Файл: Мясников, В. А. Программное управление оборудованием.pdf

Скачать файл (17,51Мб)

Заказать решение

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 15.10.2024

Просмотров: 144

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Для 2-го радиуса:

т	I. Ill	11, 111
0	0	0
1	0	0
2	0	1
3	0	0
4	0	0
5	0	0
С	0	1
7	0	1

Т. е. для	различения	II и III деталей можно взять отсчет
В (2). Если	обозначить	BR (т) — отсчет автокорреляционной

функции на радиусе R с номером т, то можно записать, что для

уверенного различения изображений деталей I, II и III требуется

вычислить Вх (0) и В 2 (2).	В этом случае имеем:
ЛГ9	В, (0)	в, (2)
детали	В, (0)	в, (2)
I	0	1
II	8	0
III	8	5

Предположим, что при передаче изображения III детали про изошло стирание одного отсчета (на рис. 218 этот отсчет имеет двойную штриховку). Соответствующие значения отсчетов авто корреляционных функций будут иметь вид

Вх (0) = 8 Во (2) = 3

По этим значениям на рабочем этапе распознавания деталь III будет опознана независимо от того, что при вводе изображения один отсчет оказался искаженным.

Для определения угла поворота деталей можно выбрать ра диус R 3. Соответствующие коды приведены ниже:

№ детали	Угловые дискреты
	01^34567

I10100010 II 01110011 III 11000100

478

Распознавание нефиксированных ориентированных деталей. Этот

случай может быть сведен к предыдущему, если каким-либо об разом зафиксировать (определить координаты) любой точки де тали. В зависимости от форм деталей можно рассмотреть различ ные способы фиксации характерных точек, однако универсаль ным способом является фиксация центра тяжести детали, выпол няемая по ее плоской проекции. Методы вычисления координат центра тяжести неподвижной либо движущейся плоской фигуры произвольной формы были рассмотрены ранее. После определе ния координат центра тяжести могут выполняться процедуры, описанные выше, так как детали могут рассматриваться как фик сированные и ориентированные.

Распознавание нефиксированных ориентированных деталей может быть выполнено и без предварительной фиксации точек деталей. Если Я,- (X, Y) — матрица, соответствующая изобра жению t-й детали в декартовых координатах, а В\ (X, Y) —

матрица автокорреляционных функций, соответствующих строкам

(столбцам)

матрицы

Я,-

(X,

Y), то, как

было

отмечено

ранее,

В\ (X,

не зависит от смещения изображения

i-й детали в ма

трице Я,- (X,

по горизонтали (вертикали). Если по В\ (X, Y)

построить

матрицу

автокорреляционных

функций

В\ (X,

Y),

соответствующих

столбцам

(строкам) матрицы В} (X,

Y),

то

В] (X,

не зависит

от

горизонтальных

и вертикальных

сме

щений

изображения

t-й детали в исходной матрице

Я,- (X,

Y).

Минимизация

отсчетов

автокорреляционных

функций

матриц

\В2 (X,

К)}, соответствующих изображениям деталей

{Я (X,

К)},

позволяет найти минимальное число признаков для надежного распознавания нефиксированных ориентированных деталей.

Распознавание нефиксированных неориентированных деталей.

Для решения этой самой общей задачи в случае одиночных де талей, предъявляемых роботу, можно воспользоваться методами, описанными выше.

1. Свести эту задачу к распознаванию нефиксированных ориен тированных деталей. При этом изображение детали при каждом

угле	поворота рассматривать	как изображение новой детали.
2.	Определить координаты	характерных точек деталей, на

пример центров тяжести, и тем самым свести ее к задаче распозна вания фиксированных неориентированных деталей.

Адаптивный робот, управляемый вычислительной машиной, может использоваться для автоматизации самых разнообразных участков производства. В частности, он может быть использо ван для автоматизации таких трудоемких операций, плохо под дающихся автоматизации с помощью других средств, как сбо рочные операции. При выполнении этих операций робот должен производить распознавание деталей и инструмента, определять их параметры положения и выполнять с ними соответствующие манипуляции. Разнообразие форм деталей и инструмента, а также жесткие временные ограничения на распознавание и определение

479

ориентации требуют использования рассмотренных выше алго ритмов для минимизации описаний изображений предметов с по мощью управляющей ЦВМ, которые позволили бы основную часть вычислительных работ перенести в режим обучения робота. В рабочем режиме в этом случае распознавание и определение параметров положения деталей и инструмента выполняется быстро н с высокой надежностью. Для конкретной операции сборки либо комплектования деталей и инструмента для сборки обучение ро бота может потребовать значительного времени, особенно в тех случаях, когда заранее неизвестна статистика ошибок при вводе изображений. В этом случае обучение должно производиться по группе представителей для каждой детали. Возможно обуче ние с заведомо ухудшенными условиями (максимальный разброс параметров деталей, изменение уровня освещенности и анало гичные искусственные помехи). Однако такое обучение в рабочем режиме обеспечит надежное распознавание с минимальным вре менем реакции робота. «Опыт», полученный одним роботом в ре жиме обучения, может передаваться другим роботам в виде вычис ленных значений минимального числа признаков для заданной группы деталей, может обобщаться и систематизироваться.

Заключение

Важным фактором автоматизации на современном этапе является создание спе циализированных банков данных, кото рые позволяют информационно объеди нить станочное оборудование, материальнотехническое снабжение, технологические и проектные работы. В развитых капита листических странах — США, Японии, Англии, ФРГ уже сложились националь ные банки данных, объединяющие раз личные фирмы-пользователи с помощью каталогов станочного оборудования, ре жущего инструмента и приспособлений, каталогов программ для станков с про граммным управлением. С помощью таких банков — Machinery Data Center — пред полагается не только наладить обмен гото выми программами для изготовления тех или иных деталей, но и наладить более эффективное использование станочного оборудования путем тесной кооперации между фирмами. Эти информационные банки берут на себя роль посредников, решая задачи оперативного размещения заказов по изготовлению деталей на соот ветствующем оборудовании с очень точной

привязкой		работ по месту и времени.
В США точность взаимосогласованных по
ставок	и	работ в ряде отраслей дове
дена	до	десяти минут, что исключает
операции		промежуточного складирования
31 М я с н и к о в и д р .		481

полуфабрикатов и, в частности, позволяет экономить ручной труд на операциях погрузки-выгрузки.

Другим важным фактором автоматизации является внедрение групповой технологии, разработка которой была начата трудами ленинградского ученого С. П. Митрофанова. До появления раз витых проблемно-ориентированных вычислительных систем, ос нованных па широком применении программного управления станками, внедрение групповой технологии было затруднено

[54, 55, 56].

Широкое применение вычислительной техники позволяет ста вить вопрос о разработке адаптивных рабочих машин, которые могли бы в зависимости от изменения внутри машины — напри

мер,	по причине	износа и деформаций — и в зависимости от
вида	заготовки и	программы— заказа автоматически выбирать

оптимальный режим работы (например, глубину и скорость реза ния) — с целью выполнения работы с заданной точностью за минимум времени или при минимальном расходе энергии. Тра диционный металлорежущий станок в этом случае, при оснаще нии его множеством информационных датчиков и адаптивным программным управлением, будет по существу специализирован ным информационным роботом. В будущем рабочие машины пре вратятся в семейство технологических роботов, способных вос принимать индивидуальный заказ на изготовление детали или машины, способных по индивидуальному заказу сшить костюм.

Широкое внедрение информационной и вычислительной тех ники в технологические процессы, построение автоматизирован ных систем управления технологическими процессами (АСУТП) является новым этапом научно-технической революции наших дней, который затрагивает самую основу современного общества — производство, сумму технологий.

Авторы благодарят за обсуждение проблемы чл.-корр. АН СССР С. В. Емельянова и сотрудников Ленинградского электро механического завода, Института электронных управляющих машин, Ленинградского института авиационного приборостроения и других организаций.

П Р И Л О Ж Е Н И Е I

ХАРАКТЕРИСТИКИ

РОБОТОВ

В [52] рассмотрены характеристики 156 промышленных ро ботов; из них 112 японских, 21 американских, 15 английских, два шведских, два западногерманских, два норвежских, один канадский и один венгерский.

Степени свободы. При рассмотрении степеней свободы не учи тывались движения ног (если они имелись) и пальцев. Как видно

из рис. 1, большинство роботов имеет четыре степени свободы. Роботы с большим числом степеней свободы используются для сложных работ, таких, как сварка, сборка и т. п.

Рабочее пространство.			Рабочее	пространство — это объем,
в котором робот		может производить свои движения. Это про
странство	можно	разделить	на следующие классы:
1) до	0,009 м3 — особо		точные	операции;