Контроль качества коленчатых валов при их изготовлении

 

В данной работе предлагается способ построения простой и практичной модели распространенного машиностроительного изделия — коленчатого вала и обсуждаются методы распознавания, основанные на этой модели.

Ключевые слова: система технического зрения, диагностика, коленчатый вал.

 

Системы технического зрения (СТЗ) являются, наряду с промышленными роботами, важнейшими элементами гибких автоматизированных производств. В общем случае в функции СТЗ входят распознавание деталей заданного класса в неупорядоченном потоке, определение положения и ориентации этих деталей, а также визуальный контроль их качества. Результаты анализа визуальной информации оказывают непосредственное влияние на текущую последовательность действия роботов и другого технологического оборудования. Поэтому распознавание должно выполняться в реальном времени (в темпе поступления деталей). На практике, как правило, приходится использовать специализированные СТЗ, ориентированные на достаточно узкий класс объектов. Быстродействие таких СТЗ во многом зависит от решений, принятых на этапе построения эталонных моделей распознаваемых объектов.

Характеристика объекта распознавания. Каждый коленчатый вал состоит из коренной шейки (цилиндрического стержня) и нескольких колен. Колено образовано двумя плоскими щеками (противовесами), между которыми находится цилиндрическая шейка. Длина одного вала равна 50 см, масса — около 10 кг. Коленчатые валы, прошедшие все этапы технологической обработки, складываются в контейнеры в несколько рядов. Предполагается, что оси валов, находящихся в смежных рядах, скрещиваются. При упаковке стремятся максимально использовать объем контейнера, однако строгое выравнивание валов в каждом из рядов не проводится. Общий вид коленчатого вала, который является объектом распознавания для рассматриваемой системы, показан на рис.1.

Рис. 1. Коленчатый вал

 

Построение модели объекта распознавания. Для того, чтобы обеспечить возможность эффективного распознавания объектов заданного класса в реальном времени, при построении модели объекта и алгоритмов распознавания потребовалось ввести два упрощающих ограничения. Во-первых, получаемое с помощью телевизионной камеры изображение контейнера решено преобразовать в бинарную форму. Для осуществления такого преобразования достаточно выбрать величину порога яркости. Во-вторых, пришлось отказаться от анализа полных трехмерных изображений и ограничиться рассмотрением только одной горизонтальной проекции. Последнее упрощение оказалось допустимым лишь за счет привлечения дополнительной априорной информации о горизонтальном расположении коленчатых валов в контейнере. Ввиду особенностей формы объектов распознавания, это упрощение практически не приводит к потере общности алгоритмов распознавания. В самом деле, если даже перепад высот между началом и концом коренной шейки какого-либо вала составляет, например, 10 см (угол наклона оси вала к горизонтали 11°), то длина получаемой плоской проекции все равно оказывается близкой к 49 см. Опираясь только на плоскую модель, система не сможет правильно обрабатывать предельные ситуации, когда ось вала составляет малый угол с вертикалью, но вероятность возникновения таких ситуаций на практике ничтожно мала.

Полученный в результате проецирования вала на горизонтальную плоскость сложный контур аппроксимируется прямыми линиями и разбивается на многоугольники простой формы. Такое разбиение непосредственно приводит к показанной на рис.2 плоской составной модели коленчатого вала, которая затем используется в процессе распознавания в качестве эталонной модели. Многоугольники, помеченные на рис. 2 цифрами от 1 до 5 (коренная шейка), имеют фиксированное расположение относительно

оси вала, а положение прямоугольников 6–9 (коленные шейки) зависят от конфигурации вала в контейнере.

Рис. 2. Схема коленчатого вала

 

Алгоритмы распознавания используют следующие 4 группы информации о модели.

1.                Форма: прямоугольники (фигуры 2–4 и 6–9 на рис. 2); трапеции (фигуры 1 и 5)
2.                Размер: основание, высота (для прямоугольников); нижнее основание, верхнее основание, высота (для трапеций).
3.                Расстояние между элементами модели .
4.                Ориентация элементов модели . Здесь обозначает расстояние между центрами масс элементов i и j, а  — угол, который образует ломаная, соединяющая центры масс элементов .

Анализ изображения. Процесс распознавания коленчатых валов состоит из четырех основных этапов.

На первом (предварительном) этапе осуществляется выделение связных фигур. Для этого поступающее от телекамеры изображение преобразуется к бинарному. Преобразованное изображение сканируется вначале по горизонтали, а затем по вертикали. При сканировании в одном из направлений выделяются связные отрезки, которые состоят из непрерывной последовательности точек одного класса, и отмечаются границы этих отрезков. В ходе последующего просмотра изображения в противоположном направлении соседние отрезки склеиваются в связные области, а их крайние точки образуют границы этих областей. Таким образом, бинарное силуэтное изображение заменяется контурным. После этого каждый из контуров обходится против часовой стрелки, В результате обхода формируется список связных областей, каждая из которых представляет собой образ некоторого отдельного объекта, попавшего в кадр.

На следующем этапе выполняется разбиение связных областей на элементарные геометрические фигуры, которые входят в состав показанной на рис. 2 модели коленчатого вала. В процессе разбиения криволинейные контуры аппроксимируются прямоугольниками. Аппроксимация проводится с учетом информации о форме модели,. а именно, принимается во внимание тот факт, что модель может быть представлена в виде пересечения одного длинного прямоугольника с несколькими более короткими, которые располагаются перпендикулярно к оси вала. В результате аппроксимации уточняется соответствие выделенных фигур какому-либо распознаваемому объекту. При этом удается полностью избавиться от ошибок, связанных с условиями освещения контейнера и выбором порога бинаризации.

На третьем этапе анализа изображения элементарные геометрические фигуры объединяются в блоки, из которых впоследствии строятся полные модели распознаваемых объектов. Построение полной модели начинается с выделения самого длинного прямоугольника, который является образом коренной шейки коленчатого вала. Затем по обе стороны от оси шейки формируются прямоугольные области с заданными размерами. В результате простого сканирования этих областей выделяются перпендикулярные составляющие модели коленчатого вала. Каждый блок состоит из участка коренной шейки (часть длинного прямоугольника) и образов щек верхнего и нижнего колен (перпендикулярные составляющие).

Наконец, на четвертом (заключительном) этапе вычисляются числовые характеристики выделенных блоков и всей модели в целом, Результаты вычислений сопоставляются с эталоном, и принимается решение о соответствии анализируемой модели и эталонной модели коленчатого вала. В случае совпадения рассчитываются положение и ориентация вала в контейнере и эта информация передается роботу.

Применяемый на последнем этапа алгоритм состоит из следующих шагов:

1.                поиск в заданной области фигуры, соответствующей по форме и размерам элементу модели вала с номером 2 или 4 (см. рис. 2), обозначение этой фигуры индексом ;
2.                вычисление расстояния D(2,3) или D(4,3) между элементом i и фигурой, соответствующей по форме и размерам элементу модели с номером 3, обозначение найденного элемента индексом j;
3.                вычисление расстояния D(3,4) или D(3,2), поиск элемента с номером 4 или 2, для которого угол O(2,3,4) или O(3,4,2) равен О, обозначение этого элемента индексом к;
4.                поиск элементов модели с номерами 1 и 5 путем расчета соответствующих углов и расстояний и сравнения их с эталонными значениями;
5.                определение формы и вычисление размеров элементов с номерами 6–9. [1–6]

Данный метод распознавания позволит наиболее эффективней производить визуальный контроль качества коленчатых валов.

 

Литература:

 

1.                Поезжаева Е. В. Промышленные роботы: учеб.пособие: в 3 ч./ Е. В. Поезжаева. — Пермь Изд-во Пермь.гос, тех. ун-та, 2006.- Ч.1.-64 с.
2.                Зенкевич С. Л., Ющенко А:.С. Управление роботами.- М.:Изд-во МГОУ им. Н. Э. Баумана, 2006.
3.                Корендясев А. И. Теоретические основы робототехники: в 2 кн./ А. И. Корендясев, Б. Л. Саламандра, Л. И. Тывес; отв. Ред. С. М. Каплунов.– М.:Наука,2006.
4.                Хорн Б. К. Зрение роботов.– М.:Мир,1989.
5.                Михайлов С. В., Романов В. В., Заикин Д. А., Система технического зрения для диагностики процесса резания материалов//Вестник компьютерных и информационных технологий.,2007,№ 4, стр. 23–26
6.                В. И. Сырямкин, B. C. Титов, Ю. Г. Якушенков,Системы, технического зрения-МГП «РАСКО»,1992