適用3D打印零件自動去除殘留粉末的機器人后處理系統(tǒng)

適用3D打印零件自動去除殘留粉末的機器人后處理系統(tǒng)

新加坡南洋理工大學的研究人員寫了一篇論文，題為“ 3D打印零件自動去皮的機器人系統(tǒng)的開發(fā) ”，該論文試圖克服3D打印后處理中的重大瓶頸。在粉末床AM工藝中，例如HP的Multi Jet Fusion（MJF），結垢包括去除殘留的粉末，這些殘留的粉末一旦去除就會粘在零件上。這大部分是由操作人員使用毛刷完成的，而對于可以批量生產數(shù)百個零件的增材制造技術，這顯然要花費很長時間。這樣的體力勞動是粉末床熔合工藝的重要成本組成部分。

 “將深度學習與3D感知，智能機械設計，運動計劃以及用于工業(yè)機器人的力控制相結合，我們開發(fā)了一種系統(tǒng)，該系統(tǒng)可以快速高效地自動對零件進行脫脂。通過在Multi Jet Fusion打印機打印的零件上進行的一系列除垢實驗，我們證明了基于3D打印的批量生產機器人除垢的可行性?！?。

典型的機械手問題是垃圾箱揀選，這需要從容器中選擇零件并從中取出零件。NTU研究人員認為，“識別物體并確定其在工作空間中的3D姿勢”的3D感知對建立他們的垃圾收集系統(tǒng)至關重要。他們還使用了位置控制機械手作為基準系統(tǒng)，以確保符合標準的運動控制。

NTU團隊的機器人系統(tǒng)執(zhí)行五個常規(guī)步驟，從垃圾箱揀選任務開始，在該任務中，吸盤從原始容器中揀出已結塊的零件。通過在刷子上擦拭來清潔底面，然后將其翻過來，然后清潔另一面。最后一步是將清潔后的零件放入目標容器。

每一步都有自己的困難；例如，結塊的零件重疊且難以檢測，因為它們的顏色與粉末大致相同，并且殘留的粉末和零件具有不同的物理特性，這使得使用位置控制的工業(yè)機器人難以操縱零件。

“我們通過分別利用（i）深度學習在2D / 3D視覺方面的最新進展來應對這些挑戰(zhàn)；以及（ii）智能機械設計和力控制?！?/span>

由于零件，機器人和刷牙系統(tǒng)之間的“接觸控制”，接下來的三個步驟（清洗零件，翻轉零件和清洗另一面）非常棘手。為此，研究人員使用力量控制來“執(zhí)行合規(guī)動作”。

他們的機器人平臺由現(xiàn)成的組件制成：

1 Denso VS060：六軸工業(yè)機械手

1個ATI伽瑪扭矩（F / T）傳感器

1臺Ensenso 3D相機N35-802-16-BL

1個抽吸系統(tǒng)，由Karcher NT 70/2真空機提供動力

1個清潔站

1個翻轉站

攝像機有助于避免與環(huán)境，物體和機器人手臂發(fā)生碰撞，并“最大程度地擴大視角”。人們發(fā)現(xiàn)，吸盤系統(tǒng)用途最為廣泛，他們專門設計了吸盤系統(tǒng)，以產生高空氣流量和真空度，以回收可回收的粉末，獲得足夠的提起力，并在刷牙時牢固地固定零件。

他們選擇了被動翻轉站（無需執(zhí)行器）來更改零件方向。零件從工作站的頂部放下，并沿著導向滑塊移動。到達底部時將其翻轉，然后準備好由機械手拾取。

狀態(tài)機和一系列模塊組成了軟件系統(tǒng)。機器選擇正確的模塊在正確的時間執(zhí)行，并按順序選擇“最可行的部分”進行結塊。

軟件系統(tǒng)的狀態(tài)機和模塊執(zhí)行感知和不同類型的動作。

“狀態(tài)機可以訪問系統(tǒng)的所有基本信息，包括場景中檢測到的所有對象的類型，姿勢，幾何形狀和清潔度等。每個模塊都可以查詢此信息以實現(xiàn)其行為。結果，這種設計是通用的，可以適應更多類型的3D打印零件。”研究人員解釋說。

這些模塊具有不同的任務，例如感知，可識別和定位可見對象。該任務的第一階段使用深度學習網(wǎng)絡來完成實例檢測和分割，而第二階段使用分割蒙版提取每個對象的3D點并“估計對象姿勢”。

基于Mask R-CNN的目標檢測模塊示例。估計的邊界框和零件分割用不同的顏色描繪，并用識別建議和置信度標記。我們拒絕置信度低于95％的檢測。

研究人員寫道：“首先，基于Mask R-CNN的深度神經(jīng)網(wǎng)絡對RGB圖像中的對象進行分類，并執(zhí)行實例分割，從而提供按像素的對象分類。”

將轉移學習應用于預先訓練的模型，因此網(wǎng)絡可以以較高的檢測率對垃圾箱中的新一類物體進行分類。

第二，通過估計邊界框并計算分段點云的質心來完成零件的姿態(tài)估計。每個對象的點云都經(jīng)過精煉（例如，統(tǒng)計上的異常值去除，法線平滑等），并用于驗證是否可以通過吸力拾取對象（即，暴露的表面必須大于吸盤面積）。”

拾取和清潔模塊由多個運動原語組成，其中第一個是拾取或抽吸。機器人通過在零件上移動吸盤來拾取表面幾乎平坦且裸露的零件，并通過順應的力控制指示何時停止向下運動。它會檢查吸盤停止在其上的高度是否與預期高度相符，然后提起吸盤，同時系統(tǒng)會“不斷檢查力扭矩傳感器”以確保沒有碰撞。

清潔運動原語可清除幾乎平坦的3D打印零件中的殘留碎屑和粉末。零件位于刷架上方，順應的力控制使機器人移動直到它們接觸為止。為了保持零件和電刷之間的接觸，使用了混合位置/力控制方案。

研究人員解釋說：“清潔軌跡的計劃遵循兩種模式：螺旋形和直線形。” “盡管螺旋運動非常適合于清潔幾乎平坦的表面，但直線運動有助于去除凹入?yún)^(qū)域中的粉末?！?/span>

螺旋路徑和直線路徑的組合用于清潔運動。螺旋路徑為紅色。黃點表示運動開始時各部分的質心。修改了螺旋路徑，以使它們在達到最大半徑后繼續(xù)使點成圓。視網(wǎng)膜路徑為藍色，參數(shù)包括XY平面中的寬度，高度和方向。

團隊使用十種3D打印的鞋墊測試了他們的系統(tǒng)。通過在清潔前后對部件進行稱重來評估其清潔質量，并且與熟練的操作員相比，研究人員報告了該系統(tǒng)在真實環(huán)境下的運行時間。

在清潔質量方面，機器人系統(tǒng)的性能幾乎降低了兩倍，這“引發(fā)了人們如何進一步提高任務效率的疑問?！?nbsp;人類在刷牙上花費了超過95％的執(zhí)行時間，而系統(tǒng)僅執(zhí)行了40％的刷牙動作；這是由于一個人的“在執(zhí)行感測和靈巧操作方面的高級技能”。但是，如果將刷牙時間限制為20秒，則會降低清潔質量，這可能意味著通過升級清潔臺和“延長刷牙時間”可以提高清潔質量。

此外，人類可以根據(jù)需要調整動作，因此獲得了更加一致的結果。研究人員認為，將清潔度評估模塊與第二個3D相機一起添加到他們的系統(tǒng)中將對此有所改善。

 “我們注意到我們的機器人以最大速度50％運行，并且所有運動都是在線計劃的。因此，通過優(yōu)化這些模塊可以進一步提高系統(tǒng)性能?！按送?，我們的感知模塊在CPU上運行，更好的計算硬件的實現(xiàn)將因此提高感知速度?！?/span>

雖然這些結果主要是正面的，但研究人員計劃通過改進其末端執(zhí)行器設計，優(yōu)化任務效率并使之適應于更通用的3D打印零件來進一步驗證該系統(tǒng)。