基于ccd视觉传感的焊缝跟踪技术的研究

《基于ccd视觉传感的焊缝跟踪技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学硕士学位论文基于CCD视觉传感的焊缝跟踪技术的研究摘要目前工业生产中主要应用的示教再现型弧焊机器人缺乏应变能力，并且对作业条件的稳定性要求严格，但实际的机器人焊接是一个存在各种不确定干扰因素的复杂过程，因此研究基于视觉传感的焊缝跟踪技术对提高焊接机器人的自动化和智能化水平具有重大意义。本文在国产沈阳新松RH6机器人本体基础上，参与了基于CCD的被动视觉传感系统的改进设计，对4mm厚LD10铝合金进行了脉冲GTAW焊接试验，通过反复试验和分析研究，采取合适的复合滤光系统配合特定的取像时刻等方法，克服了铝合金表面反射的强烈的弧光等因素对

2、图像的干扰，获得了清晰、稳定的实时焊缝图像信息。准确提取焊缝中心线的实际位置信息直接决定着焊缝跟踪的实现与否，因此图像处理算法的准确性和可靠性至关重要。针对采集出的图像，研究出了一套完整的图像处理算法，包括图像滤波、边缘检测、去除伪边缘、提取焊缝边缘、图像细化、直线拟合，最终有效的提取出焊缝的中心线位置信息，同时也满足实时性的要求。采用BP神经网络模型拟合出了钨极点在工件表面投影位置和第七关节角度之间的对应关系，由系统软件界面上实时读出的第七关节角度值实时更新得到钨极中心的投影位置。在获得焊缝中心线位置和钨极点的投影位置之间的偏差的基础-1-上

3、海交通大学硕士学位论文上，利用焊缝跟踪控制器，通过试验实现了计算机控制机器人自主完成焊缝跟踪过程。由于试验处于探索阶段，跟踪的可靠性和准确度还需要进一步的研究和完善。关键词：视觉传感，图像处理，BP神经网络，焊缝跟踪-2-上海交通大学硕士学位论文STUDYONTHESEAMTRACKINGCONTROLSYSTEMBASEDONCCDVISUALSENSORABSTRACTAtpresent,teach-and-playbackarcweldingrobotsmostusedinpracticalproductionlacktheability

4、toadapttovariationsandmusthavestableworkingconditions.Buttherealweldingprocessisacomplicatedprocessfullofuncertainfactors.Sothestudyontheseamtrackingbasedonvisualsensorhasasignificantinfluenceonimprovingtheautomationandintelligencelevelofweldingrobots.Basedonthehomemade“XINS

5、ONG”robot,thispaperhasdesignedandimprovedthepassivevision-sensorsystembasedonCCD.ThepulsedGTAWweldingexperimentisdoneusingthe4mmthicknessLD10aluminumalloys.Throughlotsofexperimentsandanalysis,real-timeandsteadyseampicturesareobtainedbyadoptinganappropriatecompostedfiltersyst

6、emcombinedwithsuitablesampletimeetc.whichcanovercomethestrongarcdisturbancetotheimages.Theaccuracyandreliabilityoftheimageprocessingalgorithmisverysignificantsinceaccurateacquisitionofthecenteroftheseamdeterminestherealizationofseamtracking.Basedonseamimagesobtained,acomplet

7、eimageprocessingalgorithmisdeveloped,whichcontainsimage-3-上海交通大学硕士学位论文filtering,edgedetection,removingfalselines,pickinguptheedge,finingprocessing,edgefitting.Thisalgorithmcanacquiretheseamcentereffectivelyandinrealtime.Themappingbetweenthetungstenpointpositionintheworkpiece

8、andththeangleofthe7axisisdescribedbyaBPneuralnetwork.Sotherealthtimetungste