【技术实现步骤摘要】
本专利技术涉及机器人编程，具体为一种焊接机器人轨迹自动规划方法。
技术介绍
1、工业机器人是目前应用最为成熟和成功的机器人技术。针对不同的工作任务和控制目标，需要操作人员采用示教盒进行示教编程获得控制任务。随着现代制造业发展和多样化，在线示教往往难以满足多品种、小批量的自动化生产的要求。对于作业工件十分复杂、有成百上千个示教点需要进行人工示教，或者对于一系列大小形状有差异的工件而加工流程相同的作业，进行大量重复性示教大大降低了工作效率；对于不规则曲线路径加工，用示教编程实现较繁琐，甚至不可能用示教编程实现。
2、焊接机器人广泛应用于汽车、机械制造、航空航天等行业，能够提高生产效率和产品质量。但由于焊接工件的形状和表面质量的差异，需要针对每个工件进行轨迹规划和路径调整，产生了大量的人力成本和时间浪费，因此，本领域的技术人员提供了一种焊接机器人轨迹自动规划方法，以解决上述
技术介绍
中提出的问题。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，一种焊接机器人轨迹自动规划方法，解决了现有方法中需要人工对焊接工件进行轨迹规划与路径调整的问题。
3、(二)技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现：一种焊接机器人轨迹自动规划方法，其特征在于：包括以下步骤：
5、s1.获取目标，通过获取目标的三维模型数据，其中包括焊接工件和焊接目标的位置和形状信息；
6、s2.图像处理，通过视觉检测系统
7、s3.模型预处理，对三维模型数据进行预处理，提取出待焊接工件和焊接目标的特征信息；
8、s4.机器学习，利用机器学习算法对分析和评估后的焊接工件进行分类和匹配，建立与相应焊接工件匹配的轨迹规划和路径调整模板；
9、s4.1.通过确定焊接机器学习任务的类型，其次通过选择适当的焊接材料和设备，确保焊接表面清洁、无油、无锈和其他污染物，预热焊机，设置适当的焊接参数，选择合适的焊接方法和技术，随后根据设定的参数进行焊接；
10、s4.2.收集和处理焊接数据，其中包括焊接参数、焊接过程参数和焊接质量数据；
11、s4.3.划分数据集为训练集、验证集和测试集；
12、s4.4.选择合适的机器学习模型和算法，且机器学习模型通过模型算法的选择库进行支持，算法库的选择可采用the al gor ithms，涵盖了排序、搜索、动态规划、加密、数据结构、数学和数字图像处理多个领域的算法；
13、s4.5.根据任务类型和数据特点对模型进行调参和优化；
14、s4.6.利用训练集对模型进行训练；
15、s4.7.利用验证集对模型进行调整和优化，同时利用测试集对模型进行评估和验证；
16、s4.8.根据模型预测结果，对焊接过程进行调整和优化；
17、s4.9.通过反复调整模型和算法，直至达到预期的性能和效果；
18、s5.轨迹规划，根据焊接工件的分类和匹配结果，利用规划和调整模板进行轨迹规划和路径调整，实现机器人焊接作业的自动控制；
19、s5.1.对处理后的图像进行特征提取，利用sift算法提取图像中的关键点和描述符，具体步骤和算法如下：
20、第一步高斯模糊，首先对图像进行高斯模糊，以减少噪声的影响，高斯模糊是通过高斯函数对图像进行卷积来实现的，计算公式如下：
21、
22、其中，σ是高斯函数的标准差，x和y是图像中的像素坐标；
23、第二步构建高斯金字塔，通过改变高斯函数的标准差，可以构建不同尺度的图像，形成高斯金字塔，且每一层的图像都是通过将前一层图像与高斯核进行卷积得到的；
24、第三步构建dog金字塔，在高斯金字塔的基础上，计算相邻两层图像的差值，形成dog金字塔；
25、第四步关键点检测，在dog金字塔中，通过寻找局部极值点来检测关键点，这些极值点应该在尺度空间和二维空间中都是局部极值；
26、第五步关键点定位，对于检测到的潜在关键点，使用一个更精确的模型来确定其位置和尺度，通常涉及拟合一个二次函数来更精确地定位极值点；
27、第六步方向分配，为每个关键点分配一个或多个方向，这介于关键点周围区域的梯度方向；
28、s5.2.对提取出来的特征进行匹配，采用flann算法进行高效地匹配，
29、s5.3.对匹配后的关键点序列进行最小生成树(mst)或最优路径(opt)算法求解，得到焊接机器人执行焊接任务的最优路径，具体计算公式如下：
30、
31、
32、其中，vmst是最小生成树中的顶点集合，e是图中的边集合，是边的权重；
33、
34、其中，d[v]是从起点到顶点v的最短路径估计，是边的权重；
35、s5.4.确定焊接机器人在执行焊接任务时的路线速度、加速度和停留时间的参数，以达到最佳的焊接效果；
36、s5.5.制定轨迹规划和路径调整模板，并将以上规划和调整方法编写成相应的程序嵌入到焊接机器人控制系统中；
37、s5.6.利用机器学习算法进行分类和匹配，将规划和调整模板与相应的焊接工件匹配，实现机器人焊接作业的自动控制；
38、s6.实时反馈，根据机器人焊接作业的实时效果，利用反馈机制对轨迹规划进行实时调整和优化，提高焊接作业的质量和效率。
39、优选的，所述s4.1步骤中确定的学习任务类型包括焊缝检测、焊接质量预测和焊接参数优化。
40、优选的，所述s4.4步骤中学习模型可采用决策树、支持向量机和神经网络中的一种或多种。
41、(三)有益效果
42、本专利技术提供了一种焊接机器人轨迹自动规划方法。具备以下有益效果：
43、1、本专利技术中，通过结合图像处理技术和机器学习算法，实现对焊接工件的自动分析和规划，降低了人力成本和时间浪费，并提高了焊接机器人的作业效率和作业质量，同时具有普适性和可扩展性，可以适用于不同形状和质量的焊接工件，为用户提供优质的服务。
44、2、本专利技术中，通过对三维模型数据的处理和分析，能够精确地获取待焊接工件和焊接目标的特征信息，提高了轨迹规划的准确性。
本文档来自技高网...【技术保护点】
1.一种焊接机器人轨迹自动规划方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种焊接机器人轨迹自动规划方法，其特征在于：所述S4.1步骤中确定的学习任务类型包括焊缝检测、焊接质量预测和焊接参数优化。
3.根据权利要求1所述的一种焊接机器人轨迹自动规划方法，其特征在于：所述S4.4步骤中学习模型可采用决策树、支持向量机和神经网络中的一种或多种。
【技术特征摘要】
1.一种焊接机器人轨迹自动规划方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种焊接机器人轨迹自动规划方法，其特征在于：所述s4.1步骤中确定的学习任务类型包括焊缝检...
【专利技术属性】
技术研发人员：苏楠，李龙，
申请(专利权)人：扬州工业职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。