OpenPnP adalah otak mesin tingkat tinggi, yang melakukan hal-hal yang tampaknya sederhana seperti "ambil bagian itu" dan "letakkan di sana". Banyak perpustakaan dan sub-sistem memasukkan informasi ke dalamnya, dan meneruskan informasi ke berbagai motor dan aktuator melalui perpustakaan dan modul perangkat lunak lain. Itu dibuat oleh Jason von Nieda, jauh sebelum FirePick Delta dimulai. Secara teknis masih dalam kondisi alfa, tetapi perangkat lunak yang mendasarinya solid dan telah digunakan pada beberapa mesin produksi. Meskipun ditulis dengan baik dan sangat modular dan dapat diperluas, dokumentasinya tidak bagus… Sampai sekarang. Dengan semangat open-source dan pengungkapan penuh, kami memutuskan untuk mendokumentasikan OpenPnP sendiri. Mudah-mudahan kami akan mendorong semua ini kembali ke proyek resmi.
File Java yang ditunjukkan di atas (ikon 'JAR') dapat diganti atau digunakan sebagai kelas dasar untuk membuat konfigurasi mesin Anda sendiri. Setiap file Java di atas (dengan pengecualian model konfigurasi) dapat ditentukan dalam file 'machine.xml'. Jika Anda tidak terbiasa dengan Java, ini mungkin tampak aneh, tetapi sangat rapi. Ini berarti Anda dapat menentukan jalur ke sekumpulan file .java, dan itu akan menentukan kelas mana yang dipakai dan digunakan, sehingga mengubah perilaku. Itu membuat kode benar-benar bersih dan modular, yang penting untuk sesuatu yang serumit mesin pick and place. OpenPnP hadir dengan satu set file referensi untuk implementasi vanilla PnP dengan kontrol gerak TinyG, kepala tunggal, nosel dan aktuator tunggal, umpan pita seret, dan kamera yang menghadap ke bawah. Kami telah memodifikasi cukup banyak hal untuk membuatnya melakukan semua hal gila yang kami butuhkan.
Penggerak gerak: Kami menggunakan papan pengontrol gerakan khusus yang terinspirasi dari papan RepRap RAMPS 1.4 dan Melzi, yang menjalankan firmware Marlin yang dimodifikasi. Saya menulis driver OpenPnP Marlin yang mengirimkan kode-g yang benar ke pengontrol gerak. Ini bekerja dengan baik saat ini, tetapi kami menemukan bahwa melakukan perhitungan delta dan koreksi multi-titik Z-probe pada arduino 8-bit dengan memori terbatas dan tidak ada floating point tampaknya agak bodoh ketika kami memiliki semua daya komputasi itu. Pi. Selanjutnya, kami ingin menggunakan kamera dan aplikasi kalibrasi XY khusus untuk meningkatkan akurasi, dan lebih mudah dan lebih cepat untuk melakukan perhitungan ini pada Pi. Namun, kode ini bukan bagian dari OpenPnP, karena kami berencana untuk menawarkan aplikasi lain di masa mendatang. Ini berarti bahwa OpenPnP tidak dapat berbicara langsung dengan pengontrol gerakan, ia harus melalui lapisan perangkat lunak yang melakukan perhitungan delta dan offset koreksi XYZ. Kami membungkus semua kode itu di FireFUSE (sistem file kami di userspace mapper), yang memungkinkan kami melakukan banyak hal rapi yang akan kami bahas nanti. Ini cukup transparan untuk sebagian besar; daripada OpenPnP menulis ke '/dev/ttys0', Anda menulis ke '/dev/firefuse/sync/cnc/marlin/gcode.fire'. FireFUSE akan mengubah koordinat Cartesian menjadi koordinat delta, menghitung kesalahan offset menggunakan titik interpolasi dari proses kalibrasi otomatis mesin, dan mengirimkan kode-g baru ini ke driver Marlin. Dan, kode itu akan portabel dan dapat digunakan dengan aplikasi pencetakan 3D, aplikasi pengeluaran pasta solder, dll. Satu-satunya hal yang diperlukan untuk membuat OpenPnP berbicara dengan FireFUSE adalah driver FireFUSE, yang saat ini sedang ditulis.
Driver kamera dan Kerangka Penglihatan :Dukungan kamera OpenPnP agak rumit dan tidak mendukung kamera Raspberry Pi 5 megapiksel yang luar biasa. Visi komputer mereka adalah shim tipis di atas kode OpenCV, yang telah menerapkan beberapa penemuan lubang yang sangat mendasar, tetapi tidak banyak lagi. Karl Lew, orang perangkat lunak kami, melihat ini sebagai masalah besar, dan telah menghabiskan satu atau dua tahun terakhir menulis perpustakaan visi sumber terbuka yang luar biasa yang disebut FireSight. Dia menulis lusinan rutinitas penglihatan yang luar biasa yang dapat digabungkan menjadi satu saluran, dengan cara tingkat yang sangat tinggi yang tidak memerlukan matematika tingkat tinggi atau pengetahuan C/C++ tingkat rendah. Untuk kamera, kami menggunakan modul kamera RasPi seperti yang disebutkan, dengan versi kustom 'raspistill' yang disebut FirePiCam. Kami mengambil gambar snapshot dan menyimpannya ke sistem file FUSE yang membuat kami tidak menghabiskan bit pada memori FLASH kartu SD. Agar OpenPnP dapat melihat gambar dan melakukan operasi visi komputer, Karl menulis perpustakaan java yang disebut 'firerest-client' yang membuat semuanya berfungsi.
GUI :OpenPnP Java GUI benar-benar kikuk dan tidak intuitif, dan memiliki monitor khusus yang terhubung ke Raspberry Pi tampaknya agak gila pada tahun 2014, alias Dawn of the Internet of Things. Kami ingin antarmuka pengguna menjadi aplikasi web khusus yang dapat dilihat dari browser HTML5 apa pun. Fungsionalitas ini tidak didukung secara langsung melalui OpenPnP, tetapi dapat dilakukan dengan sedikit kerja keras. Untungnya, Jason menulis OpenPnP ke tempat Anda dapat memanggil konstruktor untuk mesin dan fungsi konfigurasi file, yang melewati GUI. Kita dapat menggunakan jembatan node-java untuk memanggil fungsi java dari javascript, dan sebaliknya, tanpa banyak pekerjaan, berkat beberapa kode yang kami temukan di github. Tinggal kita menulis aplikasi web pintar menggunakan node.js, Express, AngularJS, dan Twitter Bootstrap. Kami sedang dalam tahap awal menulis aplikasi itu sekarang. Sementara itu, kita dapat menjalankan OpenPNP secara normal dan menggunakan GUI bawaan, yang memungkinkan kita untuk men-debug bit lain dari mesin.
Kami menggunakan Raspberry Pi Model B+ standar. B+ adalah RPi yang selalu kami inginkan; mereka memindahkan konektor ke tempat yang lebih logis, dan menambahkan satu set lubang pemasangan yang sebenarnya. Masih memiliki Broadcom 2835 yang lambat tapi untuk $30 apa yang Anda harapkan. Kami sering mendapat pertanyaan, “Mengapa Anda menggunakan BeagleBone Black?” atau selusin komputer papan tunggal lainnya. Jawabannya cukup mudah. Kami sedang mencari mesin seharga $300, dan itu berarti kami harus memilih komputer papan tunggal yang MURAH. Raspberry Pi adalah yang termurah, oleh karena itu ia menang. QED. 🙂 Sebenarnya, kami sangat menyukai BeagleBone black, dan platform lain seperti Allwinner A4, Intel Galileo, dan bahkan pengaturan yang lebih tradisional seperti Mini ITX. Semua perangkat lunak dan perangkat keras kami harus bekerja pada platform tersebut. Tapi harganya mahal, dan Raspberry Pi menyelesaikan pekerjaannya.
Kami sebenarnya terkejut dengan kinerja dengan Pi sejauh ini. Ini tidak cepat menyala, tetapi memiliki visi komputer dan menyajikan halaman web tanpa masalah.
Tak lama setelah rilis Raspberry Pi Model B+, RPi Foundation merilis spesifikasi “HAT”, yang sangat mirip dengan Arduino Shield, atau jubah BeagleBone. Ini adalah papan mezzanine berbentuk khusus yang dapat disesuaikan untuk menambahkan hal-hal yang rapi ke Raspberry Pi tanpa segala macam kabel dan omong kosong lainnya. Ada modul plugin sebelum HAT, tetapi tidak distandarisasi. Kami senang dengan spesifikasi HAT baru, dan dengan bangga mempersembahkan FirePick Delta HAT kami di bawah ini:
Berikut daftar hal-hal yang dilakukan FirePick Delta HAT kami:
Untuk detail lebih lanjut:Log proyek untuk FirePick Delta, Open Source MicroFactory
Proses manufaktur
Setiap toko PCB dapat membuat papan sirkuit cetak FR4 2 lapis sederhana, tetapi apakah vendor PCB Anda paling cocok untuk proyek spesifik Anda? Bisakah mereka membuat papan dengan fitur yang lebih canggih seperti HDI, via-in-pad, microvias, atau rigid-flex? Berikut adalah daftar tanda yang mungkin m
Pemesinan Computer Numerical Control (CNC) adalah proses manufaktur tradisional yang serbaguna dan berpresisi tinggi yang ideal untuk produksi komponen kompleks dengan volume sedang hingga tinggi. Pemesinan CNC adalah proses subtraktif, artinya mesin memotong blok material yang solid untuk membuat b
Jika Anda telah selesai mendesain bagian Anda tetapi tidak yakin bahan mana yang harus dipilih, Anda telah datang ke tempat yang tepat. Beberapa jenis material yang dapat digunakan dalam pemesinan CNC:logam, plastik, keramik, komposit, dan kayu. Setiap bahan memiliki karakteristik dan tantangan uni
Bagian presisi plastik banyak digunakan dalam industri, pertanian, konstruksi, transportasi, pertahanan nasional dan industri militer, dirgantara dan bidang lainnya karena karakteristiknya yang murah, tahan lama, dan ringan. Pada saat yang sama, pemesinan plastik dapat membuat bagian dengan bentuk y
