24小时论文定制热线

                                                            咨询电话

                                                            热门毕设:土木工程工程造价桥梁工程计算机javaasp机械机械手夹具单片机工厂供电采矿工程
                                                            您当前的位置:论文定制 > 毕业设计论文 >
                                                            快速导航
                                                            毕业论文定制
                                                            关于我们
                                                            我们是一家专业提供高质量代做毕业设计的网站。2002年成立至今为众多客户提供大量毕业设计、论文定制等服务,赢得众多客户好评,因为专注,所以专业。写作老师大部分由全国211/958等高校的博士及硕士生设计,执笔,目前已为5000余位客户解决了论文写作的难题。 秉承以用户为中心,为用户创造价值的理念,我站拥有无缝对接的售后服务体系,代做毕业设计完成后有专业的老师进行一对一修改与完善,对有答辩需求的同学进行一对一的辅导,为你顺利毕业保驾护航
                                                            代做毕业设计
                                                            常见问题

                                                            工业自动化中轴类工件视觉精密测量方法

                                                            添加时间:2019/07/11 来源:江南大学 作者:丁艳蓉
                                                            本课题对基于轴类工件精密测量的方法难点进行了深入的研究。对课题涉及的轴类工件的图像采集、摄像机标定、图像预处理、角点提取、亚像素定位、圆弧拟合等方面展开了深入的研究。
                                                            以下为本篇论文正文:

                                                            摘要

                                                              随着工业自动化的不断推进,汽车、医疗、消费等行业对产品质量提出了新的要求。

                                                              轴类工件作为各行业产品的核心部件,其加工精度直接影响自动化机械设备的运行状态和使用寿命,特别是在精密仪器中,轴的尺寸精度要求往往达到微米级。由于我国在轴类工件精密测量方面仍然存在明显不足,因此加剧了我国企业对国外技术的依赖,尤其在角点和 R 角定位方法方面与国外差距甚远,因此,深入研究角点和 R 角定位方法具有重要意义。

                                                              针对轴类工件表面毛刺、油污等附着物对视觉测量中角点检测的干扰问题,提出一种基于曲率与灰度复合的角点亚像素定位方法。该方法对图像感兴趣区域(Region ofInterest,ROI)进行形态学和双边滤波等预处理,消除毛刺和部分油污等附着物;根据曲率特性检测候选角点,利用角点处曲率角的多尺度不变性进行伪角点的预筛选,利用以角点为圆心的圆形窗口内灰度信息进一步排除伪角点,实现角点粗定位;根据粗定位角点和区域端点的连线,对原始图像的边缘点进行筛选,并对筛选后的边缘点进行最小二乘直线拟合,实现角点精准定位。实验表明,该方法有效克服了轴类工件表面附着物对角点检测的干扰问题,且角点定位算法的重复性达到 0.005mm,准确度达到 0.004mm。

                                                              针对轮廓附着物对视觉测量中 R 角检测的干扰以及短圆弧拟合不稳定的问题,提出一种基于 Snake 模型和迭代极性转换回归(Polarity Transformation Regression,PTR)结合的圆弧拟合方法。首先对图像感兴趣区域进行预处理;利用 Canny 算子进行边缘提取,实现边缘的初定位;然后通过 Snake 模型对边缘进行优化;采用 Zernike 正交矩获取亚像素级边缘点;最后通过迭代 PTR 算法实现 R 角中心的精确定位。实验表明,该方法有效克服了轴类工件表面附着物对 R 角检测的干扰问题,提高了 R 角定位算法的重复性和准确度,其定位精确度达到 0.005mm,准确度达到 0.0034mm;半径拟合精确度为0.002mm,准确度为 0.006mm。

                                                              为验证测量系统的综合性能,利用线阵相机、远心镜头、和平行背光搭建轴类工件视觉检测系统,对多个电机轴的多个检测项进行测试分析,从静态和取放两种条件下获取待测件图像,统计静态图像结果的极值计算出系统测量精确度,统计取放图像结果与真实值的误差最大值计算出系统测量准确度,最后对比实验结果,分析其综合测量精确度、准确度以及误差因素。实验表明,轴类测量系统的平面尺寸测量的精确度达到0.007mm,准确度达到 0.05mm,满足客户的检测要求。

                                                              关键词:轴类工件;角点定位;曲率;亚像素;R 角定位;迭代 PTR

                                                            Abstract

                                                              With the continuous advancement of industrial automation, automotive, medical, consumer and other industries have put forward new requirements for product quality. Shaft parts are the core components of products in various industries. The machining accuracy directly affects the operating status and service life of automated machinery and equipment.

                                                              Especially in precision instruments, the dimensional accuracy of shafts often reaches micrometers. Because China still has obvious deficiencies in the precision measurement of shaft shafts, it has aggravated the dependence of Chinese companies on foreign technology, especially in terms of corner point and R-angle location methods, which is a far difference from foreign countries. Therefore, this article deeply studies corners and R-angle location technology is of great significance.

                                                              Aiming at the problem of interference of corner detection in vision measurement on the surfaces of shaft parts such as burrs and oil stains, a corner sub-pixel location method based on curvature and gray combination is proposed. This method performs morphological and bilateral filtering preprocessing on the Region of Interest (ROI) of the image to eliminate fixtures such as burrs and partial oil stains; it detects candidate corners based on the curvature characteristics and utilizes multi-scales of curvature angles at the corners. Invariance:

                                                              pre-screen false-corners, use the gray information in the circular window centered on the corners to further exclude the false-corners, and achieve coarse-corner location; according to the connection line between the coarse location corners and the end points of the area, the original The edge points of the image are filtered, and the filtered edge points are fitted with least square straight lines to achieve precise location of the corners. Experiments show that this method effectively overcomes the interference problem of the attachment on the surface of the shaft parts, and the repeatability of the corner location algorithm reaches 0.005mm and the accuracy reaches 0.004mm.

                                                              Aiming at the interference of R-angle detection in visual measurement and the instability of short circular arc fitting for contour attachments, an arc fitting method based on Snake model and iterative Polarity Transformation Regression (PTR) was proposed. First, ROI is preprocessed; the edge extraction is performed using the Canny operator to achieve the initial location of the edge; then the edge is optimized by the Snake model; the sub pixel level edge points are acquired by the Zernike orthogonal moment; and finally, Finally, an iterative PTR algorithm is used to achieve accurate location of the R-angle center. Experiments show that this method effectively overcomes the problem of interference of R-angle detection by attachments on the shaft surface and improves the repeatability and accuracy of the R-angle location algorithm. The location repeatability is 0.005mm and the accuracy is 0.0034mm. The fitting repeatability is 0.002mm and the accuracy is 0.006mm.

                                                              In order to verify the comprehensive performance of the measurement system, a visual inspection hardware platform for shaft parts was built using line-array cameras, telecentric lenses, and parallel backlights. Multiple detection items for multiple motor shafts were tested and analyzed, from static and pick-and-place. Get the image of the object under the condition, calculate the extremum of the static image result to calculate the repeatability of the system measurement, and calculate the accuracy of the system measurement by calculating the maximum error between the result of capturing and releasing the image and the real value.

                                                              Finally, compare the experimental results and analyze its synthesis. Measurement repeatability, accuracy, and error factors. The experiment shows that the repeatability of the plane size measurement of the shaft parts measurement system reaches 0.007mm and the accuracy reaches 0.05mm, which meets the customer's detection requirements.

                                                              Keywords: shaft parts; corner location; curvature; sub-pixel; R-angle location; iterative PTR

                                                              轴类工件是机械产品中重要的旋转类工件,其种类众多,如阶梯轴、锥度心轴、光轴、空心轴、曲轴、凸轮轴等,且应用广泛,尤其在汽车,医疗,电机等行业。轴类工件在加工的过程中,工件各部分的尺寸、形状、方向和位置等几何量难以达到理想状态,严重影响其使用性能[1]。所以在使用之前需要进行严格的测量,确保满足一定性能指标才能投入后续的使用。

                                                              我国大多数轴类工件加工企业,仍然使用接触式量具进行人工检测。传统的人工测量方法具有主观性、无法量化、检测效率低,更重要的是产品精度得不到保障,难以满足大批量、快节奏、高精度的产品测量要求[2]。现有的轴类工件测量设备,自动化程度差,可测量的参数单一,大都运用在抽样调查和小批量测量中,不能满足产品全检的要求。一些高精度轴类测量仪器,如三坐标测量仪、万能测长仪、圆柱度仪等,成本高,对操作环境要求严格,测量过程比较耗时。

                                                              近年来随着《中国制造 2025》的逐步落实,机器视觉行业进入高速发展阶段,在智能制造、无人驾驶、智能安防领域实现了重大突破;魇泳跏抢孟嗷魑畔⒉杉丛,通过视觉算法处理图像数据,从而实现设备的检测、识别、测量和定位。由此可见,基于机器视觉的轴类工件测量技术逐步成为测量技术领域的新技术之一。

                                                              因此,本文设计了一种基于机器视觉的非接触测量解决方案,力求把最新的机器视觉技术与轴类工件尺寸误差测量高度结合,对轴类工件测量问题进行深入研究。目前,相比较于国外成熟稳定的轴类光学检测技术,国内轴类工件视觉测量系统仍然存在以下问题:1) 部分检测项的精度不高,如角点和 R 角检测;2) 轴类工件表面粘附油污、灰尘等附着物的干扰,对轴类工件检测的稳定性具有较大影响[4],尤其是角点和 R 角检测。由此,重点研究角点和 R 角的检测方法对轴类光学检测系统的发展具有重要的研究意义和实用价值。

                                                              早在 2000 年之前,国外就推出了光学扫描原理的轴类综合测量机。后来经过近 20年的发展,到目前已经相当成熟,在国际市场上,轴类工件自动测量系统基本上由意大利 Vici Vision 公司、瑞士 Sylvac 公司、德国 Hommel 等公司提供[5]。这些老牌的自动测量系统商不断革新自己的技术,不断地推出各类先进的轴类光学自动测量系统。

                                                              意大利 Vici Vision 公司有着 37 年的光学测量机的研发经验,其产品可直接用于生产车间,操作简单。该公司生产的轴类测量仪的种类繁多,如 MTLX5,其外观如图 1-1所示,应用于测量牙科移植物部、生物医学部件、手表部件、细小机械零部件的测量;MTL300/500Evo、MTL850/1250Ergon、MTL500/850/1250X-Stream 等光学轴类测量仪应用于凸轮轴测量、曲轴测量、传动轴测量、半轴测量、驱动轴测量、涡轮叶片测量、电机轴测量、液压轴和活塞测量。该公司研发的测量系统根据轮廓投影原理进行检测,其测量项目包括直径、半径、长度、角度、点到线或点到点距离、对称度、平行度、垂直度、螺纹等尺寸测量;也包括旋转直径、圆角、同轴度、同心度、圆柱度[6]

                                                              等形位公差测量。由于该系统是多项检测系统,全部检测项的测量在几秒至几十秒内完成,是节约时间和劳动力的有效工具,且避免人工测量的主观性。此测量仪的各方面已达到行业领先水平,一致被认为是增加产量,提高生产效率,减少次品的最好途径。

                                                              瑞士 Sylvac 公司成立于 1969 年,是精密数显测量仪器制造商。目前,Sylvac 公司又将光学测量仪器增加到其生产线中,快读、精确的光学尺寸测量仪适用于所有的回旋体零件,可测量 150 多个测量特征,用于控制最严格要求的尺寸和几何公差。Sylvac 公司设计的第一台卧式光学轴类扫描仪——SYLVAC SCAN 52,如图 1-2 所示,专门用于靠近机床的车间测量,适用于首检、过程控制、抽检或 100%全检,是车间质量控制的革命性转变。SYLVAC SCAN 52 的测量原理如图 1-3 所示,集成由2 ? 7000个线性阵列组成并具有专利的7.5°系统的高分辨率 CCD 传感器,相当于一个分辨率为 200 万像素的摄像机。当零件的轮廓被投影时,这些传感器根据感光规则动作,能够检测到像素的轻微变化。该测量系统,集成了机械、光学、电气和计算机,拥有合理的界面,最大程度的实现系统灵活性。

                                                            工业自动化中轴类工件视觉精密测量方法:

                                                             MTLX5 光学测量仪
                                                             MTLX5 光学测量仪

                                                            轴类光学测量系统实物图
                                                            轴类光学测量系统实物图

                                                            测量项的标注示意图
                                                            测量项的标注示意图

                                                            轴的检测项标注图
                                                            轴的检测项标注图

                                                            A、B、C 轴的五个检测项的精确度统计结果
                                                            A、B、C 轴的五个检测项的精确度统计结果

                                                            A、B、C 轴的五个检测项的准确度统计结果
                                                            A、B、C 轴的五个检测项的准确度统计结果

                                                            目 录

                                                              摘 要
                                                              Abstract
                                                              第一章 绪论
                                                                1.1 课题研究的背景及意义
                                                                1.2 轴类工件测量系统的国内外现状
                                                                1.3 轴类工件测量系统关键方法的研究现状
                                                                1.4 本文主要研究内容
                                                                1.5 论文的组织架构
                                                              第二章 系统总体方案和标定方法
                                                                2.1 系统硬件组成
                                                                2.2 系统软件实
                                                                2.3 线阵相机标定方法研究
                                                                  2.3.1 线阵相机成像模型
                                                                  2.3.2 线阵相机标定
                                                                2.4 本章小结
                                                              第三章 轴类工件角点精确定位
                                                                3.1 图像预处理
                                                                3.2 角点粗定位
                                                                  3.2.1 曲率角的定义和计算
                                                                  3.2.2 伪角点与真实角点邻域圆形窗口灰度差异
                                                                  3.2.3 改进的角点检测算法
                                                                3.3 角点亚像素定位
                                                                3.4 实验验证
                                                                  3.4.1 视觉相机标定
                                                                  3.4.2 改进算法的实验结果
                                                                  3.4.3 角点定位的精确度和准确度验证
                                                                3.5 本章小结
                                                              第四章 轴类工件 R 角精确定位
                                                                4.1 图像预处理
                                                                4.2 边缘粗定位
                                                                4.3 Snake 模型优化边缘
                                                                4.4 亚像素定位
                                                                4.5 圆弧中心定位
                                                                  4.5.1 圆到直线的投影变换
                                                                  4.5.2 PRT 算法
                                                                  4.5.3 迭代的 PTR 算法
                                                                4.6 实验验证
                                                                  4.6.1 Snake 优化的实验结果
                                                                  4.6.2 迭代的 PRT 算法的实验结果
                                                                  4.6.3 R 角定位和半径拟合的精确度和准确度的实验验证
                                                                4.7 本章小结
                                                              第五章 轴类工件测量实验与误差分析
                                                                5.1 实验装置
                                                                5.2 尺寸误差测量实验
                                                                  5.2.1 轴径测量实验
                                                                  5.2.2 角度测量实验
                                                                  5.2.3 与角点相关的测量实验
                                                                  5.2.4 与 R 角相关的测量实验
                                                                5.3 综合测量误差分析
                                                                5.4 本章小结
                                                              第六章 主要研究结论与展望
                                                                6.1 主要研究结论
                                                                6.2 展望
                                                              致 谢
                                                              参考文献
                                                              附录: 作者在攻读硕士学位期间发表的论文

                                                            (如您需要查看本篇毕业设计全文,请您联系客服索。

                                                            相关内容
                                                            相关标签:机械毕业设计
                                                            好优论文定制中心主要为您提供代做毕业设计及各专业毕业论文写作辅导服务。 网站地图
                                                            所有论文、资料均源于网上的共享资源以及一些期刊杂志,所有论文仅免费供网友间相互学习交流之用,请特别注意勿做其他非法用途。
                                                            如有侵犯您的版权或其他有损您利益的行为,请联系指出,论文定制中心会立即进行改正或删除有关内容!
                                                            2022爱情岛永久论坛亚洲品质在线观看在线视频,爱情岛永久论坛亚洲品质视频在线播放,啊用力快点我高潮了视频 爱情岛论坛亚洲国产线路一免费视频等最新最全的电影。
                                                            <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>