基于视觉的自适应压装装置及方法

技术领域

本发明涉及压装设备技术领域，涉及一种基于视觉的自适应压装装置及方法。

背景技术

目前主流的压装工艺使用液压油缸或者伺服电缸作为动力来源，按照预设的压装到位的信号执行压装动作；其中，压装到位的信号通过机械限位或者伺服设定好行程来实现。也就是说，传统的压装系统通过压机按照提前设定的固定工艺参数进行压装，是一种简单化机械式的执行流程，具有弊端如下：

由于传统压装工艺采用固定的工艺参数，而橡胶衬套的轴径是在一定误差范围内随机分布的；并且，温度的变化对橡胶的粘性、弹性和尺寸存在较大影响；因此，如果针对不同的工况却采用同样的工艺参数(如过压位移、回压位移以及压装速度)，会造成橡胶衬套压入尺寸不合适的现象发生，严重者甚至会导致橡胶衬套崩溃的情况发生。

因此，亟需一种可根据压装质量而实时调整压装参数的自适应压装装置及方法。

发明内容

本发明提供一种基于视觉的自适应压装装置及方法，以解决现有技术中存在的无法根据压装异常对压装的参数进行实时调整的技术问题。

为实现上述目的，本发明提供的一种基于视觉的自适应压装装置，包括上料单元、送料单元、送料图像采集单元、压装单元、压装图像采集单元、橡胶衬套端面图像采集单元和控制单元；其中，

上料单元，用于对送料单元进行逐个履带销上料，包括用于承载履带销的履带销上料架；

送料单元，用于将履带销输送至压装单元，包括送料履带、设置在送料履带下方的加热板和设置在加热板上的温度传感器；

送料图像采集单元，用于采集送料过程中履带销的轴径图像，送料图像采集单元设置在送料履带的上方；

压装单元，用于在履带销压装位上对履带销进行橡胶衬套压装，包括分别设置在履带销压装位两端的主压电缸和回压电缸；还包括用于采集压装力的力传感器和用于采集压装位移的位移传感器；

压装图像采集单元，用于采集压装过程中履带销的压装图像，压装图像采集单元设置在履带销压装位的上方；

橡胶衬套端面图像采集单元，用于采集压装后的橡胶衬套端面图像并将橡胶衬套端面图像发送至控制单元；

控制单元，用于接收送料图像采集单元采集的履带销的轴径图像、温度传感器采集的温度、压装图像采集单元所采集的履带销的压装图像，确定压装的工艺参数，控制主压电缸和回压电缸根据压装的工艺参数完成履带销的橡胶衬套压装工作；并根据履带销的压装图像和压装后的橡胶衬套端面图像判定压装过程是否存在异常，根据压装过程的异常数据对压装的工艺参数进行实时调整。

进一步，优选的结构为，橡胶衬套端面图像采集单元包括用于调整履带销的橡胶衬套端面的拍摄角度的机械臂和用于拍摄履带板的橡胶衬套端面图像的高速相机。

进一步，优选的结构为，控制单元包括轴径和装配温度数据确定模块、工艺参数确定模块和压装执行模块；其中，

轴径和装配温度确定模块，用于采集送料过程中履带销的轴径图像，进而确定履带销的轴径；用于采集加热板处的温度作为装配温度；

工艺参数确定模块，用于根据履带销的轴径、装配温度和履带销的材料参数，利用压装参数确定模型，获取压装的工艺参数以及参考压装力-位移曲线；

压装执行模块，用于当履带销到达压装工位时，利用主压电缸按照压装的工艺参数对履带销进行橡胶衬套正向压装；同时采集压装过程中的压装单元的压装力、压装行程和履带销的压装图像；根据压装力和压装行程，生成实时压装力-位移曲线；

根据判断实时压装力-位移曲线与参考压装力-位移曲线是否一致，判定压装过程是否存在异常；并，根据压装过程中履带销的压装图像判定压装过程是否存在破损；

若实时压装力-位移曲线与参考压装力-位移曲线不一致，和/或，若压装过程出现破损，则判定压装过程存在异常；将压装过程存在异常的信息发送至压装参数反馈模型，对压装的工艺参数进行实时调整，并记录异常数据到压装参数确定模型的训练集中；

若实时压装力-位移曲线与参考压装力-位移曲线一致，且，压装过程未出现破损，则判定压装过程不存在异常，则根据压装的工艺参数进行继续压装，直至完成正向压装；

通过主压电缸对履带销进行保压，并利用回压电缸对履带销进行反向压装后，完成履带销的橡胶衬套压装工作。

进一步，优选的结构为，压装执行模块还包括压装质量判定子模块，

压装质量判定子模块，用于根据所采集的橡胶衬套端面图像，判定压装质量是否合格。

进一步，优选的结构为，控制单元还包括压装参数确定模型迭代更新模块，所述压装参数确定模型迭代更新模块，用于将判定压装过程存在异常的信息，和/或，将根据所述履带销的压装图像和压装后的橡胶衬套端面图像判定压装过程存在异常的信息，录入所述压装参数确定模型的深度学习训练数据库，对所述压装确定反馈模型进行增量迭代更新。

进一步，优选的结构为，在履带销上料架上设置有上料轨道，履带销滑动设置在上料轨道中，上料轨道的设置方向与加热板的传送方向相垂直设置。

本发明还保护一种基于视觉的自适应压装方法，包括通过履带销上料架对送料履带进行履带销逐个上料，并采集履带销的轴径和装配温度；其中，通过送料图像采集单元采集送料过程中履带销的轴径图像，进而确定履带销的轴径；通过温度传感器采集加热板处的温度作为装配温度；

根据履带销的轴径、装配温度和履带销的材料参数，利用压装参数确定模型，获取压装的工艺参数以及参考压装力-位移曲线；

当履带销到达压装工位时，利用主压电缸按照压装的工艺参数对履带销进行橡胶衬套正向压装；同时采集压装过程中的压装单元的压装力、压装行程和履带销的压装图像；根据压装力和压装行程，生成实时压装力-位移曲线；

根据判断实时压装力-位移曲线与参考压装力-位移曲线是否一致，判定压装过程是否存在异常；并，根据压装过程中履带销的压装图像判定压装过程是否存在破损；

若实时压装力-位移曲线与参考压装力-位移曲线不一致，和/或，若压装过程出现破损，则判定压装过程存在异常；将压装过程存在异常的信息发送至压装参数反馈模型，对压装的工艺参数进行实时调整，并记录异常数据到压装参数确定模型的训练集中；

若实时压装力-位移曲线与参考压装力-位移曲线一致，且，压装过程未出现破损，则判定压装过程不存在异常，则根据压装的工艺参数进行继续压装，直至完成正向压装；

通过主压电缸对履带销进行保压，并利用回压电缸对履带销进行反向压装后，完成履带销的橡胶衬套压装工作。

进一步，优选的方法为，还包括通过机械臂调整的履带销的橡胶衬套端面的角度，利用高速相机对履带板进行橡胶衬套端面图像采集；

根据所采集的橡胶衬套端面图像，判定压装质量是否合格。

进一步，优选的方法为，将判定压装过程存在异常的信息，和/或，将判定压装质量不合格的信息，录入压装参数确定模型的深度学习训练数据库，对压装参数确定模型进行增量迭代更新，形成在线压装参数确定模型。

进一步，优选的方法为，压装的工艺参数包括压装速度、过压位移、回压位移和保压时间。

本发明通过建立一种可以增量学习的基于视觉的自适应压装装置及方法，具有有益效果如下：

1)传统的压装系统只具备执行压装动作，而没有分析压装质量并实时调整的功能。而本发明通过建立压装参数确定模型，获取压装的工艺参数以及参考压装力-位移曲线，按照压装的工艺参数执行压装，并对压装过程进行实时监控；通过将实时压装力-位移曲线与参考压装力-位移曲线进行对比，通过获取压装过程中的履带销的压装图像，确定压装过程是否存在异常；并根据异常数据对压装的工艺参数进行实时调整；

2)针对传统的压装系统不具备对工作数据进行自主学习，自我更新的功能。当出现较差压装质量的行为时，通常只可由工人依据生产经验进行调整的问题；本发明的一种基于视觉的自适应压装装置及方法，通过计算机技术实现对压装系统工作数据的采集和记录，并使用计算机技术通过大数据学习训练，捕捉到提升压装质量的瓶颈，获得进一步优化工艺参数的决策模型；

3)实现了对压装系统的实时监控，大大降低了压力过大造成的工件损伤或者人员损伤情况的发生概率；实现了智能决策压装方式以及多方位分析压装质量，适用于压装情况比较复杂的橡胶衬套过盈压装的场景。

附图说明

图1为本发明实施例提供的一种基于视觉的自适应压装装置的结构示意图；

图2为本发明实施例提供的一种基于视觉的自适应压装装置的控制单元的结构示意图；

图3为本发明实施例提供的一种基于视觉的自适应压装方法的原理示意图；

其中，1、履带销上料架；2、履带销；3、送料图像采集单元；4、加热板；5、压装图像采集单元；6、主压电缸；7、机械臂；8、3号相机；9、履带板；10、回压电缸。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

计算机视觉技术(Computer Vision，CV)是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR(Optical Character Recognition，光学字符识别)、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。

机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。

随着智能制造技术的发展，机器视觉和计算机技术在装配中的应用越来越广泛。机器视觉通过使用光学系统，工业数字相机和图像处理工具，来模拟人的视觉能力，并作出相应的决策，最终通过指挥装置完成特定的动作。而计算机技术可以综合机器视觉、温度传感器、力传感器以及位移传感器的数据，实时监控装配信息，预测装配质量，反馈装配过程。如何利用机器视觉和计算机技术实现智能化的压装过程控制，是本发明亟待解决的问题。

本发明的一种基于视觉的自适应压装装置及方法，通过机器视觉获取送料过程中履带销的轴径图像，进而通过计算机技术拟合出压装过程中的压装参考力—位移曲线；通过将实际压装过程中的实时压装力—位移曲线与压装参考力—位移曲线进行对比，以及通过机器视觉获取压装过程中的履带销的压装图像，判定压装过程是否正常进行，实现了对压装系统的实时监控，避免出现因压力过大导致的工件损伤或工作环境的安全威胁的状况。

针对传统的压装系统不具备对工作数据进行自主学习，自我更新的功能。当出现较差压装质量的行为时，通常只可由工人依据生产经验进行调整的问题；本发明的一种基于视觉的自适应压装装置及方法，通过计算机技术实现对压装系统工作数据的采集和记录，并使用计算机技术通过大数据学习训练，捕捉到提升压装质量的瓶颈，获得进一步优化工艺参数的决策模型。

实施例1

图1为本发明实施例提供的一种基于视觉的自适应压装装置的结构示意图，参照图1所示，

一种基于视觉的自适应压装装置，包括上料单元、送料单元、送料图像采集单元、压装单元、压装图像采集单元、橡胶衬套端面图像采集单元和控制单元；其中，上料单元，用于对送料单元进行逐个履带销2上料，包括用于承载履带销的履带销上料架1；送料单元，用于将履带销输送至压装单元，包括送料履带、设置在送料履带下方的加热板4和设置在加热板上的温度传感器；送料图像采集单元3，用于采集送料过程中履带销的轴径图像，送料图像采集单元设置在送料履带的上方；压装单元，用于在履带销压装位上对履带销进行橡胶衬套压装，包括分别设置在履带销压装位两端的主压电缸6和回压电缸10；还包括用于采集压装力的力传感器和用于采集压装位移的位移传感器；压装图像采集单元5，用于采集压装过程中履带销的压装图像，压装图像采集单元5设置在履带销压装位的上方；还包括橡胶衬套端面图像采集单元，用于采集橡胶衬套端面图像并将橡胶衬套端面图像发送至控制单元；包括用于调整履带销的橡胶衬套端面的拍摄角度的机械臂7和用于拍摄履带板的橡胶衬套端面图像的高速相机8。在履带销上料架1上设置有上料轨道，履带销2滑动设置在上料轨道中，上料轨道的设置方向与加热板4的传送方向相垂直设置。

也就是说，总体的压装过程为，将上料单元中的履带销逐个上料至送料单元上，由送料单元将履带销2输送至压装单元的履带销压装位上；通过设置在履带销压装位两端的主压电缸6和回压电缸10分别对履带销2进行正向压装和反向压装，完成履带销的橡胶衬套压装工序。

控制单元，用于接收送料图像采集单元3采集的履带销2的轴径图像、温度传感器采集的温度、压装图像采集单元5所采集的履带销的压装图像，确定压装的工艺参数，控制主压电缸6和回压电缸10根据压装的工艺参数完成履带销的橡胶衬套压装工作；并根据履带销的压装图像和压装后的橡胶衬套端面图像判定压装过程是否存在异常，根据压装过程的异常数据对压装的工艺参数进行实时调整。

需要说明的是，通过送料图像采集单元、压装图像采集单元和橡胶衬套端面图像采集单元对履带销的整个送料、压装以及压装完成后的状态进行图像采集；其中，利用送料图像采集单元采集送料过程中的履带销2的轴径图像；利用压装图像采集单元采集压装过程中的履带销2的压装端面的图像；利用橡胶衬套端面图像采集单元采集压装完成后的履带销的橡胶衬套端面的图像。在具体地实施过程中，为了保证采集的图像的清晰度，上述单元完成图像采集的为包括微距镜头7的高速相机，且高速相机的帧频大于等于2000fps，如sCOMS相机。将送料图像采集单元、压装图像采集单元和橡胶衬套端面图像采集单元中的图像采集装置设置为1号相机、2号相机和3号相机。

图2为本发明实施例提供的一种基于视觉的自适应压装装置的原理示意图，参照图2所示，在履带销上料之后，1号相机获取履带销的俯拍图像，并通过控制单元进行图像处理计算出履带销的轴径；同时由加热板4中的温度传感器采集现场温度作为装配温度。其中，需要说明的是，在具体的实施过程中，若装配环境温度过低，会导致橡胶材料变脆，从而影响装配质量。若本发明的一种基于视觉的自适应压装装置中的控制单元发现所采集的装配温度低于预设的标准温度区间，则需要加热板4对履带销进行加热。

根据得到的装配温度、轴径数据信号以及预先获取的履带销的材料参数，使用压装参数模型，得到压装的工艺参数和压装参考力—位移曲线，压装的工艺参数为压装速度、过压位移、回压位移、保压时间。需要说明的是，压装参数模型是基于卷积神经网络和支持向量机分类优化的算法实现的。压装参数模型中，卷积神经网络的结构可以但不限制于为卷积神经网络的网络结构包括1个输入层、3个卷积层、3个池化层及1个全连接层，上述各层均选用Relu激活函数。压装参数模型可以但不限制于为AGLNet模型、ResNe网络模型、YOLOv4模型、DBN网络模型、LSTM模型等。

对压装的工艺参数进行控制后，当履带销2到达压装工位时，由主压电缸6对履带销2先进行正向压装。在压装过程中，控制单元分别通过伺服电缸自带的力传感器、位移传感器获取压装力数据和压装位移数据，进而获取实时压装力—位移曲线，并与压装参考力—位移曲线进行对比，判断压装过程信号是否存在异常；与此同时，2号相机对压装过程进行拍照。

由控制单元中的数据处理模块判断根据压装过程中履带销的压装图像判断压装过程中是否出现破损以及根据实时压装力—位移曲线，并与压装参考力—位移曲线进行对比评价实时压装力—位移信号是否存在异常；若均合格，则判断压装过程合格，可继续根据设定的压装的工艺参数进行压装；若存在不合格，则需将不合格数据进行反馈。需要说明的是，反馈分为两部分，其一为反馈给反馈调整模型，由反馈调整模型对工艺参数进行合理的调整后继续压装；即将异常数据给到压装参数反馈调整模型，对压装过程进行实时的反馈调整，反馈模型主要是反馈调整异常的作用；其二为将异常数据记录到压装参数模型的深度学习的训练数据库中，对压装参数模型进行迭代更新，即异常数据被记录到确定模型的训练集中，完成对确定模型的增量更新。

正向压装完成后，由主压电缸6对履带销2进行保压；由反压电缸10对履带销2进行反向压装；整体压装完成后，压装有橡胶衬套的履带销进入履带板9；由机械臂7对装载有履带销2的履带板9进行翻转；由3号工业相机对履带板端面(橡胶衬套端面)进行拍摄，有控制单元判断压装质量是否合格；若压装质量合格，则完成压装，若压装质量不合格，则记录数据到压装参数模型的深度学习的训练数据库中，对压装参数模型进行迭代更新。

图3为本发明实施例提供的一种基于视觉的自适应压装装置的控制单元的结构示意图，参照图3所示，

控制单元300包括轴径和装配温度数据确定模块310、工艺参数确定模块320和压装执行模块330；其中，

轴径和装配温度确定模块310，用于采集送料过程中履带销的轴径图像，进而确定履带销的轴径；用于采集加热板处的温度作为装配温度。

工艺参数确定模块320，用于根据履带销的轴径、装配温度和履带销的材料参数，利用压装参数确定模型，获取压装的工艺参数以及参考压装力-位移曲线。

压装执行模块330，用于当履带销到达压装工位时，利用主压电缸按照压装的工艺参数对履带销进行橡胶衬套正向压装；同时采集压装过程中的压装单元的压装力、压装行程和履带销的压装图像；根据压装力和压装行程，生成实时压装力-位移曲线；根据判断实时压装力-位移曲线与参考压装力-位移曲线是否一致，判定压装过程是否存在异常；并，根据压装过程中履带销的压装图像判定压装过程是否存在破损；若实时压装力-位移曲线与参考压装力-位移曲线不一致，和/或，若压装过程出现破损，则判定压装过程存在异常；将压装过程存在异常的信息发送至压装参数反馈模型，对压装的工艺参数进行实时调整，并记录异常数据到压装参数确定模型的训练集中；若实时压装力-位移曲线与参考压装力-位移曲线一致，且，压装过程未出现破损，则判定压装过程不存在异常，则根据压装的工艺参数进行继续压装，直至完成正向压装；通过主压电缸对履带销进行保压，并利用回压电缸对履带销进行反向压装后，完成履带销的橡胶衬套压装工作。

其中，实时压装力-位移曲线监督子模块，用于根据压装力和压装行程，生成实时压装力-位移曲线；根据判断实时压装力-位移曲线与参考压装力-位移曲线是否一致，判定压装过程是否存在异常。

参数反馈调整子模块(即反馈调整模型)，用于将压装过程存在异常的信息发送至压装参数反馈模型，对压装的工艺参数进行实时调整，并记录异常数据到压装参数确定模型的训练集中；

压装面监督子模块，用于根据所采集的压装过程中履带销的压装面图像判定压装过程是否存在破损。

压装执行模块330还包括压装质量判定子模块，压装质量判定子模块，用于根据所采集的橡胶衬套端面图像，判定压装质量是否合格。

控制单元还包括压装参数确定模型迭代更新模块340，所述压装参数确定模型迭代更新模块，用于将判定压装过程存在异常的信息，和/或，将根据所述履带销的压装图像和压装后的橡胶衬套端面图像判定压装过程存在异常的信息，录入所述压装参数确定模型的深度学习训练数据库，对所述压装参数确定模型进行增量迭代更新。

在具体的实施例中，控制单元可以但不限于为计算机。

控制单元的功能通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

首先，本发明的一种基于视觉的自适应压装装置是一种智能自适应压装系统，不同于以往操作人员依靠经验和不断修改试错来确定工艺参数，而是采用了以橡胶衬套轴径和现场温度为输入，以压装质量反馈为基础，依据压装参数数学模型，进行一定的数据分析和比较，确定最优压装方案，克服了传统压装系统中压装模式固定化、机械化的缺点。

其次，本发明的一种基于视觉的自适应压装装置可在压装过程中，动态实时调整压装策略。通过压装过程压装面的图像与力—位移曲线的协同判断，对异常点进行实时反馈，再由伺服电缸根据压装反馈数学模型对工艺参数进行实时调整。通过这种方法，使得基于视觉的自适应压装装置成为具有自适应控制特性的闭环系统。克服了在传统压装系统中，一旦压装过程开始，就无法调整工艺参数的缺点。并且实现了减少废品率，减低电缸故障率的技术效果。

本发明的一种基于视觉的自适应压装装置是一种自主迭代的压装系统，在压装之初，搭建者无需确定出一整套十分精确的压装策略模型，随着对压装过程数据的不断采集和积累，压装系统可以结合反馈信息，数据进行深度学习，探索影响压装质量的随机性影响因素，找到该系统的瓶颈以及典型的性能弱点，对压装参数模型进行深度优化。

本发明还保护一种基于视觉的自适应压装方法，包括步骤S110～步骤S170。

S110、通过履带销上料架对送料履带进行履带销逐个上料，并采集履带销的轴径和装配温度；其中，通过送料图像采集单元采集送料过程中履带销的轴径图像，进而确定履带销的轴径；通过温度传感器采集加热板处的温度作为装配温度。需要说明的是，由于橡胶衬套在加工时有一定的误差，同时橡胶材料对温度比较敏感，导致橡胶衬套轴径R在公差范围附近波动，因此，需要对衬套轴径进行非接触式测量。

S120、根据履带销的轴径、装配温度和履带销的材料参数，利用压装参数确定模型，获取压装的工艺参数以及参考压装力-位移曲线；其中，压装的工艺参数包括压装速度、过压位移、回压位移和保压时间。

S130、当履带销到达压装工位时，利用主压电缸按照压装的工艺参数对履带销进行橡胶衬套正向压装；同时采集压装过程中的压装单元的压装力、压装行程和履带销的压装图像；根据压装力和压装行程，生成实时压装力-位移曲线。

S140、根据判断实时压装力-位移曲线与参考压装力-位移曲线是否一致，判定压装过程是否存在异常；并，根据压装过程中履带销的压装图像判定压装过程是否存在破损。

若实时压装力-位移曲线与参考压装力-位移曲线不一致，和/或，若压装过程出现破损，则判定压装过程存在异常；将压装过程存在异常的信息发送至压装参数反馈模型，对压装的工艺参数进行实时调整，并记录异常数据到压装参数确定模型的训练集中。

若实时压装力-位移曲线与参考压装力-位移曲线一致，且，压装过程未出现破损，则判定压装过程不存在异常，则根据压装的工艺参数进行继续压装，直至完成正向压装。

S150、通过主压电缸对履带销进行保压，并利用回压电缸对履带销进行反向压装后，完成履带销的橡胶衬套压装工作。

S160、通过机械臂调整的履带销的橡胶衬套端面的角度，利用高速相机对履带板进行橡胶衬套端面图像采集；根据所采集的橡胶衬套端面图像，判定压装质量是否合格。其中，由于3号相机处于对橡胶衬套斜拍的位姿，因此会存在视觉盲区，所以需要使用机械臂将履带板进行翻转。

S170、将判定压装过程存在异常的信息，和/或，将判定压装质量不合格的信息，录入压装参数确定模型的深度学习训练数据库，对压装参数确定模型进行增量迭代更新，形成在线压装参数确定模型。

实施例2

以预设压装温度为45℃，最大压装力为3000N，橡胶衬套溢出长度超过1.5mm，或出现破损即为不合格为例。

在履带销上料后，使用1号相机采集送料过程中履带销的轴径图像，利用控制单元的轴径和装配温度确定模块310确定轴径R；使用温度传感器对装配温度检测；若温度低于45℃，则使用加热板加温至45℃；若温度已经达到45℃，则记录装配温度为T。

将被测量轴径R和装配温度T作为变量，输入到预先内置的压装参数模型算法中，输出被控量的压装参数(过压位移，回压位移，压装速度和保压时间)。

控制单元驱动压装单元，使伺服电缸按照被控量的压装参数进行压装。在压装过程中，由压装执行模块330的实时压装力-位移曲线监督子模块和压装面监督子模块协同监测；当最大压装力超过3000N，或检测橡胶衬套出现破损时，发出警报，并将异常数据传输给控制单元的压装反馈模型，可通过降低压装速度，或减小过压位移、增加保压时间等方式，提高压装质量；同时将异常数据记录在服务器内，形成加工数据集，为后续算法的深度学习和优化提供基础。

若实时压装力-位移曲线监督子模块和压装面监督子模块均未发现异常数据，可继续压装过程，直至压装动作完成。

使用机械臂将装载有履带销的履带板进行翻转，并采集橡胶衬套端面图像；

若压装质量判定子模块检测橡胶衬套溢出长度小于1.5mm，则可以判断此次压装合格；若橡胶衬套溢出长度大于1.5mm，则将此次加工数据传输给服务器并记录在加工数据集中。

通过采用本发明的基于视觉的自适应压装装置及方法，通过建立压装参数确定模型，获取压装的工艺参数以及参考压装力-位移曲线，按照压装的工艺参数执行压装，并对压装过程进行实时监控；通过将实时压装力-位移曲线与参考压装力-位移曲线进行对比，通过获取压装过程中的履带销的压装图像，确定压装过程是否存在异常；并根据异常数据对压装的工艺参数进行实时调整；实现了对压装系统的实时监控，大大降低了压力过大造成的工件损伤或者人员损伤情况的发生概率；实现了智能决策压装方式以及多方位分析压装质量，适用于压装情况比较复杂的橡胶衬套过盈压装的场景。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。