摘要：在铸造件制备过程中,为了确保铸造件符合生产标准,需要根据具体需求对其表面进行打磨,使得原本粗糙的铸造件表面变得光滑平整,特别是对于大体积的非标铸件而言,由于其体积大、硬度高、打磨区域形态较为复杂,如果采用传统的打磨方式,不但效率低下,而且无法保证打磨效果。想要妥善解决该问题,就要积极尝试设计基于工业机器人的铸件打磨系统。因此,笔者基于ABB型机器人,设计了一种新型的铸件打磨系统。仿真结果表明:通过对粗打磨以及细打磨系统进行合理设计,该铸件打磨系统能够节省退刀时间,提升了铸造件的打磨效率。

摘要：在分析和对比可拓学与TRIZ解决问题差异性基础上,对二者进行有机结合,提出一种结合可拓学与TRIZ的矛盾解决方法.首先利用可拓学分析问题矛盾.接着,应用拓展分析初步探寻可解决方案,若分析顺利,则进一步进行可拓变换获得解决方案;若分析困难,则转向应用TRIZ理论的解决工具,进行可行解预测,并基于TRIZ原理解的指导,运用可拓变换获得解决方案.最后利用优度评价获得问题最终理想解.并根据此方法,对一种盘类铸件打磨设备的机构进行改进,进一步证明了基于TRIZ与可拓学的方法能够提高解决问题的效率、获得理想方案.

摘要：针对现有的人工打磨工序中存在的问题,如人工打磨效率不高、打磨成本巨大、灰尘、铁屑和废旧砂轮处理困难、桥体表面质量不统一等,设计了一套自动打磨系统,将机器人运用在铸件自动化打磨系统中,能代替打磨工人在恶劣环境中的工作,对提高生产效率、改善铸件表面质量、降低劳动成本具有显著效果。

摘要：针对铸造行业大体积工件的搬运、打磨等问题,基于HALCON和C#混合编程方法和工业机器人实验平台,开发了具有视觉抓取技术的工业机器人系统,设计并调试系统各个组成部分,建立视觉定位抓取铸件打磨工作站,实现了工业机器人对工件的精确视觉定位并抓取,提高了铸件打磨效率同时并升级系统安全,为业内解决此类问题提供了一个新的参考。

摘要：设计出一种采用(U+UPS)P+UPS并联机构的打磨3-DOF机械臂。运用子结构拆分和叠加思想,将机械臂手腕的位姿变形因素拆分为只考虑各支链拉/压变形、只考虑UP支链扭转变形、只考虑UP支链弯曲变形3个主要影响因素。通过基于矢量回路的虚功原理和结构矩阵建立3个主要影响因素的刚度模型,并根据各支链的结构特点定义了支链内各部件变形系数。通过叠加原理将各影响因素的刚度模型叠加整合为机械臂的整体刚度模型。研制出机械臂的实验样机本体,采用一套高精度机器人刚度实验系统对机械臂实验样机进行了刚度标定。实验结果表明:机械臂实验样机的位置变形实测值与理论值之间偏差均小于3μm,姿态变形实测值与理论值之间偏差均小于0.05°,机械臂实验样机的变形均在合理范围之内。

摘要：对于给定材料与工况环境,磨削效率和砂轮磨削力只与磨削深度、砂轮线速度和工具进给速度3个因素存在直接关系,而磨削效率可由单位时间磨除材料的体积表达。基于自主设计的一套工业机器人打磨系统,针对铸钢材料通过四因素多水平正交试验法,找出了最高磨削效率下各因素的参数值,并分析了磨削参数对磨削力影响的敏感性。通过实时采集机器人关节电机和磨削工具电机的工作扭矩值,计算出砂轮在不同磨削参数下的磨削力值,并利用多元线性回归分析方法,得出针对铸钢材料的磨削力经验公式。研究内容对机器人在铸钢件磨削过程中的控制参数设定,以及磨削工具结构的进一步优化设计,提供了有益的参考。

摘要：针对发动机缸体铸件内腔及外表面的浇冒口、批缝、毛刺等人工清理效率低、打磨环境恶劣的难题,提出了采用机器人、双工位转盘式的缸体铸件智能打磨生产线设计方案,该系统包含上料机构、输送线、冲切站总成和打磨站总成,以工控机作为上位监控机、PLC作下位实时控制机,智能控制打磨过程状态参数,实现铸件内腔及外部的浇冒口、毛刺等的自动清理打磨,满足缸体铸件所有要清理部位的打磨精度,解决了数据难以高效协同、高精度打磨难以实现的难题.系统运行稳定可靠、操作简单。

摘要：铸件毛坯表面存在大量的飞边、毛刺,不仅影响铸件外形美观,而且严重影响铸件的产品性能和使用寿命。针对发动机缸体、缸盖等大型、内腔复杂的铸件,设计了一种发动机铸件智能打磨工作站,开发了具有自主知识产权的机器视觉技术、信息化技术等,并进行了应用验证。通过机器人作业与铸造工艺、工装夹具有效融合,产品生产效率提升了20%以上,生产合格率达到了97%以上,用工成本降低了20%以上,显著改善了清理打磨现场的粉尘和噪音污染等,满足了打磨机器人在铸件清理打磨环节日益增多的应用需求。

摘要：多品种小批量砂型铸造企业打磨工序任务调度是一种并行机调度问题,针对现有人工调度模式下任务分配不均衡、铸件在部分工人处积压、资源配置不合理等问题,提出了一种人工蜂群算法(Artificial Bee Colony algorithm,ABC)辅助的调度模式。首先,建立一种打磨工资系数计算方案,构建以最小化打磨工资系数和的差异、最小化每位工人打磨数量差异为优化目标的数学模型。然后,提出了改进的人工蜂群算法(Improved Discrete Artificial Bee Colony algorithm,IDABC),引入离散编码、采用启发式解码规则、使用防止近亲交配的交叉算子和嵌入禁忌搜索的侦察蜂等4个改进策略。再次,使用IDABC对5个不同规模的模拟数据集进行求解,实验结果显示IDABC在求解质量、求解速度和稳定性等方面均优于现有的标准ABC和遗传算法(Genetic Algorithm,GA)。最后,通过1个月内实际调度效果对比,表明了IDABC辅助调度模式能够有效提升打磨任务分配的均衡性,避免铸件在部分工人处堆积,实现资源的合理配置。