基于振動(dòng)點(diǎn)云補(bǔ)償鍛件尺寸在線測(cè)量系統(tǒng)研究

卞紹順，單德彬，張彬，郭卜瑞，徐文臣，徐佳煒

技術(shù)創(chuàng)新

基于振動(dòng)點(diǎn)云補(bǔ)償鍛件尺寸在線測(cè)量系統(tǒng)研究

卞紹順1,2，單德彬1，張彬2，郭卜瑞1，徐文臣1，徐佳煒1

（1.哈爾濱工業(yè)大學(xué) 金屬精密熱加工國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室，哈爾濱 150001；2.連云港杰瑞自動(dòng)化有限公司，江蘇 連云港 222006）

針對(duì)高溫鍛造生產(chǎn)線檢測(cè)任務(wù)中機(jī)械振動(dòng)造成鍛件熱態(tài)尺寸測(cè)量誤差較大的問(wèn)題，提出基于加速度傳感器的振動(dòng)點(diǎn)云補(bǔ)償方法。振動(dòng)點(diǎn)云補(bǔ)償方法是在激光相機(jī)中內(nèi)置加速度傳感器獲取振動(dòng)信號(hào)，在檢測(cè)出相機(jī)振動(dòng)的加速度后，通過(guò)二次積分求解出相機(jī)在3個(gè)方向上的位移量，并通過(guò)旋轉(zhuǎn)矩陣變換得到對(duì)應(yīng)點(diǎn)的坐標(biāo)值，從而對(duì)相機(jī)振動(dòng)帶來(lái)的點(diǎn)云偏差進(jìn)行補(bǔ)償和校正。在完成對(duì)點(diǎn)云偏差的修正之后，利用Halcon中的模板匹配算法對(duì)鍛件點(diǎn)云進(jìn)行匹配。搭建了具有加熱、鐓粗、預(yù)鍛等工序的汽車輪轂機(jī)器人自動(dòng)化鍛造生產(chǎn)線，根據(jù)鍛造工藝要求，使用所研制方法對(duì)高溫鍛件產(chǎn)品進(jìn)行了關(guān)鍵尺寸的在線測(cè)量。經(jīng)補(bǔ)償后，鍛件點(diǎn)云尺寸平均測(cè)量誤差由±0.9 mm降低至±0.1 mm，標(biāo)準(zhǔn)差由0.52 mm降低至0.056 mm。采用二氧化硅氣凝膠隔層降噪、增加防振結(jié)構(gòu)件及隔熱恒溫等措施，使用藍(lán)紫線激光3D相機(jī)，并通過(guò)基于加速度傳感器的振動(dòng)點(diǎn)云補(bǔ)償算法，可以滿足鍛造自動(dòng)化生產(chǎn)線的在線檢測(cè)要求，能夠提高鍛造生產(chǎn)線高溫鍛件尺寸的檢測(cè)精度、降低尺寸檢測(cè)的不穩(wěn)定性。

熱態(tài)尺寸檢測(cè)；點(diǎn)云振動(dòng)補(bǔ)償；模板匹配算法；鍛造生產(chǎn)線；在線檢測(cè)

自動(dòng)化鍛造生產(chǎn)線的鍛件熱態(tài)尺寸檢測(cè)一直是行業(yè)難點(diǎn)[1-3]，由于鍛造環(huán)境下的強(qiáng)烈振動(dòng)，普通視覺對(duì)紅熱狀態(tài)鍛件的檢測(cè)精度難以滿足工藝檢測(cè)需求，目前大多由人工采用標(biāo)準(zhǔn)檢測(cè)工裝或游標(biāo)卡尺等物理接觸方法進(jìn)行測(cè)量[4-6]。隨著測(cè)量技術(shù)的發(fā)展，基于機(jī)器視覺的非接觸三維測(cè)量方法已成為對(duì)鍛件進(jìn)行表面三維數(shù)據(jù)獲取的首選方法，并且結(jié)合工業(yè)機(jī)器人能夠?qū)崿F(xiàn)鍛造自動(dòng)生產(chǎn)線中的在線熱態(tài)檢測(cè)[7-9]。

目前，鍛件三維測(cè)量設(shè)備主要有激光雷達(dá)、雙目結(jié)構(gòu)光相機(jī)和線激光3D相機(jī)[10-12]。激光雷達(dá)的優(yōu)勢(shì)是可在較遠(yuǎn)的距離進(jìn)行測(cè)量，從而避免鍛件附近高溫、振動(dòng)等惡劣環(huán)境影響，但所獲得的數(shù)據(jù)存在稀疏、精度較差、測(cè)量視圖局限等缺點(diǎn)[13]。劉玉松等[14]為了實(shí)現(xiàn)高效率的數(shù)字化測(cè)量，將Metrascan和激光雷達(dá)相融合，通過(guò)將激光雷達(dá)坐標(biāo)系變成基準(zhǔn)轉(zhuǎn)換坐標(biāo)系，提升了Metrascan掃描儀精度。潘鑫等[15]分析了待測(cè)距離、入射角、材料屬性等因素對(duì)激光雷達(dá)測(cè)量精度的影響，通過(guò)信噪比的變化規(guī)律提高了復(fù)材型面的測(cè)量精度。雙目結(jié)構(gòu)光相機(jī)具有標(biāo)定與激光器無(wú)關(guān)、可單獨(dú)替換等優(yōu)點(diǎn)。雷沖等[16]利用雙目結(jié)構(gòu)光相機(jī)對(duì)光學(xué)元件粗精磨表面進(jìn)行了測(cè)量，大大縮短了加工過(guò)程。但由于雙目結(jié)構(gòu)光相機(jī)成本較高，且在場(chǎng)景缺乏特征時(shí)性能會(huì)下降，在應(yīng)用上受到很大的局限。線激光3D相機(jī)測(cè)量裝置通常由線激光器和相機(jī)組成，通過(guò)向被測(cè)物投影激光線條，單次測(cè)量獲取一條線的三維數(shù)據(jù)，需要機(jī)構(gòu)帶動(dòng)相機(jī)或工件移動(dòng)，該測(cè)量裝置具有結(jié)構(gòu)簡(jiǎn)單、精度高、穩(wěn)定性好等優(yōu)點(diǎn)[17-19]。因此，采用線激光3D相機(jī)作為鍛件點(diǎn)云的采集裝置有助于實(shí)現(xiàn)鍛件尺寸的現(xiàn)場(chǎng)快速檢測(cè)。

然而，在鍛造工廠的環(huán)境中，存在由鍛壓機(jī)工作產(chǎn)生的環(huán)境振動(dòng)，沖擊發(fā)生時(shí)，距鍛壓機(jī)一定距離的測(cè)量設(shè)備受到低頻、大振幅振動(dòng)的影響，并且振動(dòng)衰減快[20-21]。由于鍛造工廠鍛壓機(jī)眾多，振動(dòng)來(lái)源復(fù)雜，難以預(yù)測(cè)和防止，使得鍛件尺寸在線精確檢測(cè)難度較大[22-24]。因此，文中提出基于加速度傳感器的鍛件三維點(diǎn)云數(shù)據(jù)補(bǔ)償算法，用于鍛件點(diǎn)云數(shù)據(jù)的補(bǔ)償校正，最后利用模板匹配算法對(duì)鍛件點(diǎn)云進(jìn)行匹配，達(dá)到了自動(dòng)化鍛造的在線熱態(tài)檢測(cè)要求。

1 算法設(shè)計(jì)

面向鍛造環(huán)境下的鍛件在線檢測(cè)算法流程如圖1所示，所提出的算法主要包括3個(gè)階段：基于加速度傳感器的鍛件三維點(diǎn)云數(shù)據(jù)補(bǔ)償；基于表面模板匹配的鍛件檢測(cè)；鍛件尺寸測(cè)量。具體算法過(guò)程如下。

1）基于加速度傳感器的鍛件三維點(diǎn)云數(shù)據(jù)補(bǔ)償：讀取鍛件點(diǎn)云數(shù)據(jù)，利用加速度傳感器獲取振動(dòng)偏移量；將振動(dòng)傳感器坐標(biāo)系下得到的偏移量變換到世界坐標(biāo)系下；將世界坐標(biāo)系下求得的點(diǎn)云偏移量寫入對(duì)應(yīng)的點(diǎn)云數(shù)據(jù)，進(jìn)行補(bǔ)償。

2）基于表面模板匹配的鍛件檢測(cè)：對(duì)鍛件表面點(diǎn)云均勻采樣；創(chuàng)建鍛件全局模型描述；創(chuàng)建哈希表；選取檢測(cè)參考點(diǎn)；相似性評(píng)估；最小二乘優(yōu)化。

3）鍛件尺寸測(cè)量：擬合3層平面；點(diǎn)云補(bǔ)償；提取輪廓；擬合圓；多次多方位采樣；得到測(cè)量結(jié)果。

1.1 基于加速度傳感器的鍛件三維點(diǎn)云數(shù)據(jù)補(bǔ)償

鍛造現(xiàn)場(chǎng)的振動(dòng)來(lái)源主要是壓機(jī)工作所帶來(lái)的環(huán)境振動(dòng)，自動(dòng)化產(chǎn)線的壓機(jī)按照穩(wěn)定的節(jié)拍進(jìn)行有節(jié)奏的動(dòng)作，產(chǎn)生的振動(dòng)信號(hào)趨向于穩(wěn)態(tài)信號(hào)。本研究在激光相機(jī)中內(nèi)置加速度傳感器，獲取鍛造環(huán)境下的振動(dòng)信號(hào)，由振動(dòng)加速度進(jìn)行頻域二次積分求振動(dòng)位移，通過(guò)標(biāo)定確定世界坐標(biāo)系，并構(gòu)建臨時(shí)坐標(biāo)系，在檢測(cè)出相機(jī)振動(dòng)的加速度后，通過(guò)二次積分求解出相機(jī)在3個(gè)方向上的位移量，并通過(guò)旋轉(zhuǎn)矩陣變換得到對(duì)應(yīng)點(diǎn)的坐標(biāo)值，從而對(duì)相機(jī)振動(dòng)帶來(lái)的點(diǎn)云偏差進(jìn)行補(bǔ)償，主要步驟如下。

式中：為采集數(shù)據(jù)量；、均為非負(fù)整數(shù)。

進(jìn)而有

最后是對(duì)待測(cè)工件進(jìn)行掃描，得到點(diǎn)云信息，并利用世界坐標(biāo)系下的偏移量對(duì)點(diǎn)云進(jìn)行補(bǔ)償，找出振動(dòng)時(shí)相機(jī)記錄的幀所對(duì)應(yīng)的點(diǎn)云數(shù)據(jù)，將WCS下的L、L、L寫入對(duì)應(yīng)的點(diǎn)云數(shù)據(jù)，進(jìn)行補(bǔ)償。

1.2 基于表面模板匹配的鍛件檢測(cè)

采用基于表面模板匹配的方法來(lái)進(jìn)行鍛件檢測(cè)，主要包括鍛件點(diǎn)云全局模型創(chuàng)建、鍛件檢測(cè)參考點(diǎn)選擇、最小二乘法位姿優(yōu)化等步驟。首先創(chuàng)建鍛件全局模型描述，然后通過(guò)霍夫投票的方式獲得鍛件檢測(cè)參考點(diǎn)，最后采用ICP算法對(duì)所選取的鍛件檢測(cè)參考點(diǎn)進(jìn)行匹配并通過(guò)最小二乘法完成鍛件位姿優(yōu)化。

1.2.1 點(diǎn)對(duì)特征模型及存儲(chǔ)方式

創(chuàng)建全局模型可以采用鍛件的CAD模型，或者通過(guò)線激光3D相機(jī)采集標(biāo)準(zhǔn)鍛件，并通過(guò)三維重構(gòu)算法得到三維數(shù)據(jù)。由于鍛造現(xiàn)場(chǎng)實(shí)際工況較為復(fù)雜，不同模具生產(chǎn)的鍛件與CAD的鍛件圖有一定偏差，并考慮到生產(chǎn)中的模具磨損，往往需要在較穩(wěn)定的現(xiàn)場(chǎng)來(lái)采集標(biāo)準(zhǔn)的鍛件點(diǎn)云模型?？紤]模板內(nèi)存使用、算法執(zhí)行時(shí)間及識(shí)別穩(wěn)定性，使用固定數(shù)量（300～5 000）的點(diǎn)對(duì)物體表面進(jìn)行均勻采樣。

對(duì)全局模型的描述采用點(diǎn)對(duì)的模式，每個(gè)點(diǎn)對(duì)包含表面兩點(diǎn)及其對(duì)應(yīng)的法向量，法向量的提取方法是：某點(diǎn)周圍的數(shù)據(jù)點(diǎn)擬合成一個(gè)平面，將該平面的法向量作為該點(diǎn)的法向量。

1.2.2 鍛件檢測(cè)參考點(diǎn)選擇

圖3 點(diǎn)對(duì)模型及特征值的存儲(chǔ)方式

圖4 鍛件參考點(diǎn)投票過(guò)程

1.2.3 最小二乘法位姿優(yōu)化

由于參考點(diǎn)選擇受到采樣精度的影響，投票計(jì)數(shù)獲得的鍛件位姿準(zhǔn)確性是有限的。為保證精度，采用最小二乘法對(duì)鍛件位姿進(jìn)行優(yōu)化，并在迭代最近點(diǎn)（ICP）算法的框架內(nèi)進(jìn)行。當(dāng)已知初始位姿足夠準(zhǔn)確時(shí)，ICP算法可以對(duì)齊兩個(gè)點(diǎn)云（模板點(diǎn)云和采集點(diǎn)云），算法包括兩步：首先，針對(duì)第一片點(diǎn)云中的每個(gè)點(diǎn)，在第二片點(diǎn)云中確定出最近的點(diǎn)；然后，計(jì)算使得所有對(duì)應(yīng)點(diǎn)之間距離平方和最小的位姿。

當(dāng)位姿達(dá)到預(yù)設(shè)精度或最大迭代次數(shù)時(shí)，迭代過(guò)程將停止。圖5為鍛件點(diǎn)云補(bǔ)償前后位姿對(duì)比圖，可以看出，補(bǔ)償后的鍛件點(diǎn)云圖更加完整。

圖5 鍛件點(diǎn)云補(bǔ)償前后位姿對(duì)比

2 實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)是基于輪轂鍛造自動(dòng)化生產(chǎn)線進(jìn)行的，整個(gè)產(chǎn)線如圖6所示，包括中頻爐、鐓粗壓機(jī)、初鍛壓機(jī)、終鍛壓機(jī)、沖孔機(jī)、切邊機(jī)、檢測(cè)臺(tái)、下料輸送機(jī)和10臺(tái)機(jī)器人。為了滿足輪轂鍛件全方位、多尺寸的柔性定制化檢測(cè)需求，采用機(jī)器人帶動(dòng)檢測(cè)裝置進(jìn)行鍛件的4次掃描檢測(cè)流程，即先掃描上表面，然后左右兩個(gè)側(cè)面，最后通過(guò)另外一臺(tái)機(jī)器人翻轉(zhuǎn)工件，再掃描底部表面，圖7是其中2次掃描的動(dòng)作圖片。

圖6 輪轂鍛造自動(dòng)化生產(chǎn)線布置

圖7 現(xiàn)場(chǎng)測(cè)試環(huán)境

由于鍛造現(xiàn)場(chǎng)環(huán)境復(fù)雜多變，鍛造設(shè)備工作時(shí)產(chǎn)生的振動(dòng)是影響鍛件檢測(cè)精度的重要因素，除了在軟件算法上對(duì)振動(dòng)造成的點(diǎn)云數(shù)據(jù)偏差進(jìn)行補(bǔ)償校正外，還采用二氧化硅氣凝膠隔層進(jìn)行噪聲屏蔽，并在硬件結(jié)構(gòu)上采用鎖緊螺母和防松墊片進(jìn)行器件的固定安裝，從而緩沖器件的振動(dòng)。此外，金屬鍛件溫度高，對(duì)外熱輻射強(qiáng)烈，使得檢測(cè)設(shè)備始終工作在高溫高熱的環(huán)境下，嚴(yán)重影響設(shè)備的使用性能。為保證設(shè)備能正常穩(wěn)定運(yùn)行，對(duì)檢測(cè)設(shè)備采用以下幾種措施進(jìn)行高溫防護(hù)，如圖8所示，在裝置外層加裝金屬薄板反射層，內(nèi)層設(shè)置隔熱夾層，在光學(xué)窗口外部安裝熱輻射濾光片，盡可能阻擋高溫高熱進(jìn)入到檢測(cè)裝置內(nèi)部；此外，采用半導(dǎo)體制冷、散熱片及風(fēng)扇使裝置內(nèi)部形成恒溫，加快熱對(duì)流，使得內(nèi)部相機(jī)及激光器等器件產(chǎn)生的熱量能盡快排出到裝置外。

圖8 檢測(cè)裝置振動(dòng)及隔熱的物理防護(hù)

輪轂鍛件是汽車連接輪轂和車體的關(guān)鍵部件，為保證輪轂鍛件的品質(zhì)，主要測(cè)量尺寸如圖9所示，可分為徑向尺寸和軸向尺寸。由于坯料溫度、壓機(jī)速度等工藝參數(shù)的異常變化，常造成直徑三套筒外徑、芯軸外徑偏離公差范圍，所以這些尺寸是輪轂鍛件檢測(cè)的關(guān)鍵數(shù)據(jù)。

圖9 輪轂鍛件徑向及軸向尺寸檢測(cè)內(nèi)容

3 實(shí)驗(yàn)結(jié)果分析

經(jīng)過(guò)搭建的實(shí)驗(yàn)環(huán)境獲得點(diǎn)云數(shù)據(jù)后，進(jìn)行振動(dòng)帶來(lái)的點(diǎn)云補(bǔ)償效果測(cè)試分析。圖10為點(diǎn)云補(bǔ)償前后的對(duì)比示意圖，圖中鍛件正面指的是圖9中輪轂鍛件的上半部分，鍛件反面指的是輪轂鍛件的下半部分。圖10a為產(chǎn)生振動(dòng)時(shí)掃描得到的點(diǎn)云，可以明顯看出，點(diǎn)云圖像存在較多噪點(diǎn)和重影，振動(dòng)對(duì)點(diǎn)云掃描結(jié)果產(chǎn)生了較大影響。圖10b為經(jīng)過(guò)振動(dòng)傳感器補(bǔ)償?shù)玫降狞c(diǎn)云，可以看出，噪點(diǎn)和重影明顯減少，有效抑制了鍛造現(xiàn)場(chǎng)振動(dòng)對(duì)檢測(cè)掃描點(diǎn)云結(jié)果的影響。對(duì)于鍛件的正面和反面，首先需要基于掃描的數(shù)據(jù)高度變化得到3層數(shù)據(jù)，并分別擬合3層平面，依據(jù)點(diǎn)到面的距離剔除噪點(diǎn)，并采用基于加速度傳感器的鍛件三維點(diǎn)云補(bǔ)償方法對(duì)振動(dòng)造成的點(diǎn)云誤差進(jìn)行修正。在鍛件點(diǎn)云修正完成的基礎(chǔ)上分別得到3層平面對(duì)應(yīng)的鍛件輪廓數(shù)據(jù)，并擬合圓，得到鍛件尺寸信息。最后，計(jì)算不同平面之間的距離，多次多方位采樣并求取平均值，作為最終檢測(cè)得到的鍛件尺寸值。

圖11為鍛件各掃描面點(diǎn)云測(cè)量關(guān)鍵步驟處理圖。圖11a—c分別為鍛件正面、反面和側(cè)面點(diǎn)云的測(cè)量關(guān)鍵步驟處理圖，其中，第1行是基于掃描的數(shù)據(jù)高度變化獲取的3層鍛件點(diǎn)云原始數(shù)據(jù)；第2行是噪點(diǎn)剔除和點(diǎn)云補(bǔ)償后得到的結(jié)果；第3行是進(jìn)行邊緣提取和圓形擬合后得到的結(jié)果；第4行是最終尺寸測(cè)量結(jié)果。

圖10 點(diǎn)云補(bǔ)償前后對(duì)比示意圖

圖11 鍛件各掃描面點(diǎn)云測(cè)量關(guān)鍵步驟處理圖

表1為鍛件上表面直徑3的多次測(cè)量結(jié)果，可以發(fā)現(xiàn)，補(bǔ)償前測(cè)量數(shù)據(jù)波動(dòng)較大，且有時(shí)和理論值出現(xiàn)很大偏差，對(duì)12次未補(bǔ)償前的實(shí)驗(yàn)測(cè)量結(jié)果求得標(biāo)準(zhǔn)差為0.52。經(jīng)過(guò)補(bǔ)償后，測(cè)量數(shù)據(jù)波動(dòng)明顯降低，標(biāo)準(zhǔn)差僅為0.056，和理論值誤差僅有±0.1 mm。由此可以看出，點(diǎn)云補(bǔ)償對(duì)鍛件尺寸的測(cè)量精度有很大的提升。表2為點(diǎn)云補(bǔ)償后鍛件各掃描面尺寸測(cè)量結(jié)果統(tǒng)計(jì)。由表2可知，鍛件的各尺寸測(cè)量誤差能夠控制在±0.1 mm，滿足輪轂鍛件在線熱態(tài)檢測(cè)的工藝需求。

表1 直徑3測(cè)量結(jié)果統(tǒng)計(jì)

Tab.1 Measurement results of diameter 3

表2 點(diǎn)云補(bǔ)償后鍛件各掃描面尺寸測(cè)量結(jié)果統(tǒng)計(jì)

Tab.2 Measurement results of each scanning surface of the forging after point cloud compensation

4 結(jié)論

通過(guò)在激光相機(jī)中增設(shè)相機(jī)防振模塊，利用加速度傳感器捕獲相機(jī)水平移動(dòng)過(guò)程中產(chǎn)生的振動(dòng)信號(hào)，并通過(guò)坐標(biāo)變換計(jì)算得到相機(jī)振動(dòng)造成的點(diǎn)云偏移量，從而對(duì)其進(jìn)行補(bǔ)償，有效抑制了相機(jī)振動(dòng)對(duì)鍛件在線測(cè)量結(jié)果的影響?；谛Ｕ蟮狞c(diǎn)云數(shù)據(jù)，尺寸平均測(cè)量誤差由±0.9 mm降低至±0.1 mm，標(biāo)準(zhǔn)差由0.52 mm降低至0.056 mm，該檢測(cè)實(shí)驗(yàn)結(jié)果表明，鍛件點(diǎn)云經(jīng)補(bǔ)償后，能有效提高尺寸測(cè)量精度，從而降低人工檢測(cè)的勞動(dòng)強(qiáng)度，為鍛造產(chǎn)線穩(wěn)定可靠地運(yùn)行提供了技術(shù)支撐。

[1] HAWRYLUK M, ZIEMBA J, SADOWSKI P. A Review of Current and New Measurement Techniques Used in Hot Die Forging Processes[J]. Measurement and Control, 2017, 50(3): 74-86.

[2] HAWRYLUK M, ZIEMBA J. Possibilities of Application Measurement Techniques in Hot Die Forging Processes[J]. Measurement, 2017, 110: 284-295.

[3] ZHANG Yu-cun, HAN Jun-xia, FU Xian-bin, et al. Measurement and Control Technology of the Size for Large Hot Forgings[J]. Measurement, 2014, 49: 52-59.

[4] 高浩波, 王保升, 左健民, 等. 大型環(huán)件熱態(tài)幾何參數(shù)在線檢測(cè)方法綜述[J]. 機(jī)械設(shè)計(jì)與制造工程, 2019, 48(1): 93-96.

GAO Hao-bo, WANG Bao-sheng, ZUO Jian-min, et al. A Review of Online Detection Method for Thermal Geometric Parameters of Large Rings[J]. Machine Design and Manufacturing Engineering, 2019, 48(1): 93-96.

[5] SHEN Jiu-li, XING Ting-ting, ZHANG Chuan-bao. Cavity Detection Method of Hot State Axle Forging Based on Laser Technology[J]. Optik, 2022, 257: 168782.

[6] DWORKIN S B, NYE T J. Image Processing for Machine Vision Measurement of Hot Formed Parts[J]. Journal of Materials Processing Technology, 2006, 174(1/2/3): 1-6.

[7] SHEN Jiu-li, XING Ting-ting. Detection Technology of Void Temperature Field Inside Hot Hull Forgings[J]. Journal of Coastal Research, 2020, 103(S1): 397.

[8] ZHANG Yu-cun, ZHANG Lei-qiang, FU Xian-bin. Detection Analysis of Interior Void for Hot Axial Forging Based on the Interior Temperature Field[J]. Applied Thermal Engineering, 2016, 93: 43-49.

[9] ZHANG Yu-cun, MIAO Shu, FU Xian-bin, et al. Online Measuring Method of Radial Section Line for Ring Forgings[J]. The International Journal of Advanced Manufacturing Technology, 2019, 101(9): 3035-3046.

[10] NELLUMS R O, HABBIT R D, HEYING M R, et al. 3D Scannerless LADAR for Orbiter Inspection[C]// Spaceborne Sensors III, SPIE Proceedings. Orlando (Kissimmee): FL. SPIE, 2006, 6220: 147-163.

[11] WU Zhi-chao, WEI Xiao-xin, SONG Li-mei, et al. Solution for Vision Occlusion Based on Binocular Line-Structured Light[J]. Optoelectronics Letters, 2021, 17(7): 432-437.

[12] LEE J, SHIN H, LEE S. Development of a Wide Area 3D Scanning System with a Rotating Line Laser[J]. Sensors (Basel, Switzerland), 2021, 21(11): 3885.

[13] 韓利亞. 熱成形件在線自動(dòng)化三維測(cè)量技術(shù)研究[D]. 武漢: 華中科技大學(xué), 2019: 1-5.

HAN Li-ya. Research on Automated 3D Measurement for Online Inspection of Hot Forming Parts[D]. Wuhan: Huazhong University of Science and Technology, 2019: 1-5.

[14] 劉玉松, 王志海, 劉琦, 等. 基于Metrascan與激光雷達(dá)融合的飛機(jī)外形數(shù)字化測(cè)量方法研究[J]. 現(xiàn)代制造工程, 2019(2): 36-40, 47.

LIU Yu-song, WANG Zhi-hai, LIU Qi, et al. Research on Aircraft Profile Digital Measurement Based on Fusion of Metrascan and Laser Radar[J]. Modern Manufacturing Engineering, 2019(2): 36-40, 47.

[15] 潘鑫, 張俐, 何凱. 激光雷達(dá)復(fù)材型面測(cè)量精度分析方法[J]. 北京航空航天大學(xué)學(xué)報(bào), 2020, 46(7): 1398-1404.

PAN Xin, ZHANG Li, HE Kai. Method of Accuracy Analysis for Composite Material Surface Measurement by Lidar[J]. Journal of Beijing University of Aeronautics and Astronautics, 2020, 46(7): 1398-1404.

[16] 雷沖, 劉元坤. 一種基于雙目結(jié)構(gòu)光的光學(xué)元件精磨表面面形測(cè)量方法[J]. 光學(xué)與光電技術(shù), 2022, 20(1): 14-20.

LEI Chong, LIU Yuan-kun. A Method for Measuring the Surface Shape of Dynomizing Optical Element Based on Binocular Structured Light 3D Measurement[J]. Optics ＆ Optoelectronic Technology, 2022, 20(1): 14-20.

[17] 安宗權(quán), 王勻. 基于線激光與模板匹配的工件表面平坦度測(cè)量[J]. 控制工程, 2018, 25(2): 341-345.

AN Zong-quan, WANG Yun. Surface Flatness Measurement of Workpiece Based on Line Laser and Template Matching[J]. Control Engineering of China, 2018, 25(2): 341-345.

[18] HAN Li-ya, CHENG Xu, LI Zhong-wei, et al. A Robot-Driven 3D Shape Measurement System for Automatic Quality Inspection of Thermal Objects on a Forging Production Line[J]. Sensors (Basel, Switzerland), 2018, 18(12): E4368.

[19] HE Jun, GAO Feng, WU Sheng-fu, et al. Measure Dimension of Rotating Large Hot Steel Shell Using Pulse Laser on PRRR Robot[J]. Measurement, 2012, 45(7): 1814-1823.

[20] 廖勇, 黃薇, 張瑞菊, 等. 2 050 mm熱軋產(chǎn)線設(shè)備智能運(yùn)維技術(shù)的應(yīng)用[J]. 寶鋼技術(shù), 2019(6): 31-37.

LIAO Yong, HUANG Wei, ZHANG Rui-ju, et al. Application of Intelligent Operation and Maintenance Technology in 2 050 mm Hot Rolling Equipment[J]. Baosteel Technology, 2019(6): 31-37.

[21] 劉文廣, 馮婷, 史青, 等. 鍛造操作機(jī)行走系統(tǒng)液壓沖擊振動(dòng)及定位控制[J]. 鍛壓技術(shù), 2019, 44(12): 99-103, 121.

LIU Wen-guang, FENG Ting, SHI Qing, et al. Hydraulic Shock Vibration and Positioning Control for Forging Manipulator Walking System[J]. Forging ＆ Stamping Technology, 2019, 44(12): 99-103, 121.

[22] 滕昊, 韓軍, 汪滿新, 等. 基于振動(dòng)特征的自動(dòng)換刀裝置到位精度狀態(tài)診斷[J]. 組合機(jī)床與自動(dòng)化加工技術(shù), 2021(5): 86-91, 95.

TENG Hao, HAN Jun, WANG Man-xin, et al. State Diagnosis of Automatic Tool Changer Positioning Accuracy Based on Vibration Characteristics[J]. Modular Machine Tool ＆ Automatic Manufacturing Technique, 2021(5): 86-91, 95.

[23] WANG Q, He F. A Review of Developments in the Forging of Connecting Rods in China[J]. Journal of Materials Processing Technology, 2004, 151(1-3): 192-195.

[24] JI Yuan-long, SUN Shu-wen, LIU Zhi-feng, et al. Design and Development of Management and Control System for Intelligent Die Forging Production Line[C]// 2020 3rd World Conference on Mechanical Engineering and Intelligent Manufacturing (WCMEIM). Shanghai, China: IEEE, 2020: 230-233.

[25] TOMBARI F, DI STEFANO L. Object Recognition in 3D Scenes with Occlusions and Clutter by Hough Voting[C]//2010 Fourth Pacific-Rim Symposium on Image and Video Technology. Singapore: IEEE, 2010: 349-355.

Online Measuring System of Forging Dimension Based on Vibration Point Cloud Compensation

BIAN Shao-shun1,2, SHAN De-bin1, ZHANG Bin2, GUO Bu-rui1, XU Wen-chen1, XU Jia-wei1

(1.National Key Laboratory for Precision Hot Processing of Metals, Harbin Institute of Technology, Harbin 150001, China; 2.Jari Automation Co., Ltd., Jiangsu Lianyungang 222006, China)

The work aims to propose a vibration-point cloud-compensation method based on the acceleration sensor to solve the large forging thermal dimensional measuring error in detection task caused by the mechanical vibration in the high-temperature forging production line. First, the vibration signal was obtained through the built-in acceleration sensor in the laser camera. After the acceleration of the camera vibration was detected, the displacement of the camera in three directions was solved by secondary integration. Subsequently, the coordinate value of the corresponding point was obtained by the rotation matrix transformation so as to compensate and correct the point cloud deviation caused by the camera vibration. Finally, the forging point cloud was matched with the template matching algorithm in Halcon. The automatic forging production line of automobile wheel hub robot with heating, upsetting and preforging processes was built, and the key dimensions of high-temperature forging products were measured online with the developed method. After the forging point cloud was compensated, the average measurement error of dimensions was reduced from ±0.9 mm to ±0.1 mm, and the standard deviation was reduced from 0.52 mm to 0.056 mm. Through the vibration point cloud compensation method based on the acceleration sensor , as well as silica aerogel insulation, vibration structural parts, heat insulation and constant temperature, blue violet laser 3D camera and other measures, the online detection requirements of automatic forging production line can be met, the dimensional detection accuracy of high temperature forgings in the forging production line can be improved, and the instability of dimensional detection can be reduced.

thermal dimension detection; point cloud vibration compensation; template matching algorithm; forging production line; online detection

10.3969/j.issn.1674-6457.2023.01.023

TB92

A

1674-6457(2023)01-0190-09

2022–05–13

2022-05-13

國(guó)家重點(diǎn)研發(fā)計(jì)劃（2018YFB1309100）

National Key Research and Development Program of China (2018YFB1309100)

卞紹順（1985—），男，碩士，高級(jí)工程師，主要研究方向?yàn)橹悄芑懺臁?/p>

BIAN Shao-shun (1985-), Male, Master, Senior engineer, Research focus: intelligent forging.

徐文臣（1976—），男，博士，教授，主要研究方向?yàn)榫芩苄猿尚渭夹g(shù)及智能化。

XU Wen-chen (1976-), Male, Doctor, Professor, Research focus: precision plastic forming technology and intelligence.

卞紹順, 單德彬, 張彬, 等. 基于振動(dòng)點(diǎn)云補(bǔ)償鍛件尺寸在線測(cè)量系統(tǒng)研究[J]. 精密成形工程, 2023, 15(1): 190-198.

BIAN Shao-shun, SHAN De-bin, Zhang Bin, et al. Online Measuring System of Forging Dimension Based on Vibration Point Cloud Compensation[J]. Journal of Netshape Forming Engineering, 2023, 15(1): 190-198.