Файл: Системы очувствления и адаптивные промышленные роботы..pdf

Угол ориентации <р детали можно определить по следующим фор­ мулам (рис. 8.5):

а угол у', на который необходимо развернуть захват, определяется

В настоящее время в промышленности широкое распространение получили детали, выполненные из немагнитных токопроводящих материалов (латуни, меди, алюминия, серебра и т. п.), которые штампуются из ленты. Для подачи подобных деталей на последу­ ющие технологические позиции необходимо обеспечить их ориента­ цию. Задачу ориентации таких деталей можно решать с помощью переменного магнитного поля. Эффект ориентирования .достигается в результате взаимодействия внешнего переменного магнитного поля с индуцированным в детали полем вихревых токов.

Переменное высокочастотное электромагнитное поле может быть использовано для ориентации деталей по слабовыраженным геоме­ трическим признакам (мелкая резьба, выточки, прорези, углубле­ ния и т. п.), по внутренним и скрытым особенностям, по физическим и механическим свойствам материалов, из которых изготовлена деталь. При оснащении электромагнитного ориентирующего устрой­ ства адаптивной системой можно определить также тип и ориента­ цию детали.

Немагнитные токопроводящие детали могут иметь электродина­ мические аналоги. Светлые зоны аналогов соответствуют более вы­ сокой эквивалентной электрической проводимости, а темные — по­ ниженной. При прочих равных условиях переменное магнитное поле оказывает большее силовое воздействие па светлые участки аналога, чем на темные.

В качестве примера можно указать адаптивную систему опреде­ ления положения и ориентации немагнитных токопроводящих де­ талей, прошедших первичную ориентацию в вибробункере. Из вибро­ бункера детали, имеющие слабовыраженные геометрические при­ знаки ориентации, могут перемещаться в одном из нескольких возможных положений. Датчик системы очувствления может быть выполнен в виде индуктивных катушек. Число и положение датчиков

222

выбирают согласно определенному алгоритму. При подходе детали к одному из датчиков происходит опрос датчиков, снимается сигнал, соответствующий наличию или отсутствию металла иод датчиками.. Полученный код дешифруется дешифратором, на i-й шине которого появляется сигнал, соответствующий *-му положению детали. При попадании детали в межполюсное пространство включенного элек­ тромагнита происходит срыв колебаний, и электромагнит подклю­ чается к генератору переменного тока в режиме сильных токов. При этом деталь однозначно ориентируется в отводящий лоток. Если необходимо осуществлять сортировку деталей, то число элек­ тромагнитов и отводящих лотков необходимо увеличить, а электро­ магниты подключать с соответствующей задержкой.

Для нормальной работы системы необходимо создать переменное магнитное поле в зазоре электромагнитов, обеспечить их своевремен­ ное включение в режиме слабых токов и переключение в режим сильных токов и отключение. Периодическое отключение электро­ магнитов, т. е. их функционирование в импульсном режиме, зна­ чительно снижает потребляемую мощность и уменьшает нагрев электромагнитов.

Для обеспечения ориентации детали в зазоре требуется создать необходимое воздействие электромагнита на деталь. Сила воздей­ ствия поля на деталь равна

'г = -$ -5 Л (» .> .

где В 0 — индукция магнитного поля в зазоре, тл; р0 — магнитная

и определяется по формуле со* —- ap0cod2, где а — удельная электри­ ческая проводимость материала, Ом^-м*1; со — частота магнитного поля, с*1; d — толщина детали, м.

Силовое воздействие на деталь увеличивается с ростом частоты поля. При достижении со* = 50 рост частоты не сопровождается заметным возрастанием силы F, однако увеличивается разогрев детали вихревыми токами. Поэтому оптимальное значение со* сле­ дует выбирать исходя пз допустимого нагрева детали во время ориентирования.

Производительность рассмотренной системы составляет 120— 300 деталей в минуту.

8.3. Адаптивные роботы для адресования деталей на конвейере

Иллюстрацией роботизированной системы для адресования дета­ лей на конвейере может служить конвейерно-складской робото­ технический комплекс ПО «Кировский завод». Этот комплекс вклю­ чает следующие основные элементы: подвесные склады-накопители деталей; главный транспортный конвейер; посты загрузки деталей

2^3

Рис. 8.6. Структурная схема ло­ гического распознавании дета­ лей на подвесном толкающем конвейере

из механического цеха и посты разгрузки де­ талей на главный сбо­ рочный конвейер; об­ гонные пути для созда­ ния резервного потока деталей; систему учета и адресования деталей; управляющий вычисли­ тельный комплекс.

Для автоматизации функций учета и адре­ сования деталей имеется информационно-измери­ тельная система наблю­ дения за грузопотоками и система автоматичес­ кого распознавания и идентификации деталей.

Первая из этих си­ стем — оптико-электронная система очувствления — состоит из узко­ направленных осветителей (источников света) и соответствующих им фотоприемников, между которыми перемещается распознаваемая

ФСД-Г1. Лампы и фоторезисторы шарнирно закреплены на спе­ циальных направляющих, что позволяет легко изменять их место­

характеризующих распознаваемую деталь. Набор значений призна­ ков х (со) = 1(со)|^=[ есть код (образ) детали. Значения всех признаков %ъ ..., | 7 измеряются одновременно при строго определен­ ном положении сцепа 2 с деталью 3 относительно информационно­ измерительной системы источники света — фотоприемники. Это по­ ложение регистрируется с помощью специального датчика сцепа, подающего сигнал сначала на считывание признаков, а затем на отключение источников света (до прихода следующей детали). Время кодирования каждой детали не превышает 0,1 с. Кодирование,

224

распознавание и идентификация деталей происходят в процессе их движения, т. е. без остановки конвейера.

Адаптивный логический распознаватель 5 (дешифратор) работает следующим образом. При совпадении кода детали, перемещающейся по конвейеру, с эталонным кодом деталей определенного класса формируется номер этого класса. Причем в качестве эталонных кодов классов используются семиразрядные двоичные коды соот­ ветствующих деталей, предварительно снятые при номинальном (идеальном) режиме работы конвейера. Поэтому в номинальном режиме (т. е. при правильном подвесе деталей на сцепе и при от­ сутствии их колебаний) такой дешифратор обеспечивает безошибочное рас познавание деталей.

Однако в производственных условиях часто наблюдаются зна­ чительные отклонения от номинального режима. В подобных слу­ чаях точность работы дешифратора значительно снижается. Основной причиной отказов и погрешностей являются разного рода непред­ сказуемые перемещения деталей в «поле зрения» информационно­ измерительной системы. В этих условиях возникает необходимость адаптации к производственным возмущениям. Поэтому был разра­ ботан более совершенный автомат адаптивного распознавания, обла­ дающий свойством инвариантности по отношению к указанным выше непредсказуемым перемещениям деталей. Адаптивный автомат ра­ ботает в двух режимах: режиме обучения (или дообучения) и режиме принятия решений. В режиме обучения формируется обучающая выборка, по которой строится то или иное решающее правило. В ре­ жиме принятия решений это правило используется для автоматиче­ ского распознавания деталей.

В производственных условиях обучающая выборка формирова­ лась путем кодирования деталей из разных классов с помощью предикатов-признаков (со), £2 (<*>), •••> £7 (w)» снимаемых инфор­ мационно-измерительной системой, с обязательным указанием, к ка­ кому классу такая деталь принадлежит. По результатам наблюдения (кодирования) этих деталей сначала была сформирована выборка из 42 элементов. Причем относительно каждого элемента была

Анализ полученной выборки показал, что вследствие непредска­ зуемых результатов для ряда элементов, принадлежащих разным классам, значения всех семи признаков совпадают. Этот факт говорит о том, что классы в семимерном пространстве признаков пересе­ каются, поэтому при окончательном формировании обучающей выборки из числа «пересекающихся» элементов выбирались те, для которых вероятность (частота встречаемости) наибольшая. В ре­

225

зультате была получена новая обучающая выборка из 32 непересекакяцихся элементов. По этой выборке строилось оптимальное логическое решающее правило, реализуемое автоматом распознавания.

Оптимально решающее правило строится в виде дизъюнкции конъюнкций от исходных признаков-предикатов. Задается критерий качества каждой анализируемой конъюнкции, вычисляемой непо­ средственно на обучающей выборке. На k -м шаге рассматривается каждая конъюнкция (к — 1)-го ранга, построенная на предыдущем шаге. По этим конъюнкциям строятся новые конъюнкции k -то ранга путем присоединения к ним ранее не использованных признаков' предикатов и их отрицаний. Среди полученных таким образом конъ­ юнкций отбирается наилучшая (в смысле заданного критерия каче­ ства) конъюнкция. Далее процесс повторяется, пока не сработает правило остановки алгоритма.

Согласно критерию Байеса, для каждой анализируемой конъ­ юнкции вычисляются апостериорные вероятности классов и выби­ рается та конъюнкция, для которой эта вероятность максимальна. Если апостериорная вероятность принимает значение 1, то это означает, что соответствующая конъюнкция характеризует элементы данного класса. Такая конъюнкция запоминается как элемент искомого решающего правила, называемый элементарным решающим правилом. Как только синтезированные элементарные решающие правила охарактеризуют все элементы обучающей выборки, алго­ ритм останавливается (прекращает работу). В результате получается логическое решающее правило последовательного характера, без­ ошибочно распознающее элементы обучающей выборки.

Оптимальное логическое решающее правило характеризуется двумя параметрами — рангом и сложностью. Ранг — это максималь­ ный ранг элементарных решающих правил. Он лимитирует число необходимых измерений предикатов-признаков. Сложность N — это общее число используемых в решающем правиле признаков. Ясно, что чем меньше значения параметров г и N, тем предпочтительнее (при прочих равных условиях) решающее правило.

Оптимальное логическое решающее правило может быть графи­ чески представлено в виде бинарного дерева решений, называемого оптимальным распознающим графом. Каждое элементарное реша­ ющее правило изображается ветвью этого графа, предикат-при­ знак — узлом, а код класса — листом с соответствующим номером. Из каждого узла исходят два ребра, соответствующие возможным значениям данного признака.

В режиме распознавания сначала измеряется признак, соответ­ ствующий узлу первого уровня (ранга). Далее по ребру, отвеча­ ющему полученному значению признака, осуществляется переход к узлу второго уровня (ранга) и измерение соответствующего при­ знака. Процесс «раскрытия» узлов продолжается до тех пор, пока

226