本發(fā)明涉及滑塊墊片厚度調(diào)節(jié),尤其涉及一種基于線激光3d相機的滑塊墊片厚度調(diào)節(jié)方法。
背景技術:
1、在現(xiàn)代工業(yè)生產(chǎn)過程中,滑塊墊片的厚度調(diào)節(jié)和控制是確保產(chǎn)品質(zhì)量和性能的重要環(huán)節(jié)。傳統(tǒng)的滑塊墊片厚度測量方法主要依賴于接觸式測量工具,如卡尺和機械量具。這些方法不僅操作復雜且耗時,還容易受到人為操作的影響,導致測量精度不高。此外,接觸式測量可能對墊片表面造成損傷,影響產(chǎn)品質(zhì)量和使用壽命。特別是在自動化生產(chǎn)線上,這種人工測量方法難以實現(xiàn)高效和精確的質(zhì)量控制。
2、隨著工業(yè)自動化的發(fā)展,非接觸式測量技術逐漸得到應用。其中,線激光3d相機技術因其高精度和高效率的特點,成為一種重要的非接觸式測量手段。然而,現(xiàn)有技術在滑塊墊片厚度調(diào)節(jié)過程中,仍然存在一些技術難題,限制了其應用效果和精度。
3、首先,現(xiàn)有的線激光3d相機技術在獲取滑塊墊片的三維形貌數(shù)據(jù)時,容易受到掃描角度和表面反射特性的影響,導致數(shù)據(jù)獲取不完整或存在干擾。這些干擾會影響后續(xù)的厚度測量和調(diào)節(jié)過程,降低測量精度和可靠性。特別是在邊界區(qū)域,傳統(tǒng)的掃描方法難以消除死角干擾和尖峰狀干擾,導致形貌數(shù)據(jù)不準確。
4、其次,在厚度調(diào)節(jié)過程中,現(xiàn)有的控制系統(tǒng)大多依賴于簡單的測量數(shù)據(jù)和預設的調(diào)節(jié)參數(shù),缺乏實時的動態(tài)調(diào)整能力。這種方法難以適應復雜的工業(yè)環(huán)境和多變的生產(chǎn)需求,導致調(diào)節(jié)精度不足和效率低下。同時,傳統(tǒng)的厚度調(diào)節(jié)方法通常需要人工干預,容易引入人為誤差,難以實現(xiàn)全自動化操作。
5、另外,現(xiàn)有的圖像處理算法在墊片位置檢測和確認方面也存在一定的局限性。傳統(tǒng)的圖像處理算法在復雜的工業(yè)環(huán)境中,容易受到光照條件和背景噪聲的影響,導致墊片位置檢測不準確。特別是在滑塊墊片的厚度調(diào)節(jié)過程中,墊片的位置和厚度密切相關,位置檢測的誤差會直接影響厚度調(diào)節(jié)的精度和效果。
技術實現(xiàn)思路
1、本發(fā)明的一個目的在于提出一種基于線激光3d相機的滑塊墊片厚度調(diào)節(jié)方法,本發(fā)明顯著提高了滑塊墊片厚度調(diào)節(jié)的精度和效率,實現(xiàn)了全自動化操作和實時反饋控制,滿足了現(xiàn)代工業(yè)生產(chǎn)對高效、精準調(diào)節(jié)的需求。
2、根據(jù)本發(fā)明實施例的一種基于線激光3d相機的滑塊墊片厚度調(diào)節(jié)方法,包括如下步驟:
3、s1、使用線激光3d相機對前中后三個滑塊進行掃描,獲取三個滑塊的形貌數(shù)據(jù);
4、s2、對獲取的形貌數(shù)據(jù)進行預處理,消除死角干擾和尖峰狀干擾;
5、s3、通過分析處理后的形貌數(shù)據(jù),使用改進多尺度迭代重構算法生成所需墊片的厚度尺寸數(shù)據(jù);
6、s4、將厚度測量數(shù)據(jù)傳輸至控制系統(tǒng);
7、s5、控制系統(tǒng)根據(jù)厚度尺寸數(shù)據(jù)判斷是否需要調(diào)節(jié)墊片厚度和數(shù)量;
8、s6、控制系統(tǒng)控制機械臂上的真空吸盤機構吸取合適厚度的墊片;
9、s7、將墊片放置到滑塊座上,通過改進圖像處理算法確認墊片位置是否正確;
10、s8、控制系統(tǒng)根據(jù)實時反饋數(shù)據(jù)對墊片厚度進行動態(tài)調(diào)整;
11、s9、重復步驟s1-s8,直至三個滑塊的掃描數(shù)據(jù)滿足設定要求。
12、可選的,所述s1具體包括以下步驟:
13、s11、啟動線激光3d相機,對前、中、后三個滑塊分別進行掃描,每個滑塊的掃描路徑為從左至右、從上至下,形成網(wǎng)格狀掃描圖案;
14、s12、獲取每個滑塊的初步形貌數(shù)據(jù),初步形貌數(shù)據(jù)包括高度h前(x,y)、h中(x,y)、h后(x,y)以及表面輪廓c前(x,y)、c中(x,y)、c后(x,y),其中,x和y分別表示滑塊表面的水平和垂直坐標;
15、s13、對每個滑塊的初步形貌數(shù)據(jù)進行多次重復掃描,消除單次掃描可能出現(xiàn)的誤差,形成多個重復形貌數(shù)據(jù)集其中i表示第i次掃描,n為重復掃描的次數(shù);
16、s14、對多個重復形貌數(shù)據(jù)集進行數(shù)據(jù)融合,采用加權平均算法,生成最終形貌數(shù)據(jù)h前(x,y)、h中(x,y)、h后(x,y)。
17、可選的,所述s2具體包括以下步驟:
18、s21、對獲取的每個滑塊的初步形貌數(shù)據(jù)h前(x,y)、h中(x,y)、h后(x,y)、進行邊界檢測,識別并標記滑塊形貌數(shù)據(jù)中的邊界區(qū)域;
19、s22、應用自適應多角度融合算法對識別出的邊界區(qū)域進行處理,將每個滑塊的初步形貌數(shù)據(jù)分割成若干小區(qū)域,記為其中m為分割區(qū)域的數(shù)量;
20、對每個小區(qū)域rj進行多角度掃描,獲取多個不同角度的形貌數(shù)據(jù)其中,θ表示不同的掃描角度,p為掃描角度的數(shù)量;
21、對于每個小區(qū)域rj,應用自適應權重函數(shù)wj(θ)對不同角度的形貌數(shù)據(jù)進行加權融合,生成無死角干擾的形貌數(shù)據(jù)h′j(x,y):
22、
23、其中,wj(θ)為自適應權重,依據(jù)每個角度的掃描質(zhì)量動態(tài)調(diào)整;
24、將所有小區(qū)域rj的無死角干擾形貌數(shù)據(jù)h′j(x,y)拼接,生成初步修正后的整體形貌數(shù)據(jù)h′前(x,y)、h′中(x,y)、h′后(x,y);
25、s23、對初步修正后的形貌數(shù)據(jù)h′前(x,y)、h′中(x,y)、h′后(x,y)進行尖峰狀干擾檢測,識別并標記異常高值或低值點;
26、s24、應用尖峰狀干擾濾除算法,對標記的異常點進行插值處理,采用雙線性插值方法,將周圍正常點的值進行加權平均,生成最終預處理后的形貌數(shù)據(jù)
27、
28、其中,w(u,v)為插值權重,表示在插值處理中每個鄰域點對插值結果的貢獻程度,權重的選取根據(jù)周圍點的距離和數(shù)據(jù)的平滑度來確定,較近的點權重較大,較遠的點權重較小,k為插值窗口大小,h'(x+u,y+v)為初步修正后的形貌數(shù)據(jù),表示位置(x+u,y+v)處的高度值,插值處理的結果hf(x,y)為位置(x,y)處的最終預處理高度值;
29、s25、將最終預處理后的形貌數(shù)據(jù)存儲在控制系統(tǒng)中。
30、可選的,所述s3具體包括以下步驟:
31、s31對預處理后的形貌數(shù)據(jù)進行多角度掃描,生成多個角度下的形貌數(shù)據(jù)集合其中,θ表示不同的掃描角度,p為掃描角度的數(shù)量:
32、
33、其中,hθ(x,y)表示在掃描角度θ下的形貌數(shù)據(jù),x和y分別為滑塊表面的水平和垂直坐標,i(x′,y′,z′)為被掃描表面在空間位置(x′,y′,z′)處的反射強度,表示滑塊表面對激光的反射情況,gθ(x-x′,y-y′,z-z′)為掃描響應函數(shù),描述了不同角度下激光掃描的響應特性,積分區(qū)域[a,b]和[c,d]為掃描區(qū)域的邊界,表示掃描覆蓋的范圍;
34、s32對每個角度的形貌數(shù)據(jù)進行歸一化處理,消除角度差異帶來的影響,歸一化后的形貌數(shù)據(jù)為h′θ(x,y);
35、s33應用自適應權重融合算法,對多個角度的形貌數(shù)據(jù)進行加權融合,生成綜合形貌數(shù)據(jù)hc(x,y):
36、
37、其中,hc(x,y)為融合后的綜合形貌數(shù)據(jù),w(θ)為自適應權重,依據(jù)每個角度數(shù)據(jù)的質(zhì)量動態(tài)調(diào)整,μθ和σθ分別為角度θ下形貌數(shù)據(jù)的均值和標準差,用于衡量數(shù)據(jù)的集中趨勢和離散程度;
38、s34對綜合形貌數(shù)據(jù)hc(x,y)進行多尺度分層處理,生成多尺度分層模型
39、
40、其中,lk(x,y)為第k層次的分層模型,nk為窗口大小,表示分層處理的尺度范圍,wk(i,j)為第k層次的權重函數(shù),用于對不同位置的綜合形貌數(shù)據(jù)進行加權處理;
41、s35在每個尺度層次上,應用基于神經(jīng)網(wǎng)絡的自適應殘差修正算法計算當前層次的形貌殘差rk(x,y):
42、
43、其中,rk(x,y)為第k層次的形貌殘差,wi為權重,依據(jù)神經(jīng)網(wǎng)絡的輸出動態(tài)調(diào)整;
44、s36對形貌殘差rk(x,y)進行基于小波變換的自適應平滑處理,濾波后的殘差數(shù)據(jù)為rk,f(x,y):
45、rk,f(x,y)=w-1{hw(u,v)·w{rk(x,y)}};
46、其中,w和w-1分別表示小波變換和逆小波變換,hw(u,v)為自適應小波濾波函數(shù),用于平滑殘差數(shù)據(jù),消除噪聲;
47、s37將平滑處理后的殘差數(shù)據(jù)rk,f(x,y)添加到當前層次的分層模型lk(x,y)中,更新分層模型:
48、lk+1(x,y)=lk(x,y)+rk,f(x,y);
49、其中,lk+1(x,y)為更新后的分層模型;
50、s38重復步驟s35至s37,直至所有層次的分層模型均完成迭代重構,生成最終的多尺度迭代重構形貌數(shù)據(jù)lq(x,y);
51、s39對最終的多尺度迭代重構形貌數(shù)據(jù)lq(x,y)進行厚度尺寸分析,采用厚度計算公式t(x,y):
52、t(x,y)=lq(x,y)-b(x,y);
53、其中,t(x,y)為生成的所需墊片的厚度尺寸數(shù)據(jù),b(x,y)為滑塊底部基準面數(shù)據(jù),表示滑塊在不同位置處的基準面高度。
54、可選的,所述s5具體包括以下步驟:
55、s51、將計算得到的墊片厚度尺寸數(shù)據(jù)t前(x,y)、t中(x,y)、t后(x,y)傳輸至控制系統(tǒng);
56、s52、控制系統(tǒng)對每個位置的墊片厚度尺寸數(shù)據(jù)進行統(tǒng)計分析,計算各位置的平均厚度
57、
58、其中,n為測量點的數(shù)量,t(xi,yi)為位置(xi,yi)處的厚度尺寸數(shù)據(jù);
59、s53、控制系統(tǒng)將計算得到的平均厚度與預設的標準厚度t標準進行比較,計算厚度偏差δt前、δt中、δt后:
60、
61、其中,δt為厚度偏差,表示當前厚度與標準厚度的差異;
62、s54、根據(jù)厚度偏差δt,控制系統(tǒng)判斷是否需要調(diào)節(jié)墊片厚度和數(shù)量,具體如下:
63、如果|δt|≤∈,則認為當前厚度在允許誤差范圍內(nèi),不需要調(diào)節(jié);
64、如果|δt|>∈,則需要調(diào)節(jié)墊片厚度或數(shù)量,其中,∈為允許的厚度誤差范圍;
65、s55、控制系統(tǒng)根據(jù)厚度偏差的正負確定調(diào)節(jié)方案:
66、如果δt>0,表示當前厚度過大,需要減少墊片厚度或數(shù)量;
67、如果δt<0,表示當前厚度不足,需要增加墊片厚度或數(shù)量;
68、s56、控制系統(tǒng)生成調(diào)節(jié)指令,包括所需調(diào)整的墊片厚度或數(shù)量,調(diào)節(jié)指令中包含具體的調(diào)整參數(shù)δt調(diào)整:
69、
70、其中,δt調(diào)整為需要調(diào)整的厚度差值。
71、可選的,所述s7具體包括以下步驟:
72、s71、將通過s6吸取的墊片移動到滑塊座上方,并調(diào)整機械臂的姿態(tài),使墊片對準滑塊座的預定位置;
73、s72、使用改進的圖像處理算法對墊片進行定位檢測,獲取墊片在滑塊座上的初始位置數(shù)據(jù)p初(x,y),其中,x和y為墊片在滑塊座上的水平和垂直坐標;
74、s73、對墊片的初始位置數(shù)據(jù)p初(x,y)進行邊緣檢測,識別墊片的邊緣輪廓e(x,y):
75、
76、其中,分別表示墊片位置數(shù)據(jù)在x和y方向的梯度;
77、s74、將檢測到的墊片邊緣輪廓e(x,y)與滑塊座的標準邊緣輪廓e標準(x,y)進行匹配,計算位置偏差δp(x,y):
78、δp(x,y)=e標準(x,y)-e(x,y);
79、其中,δp(x,y)為墊片位置與標準位置的偏差,表示墊片在滑塊座上的實際位置與預期位置之間的差異;
80、s75、根據(jù)位置偏差δp(x,y),控制系統(tǒng)判斷墊片位置是否正確,具體如下:
81、如果|δp(x,y)|≤∈1,則認為墊片位置正確;
82、如果|δp(x,y)|>∈1,則需要調(diào)整墊片位置,其中,∈1為允許的偏差范圍;
83、s76、控制系統(tǒng)根據(jù)位置偏差δp(x,y)生成位置調(diào)整指令,調(diào)整指令中包含具體的調(diào)整參數(shù)δp調(diào)整(x,y):
84、δp調(diào)整(x,y)=δp(x,y);
85、其中,δp調(diào)整(x,y)為需要調(diào)整的位置偏差值;
86、s77、將位置調(diào)整指令發(fā)送至執(zhí)行機構,執(zhí)行機構根據(jù)指令進行實際位置調(diào)整操作,確保墊片位置與標準位置匹配,最終確認墊片位置是否正確。
87、本發(fā)明的有益效果是:
88、本發(fā)明通過使用線激光3d相機進行多角度掃描,獲取滑塊墊片的完整三維形貌數(shù)據(jù),并通過自適應多角度融合算法消除死角干擾和尖峰狀干擾,生成準確的形貌數(shù)據(jù),通過改進的多尺度迭代重構算法,對形貌數(shù)據(jù)進行分析和處理,生成所需墊片的厚度尺寸數(shù)據(jù),確保厚度調(diào)節(jié)的精度和可靠性,此外,通過改進的圖像處理算法,對墊片位置進行準確檢測和確認,確保墊片在滑塊座上的正確位置,為厚度調(diào)節(jié)提供精確的參考。