尖锐声脉冲的主要原因是过度打磨。在手工打磨中，突然出现的尖锐声脉冲刺激工人的耳朵，会损伤听力，造成听力下降，甚至造成耳膜穿孔、，导致工作质量下降。在机械打磨过程中，声音可能会超过设备的警报，这可能会在设备运行过程中对工人的健康和设备造成损害。对于智能系统，由于铸造变形结构的不确定性，预测可能不准确，并且容易产生突然尖锐的声音脉冲。这可能导致设备和工件损坏，并可能导致严重事故。

铸造后处理过程中环境噪声大，迫切需要工业机器人实现无人化铸造后处理。有必要研究和分析该技术，以克服打磨过程中高密度粉尘、大振动、高温碎屑飞溅和尖锐声脉冲的挑战。除了打磨过程中的挑战之外，铸件实体设计中的非结构特征和铸造过程中整体倾斜形状的时间变化对铸件的后处理有严重影响。

该方法使用产品设计模型来设计尺寸公差规格，以预测工件几何模型中的可能变化，使用迭代近点(ICP)方法来将每个点云与来自工件的测量点云进行匹配.为了进一步提率和精度，魏提出了一种自动评定铸件加工余量的方法。扫描的点云数据通过“初始对准”和“配准”两个阶段与设计模型对准，以找到配准，并基于配准结果评估加工余量.

在工件打磨方面，胡等开发了机器人去毛刺倒角系统，其中操作人员可以选择计算机辅助设计(CAD)模型上的任何特征，并将所选特征导出用于轨迹生成的刀具路径。然而，人工特征选择是低效的。张等提出了一种用于精密铸造有几何偏差叶片的自适应打磨方法.将叶片的测量数据与设计模型进行匹配，求解相应的匹配矩阵，确定铸造叶片的位置。

所获得的图像数据受到材料和环境的严重影响。基于2.5D局部特征信息的打磨方法采用基于传感装置的特征识别算法和深度预估方法相结合，实现基于部分深度信息的打磨深度；但是深度信息不准确，特征识别需要多次设置。基于设计模型和三维点云对比打磨方法，可以使用激光传感器和配准算法获得具有三维信息的三维点云数据，从而为路径规划提供准确的信息。

表1说明工业机器人在加工大型零件方面有优势。与数控机床相比，机械臂在成本方面表现较好，空间大，灵活性好，但进给的一致性较差。大型或轻型工件的机器人加工难以实现自动化，串联结构刚度低，导致加工过程稳定性差。因此，并联打磨机器人具有很大的发展潜力。