论文部分内容阅读
阀门是重要的流体系统控制元件之一。随着工业4.0的提出,国内智能化工业生产发展迅猛,阀门生产装配过程开始朝柔性化转变。目前国内阀门生产装配过程中多以机械臂示教编码的方式完成零件抓取的动作,装配种类单一,无法快速适应多种类零件同时进行组装的任务。而传统的图像识别检测方式受背景、遮挡以及光照等因素影响,难以保证机械臂抓取的鲁棒性,同时也无法解决零件摆放不固定以及多种类零件混合摆放的问题,在装配过程中易出现错装、漏装等问题,进而难以满足阀门柔性装配多样化的需求。近年来,随着计算机硬件性能的大幅提升,深度学习领域的目标检测方法成功的应用到行人和车辆检测以及无人驾驶等场景中,相较于之前的检测方式,使用深度学习模型能够更好的适应目标物体位姿变化、光照变换、多物体遮挡等因素影响。本文针对阀门装配以上问题进行研究并设计出一个智能抓取系统,实现了在多零件混合不固定摆放的条件下,按照系统的三维动画装配顺序,依次抓取相应的零件,辅助装配人员完成阀门的装配。具体内容如下:(1)深入研究机械臂抓取系统的基础理论,总结了机械臂抓取系统中物体检测以及抓取位置检测的常用方法,为后文目标检测与传统抓取算法结合做铺垫。(2)对目标检测中的YOLO(You Only Look Once)、SSD(Single Shot MultiBox Detector)算法进行深入研究,通过公开数据集进行对比验证SSD算法的优势,并对阀门通用零件进行数据集采集与手工标注。通过实验验证SSD算法在阀门上的泛化性能,实验结果表明单类阀门零件检测正确率达到97%,在多种类情况下正确率达到90%,计算速度与准确率均优于传统检测方法,证明了该算法能有效的应用在本课题中。(3)提出了一个基于SSD目标检测的阀门零件抓取位置检测方法。首先通过SSD网络给出当前输入图像的零件种类与位置,缩小零件抓取位置分析范围,然后通过空间金字塔池化方法与传统特征提取卷积网络进行整合,并利用传统边缘检测方法设计一个考虑物体角度的抓取参考矩形框方法来代替滑动窗口生成方法,极大地提高计算速度。最后通过Cornell数据集以及阀门零件实验证明了本算法的实用性。(4)完成面向阀门零件装配的智能系统实验平台设计。通过LabVIEW完成系统的通讯连接与执行控制,利用SoildWorks绘图软件设计三维装配动画实现装配引导,最后对阀门零件进行实际抓取装配验证实验。结果表明该系统在理论创新和工业实际装配应用上具有一定的研究意义与实用价值。