刀塔的智能化装配方法及其系统技术方案

公开了一种刀塔的智能化装配方法及其系统。该方法包括：将待装配的刀塔零件放置在料盘中，并将所述料盘送入视觉系统的视野范围内；使用所述视觉系统对所述料盘中的刀塔零件进行图像采集和识别以得到识别结果；通过机器人控制器对所述识别结果进行分析，以计算出机器人抓取各个所述刀塔零件所需的运动参数，并控制所述机器人按照预定的顺序和路径执行抓取动作；通过所述机器人将抓取到的零件送到指定的装配位置，并根据所述视觉系统提供的反馈信息进行微调，使所述零件与刀塔本体或其他已装配好的零件对准；通过所述机器人执行相应的装配动作，以完成一个零件的装配；以及，重复执行上述步骤，直到所有零件都被装配到所述刀塔上，完成装配。完成装配。完成装配。

【技术实现步骤摘要】
刀塔的智能化装配方法及其系统


[0001]本申请涉及智能化装配领域，且更为具体地，涉及一种刀塔的智能化装配方法及其系统。

技术介绍

[0002]数控机床的刀塔是一种用于安装和更换刀具的重要部件，它可以实现多种刀具的快速切换，提高加工效率和质量。刀塔的结构一般包括刀塔本体、刀座、定位销、弹簧、螺钉等零件，这些零件需要在装配过程中进行精确的对准和固定，以保证刀塔的运行精度和稳定性。
[0003]目前，数控机床的刀塔的装配工作主要依靠人工完成，这种方式存在以下缺点：人工装配效率低，耗时长，容易出现误差和疏漏；人工装配质量不稳定，受操作者技能和经验的影响，造成刀塔性能的波动；人工装配环境恶劣，存在安全隐患，对操作者的身体健康有损害。
[0004]因此，期望一种优化的刀塔的智能化装配方案，以提高刀塔装配的效率、质量和安全性。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种刀塔的智能化装配方法及其系统。该方法包括：将待装配的刀塔零件放置在料盘中，并将所述料盘送入视觉系统的视野范围内；使用所述视觉系统对所述料盘中的刀塔零件进行图像采集和识别以得到识别结果；通过机器人控制器对所述识别结果进行分析，以计算出机器人抓取各个所述刀塔零件所需的运动参数，并控制所述机器人按照预定的顺序和路径执行抓取动作；通过所述机器人将抓取到的零件送到指定的装配位置，并根据所述视觉系统提供的反馈信息进行微调，使所述零件与刀塔本体或其他已装配好的零件对准；通过所述机器人执行相应的装配动作，以完成一个零件的装配；以及，重复执行上述步骤，直到所有零件都被装配到所述刀塔上，完成装配。
[0006]根据本申请的一个方面，提供了一种刀塔的智能化装配方法，其包括：将待装配的刀塔零件放置在料盘中，并将所述料盘送入视觉系统的视野范围内；使用所述视觉系统对所述料盘中的刀塔零件进行图像采集和识别以得到识别结果；通过机器人控制器对所述识别结果进行分析，以计算出机器人抓取各个所述刀塔零件所需的运动参数，并控制所述机器人按照预定的顺序和路径执行抓取动作；通过所述机器人将抓取到的零件送到指定的装配位置，并根据所述视觉系统提供的反馈信息进行微调，使所述零件与刀塔本体或其他已装配好的零件对准；通过所述机器人执行相应的装配动作，以完成一个零件的装配；以及重复执行上述步骤，直到所有零件都被装配到所述刀塔上，完成装配。
[0007]在上述的刀塔的智能化装配方法中，使用所述视觉系统对所述料盘中的刀塔零件进行图像采集和识别以得到识别结果，包括：获取所述料盘中刀塔零件的检测图像；将所述
料盘中刀塔零件的检测图像进行图像预处理以得到预处理后检测图像；将所述预处理后检测图像进行图像分块处理以得到检测图像块的序列；将所述检测图像块的序列通过包含嵌入层的ViT模型以得到多个上下文检测图像块特征向量；将所述多个上下文检测图像块特征向量排列为二维特征矩阵后通过双向注意力机制模块以得到分类特征矩阵；对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；以及将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示刀塔零件的类型标签。
[0008]在上述的刀塔的智能化装配方法中，将所述预处理后检测图像进行图像分块处理以得到检测图像块的序列，包括：将所述预处理后检测图像进行均匀地图像分块处理以得到检测图像块的序列。
[0009]在上述的刀塔的智能化装配方法中，将所述检测图像块的序列通过包含嵌入层的ViT模型以得到多个上下文检测图像块特征向量，包括：使用所述ViT模型的所述嵌入层分别对所述检测图像块的序列中各个检测图像块进行嵌入化以得到检测图像块嵌入向量的序列；以及将所述检测图像块嵌入向量的序列通过所述ViT模型以得到所述多个上下文检测图像块特征向量。
[0010]在上述的刀塔的智能化装配方法中，使用所述ViT模型的所述嵌入层分别对所述检测图像块的序列中各个检测图像块进行嵌入化以得到检测图像块嵌入向量的序列，包括：将所述检测图像块的序列中的各个检测图像块的二维像素值矩阵展开为一维像素值向量以得到一维像素值向量的序列；以及使用所述嵌入层分别对所述一维像素值向量的序列中的各个一维像素值向量进行全连接编码以得到所述检测图像块嵌入向量的序列。
[0011]在上述的刀塔的智能化装配方法中，将所述多个上下文检测图像块特征向量排列为二维特征矩阵后通过双向注意力机制模块以得到分类特征矩阵，包括：将所述多个上下文检测图像块特征向量排列为二维特征矩阵以得到上下文检测图像块特征矩阵；将所述上下文检测图像块特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；将所述双向关联矩阵输入Sigmoid激活函数以得到注意力特征矩阵；将所述上下文检测图像块特征矩阵和所述注意力特征矩阵分别展开为特征向量以得到上下文检测图像块特征向量和注意力特征向量；融合所述上下文检测图像块特征向量和所述注意力特征向量以得到融合关联特征向量；以及将所述融合关联特征向量进行维度重构以得到所述分类特征矩阵。
[0012]在上述的刀塔的智能化装配方法中，对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵，包括：将所述分类特征矩阵通过线性变换转换为正方矩阵；以及对所述正方矩阵进行向量谱聚类代理学习融合优化以得到所述优化分类特征矩阵。
[0013]在上述的刀塔的智能化装配方法中，对所述正方矩阵进行向量谱聚类代理学习融合优化以得到所述优化分类特征矩阵，包括：以如下优化公式对所述正方矩阵进行向量谱聚类代理学习融合优化以得到所述优化分类特征矩阵；其中，所述优化公式为：，其中，是所述正方矩阵，表
示矩阵的转置矩阵或者向量的转置向量，是所述分类特征矩阵，表示所述正方矩阵的各个行特征向量，且是所述正方矩阵的每两个相应行特征向量之间的距离组成的距离矩阵，表示矩阵的指数运算，所述矩阵的指数运算表示以矩阵中各个位置特征值为幂的自然指数函数值，和分别表示按位置点乘和矩阵加法。
[0014]在上述的刀塔的智能化装配方法中，将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示刀塔零件的类型标签，包括：将所述优化分类特征矩阵按照行向量或列向量展开为优化分类特征向量；使用所述分类器的多个全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；以及将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0015]根据本申请的另一个方面，提供了一种刀塔的智能化装配系统，其包括：零件提供模块，用于将待装配的刀塔零件放置在料盘中，并将所述料盘送入视觉系统的视野范围内；识别模块，用于使用所述视觉系统对所述料盘中的刀塔零件进行图像采集和识别以得到识别结果；分析控制模块，用于通过机器人控制器对所述识别结果进行分析，以计算出机器人抓取各个所述刀塔零件所需的运动参数，并控制所述机器人按照预定的顺序和路径执行抓取动作；零件对准模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种刀塔的智能化装配方法，其特征在于，包括：将待装配的刀塔零件放置在料盘中，并将所述料盘送入视觉系统的视野范围内；使用所述视觉系统对所述料盘中的刀塔零件进行图像采集和识别以得到识别结果；通过机器人控制器对所述识别结果进行分析，以计算出机器人抓取各个所述刀塔零件所需的运动参数，并控制所述机器人按照预定的顺序和路径执行抓取动作；通过所述机器人将抓取到的零件送到指定的装配位置，并根据所述视觉系统提供的反馈信息进行微调，使所述零件与刀塔本体或其他已装配好的零件对准；通过所述机器人执行相应的装配动作，以完成一个零件的装配；以及重复执行上述步骤，直到所有零件都被装配到所述刀塔上，完成装配。2.根据权利要求1所述的刀塔的智能化装配方法，其特征在于，使用所述视觉系统对所述料盘中的刀塔零件进行图像采集和识别以得到识别结果，包括：获取所述料盘中刀塔零件的检测图像；将所述料盘中刀塔零件的检测图像进行图像预处理以得到预处理后检测图像；将所述预处理后检测图像进行图像分块处理以得到检测图像块的序列；将所述检测图像块的序列通过包含嵌入层的ViT模型以得到多个上下文检测图像块特征向量；将所述多个上下文检测图像块特征向量排列为二维特征矩阵后通过双向注意力机制模块以得到分类特征矩阵；对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；以及将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示刀塔零件的类型标签。3.根据权利要求2所述的刀塔的智能化装配方法，其特征在于，将所述预处理后检测图像进行图像分块处理以得到检测图像块的序列，包括：将所述预处理后检测图像进行均匀地图像分块处理以得到检测图像块的序列。4.根据权利要求3所述的刀塔的智能化装配方法，其特征在于，将所述检测图像块的序列通过包含嵌入层的ViT模型以得到多个上下文检测图像块特征向量，包括：使用所述ViT模型的所述嵌入层分别对所述检测图像块的序列中各个检测图像块进行嵌入化以得到检测图像块嵌入向量的序列；以及将所述检测图像块嵌入向量的序列通过所述ViT模型以得到所述多个上下文检测图像块特征向量。5.根据权利要求4所述的刀塔的智能化装配方法，其特征在于，使用所述ViT模型的所述嵌入层分别对所述检测图像块的序列中各个检测图像块进行嵌入化以得到检测图像块嵌入向量的序列，包括：将所述检测图像块的序列中的各个检测图像块的二维像素值矩阵展开为一维像素值向量以得到一维像素值向量的序列；以及使用所述嵌入层分别对所述一维像素值向量的序列中的各个一维像素值向量进行全连接编码以得到所述检测图像块嵌入向量的序列。6.根据权利要求5所述的刀塔的智能化装配方法，其特征在于，将所述多个上下文检测图像块特征向量排列为二维特征矩阵后通过双向注意力机制模块以得到分类特征矩阵，包括：将所述多个上下文检测图像块特征向量排列为二维特征矩阵以得到上下文检测图像...

【专利技术属性】
技术研发人员：张跃前，
申请(专利权)人：浙江合信数控机床股份有限公司，
类型：发明
国别省市：