CAD图形制导的汽车轮毂机器人打磨路径生成方法

doi:10.3969/j.issn.1004-132X.2025.11.028

摘要/Abstract

摘要：

针对轮毂来料一致性差、三维模型缺失、仅有二维CAD图形等问题，提出CAD图形制导的机器人打磨路径自适应生成方法，实现轮毂孔侧缘毛刺的光滑去除。首先，根据CAD主、剖视图点位对应关系快速提取打磨理论路径，并采用二维工业相机获取轮毂孔的实际二维轮廓，建立其与理论路径的配准模型，同时提出基于邻域点加权平均的实际二维轮廓深度信息还原方法，生成自适应打磨路径。然后，给出基于三次B样条曲线的打磨路径点拟合光顺方法，和基于球面四边形插值的工具姿态优化模型，保证曲率变化大、难加工区域打磨连续平稳。实验结果表明，所提方法生成路径连续、运动平稳且无姿态突变，相比理论路径精度提高了90%以上，生产节拍平均为88 s，满足企业生产要求。

关键词: 汽车轮毂, 机器人, 打磨路径, 姿态优化

Abstract:

An adaptive generation method of robotic grinding paths guided by CAD drawings was proposed to remove burrs on wheel hub hole side edges smoothly， addressing inconsistent raw materials， missing 3D models， and only 2D CAD drawings. First， theoretical grinding paths were quickly extracted based on point correspondences between CAD main and sectional views， and actual 2D hole contours were acquired using a 2D industrial camera. A registration model between the theoretical paths and actual contours was established， and a neighborhood-based weighted averaging method was used to restore depth information of the actual contours， generating adaptive grinding paths. Then， B-spline curve fitting was applied to smooth path points， and a spherical quadrilateral interpolation model was used to optimize tool orientations， ensuring continuous and smooth grinding in high-curvature or challenging regions. Experimental results show that the generated paths are continuous， smooth， and tool orientations remain stable. Compared with theoretical paths， path accuracy is improved by over 90%， and the average production cycle is as 88 s， meeting industrial requirements.

Key words: automobile wheel hub, robot, grinding path, posture optimization

中图分类号:

U468.22

杨权印, 张宇宁, 肖铜, 梁金龙, 王金涛, 徐金亭. CAD图形制导的汽车轮毂机器人打磨路径生成方法[J]. 中国机械工程, 2025, 36(11): 2704-2709.

Quanyin YANG, Yuning ZHANG, Tong XIAO, Jinlong LIANG, Jintao WANG, Jinting XU. Robotic Grinding Path Generation Method Guided by CAD for Automobile Wheel Hubs[J]. China Mechanical Engineering, 2025, 36(11): 2704-2709.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2025.11.028

https://www.cmemo.org.cn/CN/Y2025/V36/I11/2704

图/表 8

图1 汽车轮毂主、剖视图间的点位对应关系

Fig. 1 Point correspondence between main and section view of automobile wheel hubs

图2 基于2D工业相机的轮毂孔侧缘轮廓的测量与提取

Fig.2 Measurement and extraction of side edge contour of wheel hub hole based on 2D industrial camera

图3 测量轮廓与理论轮廓间的匹配

Fig. 3 Registration between the measured profile and the theoretical profile

图4 机器人轮毂打磨路径的自适应调整结果

Fig. 4 Adaptive adjustment results for robotic wheel grinding paths

图5 实际打磨路径的拟合及规定精度下的离散结果

Fig. 5 Fitting of actual grinding paths and discrete results with specified accuracy

图6 轮毂打磨机器人末端工具组成

Fig. 6 Wheel hub grinding robot end-tool composition

图7 汽车轮毂机器人打磨平台及两款轮毂打磨前后的实验结果对比

Fig. 7 Automobile wheel hub robotic grinding platform and comparison of experimental results before and after grinding of two type wheel hubs

表1 轮毂打磨路径调整前后的误差分析

Tab.1 Error analysis of wheel hub grinding paths before and after adjustment

参数		理论路径与测量路径误差D₁/mm	调整路径与测量路径误差D₂/mm	路径精度提升百分比/ %
轮毂1	最大误差	1.7632	0.2016	88.57
	最小误差	0.1818	0.0049	97.30
	平均误差	0.7094	0.0589	91.70
轮毂2	最大误差	2.4115	0.1990	91.75
	最小误差	0.1657	0.0155	90.65
	平均误差	1.1668	0.0712	93.90

参考文献 26

[1]	雷雨，许志龙，徐西鹏，等. 微切削结构毛刺研究综述［J］. 机械工程学报， 2024， 60（21）： 336-348.
	LEI Yu， XU Zhilong， XU Xipeng， et al. A Review of Burr Research of Microstructures in Micro Cutting［J］. Journal of Mechanical Engineering， 2024， 60（21）： 336-348.
[2]	吴振国. 汽车的轻量化铝合金轮毂生产工艺研究［J］.装备制造技术， 2024（6）： 167-170.
	WU Zhenguo. Research on Lightweight Aluminum Alloy Wheel Production Process for Automobiles［J］. Equipment Manufacturing Technology， 2024（6）： 167-170.
[3]	卢晓红，洛家庆，丛晨，等. 铝合金 LF21 微铣削顶端毛刺尺寸预测与工艺优化［J］. 吉林大学学报（工学版）， 2025， 55（1）： 125-131.
	LU Xiaohong， LUO Jiaqing， CONG Chen， et al. Prediction of Top Burr Size and Optimization of Process Parameters in Micro-milling Aluminum Alloy LF21［J］. Journal of Jilin University（Engineering and Technology Edition）， 2025， 55（1）： 125-131.
[4]	李蕊，李云革. 基于机器人视觉和力控技术的汽车轮毂打磨系统研究［J］. 汽车测试报告， 2023（21）： 143-145.
	LI Rui， LI Yunge. Research on Automotive Wheel Grinding System Based on Robot Vision and Force Control Technology［J］. Car Test Report， 2023（21）： 143-145.
[5]	葛吉民，邓朝晖，李尉，等. 机器人磨抛力柔顺控制研究进展［J］. 中国机械工程， 2021， 32（18）： 2217-2230.
	GE Jimin， DENG Chaohui， LI Wei， et al. Research Progresses of Robot Grinding and Polishing Force Compliance Controls［J］. China Mechanical Engineering， 2021， 32（18）： 2217-2230.
[6]	汤彬康，何震宇，张永喆，等. 汽车轮毂瑕疵智能检测系统的设计与开发［J］. 福建电脑， 2021， 37（7）： 85-87.
	TANG Binkang， HE Zhenyu， ZHANG Yongzhe， et al. Design and Development of Intelligent Detection System for Automobile Hub Defects［J］. Journal of Fujian Computer， 2021， 37（7）： 85-87.
[7]	傅诤之. 机器人铣削去毛刺加工效率优化研究［J］. 现代制造技术与装备， 2023，59（8）： 187-189.
	FU Zhengzhi. Research on Optimization of Burr Removal Efficiency in Robot Milling［J］. Modern Manufacturing Technology and Equipment， 2023， 59（8）： 187-189.
[8]	李想. 基于机器视觉的工件边缘加工轨迹生成与机器人运动规划研究［D］.上海：上海交通大学， 2020.
	LI Xiang. Research on Trajectory Generation and Robot Motion Planning for Workpiece Edge Machining Based on Machine Vision［D］. Shanghai：Shanghai Jiao Tong University， 2020.
[9]	陈杰，王宏彦. 基于视觉的汽车轮毂打磨实训系统设计［J］.工业仪表与自动化装置， 2021（1）： 36-38.
	CHEN Jie， WANG Hongyan. Design of Practical Training System of Wheel Hub Grinding Based on Vision［J］. Industrial Instrumentation and Automation， 2021（1）： 36-38.
[10]	ZHANG Yu， LIU Hongdi， CHENG Weikang， et al. A Novel Trajectory Planning Method for Robotic Deburring of Automotive Castings Considering Adaptive Weights［J］. Robotics and Computer-Integrated Manufacturing， 2024， 86：102677.
[11]	程禛溢，郭强，鱼海东. 面向轮毂打磨的机器人冲击最优轨迹规划［J］. 农业装备与车辆工程， 2020， 58（7）： 71-75.
	CHENG Zhenyi， GUO Qiang， YU Haidong. Optimal Trajectory Planning of Impact for Hub Grinding Robot［J］. Agricultural Equipment & Vehicle Engineering， 2020， 58（7）： 71-75.
[12]	徐汝锋，陈志同，孟凡军，等. 基于机床运动学约束球头刀多轴加工刀轴矢量优化方法［J］. 机械工程学报， 2015， 51（23）： 160-167.
	XU Rufeng， CHEN Zhitong， MENG Fanjun， et al. Tool Orientation Optimization Method Based on Kinematics Constraints of the Machine Tool in Multi-axis Machining with a Ball-end Cutter［J］. Journal of Mechanical Engineering， 2015， 51（23）： 160-167.
[13]	XU R， LI X， ZHENG G， et al. A Radius Compensation Method of Barrel Tool Based on Macro Variables in Five-axis Flank Machining of Sculptured Surfaces［J］. International Journal of Production Research， 2020，58： 2335-2351.
[14]	卢耀安，丘洪键，王成勇. 基于关键刀轴矢量插值的球头铣刀五轴加工光顺刀具姿态生成方法［J］. 中国机械工程， 2023， 34（20）： 2466-2474.
	LU Yaoan， QIU Hongjian， WANG Chengyong. Smooth Tool Orientation Generation Method of Five-axis Ball-end Milling via RTOs Interpolation［J］. China Mechanical Engineering， 2023， 34（20）： 2466-2474.
[15]	LU Y A， WANG C Y. Smoothing Method of Generating Flank Milling Tool Paths for Five-axis Flat-end Machining Considering Constraints［J］. International Journal of Advanced Manufacturing Techno-logy， 2020， 110（11/12）： 3295-3309.
[16]	赵恒，周鑫，张森堂. 基于机床旋转轴角加速度的五轴加工刀轴矢量局部优化［J］. 机床与液压， 2022， 50（11）： 94-97.
	ZHAO Heng， ZHOU Xin， ZHANG Sentang. Local Optimization of Five-axis Machining Tool Orientation Based on Angular Acceleration of Machine Tool［J］. Machine Tool ＆ Hydraulics， 2022， 50（11）： 94-97.
[17]	刘其广，徐金亭，徐飞飞，等. 机床运动性能驱动的五轴加工刀具姿态光顺插值［J］. 机床与液压， 2024， 52（13）： 22-26.
	LIU Qiguang， XU Jinting， XU Feifei， et al. Smooth Interpolation of Tool Posture in Five-axis Machining Based on Kinematics Performance of Machine Tools［J］. Machine Tool & Hydraulics， 2024， 52（13）： 22-26.
[18]	毛文志，潘通，李程鹏，等. 基于球面线性插值的机器人磨削工具姿态规划［J］. 机床与液压， 2023， 51（3）： 6-9.
	MAO Wenzhi， PAN Tong， LI Chengpeng， et al. Tool Posture Planning for Robotic Grinding Based on Spherical Linear Interpolation［J］. Machine Tool & Hydraulics， 2023， 51（3）： 6-9.
[19]	ZHAO S， PENG F， SUN H， et al. Robotic Milling Posture Adjustment under Composite Constraints： a Weight-sequence Identification and Optimization Strategy［J］.Robotics and Computer-Integrated Ma-nufacturing， 2024， 85： 102635.
[20]	郭万金，孙浩，利乾辉，等. 轮毂窗口毛刺机器人打磨刀路规划与工具姿态优化［J］. 中国机械工程， 2025， 36（6）： 1222-1237.
	GUO Wanjin， SUN Hao， LI Qianhui， et al. Tool Path Planning and Tool Orientation Optimization for Robotic Grinding of Wheel Hub Window Burrs［J］. China Mechanical Engineering， 2025， 36（6）： 1222-1237.
[21]	张龙，朱学军，马心知，等. 融合特征点提取的三维点云配准方法［J］. 应用激光， 2023， 43（12）： 139-149.
	ZHANG Long， ZHU Xuejun， MA Xinzhi， et al. Point Cloud Registration of Industrial Parts Based on Improved Nearest Iteration Points［J］. Applied Laser， 2023， 43（12）： 139-149.
[22]	查云飞，张坤，沈磊，等. 基于NSGA-Ⅱ的智能车辆换道轨迹规划与优化［J］. 汽车工程学报， 2024， 14（6）： 970-980.
	ZHA Yunfei， ZHANG Kun， SHEN Lei， et al. Lane-change Trajectory Planning and Optimization for Intelligent Vehicles Based on NSGA-Ⅱ［J］. Chinese Journal of Automotive Engineering， 2024， 14（6）： 970-980.
[23]	BI Q Z， WANG Y H， ZHU L M， et al. Wholly Smoothing Cutter Orientations for Five-axis NC Machining Based on Cutter Contact Point Mesh［J］. Science China Technological Sciences， 2010， 53（5）： 1294-1303.
[24]	PLAKHOTNIK D， LAUWERS B. Graph-based Optimization of Five-axis Machine Tool Movements by Varying Tool Orientation［J］. The International Journal of Advanced Manufacturing Technology， 2014， 74（1）： 307-318.
[25]	WANG Q， FENG Y， ZHANG Z， et al. Tool Orientation Sequence Smoothing Method Based on the Discrete Domain of Feasible Orientations［J］. The International Journal of Advanced Manufacturing Technology， 2017， 92（9）： 4501-4510.
[26]	CASTAGNETTI C， DUC E， RAY P. The Domain of Admissible Orientation Concept： a New Method for Five-axis Tool Path Optimisation［J］. Computer-Aided Design， 2008， 40（9）： 938-950.