本發(fā)明屬于信息，具體涉及一種多維度感知與智能協(xié)同的工業(yè)機(jī)器人制造系統(tǒng)。

背景技術(shù)：

1、電子制造行業(yè)是現(xiàn)代制造業(yè)的重要組成部分，隨著電子產(chǎn)品的小型化、集成化和智能化發(fā)展趨勢(shì)，對(duì)電子制造的精度、效率和質(zhì)量提出了更高的要求。工業(yè)機(jī)器人憑借其自動(dòng)化、高精度和可重復(fù)性等特點(diǎn)，在電子制造過(guò)程中得到了廣泛應(yīng)用，如電子元器件的拾取與放置、焊接、組裝等環(huán)節(jié)。然而，目前工業(yè)機(jī)器人在電子制造領(lǐng)域仍存在諸多問(wèn)題，限制了電子制造行業(yè)的進(jìn)一步發(fā)展和產(chǎn)品質(zhì)量的提升。

2、電子元器件種類繁多，尺寸微小且形狀各異，部分元器件表面還具有反光、易變形等特性。傳統(tǒng)的工業(yè)機(jī)器人電子制造系統(tǒng)多依賴單一的視覺(jué)識(shí)別技術(shù)來(lái)識(shí)別和定位電子元器件，這種方法容易受到光照條件、元器件表面特性以及安裝位置的微小偏差等因素的影響，導(dǎo)致識(shí)別和抓取精度不高。在實(shí)際生產(chǎn)過(guò)程中，常常出現(xiàn)元器件抓取錯(cuò)誤、位置偏移等情況，不僅降低了生產(chǎn)效率，還可能造成元器件損壞和產(chǎn)品質(zhì)量問(wèn)題。

3、電子制造中的焊接和組裝環(huán)節(jié)對(duì)精度和穩(wěn)定性要求極高。不同的電子元器件和焊接工藝需要不同的焊接參數(shù)和組裝力度，而且在焊接和組裝過(guò)程中，由于環(huán)境溫度、濕度的變化以及設(shè)備的微小振動(dòng)等因素，焊接和組裝質(zhì)量容易受到影響?，F(xiàn)有的工業(yè)機(jī)器人焊接和組裝系統(tǒng)大多采用預(yù)設(shè)的固定參數(shù)和操作流程，無(wú)法根據(jù)實(shí)際情況進(jìn)行實(shí)時(shí)調(diào)整和優(yōu)化，導(dǎo)致焊接和組裝質(zhì)量不穩(wěn)定，產(chǎn)品的良品率難以保證。電子制造產(chǎn)品的質(zhì)量直接關(guān)系到其性能和使用壽命，因此在生產(chǎn)過(guò)程中及時(shí)檢測(cè)出產(chǎn)品的缺陷至關(guān)重要。目前，工業(yè)機(jī)器人電子制造系統(tǒng)在缺陷檢測(cè)方面主要依賴人工抽檢或簡(jiǎn)單的視覺(jué)檢測(cè)設(shè)備，這種方法效率低下，容易出現(xiàn)漏檢和誤檢的情況。而且，對(duì)于一些內(nèi)部缺陷和潛在的質(zhì)量問(wèn)題，傳統(tǒng)的檢測(cè)方法難以發(fā)現(xiàn)，無(wú)法滿足現(xiàn)代電子制造行業(yè)對(duì)高質(zhì)量產(chǎn)品的要求。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了多維度感知與智能協(xié)同的工業(yè)機(jī)器人制造系統(tǒng)，包括感知層、數(shù)據(jù)處理層、決策層、執(zhí)行層和應(yīng)用層；所述感知層包括安裝在工業(yè)機(jī)器人上的高分辨率視覺(jué)傳感器、激光測(cè)距傳感器、電容傳感器、紅外傳感器、溫度傳感器、壓力傳感器、電流傳感器、位移傳感器，以及安裝在生產(chǎn)線上的高分辨率視覺(jué)檢測(cè)設(shè)備、x射線檢測(cè)設(shè)備、超聲波檢測(cè)設(shè)備，用于實(shí)時(shí)獲取電子元器件的信息、生產(chǎn)過(guò)程中的參數(shù)信息以及產(chǎn)品的檢測(cè)數(shù)據(jù)，并將數(shù)據(jù)傳輸至數(shù)據(jù)處理層；所述數(shù)據(jù)處理層包括多維度數(shù)據(jù)融合模塊、多維特征提取模塊、深度學(xué)習(xí)模型訓(xùn)練模塊、自適應(yīng)控制參數(shù)調(diào)整模塊、多模態(tài)數(shù)據(jù)融合模塊、人工智能缺陷檢測(cè)模型訓(xùn)練模塊，用于對(duì)采集的數(shù)據(jù)進(jìn)行融合、特征提取、模型訓(xùn)練以及參數(shù)調(diào)整；所述決策層包含電子元器件精準(zhǔn)識(shí)別與抓取模塊、焊接與組裝質(zhì)量智能調(diào)控模塊、生產(chǎn)過(guò)程缺陷檢測(cè)模塊、多機(jī)器人協(xié)作控制模塊、智能管理與追溯模塊，用于根據(jù)數(shù)據(jù)處理層的結(jié)果生成控制指令；所述執(zhí)行層為工業(yè)機(jī)器人，根據(jù)決策層生成的控制指令執(zhí)行電子元器件識(shí)別、抓取、焊接、組裝、缺陷檢測(cè)以及協(xié)作任務(wù)等，并將執(zhí)行過(guò)程中的反饋信息傳輸回?cái)?shù)據(jù)處理層和決策層；所述應(yīng)用層為電子制造過(guò)程的智能管理與追溯平臺(tái)，為管理人員提供交互界面，實(shí)現(xiàn)對(duì)電子制造過(guò)程的實(shí)時(shí)監(jiān)控、數(shù)據(jù)分析、決策支持和追溯等功能。

2、進(jìn)一步，所述系統(tǒng)采用基于多維度感知與深度學(xué)習(xí)的電子元器件精準(zhǔn)識(shí)別與抓取算法，該算法包括：傳感器部署與數(shù)據(jù)采集步驟，合理部署高分辨率視覺(jué)傳感器、激光測(cè)距傳感器、電容傳感器、紅外傳感器，按照設(shè)定頻率實(shí)時(shí)采集電子元器件的多維度信息并傳輸至多維度數(shù)據(jù)融合模塊；多維度數(shù)據(jù)融合與特征提取步驟，多維度數(shù)據(jù)融合模塊采用基于注意力機(jī)制的融合網(wǎng)絡(luò)對(duì)不同類型的傳感器數(shù)據(jù)進(jìn)行融合處理，多維特征提取模塊運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)(cnn)對(duì)融合后的數(shù)據(jù)進(jìn)行分析和處理，提取電子元器件的詳細(xì)特征；深度學(xué)習(xí)模型訓(xùn)練與應(yīng)用步驟，收集大量不同類型的電子元器件數(shù)據(jù)構(gòu)建訓(xùn)練數(shù)據(jù)集，利用卷積神經(jīng)網(wǎng)絡(luò)(cnn)或循環(huán)神經(jīng)網(wǎng)絡(luò)(rnn)對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行學(xué)習(xí)和訓(xùn)練，建立電子元器件識(shí)別和抓取模型，在實(shí)際生產(chǎn)中，將提取到的特征輸入到訓(xùn)練好的模型中實(shí)現(xiàn)精準(zhǔn)識(shí)別和抓取。

3、進(jìn)一步，所述系統(tǒng)采用基于自適應(yīng)控制與實(shí)時(shí)監(jiān)測(cè)的焊接與組裝質(zhì)量智能調(diào)控算法，該算法包括：傳感器安裝與數(shù)據(jù)采集步驟，在工業(yè)機(jī)器人的焊接和組裝工具上安裝溫度傳感器、壓力傳感器、電流傳感器、位移傳感器，在生產(chǎn)線上安裝焊點(diǎn)強(qiáng)度檢測(cè)儀、組裝件尺寸測(cè)量?jī)x，實(shí)時(shí)監(jiān)測(cè)焊接和組裝過(guò)程中的參數(shù)及產(chǎn)品質(zhì)量信息，并傳輸至自適應(yīng)控制參數(shù)調(diào)整模塊；自適應(yīng)控制算法實(shí)現(xiàn)步驟，自適應(yīng)控制參數(shù)調(diào)整模塊根據(jù)采集到的數(shù)據(jù)，利用自適應(yīng)控制算法實(shí)時(shí)計(jì)算工業(yè)機(jī)器人焊接和組裝參數(shù)的調(diào)整量；焊接與組裝質(zhì)量智能調(diào)控執(zhí)行步驟，焊接與組裝質(zhì)量智能調(diào)控模塊根據(jù)調(diào)整量自動(dòng)調(diào)整工業(yè)機(jī)器人的焊接和組裝動(dòng)作和參數(shù)，同時(shí)根據(jù)生產(chǎn)過(guò)程中的反饋信息優(yōu)化自適應(yīng)控制算法的參數(shù)。

4、進(jìn)一步，所述系統(tǒng)采用基于多模態(tài)數(shù)據(jù)融合與人工智能的生產(chǎn)過(guò)程缺陷檢測(cè)系統(tǒng)，該系統(tǒng)包括：檢測(cè)設(shè)備部署與數(shù)據(jù)采集步驟，在工業(yè)機(jī)器人生產(chǎn)線上部署高分辨率視覺(jué)檢測(cè)設(shè)備、x射線檢測(cè)設(shè)備、超聲波檢測(cè)設(shè)備，按照設(shè)定頻率實(shí)時(shí)采集生產(chǎn)過(guò)程中的多模態(tài)數(shù)據(jù)并傳輸至多模態(tài)數(shù)據(jù)融合模塊；多模態(tài)數(shù)據(jù)融合與特征提取步驟，多模態(tài)數(shù)據(jù)融合模塊采用基于注意力機(jī)制的融合網(wǎng)絡(luò)對(duì)不同類型的檢測(cè)設(shè)備采集到的數(shù)據(jù)進(jìn)行融合處理，運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)(cnn)對(duì)融合后的數(shù)據(jù)進(jìn)行分析和處理，提取產(chǎn)品缺陷特征的關(guān)鍵信息；人工智能缺陷檢測(cè)模型訓(xùn)練與應(yīng)用步驟，收集大量不同類型的產(chǎn)品檢測(cè)數(shù)據(jù)構(gòu)建訓(xùn)練數(shù)據(jù)集，利用深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)等對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行學(xué)習(xí)和訓(xùn)練，建立產(chǎn)品缺陷特征與缺陷類型之間的關(guān)聯(lián)模型，在實(shí)際生產(chǎn)中，將提取到的特征輸入到訓(xùn)練好的模型中實(shí)現(xiàn)產(chǎn)品缺陷的快速準(zhǔn)確檢測(cè)。

5、進(jìn)一步，所述系統(tǒng)采用基于多機(jī)器人協(xié)同與任務(wù)分配優(yōu)化的電子制造高效生產(chǎn)系統(tǒng)，該系統(tǒng)包括：任務(wù)分析與分配步驟，多機(jī)器人協(xié)作控制模塊根據(jù)電子制造的工藝流程和生產(chǎn)任務(wù)，將任務(wù)分解為多個(gè)子任務(wù)并合理分配給多個(gè)工業(yè)機(jī)器人，分配時(shí)考慮機(jī)器人的工作能力、工作范圍、當(dāng)前狀態(tài)等因素；通信與協(xié)作機(jī)制建立步驟，建立多機(jī)器人之間的通信網(wǎng)絡(luò)，通過(guò)協(xié)作控制算法協(xié)調(diào)多個(gè)機(jī)器人的運(yùn)動(dòng)和操作，使其相互配合完成不同的生產(chǎn)工序，并根據(jù)實(shí)時(shí)任務(wù)情況和生產(chǎn)進(jìn)度調(diào)整協(xié)作策略；智能任務(wù)分配優(yōu)化實(shí)現(xiàn)步驟，多機(jī)器人協(xié)作控制模塊根據(jù)生產(chǎn)任務(wù)的變化和機(jī)器人的工作狀態(tài)，實(shí)時(shí)調(diào)整任務(wù)分配方案。

6、進(jìn)一步，所述電子制造過(guò)程的智能管理與追溯平臺(tái)的實(shí)施包括：數(shù)據(jù)采集與傳輸步驟，智能管理與追溯模塊通過(guò)與工業(yè)機(jī)器人電子制造系統(tǒng)的數(shù)據(jù)接口，實(shí)時(shí)采集電子制造過(guò)程中的各種數(shù)據(jù)，格式化處理后通過(guò)網(wǎng)絡(luò)傳輸至平臺(tái)；數(shù)據(jù)分析與可視化步驟，利用大數(shù)據(jù)分析技術(shù)對(duì)傳輸?shù)狡脚_(tái)的數(shù)據(jù)進(jìn)行分析和挖掘，通過(guò)可視化技術(shù)將分析結(jié)果以圖表、報(bào)表等形式展示在平臺(tái)界面上；追溯功能實(shí)現(xiàn)步驟，為每個(gè)批次的產(chǎn)品分配唯一標(biāo)識(shí)，管理人員通過(guò)在平臺(tái)上輸入產(chǎn)品標(biāo)識(shí)，查詢?cè)摦a(chǎn)品在生產(chǎn)過(guò)程中的所有相關(guān)信息。

7、進(jìn)一步，所述多維度數(shù)據(jù)融合模塊對(duì)多維度傳感器采集到的數(shù)據(jù)進(jìn)行融合處理，構(gòu)建電子元器件的多維特征模型。

8、進(jìn)一步，所述多模態(tài)數(shù)據(jù)融合模塊對(duì)多模態(tài)檢測(cè)設(shè)備采集到的數(shù)據(jù)進(jìn)行融合處理，構(gòu)建產(chǎn)品的綜合檢測(cè)數(shù)據(jù)模型。

9、進(jìn)一步，所述深度學(xué)習(xí)模型訓(xùn)練模塊利用深度學(xué)習(xí)算法對(duì)大量的電子元器件數(shù)據(jù)進(jìn)行學(xué)習(xí)和訓(xùn)練，建立電子元器件識(shí)別和抓取模型。

10、進(jìn)一步，所述人工智能缺陷檢測(cè)模型訓(xùn)練模塊利用人工智能算法對(duì)大量的產(chǎn)品檢測(cè)數(shù)據(jù)進(jìn)行學(xué)習(xí)和訓(xùn)練，建立產(chǎn)品缺陷特征與缺陷類型之間的關(guān)聯(lián)模型。

11、有益效果：

12、提高電子元器件識(shí)別與抓取精度：基于多維度感知與深度學(xué)習(xí)的電子元器件精準(zhǔn)識(shí)別與抓取算法能夠綜合利用多種傳感器的信息，實(shí)現(xiàn)對(duì)電子元器件的精準(zhǔn)識(shí)別和抓取，提高識(shí)別和抓取的準(zhǔn)確性和穩(wěn)定性，減少抓取錯(cuò)誤和位置偏移，提高生產(chǎn)效率和元器件利用率。

13、保證焊接與組裝質(zhì)量：基于自適應(yīng)控制與實(shí)時(shí)監(jiān)測(cè)的焊接與組裝質(zhì)量智能調(diào)控算法能夠根據(jù)實(shí)時(shí)監(jiān)測(cè)到的參數(shù)和產(chǎn)品質(zhì)量信息，自動(dòng)調(diào)整工業(yè)機(jī)器人的焊接和組裝動(dòng)作及參數(shù)，實(shí)現(xiàn)對(duì)焊接和組裝質(zhì)量的智能調(diào)控，確保焊接和組裝質(zhì)量的穩(wěn)定性和一致性，提高產(chǎn)品的良品率。

14、增強(qiáng)生產(chǎn)過(guò)程缺陷檢測(cè)能力：基于多模態(tài)數(shù)據(jù)融合與人工智能的生產(chǎn)過(guò)程缺陷檢測(cè)系統(tǒng)能夠快速準(zhǔn)確地檢測(cè)出產(chǎn)品的各種缺陷，包括外觀缺陷、內(nèi)部缺陷和潛在的質(zhì)量問(wèn)題，提高缺陷檢測(cè)的效率和準(zhǔn)確性，減少次品的流出，保障產(chǎn)品質(zhì)量。

15、提升生產(chǎn)效率：基于多機(jī)器人協(xié)同與任務(wù)分配優(yōu)化的電子制造高效生產(chǎn)系統(tǒng)能夠?qū)⑷蝿?wù)合理分配給多個(gè)機(jī)器人協(xié)同完成，實(shí)現(xiàn)機(jī)器人之間的信息共享和協(xié)同作業(yè)，提高生產(chǎn)效率，縮短生產(chǎn)周期，滿足大規(guī)模電子制造的需求。

16、方便生產(chǎn)管理與追溯：電子制造過(guò)程的智能管理與追溯平臺(tái)為管理人員提供了實(shí)時(shí)的生產(chǎn)過(guò)程監(jiān)控和決策支持，具備追溯功能，便于進(jìn)行質(zhì)量追溯和問(wèn)題排查，提高生產(chǎn)管理水平，保障產(chǎn)品質(zhì)量。