本發(fā)明涉及滑塊墊片厚度調(diào)節(jié)，尤其涉及一種基于線激光3d相機的滑塊墊片厚度調(diào)節(jié)方法。

背景技術(shù)：

1、在現(xiàn)代工業(yè)生產(chǎn)過程中，滑塊墊片的厚度調(diào)節(jié)和控制是確保產(chǎn)品質(zhì)量和性能的重要環(huán)節(jié)。傳統(tǒng)的滑塊墊片厚度測量方法主要依賴于接觸式測量工具，如卡尺和機械量具。這些方法不僅操作復(fù)雜且耗時，還容易受到人為操作的影響，導(dǎo)致測量精度不高。此外，接觸式測量可能對墊片表面造成損傷，影響產(chǎn)品質(zhì)量和使用壽命。特別是在自動化生產(chǎn)線上，這種人工測量方法難以實現(xiàn)高效和精確的質(zhì)量控制。

2、隨著工業(yè)自動化的發(fā)展，非接觸式測量技術(shù)逐漸得到應(yīng)用。其中，線激光3d相機技術(shù)因其高精度和高效率的特點，成為一種重要的非接觸式測量手段。然而，現(xiàn)有技術(shù)在滑塊墊片厚度調(diào)節(jié)過程中，仍然存在一些技術(shù)難題，限制了其應(yīng)用效果和精度。

3、首先，現(xiàn)有的線激光3d相機技術(shù)在獲取滑塊墊片的三維形貌數(shù)據(jù)時，容易受到掃描角度和表面反射特性的影響，導(dǎo)致數(shù)據(jù)獲取不完整或存在干擾。這些干擾會影響后續(xù)的厚度測量和調(diào)節(jié)過程，降低測量精度和可靠性。特別是在邊界區(qū)域，傳統(tǒng)的掃描方法難以消除死角干擾和尖峰狀干擾，導(dǎo)致形貌數(shù)據(jù)不準(zhǔn)確。

4、其次，在厚度調(diào)節(jié)過程中，現(xiàn)有的控制系統(tǒng)大多依賴于簡單的測量數(shù)據(jù)和預(yù)設(shè)的調(diào)節(jié)參數(shù)，缺乏實時的動態(tài)調(diào)整能力。這種方法難以適應(yīng)復(fù)雜的工業(yè)環(huán)境和多變的生產(chǎn)需求，導(dǎo)致調(diào)節(jié)精度不足和效率低下。同時，傳統(tǒng)的厚度調(diào)節(jié)方法通常需要人工干預(yù)，容易引入人為誤差，難以實現(xiàn)全自動化操作。

5、另外，現(xiàn)有的圖像處理算法在墊片位置檢測和確認(rèn)方面也存在一定的局限性。傳統(tǒng)的圖像處理算法在復(fù)雜的工業(yè)環(huán)境中，容易受到光照條件和背景噪聲的影響，導(dǎo)致墊片位置檢測不準(zhǔn)確。特別是在滑塊墊片的厚度調(diào)節(jié)過程中，墊片的位置和厚度密切相關(guān)，位置檢測的誤差會直接影響厚度調(diào)節(jié)的精度和效果。

技術(shù)實現(xiàn)思路

1、本發(fā)明的一個目的在于提出一種基于線激光3d相機的滑塊墊片厚度調(diào)節(jié)方法，本發(fā)明顯著提高了滑塊墊片厚度調(diào)節(jié)的精度和效率，實現(xiàn)了全自動化操作和實時反饋控制，滿足了現(xiàn)代工業(yè)生產(chǎn)對高效、精準(zhǔn)調(diào)節(jié)的需求。

2、根據(jù)本發(fā)明實施例的一種基于線激光3d相機的滑塊墊片厚度調(diào)節(jié)方法，包括如下步驟：

3、s1、使用線激光3d相機對前中后三個滑塊進行掃描，獲取三個滑塊的形貌數(shù)據(jù)；

4、s2、對獲取的形貌數(shù)據(jù)進行預(yù)處理，消除死角干擾和尖峰狀干擾；

5、s3、通過分析處理后的形貌數(shù)據(jù)，使用改進多尺度迭代重構(gòu)算法生成所需墊片的厚度尺寸數(shù)據(jù)；

6、s4、將厚度測量數(shù)據(jù)傳輸至控制系統(tǒng)；

7、s5、控制系統(tǒng)根據(jù)厚度尺寸數(shù)據(jù)判斷是否需要調(diào)節(jié)墊片厚度和數(shù)量；

8、s6、控制系統(tǒng)控制機械臂上的真空吸盤機構(gòu)吸取合適厚度的墊片；

9、s7、將墊片放置到滑塊座上，通過改進圖像處理算法確認(rèn)墊片位置是否正確；

10、s8、控制系統(tǒng)根據(jù)實時反饋數(shù)據(jù)對墊片厚度進行動態(tài)調(diào)整；

11、s9、重復(fù)步驟s1-s8，直至三個滑塊的掃描數(shù)據(jù)滿足設(shè)定要求。

12、可選的，所述s1具體包括以下步驟：

13、s11、啟動線激光3d相機，對前、中、后三個滑塊分別進行掃描，每個滑塊的掃描路徑為從左至右、從上至下，形成網(wǎng)格狀掃描圖案；

14、s12、獲取每個滑塊的初步形貌數(shù)據(jù)，初步形貌數(shù)據(jù)包括高度h前(x，y)、h中(x，y)、h后(x，y)以及表面輪廓c前(x，y)、c中(x，y)、c后(x，y)，其中，x和y分別表示滑塊表面的水平和垂直坐標(biāo)；

15、s13、對每個滑塊的初步形貌數(shù)據(jù)進行多次重復(fù)掃描，消除單次掃描可能出現(xiàn)的誤差，形成多個重復(fù)形貌數(shù)據(jù)集其中i表示第i次掃描，n為重復(fù)掃描的次數(shù)；

16、s14、對多個重復(fù)形貌數(shù)據(jù)集進行數(shù)據(jù)融合，采用加權(quán)平均算法，生成最終形貌數(shù)據(jù)h前(x，y)、h中(x，y)、h后(x，y)。

17、可選的，所述s2具體包括以下步驟：

18、s21、對獲取的每個滑塊的初步形貌數(shù)據(jù)h前(x，y)、h中(x，y)、h后(x，y)、進行邊界檢測，識別并標(biāo)記滑塊形貌數(shù)據(jù)中的邊界區(qū)域；

19、s22、應(yīng)用自適應(yīng)多角度融合算法對識別出的邊界區(qū)域進行處理，將每個滑塊的初步形貌數(shù)據(jù)分割成若干小區(qū)域，記為其中m為分割區(qū)域的數(shù)量；

20、對每個小區(qū)域rj進行多角度掃描，獲取多個不同角度的形貌數(shù)據(jù)其中，θ表示不同的掃描角度，p為掃描角度的數(shù)量；

21、對于每個小區(qū)域rj，應(yīng)用自適應(yīng)權(quán)重函數(shù)wj(θ)對不同角度的形貌數(shù)據(jù)進行加權(quán)融合，生成無死角干擾的形貌數(shù)據(jù)h′j(x，y)：

22、

23、其中，wj(θ)為自適應(yīng)權(quán)重，依據(jù)每個角度的掃描質(zhì)量動態(tài)調(diào)整；

24、將所有小區(qū)域rj的無死角干擾形貌數(shù)據(jù)h′j(x，y)拼接，生成初步修正后的整體形貌數(shù)據(jù)h′前(x，y)、h′中(x，y)、h′后(x，y)；

25、s23、對初步修正后的形貌數(shù)據(jù)h′前(x，y)、h′中(x，y)、h′后(x，y)進行尖峰狀干擾檢測，識別并標(biāo)記異常高值或低值點；

26、s24、應(yīng)用尖峰狀干擾濾除算法，對標(biāo)記的異常點進行插值處理，采用雙線性插值方法，將周圍正常點的值進行加權(quán)平均，生成最終預(yù)處理后的形貌數(shù)據(jù)

27、

28、其中，w(u,v)為插值權(quán)重，表示在插值處理中每個鄰域點對插值結(jié)果的貢獻程度，權(quán)重的選取根據(jù)周圍點的距離和數(shù)據(jù)的平滑度來確定，較近的點權(quán)重較大，較遠的點權(quán)重較小，k為插值窗口大小，h'(x+u,y+v)為初步修正后的形貌數(shù)據(jù)，表示位置(x+u,y+v)處的高度值，插值處理的結(jié)果hf(x，y)為位置(x,y)處的最終預(yù)處理高度值；

29、s25、將最終預(yù)處理后的形貌數(shù)據(jù)存儲在控制系統(tǒng)中。

30、可選的，所述s3具體包括以下步驟：

31、s31對預(yù)處理后的形貌數(shù)據(jù)進行多角度掃描，生成多個角度下的形貌數(shù)據(jù)集合其中，θ表示不同的掃描角度，p為掃描角度的數(shù)量：

32、

33、其中，hθ(x，y)表示在掃描角度θ下的形貌數(shù)據(jù)，x和y分別為滑塊表面的水平和垂直坐標(biāo)，i(x′，y′，z′)為被掃描表面在空間位置(x′，y′，z′)處的反射強度，表示滑塊表面對激光的反射情況，gθ(x-x′，y-y′，z-z′)為掃描響應(yīng)函數(shù)，描述了不同角度下激光掃描的響應(yīng)特性，積分區(qū)域[a,b]和[c,d]為掃描區(qū)域的邊界，表示掃描覆蓋的范圍；

34、s32對每個角度的形貌數(shù)據(jù)進行歸一化處理，消除角度差異帶來的影響，歸一化后的形貌數(shù)據(jù)為h′θ(x，y)；

35、s33應(yīng)用自適應(yīng)權(quán)重融合算法，對多個角度的形貌數(shù)據(jù)進行加權(quán)融合，生成綜合形貌數(shù)據(jù)hc(x，y)：

36、

37、其中，hc(x，y)為融合后的綜合形貌數(shù)據(jù)，w(θ)為自適應(yīng)權(quán)重，依據(jù)每個角度數(shù)據(jù)的質(zhì)量動態(tài)調(diào)整，μθ和σθ分別為角度θ下形貌數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，用于衡量數(shù)據(jù)的集中趨勢和離散程度；

38、s34對綜合形貌數(shù)據(jù)hc(x，y)進行多尺度分層處理，生成多尺度分層模型

39、

40、其中，lk(x，y)為第k層次的分層模型，nk為窗口大小，表示分層處理的尺度范圍，wk(i，j)為第k層次的權(quán)重函數(shù)，用于對不同位置的綜合形貌數(shù)據(jù)進行加權(quán)處理；

41、s35在每個尺度層次上，應(yīng)用基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)殘差修正算法計算當(dāng)前層次的形貌殘差rk(x，y)：

42、

43、其中，rk(x，y)為第k層次的形貌殘差，wi為權(quán)重，依據(jù)神經(jīng)網(wǎng)絡(luò)的輸出動態(tài)調(diào)整；

44、s36對形貌殘差rk(x，y)進行基于小波變換的自適應(yīng)平滑處理，濾波后的殘差數(shù)據(jù)為rk，f(x，y)：

45、rk，f(x，y)＝w-1{hw(u，v)·w{rk(x，y)}}；

46、其中，w和w-1分別表示小波變換和逆小波變換，hw(u，v)為自適應(yīng)小波濾波函數(shù)，用于平滑殘差數(shù)據(jù)，消除噪聲；

47、s37將平滑處理后的殘差數(shù)據(jù)rk，f(x，y)添加到當(dāng)前層次的分層模型lk(x，y)中，更新分層模型：

48、lk+1(x，y)＝lk(x，y)+rk，f(x，y)；

49、其中，lk+1(x，y)為更新后的分層模型；

50、s38重復(fù)步驟s35至s37，直至所有層次的分層模型均完成迭代重構(gòu)，生成最終的多尺度迭代重構(gòu)形貌數(shù)據(jù)lq(x，y)；

51、s39對最終的多尺度迭代重構(gòu)形貌數(shù)據(jù)lq(x，y)進行厚度尺寸分析，采用厚度計算公式t(x,y)：

52、t(x，y)＝lq(x，y)-b(x，y)；

53、其中，t(x,y)為生成的所需墊片的厚度尺寸數(shù)據(jù)，b(x,y)為滑塊底部基準(zhǔn)面數(shù)據(jù)，表示滑塊在不同位置處的基準(zhǔn)面高度。

54、可選的，所述s5具體包括以下步驟：

55、s51、將計算得到的墊片厚度尺寸數(shù)據(jù)t前(x，y)、t中(x，y)、t后(x，y)傳輸至控制系統(tǒng)；

56、s52、控制系統(tǒng)對每個位置的墊片厚度尺寸數(shù)據(jù)進行統(tǒng)計分析，計算各位置的平均厚度

57、

58、其中，n為測量點的數(shù)量，t(xi，yi)為位置(xi，yi)處的厚度尺寸數(shù)據(jù)；

59、s53、控制系統(tǒng)將計算得到的平均厚度與預(yù)設(shè)的標(biāo)準(zhǔn)厚度t標(biāo)準(zhǔn)進行比較，計算厚度偏差δt前、δt中、δt后：

60、

61、其中，δt為厚度偏差，表示當(dāng)前厚度與標(biāo)準(zhǔn)厚度的差異；

62、s54、根據(jù)厚度偏差δt，控制系統(tǒng)判斷是否需要調(diào)節(jié)墊片厚度和數(shù)量，具體如下：

63、如果|δt|≤∈，則認(rèn)為當(dāng)前厚度在允許誤差范圍內(nèi)，不需要調(diào)節(jié)；

64、如果|δt|＞∈，則需要調(diào)節(jié)墊片厚度或數(shù)量，其中，∈為允許的厚度誤差范圍；

65、s55、控制系統(tǒng)根據(jù)厚度偏差的正負確定調(diào)節(jié)方案：

66、如果δt>0，表示當(dāng)前厚度過大，需要減少墊片厚度或數(shù)量；

67、如果δt<0，表示當(dāng)前厚度不足，需要增加墊片厚度或數(shù)量；

68、s56、控制系統(tǒng)生成調(diào)節(jié)指令，包括所需調(diào)整的墊片厚度或數(shù)量，調(diào)節(jié)指令中包含具體的調(diào)整參數(shù)δt調(diào)整：

69、

70、其中，δt調(diào)整為需要調(diào)整的厚度差值。

71、可選的，所述s7具體包括以下步驟：

72、s71、將通過s6吸取的墊片移動到滑塊座上方，并調(diào)整機械臂的姿態(tài)，使墊片對準(zhǔn)滑塊座的預(yù)定位置；

73、s72、使用改進的圖像處理算法對墊片進行定位檢測，獲取墊片在滑塊座上的初始位置數(shù)據(jù)p初(x，y)，其中，x和y為墊片在滑塊座上的水平和垂直坐標(biāo)；

74、s73、對墊片的初始位置數(shù)據(jù)p初(x，y)進行邊緣檢測，識別墊片的邊緣輪廓e(x,y)：

75、

76、其中，分別表示墊片位置數(shù)據(jù)在x和y方向的梯度；

77、s74、將檢測到的墊片邊緣輪廓e(x,y)與滑塊座的標(biāo)準(zhǔn)邊緣輪廓e標(biāo)準(zhǔn)(x，y)進行匹配，計算位置偏差δp(x，y)：

78、δp(x，y)＝e標(biāo)準(zhǔn)(x，y)-e(x，y)；

79、其中，δp(x，y)為墊片位置與標(biāo)準(zhǔn)位置的偏差，表示墊片在滑塊座上的實際位置與預(yù)期位置之間的差異；

80、s75、根據(jù)位置偏差δp(x，y)，控制系統(tǒng)判斷墊片位置是否正確，具體如下：

81、如果|δp(x，y)|≤∈1，則認(rèn)為墊片位置正確；

82、如果|δp(x，y)|＞∈1，則需要調(diào)整墊片位置，其中，∈1為允許的偏差范圍；

83、s76、控制系統(tǒng)根據(jù)位置偏差δp(x，y)生成位置調(diào)整指令，調(diào)整指令中包含具體的調(diào)整參數(shù)δp調(diào)整(x，y)：

84、δp調(diào)整(x，y)＝δp(x，y)；

85、其中，δp調(diào)整(x，y)為需要調(diào)整的位置偏差值；

86、s77、將位置調(diào)整指令發(fā)送至執(zhí)行機構(gòu)，執(zhí)行機構(gòu)根據(jù)指令進行實際位置調(diào)整操作，確保墊片位置與標(biāo)準(zhǔn)位置匹配，最終確認(rèn)墊片位置是否正確。

87、本發(fā)明的有益效果是：

88、本發(fā)明通過使用線激光3d相機進行多角度掃描，獲取滑塊墊片的完整三維形貌數(shù)據(jù)，并通過自適應(yīng)多角度融合算法消除死角干擾和尖峰狀干擾，生成準(zhǔn)確的形貌數(shù)據(jù)，通過改進的多尺度迭代重構(gòu)算法，對形貌數(shù)據(jù)進行分析和處理，生成所需墊片的厚度尺寸數(shù)據(jù)，確保厚度調(diào)節(jié)的精度和可靠性，此外，通過改進的圖像處理算法，對墊片位置進行準(zhǔn)確檢測和確認(rèn)，確保墊片在滑塊座上的正確位置，為厚度調(diào)節(jié)提供精確的參考。