用现代设备改造传统的粉磨工业是实现低成本的动力之源和必要手段。这对推动打磨技术进步、提高劳动者素质、提高铸造企业效益、优化产业结构调整、促进制造业发展具有重要意义。同时,市场对具有快速响应、高精度和薄脆性的工艺也有很大的期望。
复杂工件打磨的技术挑战:快速响应、薄脆性和高精度
快速响应、高精度、薄脆性是市场在高体积、低成本基础上的进一步需求,也是目前实验室研究人员正在攻关的方面。
在实际打磨中,刀具和工件不是单点接触,而是区域接触,这与普雷斯顿的假设不符。使用经典普雷斯顿假设的计算将导致对材料去除的不准确估计.为此,王等基于赫兹接触理论和局域打磨模型,进一步预测了机器人砂带打磨的切削深度并发现当切削深度约为0.3 mm时,预测误差小于3.1%。与简化的赫兹理论模型相比,考虑接触弹性变形后,朱等人提出的材料去除模型的均方根值和平均百分误差分别从2.401降低到1.725和18.426降低到14.942%。由于人工智能的广泛使用,已经提出了许多基于数据驱动的材料去除预测的方法来解决材料去除预测问题。
粗匹配的精度达不到制造业规定的精度,必须通过精匹配进一步提高精度。
传统的精细匹配算法以ICP算法为代表。该算法的原理是旋转矩阵稀有和平移向量T通过求解点集的ICP算法的公式(4)获得P我和X我。
该算法对于重叠率高、初始位置接近的点云具有良好的配准效果,但在计算量和迭代收敛速度方面存在不足。通过粗匹配,ICP算法可以解决重叠度低和初始位置差异大的问题。由于人工智能算法的发展,研究人员也对基于深度学习的点云智能配准进行了大量的研究。
传统点云配准方法
在传统配准算法的基础上,通过分析进一步提高了算法的速度和精度;传统算法的性能原理