基于机器视觉的工业机器人分拣控制系统探究

　　摘要：对于传统零部件缺陷检测而言，其主要通过人工分拣这一方式进行，其效率低下、成本高等现实问题致使这一方式在现实中的应用遇到诸多限制，研发一种基于机器视觉的工业机器人分拣控制设备可在很大程度上克服传统视觉算法易受光照、声音等影响的问题，实验系统通过收集棋子和场景图像，然后在此基础之上进行图像处理，以明确黑白棋子的具体坐标、分类信息等，通过转换坐标、追踪维护分拣棋子的运动情况，最终通过控制机器人来完成旗子的分拣行为。根据研究结果表明，基于机器视觉的工业机器人分拣系统在软件、硬件设施齐全在正确的前提之下，其分拣成功率和可行性都非常之高。

　　对于工业生产而言，工件分拣在其中扮演了重要作用，其主要目的要将不同类型的物料或工件按照相应顺序和标准摆放好，为确保整个生产过程有序，其步骤主要包括4 个阶段，即因为、识别、抓取和放置。对于传统工业生产过程中的人工分拣而言，很容易因为人员疲劳、长时间作业而导致工件分拣效率低下，即使利用传统的工业机器人进行工件分拣，也会由于传统机器人的离线编程方式而无法实现动态性分拣，每次分拣动作都是以预先设定好的位置和姿势完成重复动作，无法对加工环境以及加工物件产生任何感知能力，这在很大程度上使得机器人在工业分拣中的效率低下。随着科学技术的快速发展，人工智能或机器视觉的大环境之下，使得机器人可以适应分拣环境的需求，其作业对象以及分拣工序可以根据实际情况进行动态性变化。此前，国外机器人企业已经研究出了视觉系统，并且在实践中得到了有效应用，例如ABB 的TRUE View 系统。

　　1.基于机器视觉的工业机器人分拣控制系统构成。

　　本文Delta 机器人为例，研究基于机器视觉的Delta 工业机器人分拣控制系统的构成，发现Delta 机器人主要通过外部旋转的方式对三个平行四边形分支链的驱动，使得底部吸盘在适当空间内完成运动，然后确定工件抓取位置，然后以这一位置为中心完成工件抓取、运输以及制造加工等环节的工作。具体来讲，在该平台中，将输送带和滑块组合成一个半封闭的圆形输送系统，保证了夹持目标在输送带上选择欧姆龙Delta 3R 作为动态记录平台，其具有x、y、z 三个不同的运动方向，在空间中完成Z 轴，并围绕Z 轴转动末端旋转。Delta 机器人视觉检测主要用于定位抓准目标，传送带上的编码器用于返回目标的位置，完成机器人夹持位置的确定以及夹持速度和精度的确定。

　　2.基于机器视觉的工业机器人分拣控制系统控制原理

　　Delta 机器人动态夹持器控制系统是基于Omron 系统自动化的平台使用在EtherCAT 高速网络中，带有单网三角形机器人检测和动态抓地力，机器人视觉检测系统收集有关要捕获的对象的图像信息，将图像信息返回给NJ 控制器，NJ-控制器对目标图像进行处理，以获得待处理对象的工作站位置信息捕获。同步记录系统追赶时间和时间信息。Delta 机器人跟踪控制器用于检测机器人和atssite，此时无论是用视觉系统来记录目标的坐标，都需要记录视觉系统与Delta 机器人之间的坐标，即使传送带设置了触发光学识别的间隔，并接收传送带的工作部分作为发射器见。同时根据视觉系统的治疗结果，注册对象的坐标见协议选择工件坐标的计算公式：取目标对象的当前位置=释放时传送带的当前位置+目标协调。目标的当前位置在Delta 机器人的区域内；可以捕获、发送命令，目标的坐标都是当前位置为目的：即有多个目标要覆盖在范围内，Delta 会先捕获前一个目标。

　　3.运动控制系统

　　3.1 运动控制系统方案设计

　　delta 机器人运动控制的实质是控制三个伺服电机在静态平台上的协调运动。伺服电机主要有位置、速度和转矩三种控制方式。位置控制主要是根据上位控制器的位置指令和输入脉冲来控制伺服电机的位置。速度控制主要是根据控制器输入的模拟速度指令或伺服内部的速度指令来控制伺服电机的相对速度。转矩控制主要是根据转矩指令模拟电压来控制转矩。除了扭矩指令外，还需要输入速度，以确保伺服电机的速度不会高于相关的限速。在这三种控制方式中，伺服电机相应的控制速度主要是基于转矩、速度和位置的控制速度。目前，工业机器人的动力学模型重构还没有形成统一的标准，因此扭矩控制模式的应用比较困难，在实践中存在一些障碍。

　　在本设计中，采用了伺服电机的速度控制方式。该控制方式的系统属于半闭环控制系统。与传统的开环控制系统相比，具有较高的精度和优越性。由于并行delta 机器人需要实时浮点运算，因此该逻辑可以估计计算次数。同时，工业计算机一直是选择开放式数字控制系统的平台。选用生产效率高的工业控制计算机作为主控计算机。保证交通管制的及时性和稳定性。根据所述被监控装置的运动，选择相应的运动控制卡，并结合运动控制卡的性能。传统的运动控制卡包括Ni（national instrument）开发的轴图和台湾台达集团中大电通开发的pci-dmc-b01 运动控制卡。PC 机和运动控制板之间有分工。PC 的计算能力可以完成复杂的浮点运算，负责机器人的轨迹规划和路径规划。差动补偿、速度控制和位置控制的实时性要求很高。该任务由高速运动控制卡执行。因此，本文选用PC 机和运动控制卡为整个系统搭建了一个控制系统平台。

　　3.2 控制系统的硬件选择

　　运动控制卡。Delta 机器人需要控制系统实时规划轨迹，发送命令，协调机器人运行过程中杠杆关节的三个主动运动，保证移动机器人平台执行器最终运动的速度和精度。因此，选择基于PCI 的运动控制卡作为机器人运动控制系统的重要组成部分。轴映射的性能直接决定了后续程序开发和系统运行的稳定性。delta 开发的Pci-dmc-b01 轴可以在1 毫秒内更新12 轴命令。PCI DMC B01 轴也接受64 位双精度浮点数，这是快速的，可以同时控制在12 轴。支持多种驱动模式。有两种速度模式:t 型和s 型。控制方式可以是速度、转矩和位置控制。

　　结语

　　Delta 机器人的动态调度系统是以NJ 运动控制和NJ 控制器为核心，通过Ethercat 网络实现运动、逻辑、可视化等功能的集成,这提高了图像处理系统的速度，控制器和服务驱动程序的输入输出总处理能力，实现了高速高精度的控制。在型式试验中，可以保证机器人的抓取丢失率小于2%。假抓取率为0，表明机器人动态抓取系统在抓取过程中具有迭代次数少、操作时间短的特点，在实际工程中具有一定的应用价值，能够满足实时性要求。

　　参考文献：

　　[1] 储琴. 基于机器视觉的工业机器人分拣控制系统探究[J]. 电子制作,2021(04):41-43.

　　[2]高健,刘青川,范蕊,樊新乾,殷忠敏.基于机器视觉的工业机器人智能分拣系统设计研究[J].南方农机,2021,52(03):18-19.

　　[3]卓书芳.基于机器视觉的工业机器人分拣技术应用研究与系统开发[J].辽宁科技学院学报,2017,19(01):8-10.