共振人工神经网络的基础上研制了自动识别焊缝类型（焊接坡口）的方法。首先根据不同类型的焊缝对电弧光和激光光带的影响，将弧焊焊缝划分为4种类型。在此基础上，确定焊缝的特征参数，并组成训练样本数据库，由此抽取焊缝图像特征!，制作ART2人工神经网络分类器，将4类焊缝的权值保存在其长期记忆层，在实际分类时，用CCD摄像机将检测到的焊缝特征参数输入，处理后即可得到焊缝类型。
随着科技人员的不断努力，发明了一种新的简单实用快速的识别焊缝的方法。由CCD摄像机得到的图像用直方图分析可以得到适当阈值，使图像三值化，然后对处理后的图像分析可以看到，如果图像每行的相邻像素相减，可发现通过焊缝的行至少有4处差值为56（黑点噪声行也会出现这种情况），而不通过焊缝的行大多只有2处差值为56但是多次试验表明含有黑点噪声的行不会连续出现五行。因此，根据其特点可以通过程序控制来搜索到真正的焊缝中心线。1 2 下一页 |
|
|
| 我有问题，我要进入论坛 |
| 出处：本站原创 作者：佚名 | |
|
