【技术实现步骤摘要】
本专利技术涉及打磨抛光领域，尤指一种汽车尾翼机械手打磨系统以及打磨方法。
技术介绍
1、随着汽车工业的发展，汽车尾翼作为提升汽车性能和美观度的重要部件，其生产质量要求日益提高。在汽车尾翼的制造过程中，打磨是关键工序之一。在现有技术中，机械手的打磨路径规划不够精准，往往是预设路径，无法根据尾翼实际形状变化自适应调整，易导致打磨不均匀，出现遗漏或过度打磨的情况。而且，在打磨过程中，无法有效监测打磨头的振动状态，当出现异常振动时，比如因尾翼材料不均、硬点等问题，不能及时调整打磨参数，这不仅影响打磨质量，还可能损坏打磨工具和尾翼。此外，废料和粉尘收集处理不完善，易造成环境污染且影响工作环境和操作人员健康。
技术实现思路
1、为解决上述问题，本专利技术提供一种汽车尾翼机械手打磨系统以及打磨方法，能够精准规划打磨路径提升打磨质量，提高生产效率，降低成本并对粉尘和废料进行有效处理。
2、为实现上述目的，本专利技术采用的技术方案是：
3、一种汽车尾翼机械手打磨系统，包括通信连接的路径规划模块、状态监测模块、参数补偿模块和废料收集模块，其中：
4、路径规划模块用于通过视觉传感器实时扫描尾翼，动态调整打磨路径；所述视觉传感器是3d结构光传感器或立体视觉相机；
5、状态监测模块用于通过振动传感器实时监测打磨头的振动状态，获取振动异常数据；
6、参数补偿模块用于根据振动异常数据自动调整打磨参数，调整打磨头进行打磨；
7、废料收集模块用
8、进一步地，所述通过视觉传感器实时扫描尾翼，动态调整打磨路径，包括以下步骤：
9、通过支架和减震装置将所述视觉传感器固定连接在机械手上方或侧面；
10、通过双向通信链路连接数据采集计算机与机械手控制系统；
11、通过路径规划模型对打磨路径进行路径规划和动态调整；
12、在打磨过程中，通过数据采集计算机与机械手控制系统中的监控程序持续监控视觉传感器参数，当所述传感器参数超过设定的阈值时发出告警并暂停打磨。
13、更进一步地，所述路径规划模型通过a*算法和基于特征的模型匹配算法共同实现，其中：
14、a*算法用于路径规划起点到目标点的搜索，根据打磨成本生成最优路径，并为后续动态调整提供基准路径；
15、基于特征的模型匹配算法用于实时和初始模型的特征对齐后，量化尾翼模型和初始模型间的偏差，并动态调整打磨路径的决策依据。
16、更进一步地，所述a*算法，包括以下步骤：
17、启动视觉传感器对放置在工作台上并已固定的尾翼进行全方位扫描，通过基于立体视觉的三维重建算法对每一帧图像进行三维重建，获取尾翼的三维点云模型；
18、将尾翼的三维空间划分为大小均匀的网格，以打磨工具的起始位置为起始点，以尾翼表面需要打磨的各目标位置集合为目标点集合，a*算法通过维护开放列表和关闭列表来搜索路径；
19、在每次迭代中，从开放列表中选择代价函数值最小的节点确定最优路径，当目标点被添加到关闭列表时算法结束，通过回溯从目标点到起始点的父节点，得到初始打磨路径，并作为基于特征的模型匹配算法的输入。
20、更进一步地，所述基于特征的模型匹配算法，包括以下步骤：
21、在打磨过程中，视觉传感器按照设定的频率持续对尾翼进行扫描，通过三维重建算法将实时图像帧转换为实时尾翼三维点云模型，从初始打磨路径的对应模型和实时模型中提取特征；
22、通过三维harris角点检测算法提取角点特征，通过计算点云的梯度方向变化获取边缘特征，提取到的特征点集分别为初始模型特征点集和实时模型特征点集；
23、通过最近邻匹配算法，计算在实时模型特征点集中的每个特征点和在初始模型特征点集中距离最近的特征点之间的距离，通过迭代优化找到使所有匹配特征点之间距离之和最小的变换关系，变换关系包括：平移向量、旋转矩阵和缩放因子；
24、根据模型匹配得到的变换关系，分析实时尾翼表面与初始打磨路径之间的偏差，同时分析旋转角度偏差和缩放因子偏差，判断需要调整的打磨路径；
25、根据路径调整决策对打磨路径进行修改，调整后的打磨路径再次反馈给机械手控制系统。
26、进一步地，所述通过振动传感器实时监测打磨头的振动状态，获取振动异常数据，包括以下步骤：
27、在打磨头与机械手之间连接振动传感器，振动传感器通过有线方式连接数据采集卡，数据采集卡在打磨过程中持续采集振动传感器的输出信号，并进行信号预处理；
28、通过计算信号均值获取振动信号的直流分量，通过计算信号的标准差获取信号的离散程度，提取信号的峰值因数判断冲击性振动的存在，通过对信号进行快速傅里叶变换获取信号频谱，并计算频谱幅值，通过幅值较大的频率点确定振动的主要频率成分；
29、根据异常检测算法为信号均值、标准差、峰值因数和主要频率幅值确定阈值，当多个特征同时超出阈值时，判断为异常振动；通过对大量正常打磨状态下的振动特征数据进行统计分析，估计分布的均值和标准差，计算新采集的振动特征数据在假设分布下的概率，当低于概率阈值，判断为异常振动，并记录振动特征数据。
30、更进一步地，所述判断为异常振动后，通过支持向量机或多层感知机进行异常振动检测，识别复杂模式下的异常振动。
31、进一步地，所述根据振动异常数据自动调整打磨参数，调整打磨头进行打磨，包括以下步骤：
32、将异常振动数据模糊化为模糊语言变量，每个模糊语言变量中的模糊集对应一个隶属度函数；根据模糊规则库，将模糊化后的振动特征与打磨参数调整量相关联；根据当前的模糊化振动特征，通过模糊推理算法在规则库中进行推理，得到模糊化的打磨参数调整量；将模糊化的调整量转换为精确的参数调整值；
33、将计算得到的打磨参数调整值发送给机械手控制系统执行参数调整操作，在参数调整后持续监控打磨头的振动情况判断是否恢复正常，如果仍然异常，重复上述步骤再次调整打磨参数，再通过机器学习进行辅助调整。
34、进一步地，所述将打磨过程中产生的粉尘和废料集中收集和处理，包括以下步骤：
35、在尾翼下方设置吸尘口，通过管道将各个吸尘口连接到中央集尘设备；
36、打磨开始前启动吸尘系统，通过调节风机的转速和阀门的开度来控制吸尘系统的风量和风速，在管道系统中安装压力差传感器，通过监测管道两端的压力差来判断管道是否堵塞，并进行流量平衡控制；
37、通过旋风分离技术进行废料分离与分类，在废料处理过程中，对处理设备的运行参数进行监控，记录废料信息建立废料处理档案。
38、一种汽车尾翼机械手打磨方法，包括以下步骤：
39、通过视觉传感器实时扫描尾翼，动态调整打磨路径；
40、通过振动传感器实时监测打磨头的振动状态，获取振动异常数据；...
【技术保护点】
1.一种汽车尾翼机械手打磨系统，其特征在于，包括通信连接的路径规划模块、状态监测模块、参数补偿模块和废料收集模块，其中：
2.根据权利要求1所述的汽车尾翼机械手打磨系统，其特征在于，所述通过视觉传感器实时扫描尾翼，动态调整打磨路径，包括以下步骤：
3.根据权利要求2所述的汽车尾翼机械手打磨系统，其特征在于，所述路径规划模型通过A*算法和基于特征的模型匹配算法共同实现，其中：
4.根据权利要求3所述的汽车尾翼机械手打磨系统，其特征在于，所述A*算法，包括以下步骤：
5.根据权利要求4所述的汽车尾翼机械手打磨系统，其特征在于，所述基于特征的模型匹配算法，包括以下步骤：
6.根据权利要求1所述的汽车尾翼机械手打磨系统，其特征在于，所述通过振动传感器实时监测打磨头的振动状态，获取振动异常数据，包括以下步骤：
7.根据权利要求6所述的汽车尾翼机械手打磨系统，其特征在于，所述判断为异常振动后，通过支持向量机或多层感知机进行异常振动检测，识别复杂模式下的异常振动。
8.根据权利要求1所述的汽车尾翼机械手打磨系统
9.根据权利要求1所述的汽车尾翼机械手打磨系统，其特征在于，所述将打磨过程中产生的粉尘和废料集中收集和处理，包括以下步骤：
10.一种汽车尾翼机械手打磨方法，应用于如权利要求1-9任一项所述的汽车尾翼机械手打磨系统，其特征在于，包括以下步骤：
...【技术特征摘要】
1.一种汽车尾翼机械手打磨系统，其特征在于，包括通信连接的路径规划模块、状态监测模块、参数补偿模块和废料收集模块，其中：
2.根据权利要求1所述的汽车尾翼机械手打磨系统，其特征在于，所述通过视觉传感器实时扫描尾翼，动态调整打磨路径，包括以下步骤：
3.根据权利要求2所述的汽车尾翼机械手打磨系统，其特征在于，所述路径规划模型通过a*算法和基于特征的模型匹配算法共同实现，其中：
4.根据权利要求3所述的汽车尾翼机械手打磨系统，其特征在于，所述a*算法，包括以下步骤：
5.根据权利要求4所述的汽车尾翼机械手打磨系统，其特征在于，所述基于特征的模型匹配算法，包括以下步骤：
6.根据权利要求1所述的汽车尾翼机械手打磨...
【专利技术属性】
技术研发人员：高兴绩，
申请(专利权)人：东莞市金太阳精密技术有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。