一种基于物联网技术的转向架加工过程跟踪方法与流程

本发明涉及转向架加工技术领域，具体为一种基于物联网技术的转向架加工过程跟踪方法。

背景技术：

转向架是轨道车辆结构中最为重要的部件之一，其主要作用如下：增加车辆的载重、长度与容积、提高列车运行速度，以满足铁路运输发展的需要；保证在正常运行条件下，车体都能可靠地坐落在转向架上，通过轴承装置使车轮沿钢轨的滚动转化为车体沿线路运行的平动；支撑车体，承受并传递从车体至车轮之间或从轮轨至车体之间的各种载荷及作用力，并使轴重均匀分配；保证车辆安全运行，能灵活地沿直线线路运行及顺利地通过曲线；充分利用轮轨之间的粘着，传递牵引力和制动力，放大制动缸所产生的制动力，使车辆具有良好的制动效果，以保证在规定的距离之内停车。转向架加工过程中，焊接工序使非常重要的一道工序。由于采用人工焊接的方式，劳动强度大、焊接效率低、焊接效果不稳定，目前越来越多的厂家开始倾向于使用自动化焊接机器人。为了保证焊接机器人的工作质量，就需要使用对应的焊接过程跟踪系统，因此对焊接过程跟踪方法的改进变得愈发重要。

技术实现要素：

本发明的目的在于提供一种基于物联网技术的转向架加工过程跟踪方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于物联网技术的转向架加工过程跟踪方法，包括如下步骤：

s1、提取对比数据：根据合格产品转向架上的焊缝，通过图像处理，得到焊缝特征点数据；

s2、焊缝数据采集：拍摄待加工产品上的焊缝图像；

s3、建立焊接模型：将合格品上的焊缝特征点数据与待加工产品的焊缝图像数据输入学习模型，建立相应的焊接动作模型；

s4、焊接：利用步骤s3中的焊接动作模型，控制自动焊接机器人对待加工产品进行焊接，在焊接过程中，利用视觉采集系统实时监测焊缝数据，并将监测数据反馈给上位机，上位机根据监测数据，对焊接动作进行调整。

优选的，所述步骤s1中的图像处理包括如下步骤：

a1、通过工业相机，拍摄合格品的焊缝图像，传输到计算机中；

a2、利用图像处理软件，裁剪出焊接点图像；

a3、提取焊接点图像中的焊接特征点，得到合格品焊缝特征点数据。

优选的，所述步骤a1还包括对焊缝图像进行噪声的小波滤除，并对降噪后的图像进行二值化处理。

优选的，所述步骤s3中的学习模型根据如下步骤获得：

b1、对合格品上的焊缝特征点数据作出循环偏移，构造出足够数量的样本来训练分类器；

b2、利用高斯核函数计算合格品焊缝数据与待加工产品焊缝数据的相似度，选择相似度最高的数据作为最新的目标区域，并在对样本和分类器进行更新后，重新确定新的特征区域；

b3、根据焊缝特征点的数据，计算焊枪应处于的坐标、焊丝延伸出焊枪的长度等数据，建立焊接动作模型。

优选的，所述步骤s4中的视觉采集系统包括工业相机，在焊接时，通过工业相机拍摄焊缝、电弧、熔池、导电嘴、焊丝、焊接坡口处的图像，反馈给上位机，上位机根据相关数据调整焊枪位置，保证焊丝对准焊接点的中心位置。

优选的，所述视觉采集系统还包括激光发生器和视觉传感器，所述激光发生器向焊缝处透射激光平面，所述视觉传感器监测激光焊缝图像，得到焊缝特征信息，并反馈给上位机。

优选的，所述工业相机、激光发生器和视觉传感器的位置由人工手动校正。

优选的，所述步骤s1中的合格品焊缝特征点数据由人工标定。

与现有技术相比，本发明的有益效果是：本发明通过视觉追踪的方法，对焊缝进行追踪处理，能够检测到焊缝中的具体数据，适用于三维焊接，整体流程简单，成本较低，有利于提高转向架的生产效率和产品质量。

附图说明

图1为一种基于物联网技术的转向架加工过程跟踪方法的原理示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供一种技术方案：一种基于物联网技术的转向架加工过程跟踪方法，包括如下步骤：

s1、提取对比数据：根据合格产品转向架上的焊缝，通过图像处理，得到焊缝特征点数据；

s2、焊缝数据采集：拍摄待加工产品上的焊缝图像；

s3、建立焊接模型：将合格品上的焊缝特征点数据与待加工产品的焊缝图像数据输入学习模型，建立相应的焊接动作模型；

s4、焊接：利用步骤s3中的焊接动作模型，控制自动焊接机器人对待加工产品进行焊接，在焊接过程中，利用视觉采集系统实时监测焊缝数据，并将监测数据反馈给上位机，上位机根据监测数据，对焊接动作进行调整。

所述步骤s1中的图像处理包括如下步骤：

a1、通过工业相机，拍摄合格品的焊缝图像，传输到计算机中；

a2、利用图像处理软件，裁剪出焊接点图像；

a3、提取焊接点图像中的焊接特征点，得到合格品焊缝特征点数据。

所述步骤a1还包括对焊缝图像进行噪声的小波滤除，并对降噪后的图像进行二值化处理，小波变换先将图像进行分解，得到不同方向、不同频率的分量，对各分量处理后，再用小波逆变换重构并得到经处理后的图像，便于后续对图像的处理。

所述步骤s3中的学习模型根据如下步骤获得：

b1、对合格品上的焊缝特征点数据作出循环偏移，构造出足够数量的样本来训练分类器；

b2、利用高斯核函数计算合格品焊缝数据与待加工产品焊缝数据的相似度，选择相似度最高的数据作为最新的目标区域，并在对样本和分类器进行更新后，重新确定新的特征区域；

b3、根据焊缝特征点的数据，计算焊枪应处于的坐标、焊丝延伸出焊枪的长度等数据，建立焊接动作模型，通过不断采集新的数据，然后生成训练样本、分类器训练、模型更新，提高模型的精确性，并计算出不同待加工产品上焊缝的相应数据。

所述步骤s4中的视觉采集系统包括工业相机，在焊接时，通过工业相机拍摄焊缝、电弧、熔池、导电嘴、焊丝、焊接坡口处的图像，反馈给上位机，上位机根据相关数据调整焊枪位置，保证焊丝对准焊接点的中心位置。

所述视觉采集系统还包括激光发生器和视觉传感器，所述激光发生器向焊缝处透射激光平面，所述视觉传感器监测激光焊缝图像，得到焊缝特征信息，并反馈给上位机。

所述工业相机、激光发生器和视觉传感器的位置由人工手动校正。

所述步骤s1中的合格品焊缝特征点数据由人工标定。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。