自動化技術在機械制造中的應用研究

[摘 要]從機械企業自動化生產裝配的工作視角出發，設置工業機器人的裝配線工作平臺、PLC驅動控制主板及電路結構，將CCD視覺感知相機、改進SSD深度學習算法引入到機械零部件目標識別中，實施機械制造過程中多種零部件的自動化抓取、裝配操作，提升機械自動化生產線的零部件裝配、工業控制性能。

[關鍵詞]機械自動化技術；機械制造；電氣控制；應用

[中圖分類號]TH122 [文獻標志碼]A [文章編號]2095–6487（2024）12–0120–04

Research on the Application of Mechanical Automation Technology in Mechanical Manufacturing

GAO Jiansheng

[Abstract]From the perspective of automatic production and assembly of machinery enterprises， the assembly line work platform， PLC drive control motherboard and circuit structure of industrial robots are set up， CCD visual perception camera and improved SSD deep learning algorithm are introduced into the target recognition of mechanical parts， and automatic grasping and assembly operations of various parts in the process of mechanical manufacturing are implemented. Improve parts assembly and industrial control performance of mechanical automation production lines.

[Keywords]electrical automation technology； power system； system integration； data processing

工業4.0時代“智能工廠”“智能生產”成為機械制造的兩大重要主題，充分開發應用工業自動化設備、網絡學習算法執行相應的機械項目生產任務，可大幅提升機械產線自動化控制、零部件裝配的工作效率。許明善[1]、徐夢云[2]提出將計算機集成制造（CIMS）系統、AutoCAD制圖軟件應用于機械制造的自動化設計中；張菊[3]、王靜[4]則圍繞機械制造的PLC數控技術，探討了通過數控仿真完成機械產線原料切割、零部件裝配的控制。

1 機械制造中自動化生產裝配線的結構組成

當前應用于機械自動化裝配線的工業軟硬件，主要包括仿人手機械臂機器人、電氣控制電路等兩大組成結構，具體細分為仿人手機械臂機器人、機器人末端執行器、視覺識別系統、PLC控制電路、傳送帶、氣缸、載具、工作站等組成部分（圖1），不同部分在自動化裝配線中負責執行特定的操作工序[5]。

根據圖1的機械制造自動化生產裝配線的組成結構可知，視覺控制系統被置于仿人手機械臂機器人的上方，包括工業用CCD相機、相機驅動模塊、通訊模塊等組成部分，負責用于采集識別待抓取、搬運與裝配的機械零部件。傳送帶、氣缸、工作站等裝置為機械自動化生產制造的輔助設備，氣缸為機械自動化氣動控制系統的重要組成構件，用于實時監測不同工序執行的所處位置，通常被安裝于傳送帶的執行器上[6]。當裝有機械零部件的載具到達特定的工作位時，由氣缸定位器監測與反饋載具的實際位置，載具按照特定工序的有序循環運動；工作站平臺為機械制造生產裝配的支撐結構，包括工作平面、傳送帶軸承、運轉電機等組件，分為收料站、裝配站、拆卸站等工作單站，為仿人手機械臂機器人提供充足的物料、傳動控制支持。

2 基于PLC控制器對仿人手機械臂機器人自動化生產作業的控制

2.1 仿人手機械臂機器人的結構組成

仿人手機械臂機器人包括前臂、上臂、軸電機、軸連桿關節、減速齒輪、末端執行器等結構（圖2），通過底座被安裝在機械自動化產線上，由PLC控制電路驅動機器人執行自主生產作業。PLC電氣控制系統包括STM32F051主控制器、步進電機運動控制器、中斷控制器、寄存器、陀螺儀等子功能模塊，由系統總控制器基于傳感器感知仿人手機械臂運動狀態，作出機械自動化產線抓取、搬運或裝配的合理控制。

2.2 面向多傳感器、機械臂機器人的PLC控制電路系統結構

基于工業用CCD相機、STM32F051主控制器、步進電機運動控制器、中斷控制器、寄存器、陀螺儀等子功能模塊，建立服務于機械制造產線的PLC融合控制電路系統。由集成了CPU、ARM Cortex-M微控制架構的STM32F051主控制器，經由I2C、SPI的串口通信總線協議，響應與處理CCD視覺相機傳感器、步進電機控制器等裝置的指令請求。而6軸仿人手機械臂機器人、工業用CCD相機、步進電機運動控制器、中斷控制器/寄存器、陀螺儀等子功能模塊，則通過I/O接口、FP0R-C16MT端口、UART端口與STM32F051主控制器形成連接，為傳送機械零部件定位數據的讀取、處理、寫入與存儲提供支持，機械產線PLC控制電路系統結構如圖3所示。

根據圖3的機械產線仿人手機械臂機器人PLC控制電路可知，面向不同功能模塊的電路為獨立接口控制方式。其中，主控制器的OUT1（OUT2）、TIM8 CH1（CH1N）等輸出端口，分別與外部步進電機控制器、Timer計時器相連接；CCD相機、仿人手機械臂機器人經由I/O端口與主控制器形成通信連接；VREF端口對環境傳感器的輸入電流（100 mA）、輸出基準電壓（5 V）進行控制；在VBB、LSS端口分別接1個低值電阻、小型電容，用于感應和控制傳輸的電流、電壓大小。

按照{X01，X02，…，X09；X0A，X0B，…，X0F}的模板接口號設置，將不同類型的仿人手機械臂機器人連接到STM32F051主控制器中，由后臺管理人員利用多種控制服務的操控顯示面板，對機械自動化產線系統的物料抓取、分揀、搬運、裝配與拆卸等流程，作出仿人手機械臂機器人的設備啟動、運行與暫停控制，只需查看特定的設備模板接口槽號，便可完成對輸入/輸出數據字節地址、元件操作指令的位地址控制。

3 基于CCD視覺相機、改進SSD深度學習算法的機械零部件識別

3.1 基于工業用CCD相機的機械零部件位置拍攝識別

CCD相機的機械零部件圖像拍攝、位置定位，主要通過邊緣檢測方式提取零部件圖像的邊緣像素坐標，通過邊緣像素到中心像素的平面坐標信息（x，y）、深度信息Depth計算，得到特定機械零部件的三維空間坐標結果。

3.2 基于改進SSD深度學習算法的機械制造目標監測識別

若面對更為精細化的機械產線零部件裝配、拆卸操作工序，則需引入改進SSD深度卷積神經網絡算法，對CCD相機采集到的圖像信息作出進一步監測識別，涉及圖像采集與預處理、數據集擴充、目標對象識別等的工作執行流程。

（1）圖像采集與預處理。利用工業CCD相機連續拍攝50張以上的機械檢測目標圖像，然后在圖像的RGB顏色空間分離前景、背景目標，按照Gray=RωR+GωG+BωB的計算公式，將拍攝的彩色目標圖像轉換為灰度圖，且保留待測目標對象的亮度信息，式中，ωR，ωG，ωB分別為每種顏色的權重值。基于高斯濾波算法設置3×3的高斯核、標準差σ，作出監測目標對象周圍像素點的加權平均計算，用加權平均灰度值替換目標像素點的灰度值，具體的計算公式為：

使用高斯核函數對中心像素點作出卷積濾波操作后，可濾除存在的噪聲或丟失細節的像素點，標準差越大圖像噪聲的濾波效果越優。

（2）數據集擴充。基于改進SSD深度學習算法設置4×4、8×8像素尺寸的先驗框，將先驗框沿著被測目標像素由左至右進行前景目標多尺度特征圖的映射，選取先驗錨框、機械零部件被測目標像素的交并比（IOU），作出前景圖像目標偏移量、置信度誤差的預測。若先驗框框選的參與訓練數據集IOU≥0.5、則表明其選定的像素為前景目標像素，若IOU<0.5則表明先驗框選擇的像素為背景像素（負樣本）。

（3）機械制造的目標對象識別。基于改進SSD深度學習算法對機械零部件的灰度、紋理等特征作出融合提取訓練。先基于MobileNet卷積網絡框架設置涵蓋{Conv1，Conv2，Conv12}的卷積層，不同卷積層的特征提取分辨率分別為1 080×1 080、300×300、150×150、75×75、35×35、20×20、10×10、5×5、2×2，舍棄Conv1～Conv5的分辨率過大的特征層，選取Conv6以后的卷積尺寸更小的特征圖作出機械零部件的細節提取。

4 仿真試驗及結果分析

4.1 試驗環境設置

基于Genuine Intel（R） CPU T2080 @1.73GHz CPU 32GB 1TB的網絡計算機、Python語言、上位機VSCode編輯器，以及TCP/IP網絡協議、IEEE 802.11a通信協議、以太網控制器等通信模塊結構，編寫工業機器人各關節結構目標抓取控制程序，基于工業用CCD相機、改進SSD深度學習算法對傳送帶的機械零部件作出多次空間位置定位試驗。

4.2 試驗結果分析

機械自動化產線的執行工序復雜度高，連續拍攝50～100張的幀圖像，利用改進SSD網絡算法拍攝作出先驗框、真實目標框的特征向量匹配提取計算，迭代次數最大為100次，目標特征匹配試驗結果見表1。

5 結束語

“互聯網+”環境下不同機械項目的生產制造作業更多應用具有自動執行能力的工業機器人、深度機器學習算法，作出機械工業生產的不同工序、零部件裝配模式優化。因此，基于工業機器人、CCD視覺感知相機等組件優化機械制造產線的工作流程，經由IEEE 802.11a協議、TCP/IP網絡通信協議、RTL8152B-VB-CG以太網控制器等的通訊模塊，將特定的主控指令、零部件空間位置數據返回至仿人手機械臂，可自動化執行機械物料抓取、分揀、搬運、安裝與拆卸等步驟，有助于高效完成機械制造的自動化生產作業。

參考文獻

[1] 許明善.自動化技術在機械設計制造中的應用[J].機械管理開發，2022（11）：167-168，173.

[2] 徐夢云.自動化技術在機械設計及制造領域中的應用[J].造紙裝備及材料，2022（9）：40-42.

[3] 張菊.自動化技術在機械設計制造中的應用實踐[J].機械管理開發，2022（2）：308-309.

[4] 王靜.自動化技術在機械設計制造中的應用分析[J].南方農機，2022（3）：111-113.

[5] 胡峰.新形勢下自動化技術在機械設計制造中的應用[J].化纖與紡織技術，2021（8）：75-76.

[6] 陳至歡，劉云韓.新形勢下自動化技術在機械設計制造中的應用研究[J].內燃機與配件，2021（19）：155-156.