面向工件的多目标柔性Job Shop调度问题研究

针对各工件目标不同的多目标柔性Job Shop调度问题,提出了一种基于混合遗传算法的优化求解方法。首先建立了该类问题的调度模型;然后,在基本遗传算法柜架的基础上,通过两层意义上的随机权重法,将多目标问题随机转化为单目标问题,同时为了保证算法的收敛性和Pareto解的多样性,混合遗传算法集成了精英保留策略和小生境技术;利用层次分析法与模糊综合评判集成的方法,从Pareto解集中选出最优妥协解。最后通过实验仿真,证明提出的方法可以有效解决该类多目标柔性Job Shop调度问题。

基于HOG特征与连通区域分析的工件目标检测算法

为了解决当前工件目标检测技术在特征不清晰且背景干扰强度大的情况下导致其定位精度不高的问题,文章提出了基于方向梯度直方图(histograms of oriented gradient,HOG)特征和连通区域分析的工件目标检测算法。首先,对训练集中的标准工件目标图像进行网格划分,计算网格内像素梯度,统计梯度直方图,完成HOG特征提取与训练。然后,对单峰阈值的区间划分进行细化,提出了双阈值分割机制,结合连通区域分析,将二值图像转换为标签图像,并进行像素属性评估,滤除干扰,达到准确定位工件目标的目的。最后,基于开源图像库ITK和底层编程实现算法,并集成于标准化软件系统。实验测试结果显示:与当前主流工件目标检测技术相比,文中算法拥有更高的准确性与稳定性。

基于小波图像金字塔的工件目标检测与定位研究

在工业生产线上的产品加工或质量视觉检测的过程中,经常要完成待加工工件的目标图像匹配或产品的视觉定位,为此,提出一种基于小波图像金字塔的相关匹配方法。基于特征的匹配方法如SIFT和HOG特征方法,虽然有很好的匹配精度和稳健性,但其计算量相对较大,通常不易满足现场实时应用需求。而提出的基于小波图像金字塔的工件目标检测与定位方法,先从低分辨率图像进行粗匹配,再在高分辨率图像上进行精确匹配,从而在基本不降低匹配精度的前提下,大大提高了匹配速度。多图像的目标检测实验以及在点胶机上的应用实践均表明文中所提算法优于传统基于模型的目标定位和识别方法,能满足更多的现场实时应用要求。

融合云计算的桁架机器人柔性分拣结构控制

传统控制技术在计算分拣结构期望力矩时,忽略了对从动臂执行力矩的补偿,导致末端最大跟随误差、夹持力超调量较大。为此,针对桁架机器人柔性分拣结构,本研究融合云计算过程设计了新的自动化控制技术。在采集工件图像后定位其实际位置,从而确定抓取点。然后通过云计算获得分拣结构抬起高度等参数,根据抓取点和放置点位置规划分拣结构运动轨迹,并计算作用在主动臂、从动臂、动平台上的期望力矩。最后通过力矩前馈控制器执行力矩前馈补偿,驱动机器人柔性分拣结构完成运动轨迹。在实验中,改变分拣结构末端运动速度和负载,结果表明:该技术减小了分拣结构末端最大跟随误差和夹持力超调量,提高了工件位置跟踪精度和抓取稳定性,保证了机器人对速度变化和负载变化的自适应性。

机器人视觉识别的设计与研究

随着现代工业智能化,智能机器人的发展得到了人们越来越多的关注。文章研究了机器人的视觉识别定位系统,也就是在普通机器人的基础上增加了视觉识别定位部分,实现目标工件的识别、抓取以及跟踪的功能,其中目标工件的识别主要指目标工件形状和颜色的识别。本设计基于Open CV计算机视觉图像处理软件,软件运行基于C语言和单片机Kail开发平台实现。