【技術實現步驟摘要】
本專利技術智能制造自動化，具體涉及一種機電預制化組件自動化集成方法及系統(tǒng)。
技術介紹
1、隨著工業(yè)4.0時代的到來，制造業(yè)正從傳統(tǒng)的手工組裝模式向自動化、智能化方向快速發(fā)展。機電預制化組件的自動化集成技術是現代工業(yè)制造的重要組成部分，其目標是在最短時間內、高精度地完成復雜組件的組裝任務。然而，現有的自動化組裝方法在處理復雜組件識別與裝配的效率、精度和柔性化方面仍存在較大局限性。
2、目前，工業(yè)組裝過程中使用的自動化集成技術通常基于固定流程和預設程序。這些技術在組裝單一型號或少量變體的組件時表現良好，但面對組件種類多樣化、組裝需求復雜化的場景，現有技術的適應性顯得不足。具體表現為：組件識別困難：傳統(tǒng)的圖像處理技術(如簡單的邊緣檢測或特征匹配)在面對復雜形狀、不同光照條件或多樣化組件時，識別精度不高，易產生誤判或漏判。缺乏動態(tài)調整能力：許多系統(tǒng)依賴固定的組裝流程，無法根據不同的組裝需求(如時間、精度或功能)動態(tài)優(yōu)化操作流程。數據傳輸效率低：現有組裝系統(tǒng)在控制信號傳輸過程中，缺乏高效的通信協(xié)議支持，數據傳輸延遲可能導致機械手操作的不穩(wěn)定性。系統(tǒng)反饋不完善：在組裝過程中，實時反饋機制的缺失使得難以在組裝異常或誤差較大時及時調整，降低了系統(tǒng)的可靠性和效率。針對上述問題，近年來人工智能技術，特別是深度學習算法的興起，為復雜組件識別與裝配提供了新的解決思路。卷積神經網絡(cnn)在圖像特征提取與分類方面展現了強大的能力，其結合工業(yè)自動化控制的潛力正在逐步顯現。同時，隨著工業(yè)通信協(xié)議(如modbus)的廣泛應用，數據傳輸的實時性和可
3、且現有技術中，不能夠根據用戶動態(tài)需求進行生產制造，沒有涉及輸入與解析將需求數據與組件圖像特征相結合，實現對不同任務的動態(tài)調整。且沒有通過用戶終端接收組裝目標功能、時間和精度等需求，進而自動化針對性動態(tài)生產制造的智能化設備；且現有技術中僅僅采用現有的人工智能算法，沒有涉及將組件數量作為考慮因素加入到智能匹配過程中，導致智能自動化生產過程中組件選擇準確率降低，因無法靈活針對性動態(tài)調整識別過程，使得智能化制造生產過程中在動態(tài)靈活性調整及準確行方面亟待改善。
技術實現思路
1、針對現有技術中提到的上述問題，本專利技術提供一種機電預制化組件自動化集成方法及系統(tǒng)，該方法首先通過用戶終端接收集成需求輸入；其次，通過ccd相機實時采集待集成機電組件的圖像，并計算每個組件子圖像的圖像信息；然后，將預處理后的集成需求輸入數據、待集成機電組件的圖像數據和特征數據庫中圖像信息數據拼接形成n維輸入向量；再次，將n維輸入向量輸入至訓練好的卷積神經網絡，訓練好的卷積神經網絡輸出當前需集成部件名稱及位置；再次，通過plc控制系統(tǒng)控制機械手和傳輸裝置按照當前需集成部件名稱及位置進行組件的自動集成；最后，返回重復執(zhí)行步驟直至組裝完成。本申請通過采用卷積神經網絡算法實現組件的精準選擇，并利用plc控制系統(tǒng)，大大提高了機電預制化組件自動化集成的精確度及效率。
2、本申請?zhí)峁┮环N機電預制化組件自動化集成方法，包括步驟：
3、s1：通過用戶終端接收集成需求輸入，所述集成需求包括機電預制化組件的集成組裝目標功能、組裝時間要求和組裝精度要求；
4、s2：通過高清攝像頭實時采集待集成機電組件的圖像，對圖像進行分割得到每個組件子圖像，并計算每個子圖像的圖像信息，圖像信息包括灰度均值、最大值、像素個數及像素位置信息，并將圖像信息存儲在組件特征數據庫中；
5、s3：將預處理后的集成需求輸入數據、待集成機電組件的圖像數據和特征數據庫中圖像信息數據拼接形成n維輸入向量；
6、s4：將n維輸入向量輸入至訓練好的卷積神經網絡，訓練好的卷積神經網絡輸出當前需集成部件名稱及位置；
7、s5：通過plc控制系統(tǒng)控制機械手和傳輸裝置按照當前需集成部件名稱及位置進行組件的自動集成，通過實時通信協(xié)議modbus進行信息傳輸，確保指令傳遞準確；
8、s6：返回步驟s2，直至組裝完成。
9、優(yōu)選地，所述集成組裝目標功能包括：電機驅動模塊的組裝、自動化控制柜的模塊化集成或機械臂末端工具的安裝；所述組裝時間要求包括：組裝任務的完成時間限制，以小時或分鐘為單位，在2小時內完成或5個小時完成或10個小時完成；所述組裝精度要求包括：誤差不超過0.1毫米或誤差不超過2厘米。
10、優(yōu)選地，所述對圖像進行分割得到每個組件子圖像，包括對圖像采用高斯濾波對圖像進行去噪處理，采用canny算子邊緣檢測算法提取組件邊界，然后進行分割得到組件子圖像。
11、優(yōu)選地，將預處理后的集成需求輸入數據、待集成機電組件的圖像數據和特征數據庫中圖像信息數據拼接形成n維輸入向量包括：對集成需求輸入數據進行預處理包括對時間要求、成本預算和精度需求進行歸一化處理，并對目標功能進行獨熱編碼，對待集成機電組件的圖像數據和圖像信息數據進行歸一化處理，按集成需求輸入數據、待集成機電組件的圖像數據和圖像信息數據的順序拼接，形成n維輸入向量，作為卷積神經網絡的輸入。
12、優(yōu)選地，所述訓練好的卷積神經網絡輸出當前需集成部件名稱及位置，包括：s41:卷積神經網絡接收n維輸入向量；s42:通過卷積神經網絡的卷積層提取輸入向量中的局部特征，包括組件的形狀、邊緣、灰度分布和功能優(yōu)先級；s43:通過全連接層對提取的局部特征進行分類，輸出當前需集成部件的名稱及類別標簽；s44:通過回歸層對組件的圖像特征進行位置回歸，預測組件在圖像中的中心點坐標或邊界框位置；s45:根據分類和回歸的結果，輸出當前需集成部件的名稱及其對應的位置坐標，并將輸出數據傳遞至plc用于執(zhí)行控制。
13、優(yōu)選地，訓練好的卷積神經網絡采用改進的激活函數f(x)表示如下：
14、
15、其中，x表示當前神經元的輸入值，e為自然對數的底數，n為組件子圖像的個數。
16、優(yōu)選地，所述通過plc控制系統(tǒng)控制機械手和傳輸裝置按照當前需集成部件名稱及位置進行組件的自動集成，包括：s51:卷積神經網絡的輸出通過modbus協(xié)議將部件名稱和位置數據直接發(fā)送至plc；s52:plc解析接收到的部件名稱，將其映射至內部功能模塊寄存器；s53:plc對位置數據進行解析，轉化為三維坐標并生成機械手的運動軌跡指令；s54:plc根據生成的運動軌跡指令控制機械手和傳輸裝置執(zhí)行抓取和安裝任務。
17、本申請還提供一種機電預制化組件自動化集成系統(tǒng)，包括：
18、需求輸入模塊：通過用戶終端接收集成需求輸入，所述集成需求包括機電預制化組件的集成組裝目標功能、組裝時間要求和組裝精度要求；
19、圖像處理模塊：通過高清攝像頭實時采集待集成機電組件的圖像，對圖像進行分割得到每個組件子圖像，并計算每個子圖像的圖像信息，圖像信息包括灰度均值、最大值、像素個數及像素位置信息，并將圖像信息存儲在組件特征數據庫中；
20、向量生成模塊：將預處理后的集成需求本文檔來自技高網...
【技術保護點】
1.一種機電預制化組件自動化集成方法，其特征在于，包括步驟：
2.如權利要求1所述的一種機電預制化組件自動化集成方法，其特征在于，所述集成組裝目標功能包括：電機驅動模塊的組裝、自動化控制柜的模塊化集成或機械臂末端工具的安裝；所述組裝時間要求包括：組裝任務的完成時間限制，以小時或分鐘為單位，在2小時內完成或5個小時完成或10個小時完成；所述組裝精度要求包括：誤差不超過0.1毫米或誤差不超過2厘米。
3.如權利要求2所述的一種機電預制化組件自動化集成方法，其特征在于，所述對圖像進行分割得到每個組件子圖像，包括對圖像采用高斯濾波對圖像進行去噪處理，采用Canny算子邊緣檢測算法提取組件邊界，然后進行分割得到組件子圖像。
4.如權利要求1所述的一種機電預制化組件自動化集成方法，其特征在于，將預處理后的集成需求輸入數據、待集成機電組件的圖像數據和特征數據庫中圖像信息數據拼接形成N維輸入向量包括：對集成需求輸入數據進行預處理包括對時間要求、成本預算和精度需求進行歸一化處理，并對目標功能進行獨熱編碼，對待集成機電組件的圖像數據和圖像信息數據進行歸一化處理，按
5.如權利要求1所述的一種機電預制化組件自動化集成方法，其特征在于，所述訓練好的卷積神經網絡輸出當前需集成部件名稱及位置，包括：S41:卷積神經網絡接收N維輸入向量；S42:通過卷積神經網絡的卷積層提取輸入向量中的局部特征，包括組件的形狀、邊緣、灰度分布和功能優(yōu)先級；S43:通過全連接層對提取的局部特征進行分類，輸出當前需集成部件的名稱及類別標簽；S44:通過回歸層對組件的圖像特征進行位置回歸，預測組件在圖像中的中心點坐標或邊界框位置；S45:根據分類和回歸的結果，輸出當前需集成部件的名稱及其對應的位置坐標，并將輸出數據傳遞至PLC用于執(zhí)行控制。
6.如權利要求1所述的一種機電預制化組件自動化集成方法，其特征在于，訓練好的卷積神經網絡采用的激活函數f(x)表示如下：
7.如權利要求1所述的一種機電預制化組件自動化集成方法，其特征在于，所述通過PLC控制系統(tǒng)控制機械手和傳輸裝置按照當前需集成部件名稱及位置進行組件的自動集成，包括：S51:卷積神經網絡的輸出通過Modbus協(xié)議將部件名稱和位置數據直接發(fā)送至PLC；S52:PLC解析接收到的部件名稱，將其映射至內部功能模塊寄存器；S53:PLC對位置數據進行解析，轉化為三維坐標并生成機械手的運動軌跡指令；S54:PLC根據生成的運動軌跡指令控制機械手和傳輸裝置執(zhí)行抓取和安裝任務。
8.一種機電預制化組件自動化集成系統(tǒng)，其特征在于，包括：
9.如權利要求8所述的一種機電預制化組件自動化集成系統(tǒng)，其特征在于，所述集成組裝目標功能包括：電機驅動模塊的組裝、自動化控制柜的模塊化集成或機械臂末端工具的安裝；所述組裝時間要求包括：組裝任務的完成時間限制，以小時或分鐘為單位，在2小時內完成或5個小時完成或10個小時完成；所述組裝精度要求包括：誤差不超過0.1毫米或誤差不超過2厘米。
10.如權利要求8所述的一種機電預制化組件自動化集成系統(tǒng)，其特征在于，所述對圖像進行分割得到每個組件子圖像，包括對圖像采用高斯濾波對圖像進行去噪處理，采用Canny算子邊緣檢測算法提取組件邊界，然后進行分割得到組件子圖像。
...【技術特征摘要】
1.一種機電預制化組件自動化集成方法，其特征在于，包括步驟：
2.如權利要求1所述的一種機電預制化組件自動化集成方法，其特征在于，所述集成組裝目標功能包括：電機驅動模塊的組裝、自動化控制柜的模塊化集成或機械臂末端工具的安裝；所述組裝時間要求包括：組裝任務的完成時間限制，以小時或分鐘為單位，在2小時內完成或5個小時完成或10個小時完成；所述組裝精度要求包括：誤差不超過0.1毫米或誤差不超過2厘米。
3.如權利要求2所述的一種機電預制化組件自動化集成方法，其特征在于，所述對圖像進行分割得到每個組件子圖像，包括對圖像采用高斯濾波對圖像進行去噪處理，采用canny算子邊緣檢測算法提取組件邊界，然后進行分割得到組件子圖像。
4.如權利要求1所述的一種機電預制化組件自動化集成方法，其特征在于，將預處理后的集成需求輸入數據、待集成機電組件的圖像數據和特征數據庫中圖像信息數據拼接形成n維輸入向量包括：對集成需求輸入數據進行預處理包括對時間要求、成本預算和精度需求進行歸一化處理，并對目標功能進行獨熱編碼，對待集成機電組件的圖像數據和圖像信息數據進行歸一化處理，按集成需求輸入數據、待集成機電組件的圖像數據和圖像信息數據的順序拼接，形成n維輸入向量，作為卷積神經網絡的輸入。
5.如權利要求1所述的一種機電預制化組件自動化集成方法，其特征在于，所述訓練好的卷積神經網絡輸出當前需集成部件名稱及位置，包括：s41:卷積神經網絡接收n維輸入向量；s42:通過卷積神經網絡的卷積層提取輸入向量中的局部特征，包括組件的形狀、邊緣、灰度分布和功能優(yōu)先級；s43:通過全連接層對提取的局部特征進行分類，輸出當前需集成部件的名稱及類別標簽；s...
【專利技術屬性】
技術研發(fā)人員：李卓暉，王燕，胡康，吳勁松，張斌，陳振超，孫發(fā)杰，趙德寧，廖霄，龐學躍，許文民，劉亮，李光泰，李逸謙，鄧振華，鐘金輝，黃偲，黃芬芍，劉璐瑤，句赫，周倩，李舒濤，
申請(專利權)人：中國能源建設股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。