การออกแบบและพัฒนาแขนหุ่นยนต์เพื่อช่วยในกระบวนการผลิตโดยใช้เทคนิคแมชชีนวิชัน
Main Article Content
บทคัดย่อ
บทความนี้เป็นการนำเสนอการออกแบบพัฒนาและการสร้างต้นแบบแขนกลคู่ร่วมกับกล้องเพื่อการรับรู้ที่เป็นการมองเห็น โดยมีลักษณะการทำกิจกรรมคล้ายมนุษย์เพื่อใช้การคัดแยกวัตถุ หยิบจับและการตรวจสอบวัตถุที่พิจารณาหรือ กิจกรรมอื่น ๆ ซึ่งใช้มนุษย์ในการตัดสินใจเป็นหลัก โดยทำการศึกษาการใช้กล้องกับแขนกลคู่ในการตรวจจับวัตถุที่มีการวางตำแหน่งและทิศทางที่เป็นอิสระโดยสามารถคัดเลือกวัตถุตามรุ่นหรือลักษณะที่สนใจและการตรวจสอบคุณภาพหรือโดยส่วนประกอบสำคัญสองส่วนคือการสร้างแขนกล แบบอาร์ติคิวลาต 6 แกนอิสระ (Articulated Robot Arm) สองแขนที่สามารถทำงาน โดยอัติโนมัติ ด้วยความสอดคล้องกัน โดยการสร้างส่วนประกอบของแขนกลด้วยการพิมพ์แบบ 3 มิติ (3D Print) และการสร้างโปรแกรมเพื่อการรับรู้ (Machine Vision และ Image Processing) ของแขนกลในการตอบสนองในการคัดแยกวัตถุและตำแหน่งทิศทางของวัตถุ (Objective Detection; Convolutional Neural Network หรือ CNN และ Co-ordinates of Contours; Opencv Library) ด้วยการใช้งานผ่านการแสดงผลทางสัญลักษณ์ Graphical User Interface ด้วยภาษาไพธอน (Python) ใช้งานผ่านบอร์ด ไมโครโปรเซสเซอร์ราสเบอร์รี่พาย 4 (Raspberry Pi 4 Microprocessor Board) และบอร์ดไมโครคอนโทรล เลอร์อาร์ดูโน่ (Arduino Microcontroller Board) ที่ผ่านการสื่อสารแบบ I2C เพื่อควบคุมชุดขับด้วยการควบคุมหมุนองศาและทิศทางของสเต็ปเปอร์มอเตอร์ (Stepper Motor) ของข้อต่อแต่ละข้อของแขนกลทั้งสอง จากผลการวิจัยพบว่า แนะนำให้ใช้แขนกลทั้งสองในการจับยึดชิ้นงานที่มีพิกัดความคลาดเคลื่อน สำหรับตำแหน่งแกน x, y และ z แนะนำให้ใช้ค่าเบี่ยงเบน 3±1.22 เซนติเมตร โดยมีช่วงค่าเฉลี่ยกลางอยู่ที่ –1 ถึง 1.125 เซนติเมตร สำหรับมุมการหมุนแนะนำค่าชดเชย –7±11.5 องศา โดยมีช่วงค่าเฉลี่ยกลางอยู่ที่ –3.65 ถึง 0 องศาระหว่างการจับยึด
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น
References
E. Ananias and P. D. Gaspar, “A Low-cost collaborative robot for science and education purposes to foster the Industry 4.0 implementation,” Applied System Innovation, vol. 5, no. 4, pp. 72–98, 2022.
Zhihuijun. I made a dummy robotic arm from scratch. (Oct. 7, 2021). YouTube. [Online Video]. Available: https://www.youtube.com/ watch?v=F29vrvUwqS4
P. Ociepka and K. Herbus, “Strength analysis of parallel robot components in PLM Siemens NX 8.5 program,” in IOP Conference Series: Materials Science and Engineering, 2015, vol. 95.
W. Polsan and P. Kunthong, “Fatigue lifetime estimation of rot samlor skylab structure,” presented at the 22nd Conference of Mechanical Engineering Network of Thailand, Bangkok, Thailand, Oct. 15–17, 2008 (in Thai).
L. Armesto. An example on how to compute the inverse kinematics of a Robot Robotic Systems. (Dec. 28, 2020). YouTube. [Online Video].Available: https://www.youtube.com/ watch?v=wmE1KQJmzVM
C. Annin. 6axis robot kinematics Part 3, YouTube. (Jun. 3, 2017). [Online Video]. Available: https:// www.youtube.com/watch?v=oiAiuFK7yi0
J. Wang, C. Dai, K. Shi, and R. Qin, “Research on rigid body motion tracing in space based on NX MCD,” presented at the International Conference on Robotics and Mechatronics (ICRoM 2017), Series: Materials Science and Engineering, vol. 320, 2018.
K. Chantarasamai, W. Thasana, T. Homchampa, and P. Chalisathanakritdakarn, “The study of factors affecting mechanical properties of 3D printing with a 6-axis robotic arm,” Agriculture and Technology Journal, vol. 3, no. 2, pp. 1–11, 2022 (in Thai).
Y. Tian, W. Feng, M. Ouyang, H. Bian, and Q. Chen, “A positioning error compensation method for multiple degrees of freedom robot arm based on the measured and target position error,” Advances in Mechanical Engineering, vol. 14, no. 5, pp. 1–13, 2022.
H. Smatla, R. Shaw, S. Esse, and L. Rhodes, “Implementing nonlinear control of a six degree of freedom robotic arm on a raspberry Pi 3,” presented at the 35th Florida Conference on Recent Advances in Robotics, Embry-Riddle Aeronautical University, Prescott, Arizona, May 12–13, 2022.
A. Sodemann. Robotics 2 2018, YouTube. (Dec. 12, 2017). [Online Video]. Available: https:// www.youtube.com/playlist?list=PLT_0lwItn0s Afi3o4xwx-fNfcnbfMrXa7
R. Anderl and P. Binde, Simulations with NX: Kinematics, FEA, CFD, EM and Data Management with Numerous Examples of NX 9. Hanser Publications, Munich, Germany, 2014.
R. B. Kristiawan, F. Imaduddin, D. Ariawan, Ubaidillah, and Z. Arifin, “A review on the fused deposition modeling (FDM) 3D printing: Filament processing, materials, and printing parameters,” Open Engineering, vol. 11, no. 1, pp. 639–649, 2021.
P. Ferretti, C. Leon-Cardenas, G. M. Santi, M. Sali, E. Ciotti, L. Frizziero, G. Donnici, and A. Liverani, “Relationship between FDM 3D printing parameters study: Parameter optimization for lower defects,” Polymers, vol. 13, no. 13, pp. 921–929, 2021.
L. Armesto. (2020, Dec. 22) Closed-form Inverse Kinematics for Robots with a Spherical Wrist Robotic Systems, YouTube. [Online]. Available: https://www.youtube.com/ watch?v=hEQ1p2Wffm
L. V. G. Khánh. Introduction to object detection on Raspberry Pi. (Dec. 9, 2021). TensorFlow. [Online Video]. Available: https://www.you tube.com/watch?v=mNJXEybFn98&t=1s
V. Lendave (2021). “Detecting Orientation of Objects in Image using PCA and OpenCV, Analytics India Magazine.” [Online]. Available: https://analyticsindiamag.com/detectingorientation- of-objects-in-image-using-pca-andopencv/