工業機器人去毛刺平臺研發路徑探究

莊清瑤

摘要： 為了提升工業機器人的自動化水平，設計人員嘗試基于機器視覺系統對工業機器人系統進行優化，并對相機與工業機器人視覺系統進行標定，并以蟻群算法為基礎，搭建工業機器人去毛刺平臺。通過引入工業視覺系統，實現對于目標工件的在線監測，并將有關工件輪廓以及位置的信息，遠程傳輸至工業機器人去毛刺平臺，提升該平臺智能化水平，有效解決零件生產加工過程中，異形工件毛刺難以去除的問題。

Abstract： In order to improve the automation level of industrial robot， designers try to optimize the industrial robot system based on machine vision system， calibrate the camera and industrial robot vision system， and build an industrial robot deburring platform based on ant colony algorithm. By introducing the industrial vision system， the on-line monitoring of the target workpiece is realized， and the information about the workpiece contour and position is remotely transmitted to the industrial robot deburring platform， so as to improve the intelligent level of the platform and effectively solve the problem that it is difficult to remove the burr of special-shaped workpiece in the process of part production and processing.

關鍵詞： 工業機器人;去毛刺平臺;蟻群算法

Key words： industrial robot;deburring platform;ant colony

中圖分類號：TP242.2 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-957X（2022）03-0069-04

0 ?引言

實際生產機械零件過程中，由于加工設備柔化程度不足，或者加工參數精度的限制，導致機械零件的邊緣經常會出現毛刺，特別是具有不規則形狀的機械零件，其出現毛刺的概率更高。毛刺對于機械工件的加工、裝配精度會產生很大的影響，同時還會影響工件的美觀度。因此，機械零件去毛刺工作一直以來都是工業生產中的重點環節。傳統的去毛刺方式以人工去毛刺模式為主，這種去毛刺模式不僅效率低、成本高，而且無法保證去毛刺的效果。因此，如何利用工業機器人代替人工進行去毛刺工作，就成為工業生產領域的熱點問題。

1 ?基于機器視覺工業機器人去毛刺平臺應用優勢

傳統去毛刺模式下，相關工人需要用視覺檢測的方式觀察工件外表是否存在毛刺。人工視覺檢測的缺陷在于無法形成統一的標準，且長時間運用視覺檢測的方式，會讓工人產生疲勞感，不僅無法滿足機械工件裝配、加工精度要求，而且要投入大量的時間與人工，成本高昂。此外，對于一些對零件參數有著較高標準的精密零件，為了提升良率，生產者需要為工人配備更為精密的檢測儀器，導致生產成本進一步提升[1]。想要解決這一問題，就要積極嘗試用工業機器人代替人工進行去毛刺工作，其基礎就是要利用機器人視覺取代人工視覺。

所謂的機器視覺，實際上是指借助攝影攝像設備捕捉目標零件的圖像，并運用圖像處理技術對捕捉到的工件圖像進行數字化處理，將工件圖像的各項參數轉化為能夠被檢測儀器記錄、判斷的數據，通過此項技術能夠大幅度提升非接觸測量以及定量檢驗效率。通過類似于人工檢測的視覺捕捉機制，判斷工件是否存在毛刺，并準確判斷毛刺數量以及所在位置。與傳統檢測方式相比，這種基于機器視覺的機器人去毛刺平臺，能夠形成統一的判斷標準，以數據代替傳統的人工經驗判斷，對機械零件進行篩選，并在此基礎上對零件所出現的偏差值進行實時監測，對機械零件所出現的毛刺問題進行統一分析，大幅度提升機械零件去毛刺效率并降低該環節成本[2]。

2 ?相機與工業機器人視覺系統標定

作為機械視覺系統中的重要組成部分，相機標定系統一直以來都是設計重點。從理論層面來看，對相機系統進行標定，實質上就是確定相機成像模型外部與內部參數，通過這些參數，設計人員能夠明確由相機所捕捉到的工件圖像中，每一個像素點所對應的三維空間坐標，令機器人系統能夠正確判斷工件所在的三維空間位置，為機器人手臂所進行的去毛刺工作提供數據基礎[3]。

2.1 相機成像

想要深入分析相機系統標定問題，先要對視覺系統成像原理進行深入分析。相機所捕捉到的機械工件圖像為二維圖像，因此需要借助相機標定，在二維坐標與三維坐標之間建立關聯，使二者之間形成映射關系[4]。通過圖像處理技術，對機械工件關鍵信息進行加工與處理，進而制定處理方案。

從結構方面來看，該平臺所采用的視覺捕捉系統，主要由鏡筒與透鏡構成，利用凸透鏡光學原理實現成像（如圖1所示）。

設計機器人去毛刺平臺的相機標定，其主要目的是采集機械零件在三維空間中的位置信息以及工件輪廓幾何信息，并基于像素成像技術，對該物體進行數字化重構，確定相機捕捉到的機械工件圖像在四個坐標系中的具體位置（如圖2所示）。

其中，第一個坐標系為世界坐標系，即三維空間中的直角坐標系參數Ow-xwywzw，通常情況下，設計人員將世界坐標系作為參考坐標系使用，利用該參數標定機械工件在三維空間中的具體位置。第二個坐標系為相機坐標系

Oc-xcyczc，第三個坐標為圖像坐標系，也就是利用鏡頭成像原理所捕捉到的目標圖像，第四個坐標系為像素坐標系，該坐標系是虛擬坐標系。在坐標系空間位置關系中用P點表示[5]。

相機標定方式多種多樣，實際工作中，需要依據現場情況以及實際需求進行靈活選擇。本文中設計的基于機器視覺系統的機器人去毛刺平臺，由于其位于實驗室中，外界干擾因素較少，因此可以選擇操作簡便且能夠確保較高精準度的標定法。其工作原理為利用世界坐標系、相機坐標系、圖像坐標系以及像素坐標系之間的轉換，將處于三維空間的機械工件映射到二維平面圖像上，通過提取二維圖像的像素信息，判斷機械工件是否存在毛刺，以及毛刺的數量、位置。

①世界坐標系與相機坐標系之間的轉變。坐標系空間位置關系中的P點，在世界坐標系與相機坐標系中的標記方式為xw=（xw，yw，zw，1）T，以及xc=（xc，yc，zc，1）T，將該矩陣旋轉得到新矩陣R，再將矩陣平行移動，得到矩陣t，則能夠得出關系式。

②相機坐標系與圖像坐標系之間的轉換。根據相機成像模型，P點在該坐標系下的表達方式為P（xc，yc，zc），且該空間點在圖像坐標系中的投影為p（x，y），參數x與y的關系為：

該關系式中，f就是xcyc平面與圖像坐標系平面之間的距離，即焦距。

③圖像坐標系與像素坐標系之間的轉換。這兩個坐標系之間的參數轉換關系如下：

對該關系式進行表達的過程中，為了對其進行簡化，需要對矩陣進行重新表示。

④像素坐標與世界坐標系之間的轉換。在得到機械工件圖像的像素坐標之后，還需要對其進行世界坐標系轉換，以機械手臂能夠讀懂的語言，確定工件的具體位置，并進行去毛操作[6]。

由此可以看出，如果排除相機出現畸變這種偶發問題，我們可以通過二維平面中的兩個坐標點，實現對于相機的標定。設計人員運用Halcon軟件輔助進行相機標定工作，利用該軟件，在多幅標定板中提取圖像特征，并根據投影的具體參數，計算相機內部、外部參數。

2.2 機器人手眼標定

本次實驗中所使用的機器人手眼標定，以“Eye-to-Hand”模式為基礎，布置機器人手臂以及相機具體位置（如圖3所示）。

通過分析機器人手臂與相機坐標系可以發現，相機被安裝在該系統外側的固定支架上，因此可以確定{B}坐標系與{C}坐標系之間的空間位置關系始終保持不變，且{F}坐標系的位置也保持不變。因此，讀取{T}坐標系的參數，可以得到旋轉矩陣R以及平移矩陣t[7]。

由于該實驗所采用的機器視覺系統為單目視覺系統，因此無法收集機械工件在Z坐標上的系數，只能得到工件平面坐標系數，即X坐標與Y坐標。為了解決Z坐標參數無法收集的問題，設計人員運用特殊夾具，確保在收集機械工件圖像數據過程中，Z坐標軸的參數為固定值，并在數據處理系統中對Z坐標軸的數據進行初始化處理，使其數據始終為0。

在確保相機內部參數不改變的情況下，該坐標系統中的參數為常數，同時確保每一行的三個參數平方和，以及每一列參數的平方和，數值均為1。

在此基礎上，在相機的正下方布置標定板，通過像素識別技術記錄像素點的位置（km，kn），之后設計人員需要操控機器人手臂，按照一定順序將手臂移動到標定板上的指定像素位置，以此來記錄機器人手臂的坐標參數[8]。

該設計中，標定板上一共存在9個坐標點，機器手臂需要沿著X軸以垂直的姿態向下移動，再沿著Y軸的方向移動，通過這種方式識別出全部九個點的像素坐標。由于坐標矩陣不可逆，因此不能對矩陣進行求逆計算，而是要將該矩陣展開：

需要注意的是，由于A為3×3的矩陣，B為3×1的矩陣，因此r11，r22以及Δx這三個參數，可以通過將等式兩端同時乘以A的方式得到。

在得出r11，r22，Δx這三項參數之后，還有r13，r23以及r33這三個參數沒有計算。這里我們可以設α1=[r11 r21 r31]T，α2=[r12 r22 r32]T，α3=[r13 r23 r33]T，由于這三個參數之間存在正交性，因此對于標定板上的九個像素信息采集點，可以提出完整的9組數據，并運用SDP優化方法，對α1，α2，α3這三組參數進行信息采集。同時，由于受到“對稱矩陣仿射組合半正定”的約束，這9組參數的線性函數曲線能夠得到極值，對于α1，α2，α3這三組參數進行施密特正交計算，到此，矩陣中所有參數均已計算求得。

3 ?基于蟻群算法去毛刺工藝優化建模

使用工業機器人去毛刺平臺進行去毛刺工作過程中，想要提升去毛刺效率需要重點關注以下兩方面問題。一方面，需要對去毛刺工藝參數進行優化，提升機器人手臂靈敏性。另一方面，對于機器人手臂去毛刺的加工路徑進行優化，縮短去毛刺時間間隔。

從整體上看，去毛刺工藝參數是影響此項工作效率以及成本的最主要因素。因此相關設計人員需要重點關注去毛刺工藝的參數設計問題，傳統工作模式下，去毛刺工藝參數的選擇具有明顯的主觀性，主要依靠相關工作人員的實際工作經驗來設定參數[9]。造成這一現象的主要原因是去毛刺工藝參數設計工作十分復雜，很多外部因素會影響機器人手臂去毛刺工作效率以及去毛刺質量，如果依然按照傳統理論去設定去毛刺工藝參數，該工作將會變得十分困難?；谶@種背景設計人員需要基于先進的蟻群算法，去毛刺工藝參數進行優化。

3.1 優化變量

建立區錨式工藝優化模型過程中，相關人員需要對目標函數進行深入分析，目標函數由一組參數構成，這些參數中就包含了需要被優化的變量。由于存在大量能夠影響去毛刺工藝的因素，為了精簡計算過程，設計人員選擇將能夠對設計目標產生較大影響的參數，標記為優化變量，并使用x1，x2…xn一系列符號代表優化變量，由這些優化變量共同構成不同維度（n）的列矢量（X）：

優化變量中主要包括以下工藝參數：①切削速度;

②進給速度;③切削刀具主軸轉速;④每轉進給量;⑤切削深度。這些優化變量之間存在緊密關聯，在一定條件下可以相互轉化。這其中，切削刀具主軸轉速與切削速度之間存在以下關系：

該關系式中的變量d為切削刀具的直徑，V代表切削速度，n代表切削刀具主軸轉速。通過計算得出每轉進給量、每齒輪進給量以及進給速度之間的關系式。

由此可以看出，在眾多優化變量中，切削深度、每齒進給量以及切削速度這三個參數之間相互獨立?；谶@一特點，在排除刀具質量、操作者經驗以及工件良率等不穩定因素之后，設計人員可以通過對切削深度、每齒輪進給量以及切削速度這三個可控的優化變量的優化，提升去毛刺作業效率。

3.2 確定目標函數

①最大生產率。

所謂的最大生產率，是指在規定時間內最多能夠去除多少毛刺，也可以將其解讀為去除單位數量的毛刺所花費的最少時間，其公式為：

該公式中的L代表毛刺長度。

這里需要注意的是，對于機械工件中較長的毛刺，機器人手臂一次走刀無法將其徹底去除，如果毛刺過大還可能損傷刀具，因此對于大型毛刺需要多次走刀。在切削毛刺的過程中，為了保護刀具以及工件的完整性，需要確保走刀的方向與毛刺旋轉方向一致（如圖4所示）。

如果將毛刺去除高度設為at，需要經過Np次走刀才能完全去除毛刺，則可以得出去除毛刺總加工時間公式。

②最理想加工質量。

除了加工速度之外，機械工件的加工質量也是十分重要的指標。衡量一個加工工件質量的關鍵性參數就是其表面的粗糙程度，工件表面的粗糙度越低，就代表其質量越優良。基于該觀點，設計人員對去毛刺工藝優化模型進行分析，并得出“該模型具有很高的預測精度”這一結論。基于此，可以用該模型衡量工件表面粗糙程度[10]。

該式中，K，k1，k2，k3均為常數。

4 ?工業機器人去毛刺平臺搭建及工作流程

為了獲得更為詳盡的實驗數據，本次測試中采用外形較為復雜的高壓銅觸指工件，該工件的特點為體積較小且外形復雜，存在大量不規則曲邊（如圖5所示）。

由于該零件體積小巧，且外形不規則，給零件的固定與定位帶來了不小的挑戰，相關工作人員通過儀器去毛刺平臺中安裝的相機，對該工件的形狀輪廓信息進行實時的圖像采集。一方面，將相機固定在支架上，為了避免相機阻礙機器人手臂工作，工作人員需要對相機與工件表面之間的距離進行嚴格控制，確保二者之間的距離超過700mm。此外，為了能夠得到該零件完整的二維圖像，工作人員需要對相機視野進行調整，確保相機視野大于100mm×50mm。另一方面，工作人員需要對機器人手臂的軌跡精度進行嚴格把控，切削刀具沿著工件棱邊移動一整圈代表走刀一次，工作人員通過圖像處理軟件記錄邊緣點集坐標以及實際加工坐標，要將兩個坐標之間的誤差嚴格控制在0.2mm之內。

工業機器去毛刺平臺主要由6個部分構成。①成像設備。即固定在支架上的相機以及與相機配套使用的鏡頭。②光源。光源與相機組合使用，屬于相機的輔助設備，確保相機拍攝出的圖像清晰完整。③圖像處理軟件。該系統中使用Halcon軟件對相機拍攝的二維圖像進行處理，并將數字化數據傳送給機器人手臂的控制單元，確保機器人手臂順利完成去毛刺工作。④實驗用工件及夾具。⑤外部輔助設備。⑥電源以及機器人手臂控制系統。

具體去毛刺流程為：將相機固定在支架上，同時將目標工件使用夾具固定在操作臺中。運行系統，利用相機獲得工件的二維圖像信息。利用Halcon軟件對二維圖像信息進行數字化處理，并得到其像素坐標參數，通過這種方式對目標工件的外形進行識別。當系統判斷該工件存在毛刺之后，利用內置的計算系統得出毛刺大小以及位置，以此為基礎設定機器人手臂去除毛刺的運動軌跡以及去除次數，完成去除毛刺工作之后，利用傳送裝置將工件運送到指定位置，同時將下一個工件傳送至工作臺中，如此往復直至將全部工件的毛刺去除（如圖6所示）。

5 ?結語

采用工業去毛刺機器人平臺代替傳統人工去毛刺模式，是機械零件加工工作發展趨勢，不僅能夠提升去毛刺的效率，而且能夠大幅度縮減成本。因此相關設計人員需要對如何優化工業機器人去毛刺平臺的問題給予足夠重視。利用先進的圖像捕捉、圖像分析以及蟻群算法，將原本存在于三維空間的工件映射于二維平面，并計算得出其像素坐標參數，引導機器人手臂進行去毛刺工作，為機械加工行業的發展提供技術支持。

參考文獻：

[1]王曉峰.去毛刺工藝及設備在大棒車間線的應用[J].冶金與材料，2021，41（05）：103-104.

[2]王睿瑤，譚文奇，王靖超，萬瑾，張勁.基于機器學習的毛刺在線檢測研究[J].電子技術，2021，50（10）：20-21.

[3]蔡永禎，許四祥，楊宇，方建中.基于ROS的機器人去跑偏板坯毛刺自主規劃[J].太原科技大學學報，2021，42（02）：123-127.

[4]賴增亮，劉冠峰.一種視覺輔助機器人離線編程去毛刺系統[J].機械設計與制造，2021（09）：251-254.

[5]郭其超，金思勤，高揚，朱飛.齒輪箱金屬零部件去毛刺技術研究[J].清洗世界，2021，37（07）：165-166.

[6]張彥杰.復雜鋁合金閥體零件毛刺的控制與去除[J].現代制造技術與裝備，2021，57（07）：160-161，164.

[7]姜俊，舒鑫，雍建華，魏兆成.金屬切削毛刺形成與控制技術研究進展[J].工具技術，2021，55（07）：3-10.

[8]姜俊.模具銅電極精密銑削毛刺的抑制技術[D].大連理工大學，2021.

[9]楊兵兵，童楠楠，郭鵬，等.接箍螺紋首扣毛刺去除方法[J].焊管，2021，44（04）：58-61.

[10]周曉宇，張龍波，王雷.基于蟻群優化的直覺模糊聚類腦MR圖像分割[J].計算機應用與軟件，2021，38（11）：226-231.