Найти

Результаты поиска

• МЕТОДИКА ИДЕНТИФИКАЦИИ ОБЪЕКТА ДЛЯ ИНТЕГРАЦИИ С РОБОТИЗИРОВАННЫМИ СИСТЕМАМИ

  Н.М. Чернышов , И. К. Романова-Большакова

  2025-04-27

  Аннотация ▼

  Целью исследования является разработка методики идентификации и определения место-
  положения объектов в условиях низкой видимости и возможного изменения их формы, с акцентом
  на извлечение деталей, созданных методом селективного лазерного спекания (SLS), из порошковой
  среды. В работе рассматриваются два принципиально разных подхода к формированию алгорит-
  мов управления роботизированным манипулятором. Первый подход, доверительный, основан на
  предположении о минимальном смещении объекта в процессе манипуляций. Манипулятор дви-
  жется по траектории, рассчитанной на основе предварительной трехмерной модели, без коррек-
  ции до момента захвата. Этот метод отличается высокой скоростью выполнения операции и
  минимальными вычислительными затратами. Однако он сопряжен с рисками: деформация объ-
  екта из-за сопротивления среды, смещение детали при контакте с инструментом, а также не-
  возможность захвата при значительных отклонениях от номинального положения. Второй под-
  ход, осторожный, предполагает поэтапное удаление слоев порошка для визуализации объекта и
  корректировки траектории до захвата. Этот метод включает несколько этапов: удаление верх-
  него слоя среды до частичного обнажения детали, анализ данных для уточнения положения объ-
  екта, а также построение адаптивной траектории с учетом возможного смещения. Отдельное
  внимание в статье уделено генерации данных для обучения нейронных сетей, которые использу-
  ются для идентификации объектов в условиях зашумленности. Рассмотрены два метода искус-
  ственного моделирования порошковых покрытий. Примитивный метод заключается в расшире-
  нии вершин трехмерной модели вдоль нормалей с добавлением случайного шума. Усовершенство-
  ванный метод предполагает дифференцированное распределение порошка с учетом локальной
  кривизны поверхности. Последующие экспериментальные результаты показали, что обучение
  нейронной сети с использованием реальных данных имеет низкую эффективность. Точность рас-
  познавания составила 60–75%, что связано с малым объемом выборки и влиянием внешних факто-
  ров, таких как освещение и помехи. В то же время использование синтетических данных, подго-
  товленных по представленной в исследовании методике, позволило повысить точность распозна-
  вания до 92%. Практическая значимость работы заключается в разработке методики поиска,
  обнаружения и определения детали, погруженной в порошок, что может быть использовано для
  автоматизации процессов постобработки на производствах, использующих селективное лазерное
  спекание. Разработанные решения адаптированы для интеграции в роботизированные системы работающие в условиях ограниченной видимости. Предложенные методы могут быть масшта-
  бированы на широкий спектр задач в аддитивном производстве и робототехнике, что делает их
  перспективными для внедрения в промышленные процессы.