|
摘要：本文首先对焊接机器人在工业中的应用情况作了简要的介绍，然后较全面的介绍了弧焊机器人的各种焊缝跟踪方法，重点论述了视觉方法在焊缝跟踪中的研究现状。
关键词：弧焊机器人焊缝跟踪 研究现状
前言
随着科技水平的进步，人们对焊接质量的要求也越来越高。而人工焊接时，由于受到技术水平、疲劳程度、责任心、生理极限等客观和主观因素的应影响，难以较长时间保持焊接工作的稳定性和一致性。而且，由于焊接恶劣的工作条件，愿意从事手工焊接的人在减少，熟练的技术工人更有短缺的趋势。另一方面，电子技术、计算机技术、数控及机器人技术的发展为焊接过程的自动化提供了有利的条件，并已渗透到焊接的各个领域。
近年来，焊接自动化程度在不断的增加，2000年时，中国焊接生产的机械化自动化率,按熔敷金属计算约为30%,而发达国家的焊接自动化率已经达到65%以上[1]。焊接自动化生产已是必然的趋势。焊接机器人是焊接自动化的革命性的进步，它突破了焊接刚性自动化的传统方式，开拓了一种柔性自动化的生产方式[2]。
目前，用于工业生产的弧焊机器人主要是示教再现型机器人，在机器人弧焊过程中，它们可以在其工作空间内高精度重复已经示教的动作。但这也带来一定的局限性，那就是应变能力很差，对工件的装配精度要求较严，重复性要好。如果焊接条件基本稳定，则机器人能够保证焊接质量。但在实际焊接过程中，因为机器人工作时为了避免发生危险，操作人员不准或不宜进入机器人的工作区域，使得操作者不能近距离实时监视焊接过程并作必要的调节控制，所以当实际的焊接条件发生变化时，例如焊接过程中的工件在加工、装配过程中的尺寸误差和位置偏差以及工件加热变形等因素的变化会使接头位置偏离所示教的路径，这样会造成焊接质量下降甚至失败。所以精确的焊缝跟踪是保证焊接质量的关键，它是实现焊接过程自动化的重要研究方向。
1 弧焊机器人在焊接中的应用现状
自从60年代机器人进入工业领域以来，发展较为迅速。预计从1999-2003年，世界实际装备工业机器人数量将由1999年的743,000台增加到892,000台，其中在“机器人王国”日本有370，000台，世界其他地区通用工业机器人的实际装备数量将由340,000台增加到508,000台。在美国，实际装备通用工业机器人的数量2003年将达到155,000台，欧洲达到262,000台[3] ，其中半数以上为焊接机器人。
焊接是工业机器人应用最重要的领域之一，随着国外对工业机器人在焊接方面的研究应用，我国也开始了焊接机器人的研究应用。在数量上，根据到2001年的统计，全国共有焊接机器人1040台(不包括港、澳、台)，其中弧焊机器多于点焊机器人。汽车制造和汽车零部件生产企业中的焊接机器人占全部焊接机器人的76％，是我国焊接机器人最主要的用户。汽车制造厂的点焊机器人多，弧焊机器人少；而汽车零部件厂则相反 [4] 。
焊接机器人的技术水平在不断的进步，目前，焊接机器人几乎全部采用交流伺服电机驱动，这种电机因为没有电刷，故障率很低。控制器中普遍采用32位的计算机，除可以控制机器人本体的5－6个轴外，还可以使外围设备和机器人协调联动。在2004年的中国焊接会议上，日本安川公司的新型焊接机器人控制器NX100技术中，一台控制器能同时控制四台机器人共36轴（每台机器人有本体6个轴，3个外部轴），并且使用软PLC对周围装置进行控制。示教盒也采用了功能强大的Windows CE操作系统。
配套焊接系统也有很多新的进展，在1993年的埃森展览会上，日本松下公司把旋转电弧焊技术用于弧焊机器人。由于采用旋转电弧焊时，焊丝能够以50HZ以上的频率旋转，所以用这种技术进行焊缝跟踪时，其跟踪精度比机器人经常采用的摆动焊（摆动频率小于10HZ）要高的多。该公司还于1993年首先销售在控制柜中内藏焊机的机器人，依靠数字通讯技术实现焊机和机器人的结合。并于2004年实现焊机和机器人的融合，既由机器人控制器直接控制焊接波形。采用频率为100KHZ的逆变电源，体积小巧，控制精度高。焊机和机器人融合的优点主要有焊机和焊枪的动作能够实现同步的精确控制，便于实现缜密的焊接条件控制，并使焊接系统小型化。另外，该机器人把送丝机和机器人手臂做成一体，送丝机能够配合焊枪的动作进行旋转动作，以保证送丝始终顺畅。
2 焊缝跟踪过程中使用的传感器
弧焊用传感器可分为直接电弧式、接触式和非接触式3大类。按工作原理可分为机械、机电、电磁、电容、射流、超声、红外、光电、激光、视觉、电弧、光谱及光纤式等。按用途分有用于焊缝跟踪、焊接条件控制(熔宽、熔深、熔透、成形面积、焊速、冷却速度和干伸长)及其他如温度分布、等离子体粒子密度、熔池行为等。据日本焊接技术学会1994年所做的调查显示,在日本、欧洲及其他发达国家,用于焊接过程的传感器有80%是用于焊缝跟踪的[5]。
接触式传感器一般在焊枪前方采用导杆或导轮和焊缝或工件的一个侧壁接触，通过导杆或导轮把焊缝位置的变化通过光电、滑动变阻器、力觉等方式转换为电信号，以供控制系统跟踪焊缝。其特点为不受电弧干扰，工作可靠，成本低，曾在生产中得到过广泛应用，但跟踪精度不高，目前正在被其他传感方法取代。此外，现在有的工业机器人中利用接触传感方式进行焊缝起点的寻找，例如日本安川公司生产的机器人有些具有这种功能。
电弧式传感器利用焊接电极与被焊工件之间的距离变化能够引起电弧电流（对于GMAW方法）电弧电压（对于GTAW方法）变化这一物理现象来检测接头的坡口中心。电弧传感方式主要有摆动电弧传感、旋转电弧传感以及双丝电弧传感。因为旋转电弧传感器的旋转频率可达几十Hz以上，大大高于摆动电弧传感器的摆动频率（10Hz以下），所以提高了检测灵敏度，改善了焊缝跟踪的精度，且可以提高焊接速度，使焊道平滑等。旋转电弧传感器通常采用偏心齿轮的结构实现，而采用空心轴电机的机构能有效的减小传感器的体积，如图1所示。 （图片）
图1 旋转电弧传感器[6] 电弧传感器具有以下优点：
·传感器基本不占额外的空间，焊枪的可达性好
·不受电弧光、磁场、飞溅、烟尘的干扰，工作稳定，寿命长
·不存在传感器和电弧间的距离，且信号处理也比较简单，实时性好
·不需要附加装置和附加装置成本低，因而电弧传感器的价格低
所以电弧传感器获得了广泛的应用，目前是机器人弧焊中用的最多的传感器，已经称为大部分弧焊机器人的标准配置。电弧传感器的缺点是对薄板件的对接和搭接接头，很难跟踪。
用于焊缝跟踪的非接触式传感器很多,主要有电磁传感器、超声波传感器、温度场传感器及视觉传感器等。其中以视觉传感器最引人注目，由于视觉传感器所获得的信息量大，结合计算机视觉和图像处理的最新技术成果，大大增强了弧焊机器人的外部适应能力。
视觉传感器采用的光电转换器件最简单的是单元感光器件，如光电二极管等；其次是一维的感光单元线阵，如线阵CCD(电荷耦合器件)；应用最多的是结构最复杂的二维感光单元面阵，如面阵CCD，是二维图像的常规感光器件,它代表着目前传感器发展的最新阶段，因而应用日益广泛。在焊接机器人各种视觉传感器中，CCD传感器因其性能可靠、体积小、价格低、图像清晰直观而受到了普遍重视。特别是80年代以来，CCD与高性能的微机相结合产生的焊缝跟踪系统,使焊缝跟踪的研究跨上了一个新的台阶。
在弧焊过程中，由于存在弧光、电弧热、飞溅、以及烟雾等多种强烈的干扰。是每一种视觉传感方法都需要解决的问题。根据焊接机器人视觉焊系统的工作方式不同，可将用于焊接机器人视觉焊缝跟踪系统的视觉传感器分为：结构光式、激光扫描式和直接拍摄电弧式。其中结构光式和激光扫描式属于主动视觉的方法。使用激光束因为集中于一点，抗干扰性能更好一些。文献[7]中所提到的采用CCD摄像机、激光二级管与扫描透镜相配合组成的视觉系统，如图2示，是比较典型的激光扫描应用方式。类似的还有文献[8]中所提到的焊缝跟踪方法，如图3示。（图片）
视觉传感系统组成 （图片）
视觉传感器组成 一般情况下，激光扫描式的视觉系统，大都是基于三角测量原理的主动视觉方法，其工作原理是大致相同的。首先是激光管发出的激光点光源通过光学扫描镜投射到被测工件的表面，由工件表面反射后的激光被CCD摄像头所接收，其中扫描镜的扫描频率一般在5-20Hz可调。通过测量反射光束与CCD主光轴的夹角，并结合已知的透射光束与扫描镜面的夹角以及CCD与扫描镜面的距离等数据，可以求得每一束激光在工件表面投射点与CCD镜面的距离，从而可以得到焊缝的端面剖面图，通过适当的图像处理算法，实现对焊缝进行视觉跟踪的目的。现在激光和CCD相结合所制成的机器人焊接传感器在市场已经有产品在销售，但一般价格较昂贵。
被动视觉方法是用CCD摄像机通过滤光片和减光片直接观察熔池附近区域或焊缝。在这种方法中，大部分电弧本身就是监测位置，检测对象（焊缝中心线）与被控对象（焊炬）在同一位置，不存在检测对象与被控对象的位置差，即时间差的问题，所以没有因热变形等因素所引起的超前检测误差，更容易实现较为精确的跟踪控制，并且能够获取接头和熔池的大量信息，这对焊接的自适应控制非常有利。因为被动视觉和人的视觉更为相似，所以它最有希望解决紧密对接焊缝和薄板搭接焊缝的跟踪问题。而且被动视觉传感器结构简单价格低，因而它是一种很值得研究的焊缝跟踪方法。在这种方法中确实存在图像易受到电弧的严重干扰的问题，但这可以通过改进滤光方法、图像处理算法以及调整合适的取像时刻等方法解决。主动视觉和被动视觉的比较见表1。表1 激光焊缝跟踪传感器和被动视觉传感器的优缺点比较
（图片）4 国内外视觉焊缝跟踪发展现状
所谓焊缝跟踪就是在焊接时实时检测出焊缝的偏差,并调整焊接路径和焊接参数，保证焊接质量的可靠性。由于工件的加工误差（工件间的尺寸差异、坡口的准备情况等）、装夹精度以及焊接时的热变形等因素的存在，以示教－再现方式工作的弧焊机器人在焊接时常常因为焊缝和示教轨迹有偏差而导致焊接质量下降。所以焊缝跟踪是保证弧焊机器人焊接质量的一个重要的方面。在机器人弧焊所使用的传感器中，电弧传感器和视觉传感器占有突出位置，其中电弧传感器用得最多，而视觉传感器则被认为是最有前途得焊缝跟踪传感器[2]。
4.1 主动视觉焊缝跟踪
目前主动视觉焊缝跟踪研究的内容主要有以下方面：
1 提高激光跟踪的鲁棒性，如适应各种焊接接头，和接头尺寸变化等。
2 跟踪中的快速稳定的图像处理方法
3 传感器的设计问题，例如激光和传感器的角度
4 焊缝跟踪中的控制问题，主要为NN和Fuzzy及两者结合方法。
文献[8]中为获得焊缝跟踪高的鲁棒性和适用性，采用两套不同的图像处理算法，分别为在焊接开始前检测焊接接口模型和在焊接过程中检测接头特征。文献[2]中详细的介绍了各种焊接接头的识别方法。而文献[9]则采用绞接对象模型（Articulated Object Model）来提高跟踪的可靠性，利用这种方法从传感器获得的轮廓数据中寻找特征点（焊缝点），在特征点处焊接。文献[10]从图像处理的角度，研究了快速稳定的图像处理算法。
4.2 被动视觉焊缝跟踪
被动视觉传感器所获信息量大，接近人的视觉等突出优点，受到了研究人员的广泛关注。受机器视觉技术的大量成功应用的启发，人们尝试将被动视觉传感应用到各种焊接方法中，如GTAW、GMAW和PAW等。
在取像的位置方面主要是被动观察熔池及其附近区域，另外利用工件的特征观察其他区域而获得焊缝信息。多数研究中摄像机是在斜上方的位置取像的，而在大型管的对接焊时则可以从熔池的侧面取像，这样可以获得更丰富的信息[11], 能够同时实现焊缝跟踪和熔池控制。
对熔池机器人附近区域的取像时，取像时刻一般选取电弧亮度小且图像稳定的时刻。脉冲 GTAW焊接中，取像时刻通常固定在每个脉冲基值期间的某一时刻，通过电源同步脉冲来控制取像时刻。在GMAW焊接时，取像时刻通常为短路时刻。
目前利用被动视觉传感器进行焊缝跟踪的研究中，一般使用一个摄像机，所跟踪的焊缝是二维的。这是因为根据一幅图片很难获得高度信息。虽然计算机视觉技术中有根据一幅灰度图像恢复表面形状的方法，但因熔池图像本身很复杂且控制过程中有时间要求，所以很难在焊缝跟踪中实现。即使使用两个摄像机采用立体视觉技术计算高度，特征点的匹配也较困难。所以利用被动视觉跟踪焊缝高度的问题上还需要作进一步的研究。
5 结论
焊接机器人作为焊接自动化的一个重要载体必将在我国得到更加广泛的应用，而焊缝跟踪是弧焊机器人应用的一个重要的研究方向。在各种传感方法中视觉传感是很有前途的传感方法，其中被动视觉传感因为具有较多优点，将成为一个研究热点。
参考文献：
[1] 林尚扬.中国从焊接大国向世界焊接强国迈进——我国焊接生产现状与发展中的几个问题[J]. 航空制造技术,2002,11:17～19
[2] 林尚扬，陈善本，李成桐. 焊接机器人及其应用[M]. 机械工业出版社. 2000, 7：4～7;57～61
[3] 互联网http://www.kepu.org.cn/gb/technology/robot/
[4] 林尚扬，关桥，我国制造业焊接生产现状与发展战略研究[J]，机械工人.热加工，2004，5：10～15
[5] 黄石生，高向东，焊缝跟踪技术的研究与展望，电焊机，1995（5）:1～5
[6]C-H Kim, S-J Na, A study of an arc sensor model for gas metal arc welding with rotating arc Part 2: simulation of an arc sensor in mechanically rotating gas metal arc welding, Proc Instn Mech Engrs, Vol 215 Part B, IMechE 2001:1281-1289
[7] G. Agapiou, C. Kasiouras, A.A. Serafetinides, A detailed analysis of the MIG spectrum for the development of laser-based seam tracking sensors, Optics & Laser Technology 31 (1999): 157-161
[8] Jae Seon Kim,Young Tak son, A robust method for vision-based seam tracking in robotic arc welding,Mechatronics Vol.6, No.2, 1996:141-163
[9] Yoshinori Kusachi, Koichi Kato, Masashi Okudaira, Tracking a Feature Point in Profile Data Using an Articulated object Model and Tuning Parameters Using the Genetic Algorithm, Emerging Technologies and Factory Automation, 1999 7th IEEE International Conference, Volume: 1 , 18-21 Oct. 1999:145 – 150
[10] Pritschow, G.; Mueller, G.; Horber, H.;Fast and robust image processing for laser stripe-sensors in arc welding automation Industrial Electronics, Proceedings of the 2002 IEEE International Symposium on , Volume: 2 , 8-11 July 2002:651 - 656
[11] Pritschow, G.; Mueller, G.; Horber, H.;Fast and robust image processing for laser stripe-sensors in arc welding automation Industrial Electronics, Proceedings of the 2002 IEEE International Symposium on , Volume: 2 , 8-11 July 2002:651 - 656
6/7/2010
|
