家具板件圆形孔位的机器视觉在线检测算法

为了高精度测量家具板件孔位,提出一种家具板件圆孔位置的机器视觉在线检测方法,为圆形孔位在线测量技术的进步提供支撑。图像经过像素值和距离相关滤波函数去噪处理、自适应二值化处理后,通过本文提出的二次孔定位算法进行处理,通过微调孔位逼近真实圆孔,解决常见畸变孔的位置提取。采用本文算法的试验结果表明,1022块家具板件上4056个圆孔位置检测5次的平均值为100.05 mm,重复标准差为0.041 mm;在±0.5 mm的误差范围内,孔心X坐标、Y坐标的人机测量相符度分别为99.8%、92.9%。

基于机器视觉的家具板件尺寸在线测量系统

提出一种家具板件几何尺寸测量机器视觉系统,采用两级成像排除板件的颜色、纹理、图案、标识和表面缺陷等对图像质量的影响,并利用线性聚焦光源、线扫描相机和编码器获取高对比度、轮廓清晰的板件图像。在此基础上,设计图像处理软件、提取出板件的几何要素,进而计算出板件的长度、宽度、对角线等15个尺寸参数。工厂应用测试结果表明,检测系统的速度和重复精度均高于人工测量,在测量误差±0.5 mm范围内,系统测量值与人工测量值的平均吻合度达到95%以上。

考虑滚动摩擦补偿的滚珠丝杠PrILC驱动

滚珠丝杠进给系统是数控机床等关键工业设备的重要功能部件,为实现其精确位置控制,必须考虑滚动摩擦补偿。在考虑滚动摩擦补偿的基础上,提出了基于投影的迭代学习控制(projection-based iterative learning control,PrILC)驱动方法,以实现滚珠丝杠副的精确位置控制。该方法基于滚珠丝杠副的摩擦特性及进给系统传递函数,设计了全新的位置控制基函数,通过多次迭代学习实现滚动摩擦补偿,并利用最小二乘优化对未知参数进行估计。为验证所提出方法的有效性,进行了仿真分析和物理实验,并与标准迭代学习方法(standard iterative learning control,SILC)及未考虑摩擦补偿的PrILC方法进行了对比。结果表明:相较于SILC与未考虑滚动摩擦补偿的传统PrILC方法,所提方法的位置跟踪误差更小,且对于定位参考信号的变化具有更为优良的鲁棒性。

纵-扭超声磨削氧化锆陶瓷磨削力仿真分析

为揭示纵-扭超声振动对磨削氧化锆陶瓷磨削力的影响,分析纵-扭超声磨削(L-TUG)运动特性,利用ABAQUS开展单颗金刚石磨粒划擦氧化锆仿真模拟,并进行单磨粒磨削氧化锆试验验证。在此基础上,分析仿真条件下普通磨削(OG)与L-TUG材料表面应力的差异性;探讨磨削表征参数对L-TUG磨削力的影响规律。结果表明:OG与L-TUG磨削力仿真结果和试验结果吻合度较高,验证了仿真模拟的可行性;与OG相比,超声振动能够有效降低材料表面磨削应力;在相同表征参数下,整体上L-TUG轴向力始终大于法向力,且对轴向力与法向力的影响程度和变化趋势呈现不同的规律性。