应用案例 | 基于三维视觉的汽车零件自动化拧紧解决方案

​Part.1 引言

随着人们生活水平的提高,汽车作为理想的代步工具,逐渐成为人们生活中不可或缺的一部分。汽车的广泛应用,大大增加了汽车制造业的负荷。因此,如何提高生产效率和汽车性能,成为汽车制造业的首要关注话题。

Part.2 整车性能的关键:零件拧紧装配

一辆汽车由大约2万个零件组成,其中铁制零件占绝大多数。在汽车生产过程中,很多零部件需要进行拧紧操作,如螺丝、螺母等。作为汽车制造的核心环节之一,正确的拧紧操作对于汽车的安全性和可靠性至关重要。

汽车生产过程中,涉及诸多螺栓的拧紧装配要求,大多数涉及到汽车的行驶安全,合理准确的装配对整车性能至关重要。

Part.3 传统拧紧操作的缺陷

传统的拧紧操作通常依赖于人工操作,耗时耗力。尽管螺丝刀的发明增加了人工拧紧的效率,但长期以来,人工操作仍然存在扭力精度低、无拧错判断、容易漏拧等问题,对整车性能造成了很大的影响。

Part.4 基于三维视觉的汽车零件自动化拧紧解决方案

采用柔性机器人完成自动化拧紧操作,并基于三维视觉检测技术进行质量与状态检测,可以提高拧紧操作的准确性和效率。在汽车装配过程中,由工程师设定各项程序,该自动化系统能够满足车底盘、车门、座椅、轮胎等部件的安装需求。

Part.5 三维视觉的特点

1.高精度:汽车零件拧紧工作为要求极严格的低容差装配,综合定位精度一般在±0.5mm左右,对视觉、机器人均提出了较高精度要求。

本项目中使用的显扬科技3D相机,通过最优基线比设计及高品质元器件选材,结合算法优化,近距离装配扫描时相机自身精度可达±0.03mm,能够满足严苛的精度挑战。

2.高速度:三维机器视觉系统能够快速处理大量的图像数据,并实时分析和提取关键信息,因此可以实现高速度的拧紧操作,提高生产效率。

3.自适应性:三维机器视觉系统可以根据不同零部件的形状、尺寸和姿态进行自适应调整,适应不同的拧紧任务,提高系统的灵活性和适应性。

4.可靠性:机器人替代人工作业可以消除人工缺少经验和疲劳、失误等不稳定因素,3D视觉通过精准扫描,引导机器人准确实施拧紧工艺。

本项目中使用的显扬科技3D视觉具备稳定的结构设计,经过数千套产品的市场交付验证,能够有效降低温度、环境变化对精度的影响,实现装配工艺的一致性。

Part.6 项目流程

1.零件定位:使用3D视觉系统对待拧紧的零件进行定位。通过获取零件的三维坐标和姿态信息,确定零件的位置和角度。

2.图像处理与特征提取:对采集到的零件图像进行算法处理和分析,提取关键特征,如零件的边缘、几何形状等。这些特征可以用于后续的拧紧操作。

3.拧紧结果检测:通过3D视觉系统对拧紧后的零件进行检测和验证。可以使用3D视觉系统重新采集零件的图像,与预设的模型进行比对,判断拧紧结果是否符合要求。如果存在拧紧问题,可以及时进行故障排除和调整。

4.数据分析和记录:对拧紧过程中的数据进行分析和记录。可以记录拧紧力矩、角度、拧紧时间等信息,用于质量控制和生产追溯。

5.异常处理:如果在拧紧过程中检测到异常情况,如零件位置偏移、拧紧力矩异常等,系统可以及时发出警报或停止拧紧操作。

Part.7 通讯协议

Part.8 基于三维视觉的汽车零件自动化拧紧优势

1.更准确的位置和角度测量:传统的2D视觉系统只能提供平面上的信息,而基于3D视觉的系统可以获取更准确的零件位置和角度信息。这样可以确保零件在正确的位置进行拧紧,避免误差和不良拧紧。

2.多角度检测:基于3D视觉的系统可以从不同角度获取零件的图像,从而可以对零件进行多角度的检测。这有助于发现隐藏在某个角度无法观察到的问题,提高检测的全面性和准确性。

3.自适应拧紧力矩控制:基于3D视觉的系统可以实时测量零件的形状和表面特征,从而可以根据零件的特性自适应地调整拧紧力矩。这样可以确保拧紧力矩在合适的范围内,避免过紧或过松的情况。

4.异常检测和故障排除:基于3D视觉的系统可以通过比对实际零件的形状和预设的模型进行比对,从而可以检测出异常的零件或拧紧问题,并及时进行故障排除。这有助于提高生产线的稳定性和可靠性。

5.数据分析和追溯:基于3D视觉的系统可以记录和分析拧紧过程中的数据,包括拧紧力矩、角度等信息。这些数据可以用于质量控制和追溯,帮助企业分析和改进生产过程,提高产品质量和生产效率。

相关推荐
EAI-Robotics几秒前
机器人打包物品研究现状简述
机器人
肥猪猪爸2 分钟前
使用卡尔曼滤波器估计pybullet中的机器人位置
数据结构·人工智能·python·算法·机器人·卡尔曼滤波·pybullet
LZXCyrus31 分钟前
【杂记】vLLM如何指定GPU单卡/多卡离线推理
人工智能·经验分享·python·深度学习·语言模型·llm·vllm
我感觉。1 小时前
【机器学习chp4】特征工程
人工智能·机器学习·主成分分析·特征工程
努力的悟空1 小时前
国土变更调查拓扑错误自动化修复工具的研究
运维·自动化
YRr YRr1 小时前
深度学习神经网络中的优化器的使用
人工智能·深度学习·神经网络
DieYoung_Alive1 小时前
一篇文章了解机器学习(下)
人工智能·机器学习
夏沫的梦1 小时前
生成式AI对产业的影响与冲击
人工智能·aigc
goomind1 小时前
YOLOv8实战木材缺陷识别
人工智能·yolo·目标检测·缺陷检测·pyqt5·木材缺陷识别
只怕自己不够好1 小时前
《OpenCV 图像基础操作全解析:从读取到像素处理与 ROI 应用》
人工智能·opencv·计算机视觉