K-TIG焊接窄间隙焊缝视觉跟踪系统研究

发布时间：2023-05-13 06:03

　　焊接技术广泛应用于各个生产制造领域,是生产制造中重要的一环。而在传统焊接领域,焊接过程大多由工人或机器人示教完成,导致焊接自动化程度低、效率低下,因此,实现焊接自动化具有重要意义。为了达到这一目的,本文为K-TIG焊开发了一套焊缝跟踪系统,该系统是通过高动态相机拍摄焊接过程中焊接区域图像,并根据图像信息计算出焊接偏差,最后根据焊接偏差控制机器人驱动焊枪沿着焊缝运动完成焊缝跟踪任务。在开发这套系统的过程中,做了如下研究:为了能够从含有工件表面纹理和噪声所造成的干扰中准确地提取出熔池边缘和焊缝边缘,本文提出小波变换+K-means+随机森林的算法对焊接图像进行边缘检测。在此基础上,本文提出一种根据熔池边缘和焊缝边缘计算焊接偏差的方法,首先对熔池边缘进行椭圆拟合,将椭圆中心近似作为焊枪尖端中心在工件的投影点,接着将椭圆按比例放大,与焊缝边缘的相交点作为焊枪下一运动目标点。由焊枪尖端中心在工件投影点和焊枪下一运动目标点在世界坐标系的关系,可以计算出焊接偏差。为了使焊接偏差检测算法能够满足焊缝跟踪系统的实时性要求,本文根据小波变换、K-means和随机森林的计算特点,对算法进行并行优化和CUDA...

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 焊接偏差检测研究现状
        1.2.1 视觉传感技术及其研究现状
        1.2.2 电弧传感焊接偏差检测技术
    1.3 图像处理技术中边缘检测算法的发展现状
    1.4 课题来源
    1.5 本文的研究内容与章节安排
        1.5.1 本文研究内容
        1.5.2 章节安排
第二章 焊缝视觉跟踪试验平台
    2.1 K-TIG焊缝跟踪系统的总体结构
        2.1.1 CMOS视觉传感器
        2.1.2 机器人控制系统
        2.1.3 K-TIG焊接电源
    2.2 相机标定
    2.3 软件系统与结构
    2.4 本章小结
第三章 焊缝图像处理与焊接偏差检测
    3.1 焊接区域图像获取
    3.2 多尺度小波特征提取
        3.2.1 多尺度小波分解
        3.2.2 基于单棵决策树的边缘提取
        3.2.3 小波特征K-means聚类
    3.3 基于随机森林的熔池与焊缝边缘检测
        3.3.1 基于随机森林的小波特征融合
        3.3.2 基于随机森林的边缘检测结果
    3.4 焊接偏差计算
        3.4.1 焊枪尖端投影点坐标的计算
        3.4.2 焊缝检测点计算
    3.5 焊接偏差检测精度试验验证
    3.6 本章小结
第四章 基于CUDA的图像处理并行计算加速方法
    4.1 统一计算架构CUDA
        4.1.1 GPU硬件架构
        4.1.2 CUDA编程模型
    4.2 基于CUDA的焊缝图像图像处理并行计算加速
        4.2.1 并行多尺度小波分解
        4.2.2 并行K-means聚类
        4.2.3 并行随机森林小波特征融合计算
    4.3 试验结果
    4.4 本章小结
第五章 焊缝跟踪控制试验及分析
    5.1 工控机与机器人通讯和控制
    5.2 焊缝跟踪精度试验
        5.2.1 直线焊缝跟踪试验
        5.2.2 折线焊缝跟踪试验
        5.2.3 曲线焊缝跟踪试验
    5.3 本章小结
结论与展望
    一、结论
    二、展望
参考文献
攻读博士/硕士学位期间取得的研究成果
致谢
附件



本文编号：3815454