基于BP神经网络的铆接位置识别方法设计.pdfVIP

学兔兔 基于BP神经网络的铆接位置识别方法设计 Rivetingposition recognitionmethod designbasedonBP neuralnetwork 廖健君，倪文波，王雪梅 LlA0Jian-jun，NlWen．bo，WANGXue．mei (西南交通大学机械工程学院，成都610031) 摘 要：为完成某大型设备铆接位置的判断，设计了一种基于BP神经网络的铆接位置图像识别方法， 包括工厂作业图像采集程序设计、位置图像特征提取及储存入库、3~=BP神经网络系统设计 训练及测试三个部分。通过使用LABVIEW软件设计程序，对铆接过程中含位置信息的图像进 行采集，获取和量化图像的总体灰度平均值和质心，将每幅图像循环写入MicrosoftAccess 的数据库中。在MATLA8软件平台下，将图像特征数据转化成训l练样本输入离线网络进行训I 练，最后利用除训练样本外的图像特征数据输人在线识别程序验证网络的识别能力。试验结 果表明，该方法能较准确地识别出该大型设备制动杠杆在组装过程中铆枪铆接时的位置，准 确率达到1O0％，可有效判断出漏铆问题的发生，保证设备的生产质量。 关键词：图像采集；图像识别；BP神经网络；铆接位置 中图分类号：TP391．4 文献标识码：B 文章编号：1009—0134(2016)01-0038—04 0 引言 样本图像萋数 拉铆钉是利用虎克定律原理，用拉铆钉专用设备将 离线训练程序 2个结合件夹紧后，将套入的环状套环 (或称不带螺纹 权向星 的螺帽)的金属挤压并充满到带有多条环状沟槽的栓柱 阔值向量口 测试图像参数 的凹槽内，使套环与栓柱严密结合的一种紧固方式n】。 图像采集程序 在线识别程序 ————— i只别结果 其具有高的夹紧力和抗剪力、连接可靠、良好的放松性 图l 工作流程图 能等许多优点，在航空、铁路、船舶等行业得到了广泛 应用。为了保证铆接质量，目前通常采用检测铆接时铆 钉枪的压力．位移图的相互关系进行比较来评估铆接质 的图像特征参数作为图像的描述，能较为准确的反映图 量 。但是，在某大型设备生产过程中，由于需铆接的位 像的特点，实现整幅图像到有限特征参数的映射，为后 置数量较多，时有漏铆、铆接不到位等质量问题，这将 面的识别工作快速、准确进行提供保证。 为后期产品运用带来了严重的安全隐患。基于此，本文 以某大型设备作为研究对象，对某工厂制动杠杆铆 根据大型设备铆接工艺、装配位置固定等特点，提出 接过程进行研究，确定将具有代表性的5个拉铆钉所在 一 种基于灰度平均值与整体 图像灰度质心的在线识别铆 位置作为识别对象。在实际铆接过程 中，由于受到液压 接 图像方法。获取实际工作图像后，经过离线训练程序 铆枪供油位置及装配位置的限制，作业位置、作业工序 进行训练，取得权 向量和阀值 向量以作为在线识别的依 固定，因此，拍摄的图像背景相对固定。同时，为了不