摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第一章 绪论 | 第8-15页 |
1.1 课题研究的背景和内容 | 第8-10页 |
1.1.1 课题研究的背景 | 第8页 |
1.1.2 课题研究的内容 | 第8-10页 |
1.2 硅钢片叠装国内外的发展趋势 | 第10-14页 |
1.2.1 国内的发展趋势 | 第10-12页 |
1.2.2 国外的发展趋势 | 第12-14页 |
1.3 本课题主要研究内容 | 第14-15页 |
第二章 硅钢片自动叠装系统 | 第15-26页 |
2.1 硅钢片自动叠装系统简介 | 第15-17页 |
2.2 机器人视觉识别系统 | 第17-21页 |
2.2.1 机器人视觉系统构成 | 第17-18页 |
2.2.2 机器人视觉定位 | 第18页 |
2.2.3 机器人手眼标定 | 第18-21页 |
2.3 硅钢片图像边缘检测技术 | 第21-24页 |
2.3.1 边缘检测技术概述 | 第21-22页 |
2.3.2 边缘检测的一般步骤 | 第22-23页 |
2.3.3 十字交叉激光测量法 | 第23-24页 |
2.4 硅钢片抓取方式介绍和选择 | 第24-25页 |
2.4.1 真空吸盘抓取 | 第24-25页 |
2.4.2 磁力吸附抓取 | 第25页 |
2.4.3 硅钢片抓取方式的选择 | 第25页 |
2.5 本章小结 | 第25-26页 |
第三章 硅钢片视觉系统的实现 | 第26-49页 |
3.1 示教用户坐标系 | 第27-28页 |
3.1.1 机器人工具坐标系标定 | 第27页 |
3.1.2 应用用户坐标系标定 | 第27-28页 |
3.2 相机的安装设置 | 第28-32页 |
3.2.1 相机的选型 | 第28-29页 |
3.2.2 相机的安装方式 | 第29-30页 |
3.2.3 相机设置 | 第30-32页 |
3.3 硅钢片视觉系统的标定 | 第32-35页 |
3.3.1 基于iRVision软件的 3D相机标定 | 第32-34页 |
3.3.2 核对 3D相机标定结果 | 第34-35页 |
3.4 硅钢片视觉程序示教设定 | 第35-39页 |
3.4.1 硅钢片视觉特征的确定 | 第35页 |
3.4.2 硅钢片视觉程序的示教 | 第35-39页 |
3.5 硅钢片视觉方案的优化 | 第39-48页 |
3.5.1 示教特征的优化 | 第39-43页 |
3.5.2 视觉示教程序的优化 | 第43-45页 |
3.5.3 视觉补光方案的确定 | 第45-48页 |
3.6 本章小结 | 第48-49页 |
第四章 硅钢片抓放方案的设计 | 第49-61页 |
4.1 引言 | 第49页 |
4.2 磁铁吸附抓取的实现 | 第49-57页 |
4.2.1 磁铁吸附的原理介绍 | 第49-50页 |
4.2.2 影响磁铁吸附力的因素 | 第50页 |
4.2.3 永磁铁和电磁铁方案的选择 | 第50-54页 |
4.2.4 永磁铁磁力建模分析 | 第54-57页 |
4.3 硅钢片抓放方案设计 | 第57-60页 |
4.3.1 硅钢片抓放方式的确定 | 第57-58页 |
4.3.2 硅钢片吸片方式的优化 | 第58-59页 |
4.3.3 硅钢片放片方式的优化 | 第59-60页 |
4.4 本章小结 | 第60-61页 |
第五章 硅钢片自动叠装系统实现与优化 | 第61-72页 |
5.1 硅钢片叠装系统设计 | 第61-67页 |
5.1.1 硅钢片叠装系统的组成 | 第61-63页 |
5.1.2 硅钢片叠装系统控制原理 | 第63-64页 |
5.1.3 硅钢片叠装系统的参数设置 | 第64-65页 |
5.1.4 叠装机器人工作流程 | 第65-67页 |
5.2 系统实际运行效果 | 第67-68页 |
5.2.1 节拍的统计 | 第67页 |
5.2.2 视觉稳定性检验 | 第67-68页 |
5.3 系统优化 | 第68-71页 |
5.3.1 视觉优化 | 第68-70页 |
5.3.2 机器人程序优化 | 第70-71页 |
5.4 本章小结 | 第71-72页 |
第六章 总结与展望 | 第72-74页 |
6.1 总结 | 第72-73页 |
6.2 展望 | 第73-74页 |
参考文献 | 第74-76页 |
致谢 | 第76-77页 |
攻读硕士学位期间发表的学术论文 | 第77-79页 |