基于机器视觉的机电一体化装配系统精度优化研究

关键字：机器人视觉；电气机械耦合；装配系统；装配误差修正。

引言

随着机械加工行业的不断发展，机械产品的组装精确度、质量要求越来越高，而机电一体化机械装配系统则成为现代社会的主要生产工具，结合了机械技术、电子技术以及控制技术多种先进技术手段，可以完成自动化精确的装配操作任务。由于机器视觉技术具有无接触性、精确度高、速度快等巨大优势，因此常被应用到机电一体化机械装配系统中，并且可以向机械装配系统发送实时视觉信息，引导机械部件进行精细组装。但在实际实施期间，采用机器视觉驱动的机电一体化机械装配系统的装配精度同样受到多个因素的限制，提高机电一体化机械装配系统的精确装配程度成为目前的重点研究对象。

1.机器视觉在机电一体化装配系统中的作用及精度影响因素

1.1 机器视觉在机电一体化装配系统中的作用

机器视觉技术在机电一体化装配系统中的应用已经成为提升系统自动化水平及装配精度的重要途径。其作用主要体现在：一是成为整个系统之中的“感知”单元，通过高质量图像获取与处理实现快速地判断装配件位置及形态特征，替代传统的人工检验效率低下的作业；二是成为质检的主要“帮手”。通过边界检测、多尺度特征分析等技术对装配零件上出现的划痕、变形等缺陷以及装配后存在的缝隙、错位缺陷进行识别，相比传统触摸式的检具该无损方法能够在高速运转的产线中实现全检，避免造成工具损坏的危险；三是实现装配程序中的闭环控制。一旦发现定位偏差或装配偏差，就会对运动控制系统进行信息输入，并实时地进行控制。这种反馈控制过程能够对机械传动链产生的累积误差实现校正，实现了装配精度的由毫米级向亚毫米级的提升。

1.2 精度影响因素

在机电一体化控制系统中，摄像精度会受到多种因素的影响，这些影响因素相互作用，会对整体定位精度和系统组装可靠性产生影响。第一大影响因素为视觉误差，该类视觉误差所包含的因素有摄像机的镜头畸变、像素分辨力的限制以及摄像算法所造成的误差等。第二大影响因素是机械传递误差，例如伺服电机驱动的返回间隙、丝杠的螺距误差、关节机器人臂的关节杆变形，这些都会导致末端执行器的最终位置与预先设定的路径有偏差，而在视觉机械混合控制系统中还会被成倍放大，即视觉系统检测出零件位置之后由于机械臂在移动过程中存在传动误差，可能会影响系统对被检测物体视觉定位的精确性。此外外部环境的影响也不可小觑，在线生产环境的光照改变会使图像对比度发生变化，在图像识别方面又会受金属零件的反光作用造成一些细节信息的掩盖，以及振动的影响容易产生相机和零件之间存在相对位移。

2.基于机器视觉的机电一体化装配系统精度优化方法

2.1 硬件选型与优化

在构建机电一体化系统过程中，硬件配置的选配和配置决定了机器视图的正确度。该系统主要由图像获取部分、照明系统、信息中枢和机械运动装置等重要组件构成，各模块的合理布置对定位系统的稳定性和可靠性至关重要。如图像获取部分，需要摄像镜头和光学镜头具有较高的分辨率和低噪声，且易于检测出较细的部分。例如，照明系统使用灯源需要具有一定的波长稳定性与抗干扰性。我们选用 650nm 的 LED 作为光源，其色彩单一、亮度高，能形成较为稳定的漫射环境，有效减少金属表面的镜面反射。信息中枢主要作用是对图像识别、生成控制指令。目前，常用的即是在 CPU上运行图像的复杂特征识别与判断程序，而使用 FPGA 完成像素级并行处理，并将其混合组成的结构形式。满足了高时间精度及深度学习算法的应用需求。对机械执行部件而言，减少传动链误差是关键。伺服电机选配精密度高精度的传动减速器可以获得微米级的精度，但必须选配合适的导轨来保证其位置返回精度及刚度。通过在实际调试过程中采用激光测距机标定机械坐标系并动态对机械坐标系进行调整以抵消由机床底板变形引起的参考点偏差。

2.2 图像处理算法改进

针对机械电子集成装配系统中光源波动和噪音导致的视觉定位精度问题，本文重点研究图像处理方法的改进。改进图像预处理和特征提取方法能够有效提升复杂条件下的目标提取准确率。在图像预处理阶段，常用的 1-D 滤波不能同时做到有效的滤波降噪与边角保持效果，因此本文中提出采用非线性滤波并采用自适应权重系数设计方法解决滤波过程中的有效降噪和几何结构保持问题。在特征提取方法方面，提出使用多层次结合策略。因为在装配场景下零件之间的尺寸差异很大，统一特征提取方法会容易导致小型物体的丢失或者大型物体的错位。改进方法综合使用了 SIFT 描述符与ORB 特征点的优点，使用建立金字塔的方式处理不同尺度特征。这种结合方法应用在螺钉装配检测中非常有效，即使出现一定的遮挡也能保持高度的匹配率。为了解决装配过程中移动带来的模糊问题，采用的是基于光流法的图像矫正方法。

2.3 机械结构精度提升

在机电一体化系统中，零部件的精度决定了装配质量的稳定性和可靠性，为解决传输误差、热变形等问题，本文从改善机械结构设计、采用误差补偿方法、合理选材三个方面提高整个系统的精度。针对传动机构，重点在于复位间隙和运行平稳性。采用预载式滚珠螺杆取代传统的梯形螺杆，使用轴向预压将背隙消除，极大地提高了复位精准度。同时用同步带驱动器，增加拉紧轮，运用变化齿型的设计减少了高速运行造成的抖动。防止高温度造成的变形是长时高精准的重要一步。通过有限元的优化设计，重新设计机械结构中的钢架位置，减重的同时增加了强度。针对较易受热变化的铝材质构件采取左右对称的设计抵消因非均热形变造成的形状位移误差。而在选材方面，新的复合材料材料的表现突出，碳纤维加强的环氧树脂结构比铝轻 40% ，而且几乎不存在热膨胀率，降低了对外界温度变化的影响。

2.4 控制策略优化

针对机电一体化组装系统，完善其控制系统能够提升机器人视觉和机械动作的精准性。为解决实际安装的实时反应问题、错误分析问题等动态装配过程中的问题，本文将从 3 方面进行研究，分别是建立循环反馈控制系统、实现多重协同控制、增加自适应能力。这些均能够有效完善系统的稳定性以及灵活性。首先，为形成控制优化的基础，需要构建循环反馈系统。这种系统能够根据具体使用实际，对视觉识别结果和机械终端位置进行在线比对，进而完成机械臂动作路径的在线矫正。其次，要考虑动态装配环境中出现复杂移动线路问题，传统动态装配存在各关节不能同时运动情况，致使路径发生变形问题。因此要引入一种控制方法多重协同控制，在视检测系统提供的位置坐标信息基础上，由各伺服轴以电子齿轮的方式实施速度-位置双向追踪。最后，还要实现系统对工作环境具有较强的自适应性功能，针对各不同装配环境需要和所承载压力，控制器应该具备自适应能力，以免发生振荡过度或迟缓。

结束语

本文研究表明采用本文所述的各种提高精度的措施可以极大地提高基于机器视觉的机电一体化装配系统的装配精度，进而可以为实现提升现代化制造领域生产质量和效益的目标贡献力量。未来研究的方向应更进一步面向实际情况，不断完善和优化提高精度的方法论证与改进，积极研发创新的提高精度的技术与手段，以适应不断提高的装配精度需求。

参考文献：

[1] 张伟, 李明. 机器视觉在机电一体化装配中的应用研究[J]. 机械设计与制造,2021, (5): 45-49.

[2] 王彬彬, 孙娇丽. 机电一体化装配设备定位精度影响因素分析[J]. 现代制造工程, 2022, 48(12): 112-117.

[3] 王民, 郑志辉. 基于深度学习的机器视觉定位技术综述[J]. 计算机集成制造系统, 2023, 29(3): 567-575.