Tổng quan nghiên cứu

Trong ngành công nghiệp cơ khí, nguyên công hàn giữ vai trò thiết yếu trong việc liên kết các chi tiết kim loại thành kết cấu bền vững. Theo ước tính, hàn chiếm tỷ trọng lớn trong các quá trình gia công chế tạo, đặc biệt trong các lĩnh vực như đóng tàu, chế tạo thiết bị áp lực và công nghiệp ô tô. Tuy nhiên, quá trình hàn truyền thống tiềm ẩn nhiều rủi ro về sức khỏe do môi trường làm việc độc hại với nhiệt độ cao, tia UV và khí độc hại, đồng thời còn tồn tại các hạn chế về độ chính xác và năng suất. Mục tiêu nghiên cứu của luận văn là thiết kế một thiết bị dựa trên nền tảng thị giác máy tính (vision-based device) để tự động nhận diện và hoạch định quỹ đạo đường hàn cho robot công nghiệp, nhằm nâng cao độ chính xác, giảm thiểu sai số đường hàn trong phạm vi ±0.5 mm và tăng năng suất hàn trong môi trường nhà xưởng tiêu chuẩn với độ rọi ánh sáng ≥ 300 lux.

Phạm vi nghiên cứu tập trung vào việc phát triển hệ thống vision dạng laser triangulation tích hợp trên cánh tay robot Yaskawa Motoman UP6, sử dụng thuật toán xử lý ảnh để trích xuất tọa độ 3D của đường hàn và truyền dữ liệu đến bộ điều khiển robot. Nghiên cứu được thực hiện trong giai đoạn từ tháng 02/2020 đến tháng 01/2021 tại Trường Đại học Bách Khoa, Đại học Quốc gia TP. HCM. Ý nghĩa của đề tài thể hiện rõ qua việc giảm thiểu sự can thiệp của con người trong môi trường độc hại, đồng thời cải thiện độ chính xác và hiệu quả sản xuất, góp phần thúc đẩy tự động hóa trong ngành công nghiệp hàn.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

  • Lý thuyết thị giác máy tính (Computer Vision): Áp dụng các kỹ thuật xử lý ảnh số để nhận diện và trích xuất đặc trưng hình ảnh, trong đó sử dụng phương pháp laser triangulation để tái tạo hình ảnh 3D của đường hàn.
  • Mô hình robot công nghiệp: Cấu trúc và điều khiển cánh tay robot 6 khớp xoay Yaskawa Motoman UP6, bao gồm các hệ tọa độ TCP (Tool Center Point) và User Coordinates để định vị chính xác đầu hàn.
  • Thuật toán xử lý ảnh: Sử dụng các bước tiền xử lý như lọc Gaussian, thuật toán Closing để làm sạch ảnh, xác định vệt laser và trích xuất tọa độ điểm trên đường hàn.
  • Phương pháp hiệu chuẩn camera: Calibrate thông số nội (focal length, principal point) và ngoại (vị trí, hướng camera) để đảm bảo độ chính xác trong việc chuyển đổi tọa độ pixel sang tọa độ thực tế trong không gian 3D.
  • Giao tiếp dữ liệu công nghiệp: Sử dụng giao thức Ethernet và phương pháp truyền dữ liệu qua thẻ nhớ CF để kết nối hệ thống vision với bộ điều khiển robot.

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm hình ảnh thu nhận từ camera Basler ace độ phân giải 1.3MP, vệt laser đỏ công suất 120 mW chiếu lên bề mặt vật liệu hàn. Cỡ mẫu thực nghiệm gồm các chi tiết hàn bằng thép, nhôm và inox với các loại mối hàn giáp mối, góc và chồng, trong điều kiện ánh sáng nhà xưởng ≥ 300 lux.

Phương pháp phân tích gồm:

  • Hiệu chuẩn hệ thống: Thực hiện hiệu chuẩn camera và laser bằng phương pháp bình phương tối thiểu (Least Square Method) để xác định ma trận thông số nội, ngoại và phương trình mặt phẳng laser.
  • Xử lý ảnh: Thu nhận ảnh vệt laser, chuyển đổi mức sáng, lọc Gaussian, áp dụng thuật toán Closing để xác định chính xác đường laser trên vật thể.
  • Tính toán tọa độ 3D: Dựa trên nguyên lý laser triangulation, tính toán tọa độ không gian của các điểm trên đường hàn.
  • Truyền dữ liệu: Dữ liệu tọa độ được chuyển đổi sang hệ tọa độ TCP và User Coordinates, sau đó truyền đến bộ điều khiển robot qua thẻ nhớ CF trong giai đoạn thử nghiệm.

Timeline nghiên cứu kéo dài gần một năm, từ tháng 02/2020 đến tháng 01/2021, bao gồm các giai đoạn thiết kế hệ thống, phát triển thuật toán, xây dựng mô hình thực nghiệm và đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Độ chính xác tái tạo đường hàn: Hệ thống vision laser triangulation đạt sai số tái tạo đường hàn trong khoảng ±0.4 mm, vượt yêu cầu đề bài ±0.5 mm. Kết quả hiệu chuẩn ma trận thông số nội và ngoại cho thấy sai số calibration được cải thiện đáng kể, với sai số trung bình dưới 0.3 mm.

  2. Tốc độ xử lý: Hệ thống xử lý ảnh đạt tốc độ thu nhận và xử lý khoảng 40 frame/s, đáp ứng tốc độ di chuyển đầu hàn 0.5 m/phút, đảm bảo khả năng dò tìm và hoạch định quỹ đạo đường hàn online.

  3. Khả năng hoạt động trong môi trường công nghiệp: Thiết bị vision hoạt động ổn định trong điều kiện ánh sáng nhà xưởng ≥ 300 lux và nhiệt độ khu vực hàn lên đến 6000 – 8000 độ C, với khoảng cách an toàn tối thiểu 20 mm giữa hệ thống và đầu hàn để tránh ảnh hưởng nhiệt.

  4. Truyền dữ liệu và điều khiển robot: Việc truyền dữ liệu tọa độ qua thẻ nhớ CF cho phép robot Yaskawa Motoman UP6 thực hiện quỹ đạo hàn chính xác, giảm sai số do gá đặt và biến dạng nhiệt trong quá trình hàn.

Thảo luận kết quả

Nguyên nhân chính giúp hệ thống đạt được độ chính xác cao là do việc áp dụng phương pháp laser triangulation kết hợp với hiệu chuẩn kỹ lưỡng thông số camera và laser, cùng thuật toán xử lý ảnh tối ưu. So với các phương pháp stereo vision và structured light, laser triangulation cho độ chính xác tốt hơn (±0.4 mm so với ±0.5 mm hoặc cao hơn) và tốc độ xử lý nhanh hơn, phù hợp với yêu cầu thực tế trong công nghiệp.

Kết quả này tương đồng với các nghiên cứu quốc tế về ứng dụng laser vision trong dò đường hàn, đồng thời khắc phục được nhược điểm về chi phí và độ phức tạp của các hệ thống stereo hoặc structured light. Việc truyền dữ liệu qua thẻ nhớ CF tuy chưa tối ưu về mặt thời gian thực nhưng phù hợp với điều kiện thực nghiệm và có thể nâng cấp lên giao tiếp Ethernet trong tương lai.

Dữ liệu có thể được trình bày qua biểu đồ sai số hiệu chuẩn, bảng so sánh tốc độ xử lý và độ chính xác giữa các phương pháp, cũng như hình ảnh minh họa quỹ đạo hàn thực nghiệm so với đường hàn chuẩn.

Đề xuất và khuyến nghị

  1. Triển khai giao tiếp Ethernet cho truyền dữ liệu: Nâng cấp hệ thống truyền dữ liệu từ thẻ nhớ CF sang giao tiếp Ethernet để tăng tốc độ truyền nhận, hỗ trợ điều khiển robot theo thời gian thực, giảm thiểu độ trễ trong quá trình hàn.

  2. Phát triển thuật toán xử lý ảnh nâng cao: Áp dụng các kỹ thuật machine learning để cải thiện khả năng nhận diện đường hàn trong điều kiện ánh sáng phức tạp và bề mặt vật liệu phản chiếu cao như inox, nhôm.

  3. Thiết kế bộ gá đặt linh hoạt hơn: Cải tiến bộ gá đặt hệ thống vision với các khớp tịnh tiến và xoay đa chiều để phù hợp với các vật thể có biên dạng phức tạp và góc khuất, nâng cao khả năng ứng dụng trong thực tế.

  4. Mở rộng phạm vi ứng dụng: Nghiên cứu tích hợp hệ thống vision với các loại robot công nghiệp khác và mở rộng sang các nguyên công gia công khác như khoan, mài, phun keo nhằm tăng tính đa dụng và hiệu quả sản xuất.

Các giải pháp trên nên được thực hiện trong vòng 12-18 tháng tiếp theo, phối hợp giữa nhóm nghiên cứu và các doanh nghiệp công nghiệp để thử nghiệm và hoàn thiện sản phẩm.

Đối tượng nên tham khảo luận văn

  1. Các kỹ sư và nhà nghiên cứu trong lĩnh vực tự động hóa và robot công nghiệp: Luận văn cung cấp kiến thức chuyên sâu về tích hợp hệ thống vision với robot, giúp phát triển các ứng dụng tự động hóa trong sản xuất.

  2. Doanh nghiệp sản xuất cơ khí và chế tạo: Các công ty có nhu cầu nâng cao năng suất và chất lượng hàn có thể áp dụng giải pháp vision-based để cải thiện quy trình sản xuất, giảm thiểu sai số và bảo vệ sức khỏe công nhân.

  3. Sinh viên và học viên cao học chuyên ngành kỹ thuật cơ điện tử, cơ khí tự động hóa: Tài liệu là nguồn tham khảo quý giá về thiết kế hệ thống thị giác máy tính, thuật toán xử lý ảnh và ứng dụng thực tế trong robot công nghiệp.

  4. Nhà phát triển phần mềm và thiết bị công nghiệp: Các đơn vị phát triển phần cứng, phần mềm điều khiển robot có thể khai thác các kết quả nghiên cứu để nâng cao tính năng sản phẩm, đặc biệt trong lĩnh vực dò tìm và hoạch định quỹ đạo.

Câu hỏi thường gặp

  1. Hệ thống vision laser triangulation hoạt động như thế nào trong môi trường hàn có nhiều tia lửa và ánh sáng mạnh?
    Hệ thống sử dụng bộ lọc quang học (optical filter) để loại bỏ ánh sáng không mong muốn, kết hợp thuật toán xử lý ảnh để nhận diện chính xác vệt laser trên bề mặt vật liệu, đảm bảo hoạt động ổn định trong điều kiện ánh sáng hồ quang lên đến 5500 lux.

  2. Sai số của hệ thống có thể giảm xuống dưới ±0.4 mm không?
    Việc giảm sai số phụ thuộc vào chất lượng hiệu chuẩn, độ ổn định của hệ thống cơ khí và thuật toán xử lý ảnh. Áp dụng các kỹ thuật hiệu chuẩn nâng cao và thuật toán machine learning có thể giúp cải thiện độ chính xác hơn nữa.

  3. Tại sao không sử dụng giao tiếp Ethernet ngay từ đầu?
    Do điều kiện cơ sở vật chất hạn chế trong giai đoạn thử nghiệm, việc truyền dữ liệu qua thẻ nhớ CF được lựa chọn để đảm bảo tính ổn định. Giao tiếp Ethernet sẽ được triển khai trong các giai đoạn phát triển tiếp theo.

  4. Hệ thống có thể áp dụng cho các loại vật liệu khác ngoài thép, nhôm, inox không?
    Có thể áp dụng cho nhiều loại vật liệu kim loại khác nhau, tuy nhiên cần điều chỉnh thông số laser và thuật toán xử lý ảnh phù hợp với đặc tính phản xạ và bề mặt của từng vật liệu.

  5. Làm thế nào để hệ thống xử lý được các đường hàn có biên dạng phức tạp hoặc góc khuất?
    Thiết kế bộ gá đặt linh hoạt với các khớp tịnh tiến và xoay giúp điều chỉnh vị trí hệ thống vision, kết hợp thuật toán xử lý ảnh đa chiều để nhận diện đường hàn trong không gian 3D phức tạp.

Kết luận

  • Đã thiết kế thành công hệ thống vision laser triangulation tích hợp trên cánh tay robot Yaskawa Motoman UP6, đáp ứng sai số đường hàn ±0.4 mm và tốc độ xử lý 40 frame/s.
  • Thuật toán xử lý ảnh và hiệu chuẩn camera-laser được phát triển hiệu quả, đảm bảo độ chính xác và ổn định trong môi trường công nghiệp.
  • Hệ thống truyền dữ liệu qua thẻ nhớ CF cho phép robot thực hiện quỹ đạo hàn chính xác, giảm thiểu sai số do biến dạng nhiệt và gá đặt.
  • Đề xuất nâng cấp giao tiếp Ethernet, cải tiến bộ gá đặt và mở rộng ứng dụng trong các nguyên công gia công khác.
  • Tiếp tục nghiên cứu và phát triển trong 12-18 tháng tới để hoàn thiện sản phẩm và ứng dụng thực tế trong công nghiệp hàn tự động.

Quý độc giả và các nhà nghiên cứu quan tâm có thể liên hệ để trao đổi, hợp tác phát triển các giải pháp tự động hóa tiên tiến trong lĩnh vực robot công nghiệp và thị giác máy tính.