CN113634964A - 一种大型构件龙门式机器人焊接装备及焊接工艺 - Google Patents

Abstract

本发明公开了一种大型构件龙门式机器人焊接装备及焊接工艺，主要应用于大型构件的机器人自动焊接领域。包括一套柔性龙门式机器人焊接装备和一种多传感信息融合实时补偿焊缝偏差的焊接工艺。机器人安装在龙门架上，实现各焊接子区域的工件角焊缝焊接，焊接机器人末端通过法兰盘连接有视觉传感器和焊枪，焊枪上配备有触觉传感器。采用该机器人焊接工艺不用对焊缝遍历示教，能自动生成龙门架和机器人运动轨迹；在焊时触觉与视觉传感融合，能实现焊缝轨迹在线跟踪并进行实时误差补偿。本发明实现了对大型构件的自动化焊接，工作范围大，自动化水平和灵活性较高，能够提高生产效率为企业带来可观的效益。

Description

一种大型构件龙门式机器人焊接装备及焊接工艺

技术领域

本发明涉及焊接机器人领域，具体涉及一种大型构件龙门式机器人焊接装备及焊接工艺。

背景技术

船舶、列车和工程机械等大型设备的制造涉及大量的大型构件焊接。大型构件结构复杂，焊接平面深，焊缝纵横交错且类型多样，空间异位、长度跨度大，且多呈现以角焊缝为主的“方格子”焊缝，这对焊接设备的自动化、柔性化和数字化提出了更高的要求。传统的手工焊接工作环境恶劣、劳动强度大、生产效率低、焊接质量不稳定，所以国内外一直致力于大型构件焊接制造自动化装备研发与相关工艺研究。

在大型构件焊接实际应用中，工件下料的尺寸误差、点焊拼装误差和焊接过程中产生的热变形会使预先设定的机器人焊接焊缝轨迹与实际焊缝轨迹产生较大偏差，当焊接进行到一定程度时，预先设定的焊接工艺不再适应工件的实际状态，导致焊接质量差。因此，有必要提出一种新的焊接工艺，在机器人沿着预先设定的焊接轨迹运动时进行传感器检测，对焊缝的实际位置在线跟踪并实时补偿焊缝偏差。

现有的技术中，针对大型构件的机器人焊接工作站主要存在以下问题：1、不能适应大型构件焊接时的复杂环境，仅能焊接中小尺寸的构件，工作范围窄。2、多采用在线示教的方法控制焊接机器人作业，柔性差、缺少外部信息传感，焊接质量受示教精度影响，且需遍历示教每条焊缝，工作效率低。3、多采用单一传感器辅助机器人对工件焊缝进行检测，缺乏信息融合技术，难以全面描述焊缝偏差信息，导致焊接质量仍有较大的提升空间。

发明内容

本发明要解决的问题是提供一种大型构件龙门式机器人焊接装备及焊接工艺，能适应各种半径和曲率的大型构件，使机器人能够完成复杂构件和各种焊缝的现场焊接作业；不需对焊缝遍历示教，在焊时触觉与视觉传感融合，自主识别和在线跟踪焊缝轨迹，并实时补偿工件下料的尺寸误差和点焊拼装误差，实现机器人焊接自动化装备的集成应用。

为了解决上述技术问题，本发明所采用的技术方案是：

一种大型构件龙门式机器人焊接装备，其特征在于：所述柔性龙门式机器人焊接装备适用于大型构件的角焊缝焊接，包括大型动梁式龙门架、ABB机器人、触觉传感器、激光视觉传感器、工控机、焊机。ABB机器人安装在龙门架上，末端通过法兰盘连接有激光视觉传感器和焊枪，焊机上配备有触觉传感器，工控机用于接收传感器信息并根据接收信息控制ABB机器人以及焊机。

在上述的一种大型构件龙门式机器人焊接装备，所述龙门架具有X方向和Y方向两个自由度，包括底座和横梁、设置在底座上用于控制横梁能够在Y方向移动的伺服电机，伺服电机输出轴通过减速机与齿轮齿条传动机构配接，导轨滑块运动机构与齿轮齿条传动机构连接，与横梁固定的传动支撑通过导轨滑块运动机构能够在底座上带动横梁移动，横梁上固定ABB机器人通过驱动机构以及滑块机构能够在X方向来回移动。X方向通过双边伺服电机进行驱动，采用电子齿轮位置同步进行同步控制；Y方向通过单伺服电机进行驱动。

一种大型构件龙门式机器人焊接装备的焊接工艺，其特征在于：焊接工艺是一种多传感信息融合实时补偿焊缝偏差的机器人焊接工艺，具体步骤如下：

步骤1.工件图纸输入，具体是将工件的CAD图纸导入焊接专用软件，构建工件图形环境的数据模型。

步骤2.系统标定，包括先定位输入的工件图纸坐标系内坐标原点，对龙门坐标系的定位点进行标定，通过平移变换将龙门坐标轴与图纸坐标轴进行配准，龙门架定位点转换为坐标原点，完成龙门架坐标系与工件图纸坐标系标定。

步骤3.焊缝轨迹示教，具体是根据在大型构件角焊缝三种焊缝(横缝、纵缝和立缝)与机器人焊枪的空间位置关系，调整机器人焊接姿态，分别示教对应的焊缝轨迹。之后对于工件上任意一个“方格子”焊缝的定位，都能通过步骤2获取的工件图纸坐标系焊缝坐标平移实现，任意一种焊缝的机器人焊时姿态都通过示教时记录的焊缝位姿参数和轨迹偏移来确定。

步骤4.角焊缝选择及轨迹生成，将步骤1中得到的工件图形环境的数据模型进行处理，在此基础上，进行焊缝信息的分析与提取，解读工件图纸中焊缝位置信息，对焊缝特征点进行提取，生成工件“方格子”子区域分布图。在焊接专用软件中进行“方格子”和焊缝选择后工控机自动完成龙门架的轨迹生成和程序转换工作。龙门架控制系统接收到数据信息后驱动龙门架定位到所选择“方格子”中心位置。

步骤5.焊缝端点的多向触觉传感寻位，具体是机器人通过焊丝触觉传感分别检测焊缝起点所在三轴的板位位置，得出焊缝起点A的精确位置坐标信息；接着分别检测焊缝终点所在三轴的板位的位置，得出焊缝终点B精确位置坐标信息；最后，机器人分别检测焊缝路径上插补点所在三轴的板位的位置，采集焊缝轨迹偏差。由此，根据焊缝起点-终点坐标可以生成焊缝轨迹的实际运动程序。

步骤6.焊缝前置偏差的视觉传感在线跟踪。

步骤7.多传感信息融合的焊缝偏差实时补偿。

在上述的大型构件龙门式机器人焊接装备的焊接工艺，所述步骤6具体包括一种不确定干扰源下激光视觉条纹分类及焊缝特征提取方法，采用激光视觉传感器拍摄激光照射在不同干扰源下的焊缝图像，通过动态的ROI定位焊缝点的区域，对图像预处理后，通过训练而得到支持向量机的焊缝干扰源分类器对图片进行分类，进而运行相对应的焊缝特征提取方法，针对不同类型的干扰源采用不同的特征提取算法对图像进行特征点提取，计算焊缝的宽度与深度偏差。

在上述的大型构件龙门式机器人焊接装备的焊接工艺，所述步骤7具体包括一种多传感融合的焊缝轨迹跟踪方法，首先将步骤5、6中两种传感器测量的数据进行拟合，分别建立前述两种传感器对焊缝偏差的观测方程，然后根据观测方程计算前述两种传感器观测数据的均方误差，确定触觉与视觉传感的加权系数，将其与步骤5、6中对应检测出的焊缝偏差进行加权融合后提取焊缝轨迹加权融合偏差；将步骤5、6中对应检测出的焊缝偏差进行拉格朗日方程拟合后提取焊缝轨迹拉格朗日偏差；将上述两种偏差结果进行三阶样条法拟合出最终焊缝轨迹偏差结果。将所述融合结果输入PID控制器进行焊缝轨迹调节，焊枪对前置点进行误差补偿，在机器人运动轨迹上重复对下一个前置点进行实时补偿，实现焊缝轨迹的在线3D跟踪，机器人完成焊接。

与现有技术相比，本发明的有益效果是：1、提供了一种新型龙门式机器人焊接装备，工作幅面大，能适应各种半径和曲率的大型构件，使机器人能够完成复杂构件和各种焊缝的现场焊接作业。2、不需遍历示教每条焊缝，通过记录的焊缝姿态和轨迹偏移就能实现机器人对大型构件任意一个“方格子”焊缝的定位，工作效率高。3、柔性化、数字化、自动化程度高，读取工件图纸，自动生成焊缝轨迹。4、在复杂工况下焊接时能对焊件的下料误差、点焊拼装误差和焊接热变形进行在线检测和实时补偿，实现对焊缝空间轨迹的有效跟踪，提高了机器人焊接精度。

附图说明

图1为本发明的龙门式机器人焊接系统原理图。

图2为本发明的龙门架结构示意图。

图3是本发明的焊接工艺工作流程图。

图4是本发明的龙门架坐标系与工件图纸坐标系标定流程图

图5是本发明的工件坐标系标定示意图。

图6是本发明的焊接路径规划流程图。

图7是本发明的触觉传感寻位检测流程图。

图8是本发明的视觉传感在线跟踪工作流程图。

图9是本发明的触觉与视觉融合的焊缝偏差实时补偿工作流程图。

图10为不同的干扰源的图像。

图11a为激光照射在干扰源下的图像(激光照射在焊缝局部凸起图像)。

图11b为激光照射在干扰源下的图像(激光照射在拼装间隙小的图像)。

图11c为激光照射在干扰源下的图像(激光照射在拼装间隙大的图像)。

图12a为本发明中动态定位ROI区域图像(激光照射在焊缝局部凸起图像)。

图12b为本发明中动态定位ROI区域图像(激光照射在拼装间隙小的图像)。

图12c为本发明中动态定位ROI区域图像(激光照射在拼装间隙大的图像)。

图13a为本发明中不同干扰源下的激光条纹图像(焊缝局部凸起下的激光条纹图像)。

图13b为本发明中不同干扰源下的激光条纹图像(拼装间隙小的激光条纹图像)。

图13c为本发明中不同干扰源下的激光条纹图像(拼装间隙大的激光条纹图像)。

图14为本发明中建立支持向量机的焊缝干扰源分类器的流程图。

图15为本发明针对在焊缝局部凸起和变拼装间隙的干扰源影响下的焊缝跟踪算法流程图。

图16针对在局部凸起干扰源的激光圆弧条纹宽度和高度示意图。

图17针对在间隙变化的激光分离条纹宽度和深度示意图。

图18为本发明一实施例提供的一种焊接系统示意图。

图19为本发明一实施例提供的一种多传感器融合的焊缝轨迹跟踪系统原理图；

图20为本发明一实施例提供的基于最小二乘法的观测方程图。

图21为本发明一实施例提供的视觉触觉所测数据融合图。

图22为本发明一实施例提供的基于拉格朗日插值法的观测方程图。

图23为本发明一实施例提供的基于三阶样条法获取的最终焊缝轨迹。

图24为本发明一实施例提供的平面模糊-PID控制器系统结构框图。

图25为本发明一实施例提供的高度模糊-PID控制器系统结构框图。

附图标记：1-底座、2-伺服电机、3-减速机、4-横梁、5-传动支撑、6-齿轮齿条、7-导轨滑块、8-工件、9-“方格子”左板、10-“方格子”底板、11-“方格子”右侧板、12-“方格子”前板、13-焊缝插补点

具体实施方式

为了更好地理解本发明，下面结合附图和具体实施方式对本发明作进一步的说明。

一、首先介绍本发明采用的机器人焊接装备。

本发明龙门式机器人焊接装备较佳实施方式适用于大型构件的角焊缝焊接，所述焊接系统主要包括龙门架、机器人、触觉传感器、激光视觉传感器、工控机、焊机等。其中机器人安装在龙门架上，实现各焊接子区域的工件角焊缝焊接。焊接机器人末端通过法兰盘连接有视觉传感器和焊枪，焊枪上配备有触觉传感器。本发明中机器人焊接系统由2自由度龙门架加6自由度工业机器人组成，所以整个结构具有8个自由度，这8个自由度独立控制，具有简单灵活的优点。

如图1所示，本发明龙门式机器人焊接装备的系统原理如下：将工件图纸导入焊接专用软件，提取焊缝的几何位置信息，选择需焊接“方格子”位置。龙门架接收到“方格子”位置信息后驱动机器人移动到“方格子”中心位置。机器人通过记录的焊缝位姿参数和轨迹偏移参数分别移动到焊缝起点位置和终点位置利用焊丝触觉传感检测焊缝起点-终点坐标，生成焊缝轨迹的实际运动程序，接着焊枪定位焊缝起点位置，机器人与焊机通过Profinent/IO接口进行通讯，机器人开始焊接。在焊时触觉与视觉融合，实现焊缝轨迹跟踪并进行误差补偿，在机器人运动轨迹上重复对下一个前置点进行补偿，机器人完成焊接。

如图2所示的龙门架结构示意图，具有两个自由度(X方向和Y方向)，其具体的参数如下：横向行程(X方向)12000mm，纵向行程(Y方向)12000mm。所述龙门架主要由底座1、伺服电机2、减速机3、横梁4、传动支撑5、齿轮齿条传动机构6和导轨滑块运动机构7组成。X方向采用双边伺服电机，驱动方式是西门子伺服电机2经过减速机3和X方向斜齿轮齿条6驱动龙门架横梁4和传动支撑5在底座1上沿X方向运动，Y方向采用单伺服驱动，驱动方式是伺服电机2经过减速机3和Y方向斜齿轮齿条6驱动焊接机器人沿Y方向运动，保证焊接机器人初始焊接位置对焊缝的初步精确定位。两个方向均采用精密直线导轨滑块机构7作为支撑。

本发明提供的新型龙门式机器人焊接装备能适应各种半径和曲率的大型构件，使机器人能够完成复杂构件和各种焊缝的现场焊接作业。

二、下面是本发明采用的多传感信息融合实时补偿焊缝偏差的焊接工艺。

参考附图3-25，本发明多传感信息融合实时补偿焊缝偏差的焊接工艺的较佳实施方式包括以下步骤：

步骤1：工件图纸输入

确定工件类型，在工作台上将工件定位后将工件CAD图纸导入焊接专用软件，构建工件图形环境的数据模型，解读“方格子”焊缝的几何拓扑信息。

步骤2：系统标定

首先，为了得到工件图纸坐标与龙门架坐标之间的对应关系，需要进行龙门架坐标系与工件图纸坐标系标定。龙门架坐标系与图纸坐标系都是平面坐标系，有X轴、Y轴两个方向坐标轴，且两坐标系各轴方向一致。在工件图纸坐标系中，存在坐标系以某一点作为坐标原点，对于坐标系来说，采用平移变换，可以将原点移动到龙门架坐标系原点，移动时各轴方向不变。首先定位输入的工件图纸坐标系内坐标原点，在龙门架坐标系中设置一个定位点，通过矩阵运算进行坐标系平移变换，相当于加了一个坐标的偏移量，在矩阵运算时左乘一个偏移矩阵。接着以该点为基准，作为图纸与实体联系的关键点，将龙门坐标轴与图纸坐标轴进行配准，使龙门架本体上设置定位点为坐标原点，完成龙门架坐标系与工件图纸坐标系标定。

然后，为了方便将焊接任务定义在机器人的末端坐标系下，需要进行工件坐标系标定。在机器人焊接操作中，工件坐标系的建立以便于描述焊缝为宜，通常以焊缝方向为工件坐标系的X方向，而以焊缝中心线为工件坐标系的Z方向。如图4所示，所述工件坐标系标定方法是一种三点标定法，该方法需要在示教状态下移动机器人末端焊枪，让焊枪的末端分别接触{U}的原点N₁，x正半轴上一点N₂和xy平面上第一象限的任意一点N₃。通过工具坐标系相对于末端连杆坐标系的变换矩阵可以求得三个标定点处工具坐标系到基坐标系的变换矩阵，经过坐标关系变换能够快速完成工件坐标系标定。

步骤3：焊缝轨迹示教

在完成步骤2的系统标定后，根据大型构件角焊缝三种焊缝(横缝、纵缝和立缝)与机器人焊枪的空间位置关系，调整机器人焊接姿态，分别示教对应的焊缝轨迹。由此，在之后机器人对任意一个格子焊缝的位姿和焊接轨迹的生成，都可通过记录的焊缝姿态和轨迹偏移实现。

步骤4：角焊缝选择及轨迹生成

如图5所示，将步骤1中得到的工件图形环境的数据模型进行处理，在此基础上，进行焊缝信息的分析与提取，解读工件图纸中焊缝位置信息，对焊缝特征点进行提取，生成工件“方格子”子区域分布图。在焊接专用软件中进行“方格子”和焊缝选择后工控机自动完成龙门架的轨迹生成和程序转换工作。龙门架控制系统接收到数据信息后驱动龙门架定位到所选择“方格子”中心位置。

步骤5：焊缝端点的多向触觉传感寻位

如图6所示，所述多向触觉传感寻位是指利用焊丝触觉传感检测焊缝起点-终点坐标和插补点位置，具体工作流程是：机器人通过焊丝触觉传感分别检测焊缝起点左侧板9、底板10和右侧板12的位置，得出焊缝起点A的精确位置坐标信息；接着分别检测焊缝终点左侧板12、底板10和右侧板11的位置，得出焊缝终点B精确位置坐标信息；最后，机器人分别检测焊缝路径上插补点13前板12和底板10位置，采集焊缝轨迹偏差。由此，根据焊缝起点-终点坐标可以生成焊缝轨迹的实际运动程序。

步骤6：机器人开始焊接

根据步骤4和步骤5生成预设焊缝机器人焊接轨迹，焊枪定位焊缝起点A位置，工控机控制焊机送丝送气完成起弧，机器人开始焊接。

步骤7：焊缝前置偏差的视觉传感在线跟踪

如图7所示，

采用激光视觉传感器拍摄激光照射在不同干扰源下的焊缝图像，通过动态的ROI定位焊缝点的区域，对图像预处理后，通过训练而得到支持向量机的焊缝干扰源分类器对图片进行分类，进而运行相对应的焊缝特征提取方法，针对不同类型的干扰源采用不同的特征提取算法对图像进行特征点提取，计算焊缝的宽度与深度偏差，通过以太网将焊枪的偏差数据传递给工控机，为多传感器信息融合的跟踪方法做数据储备。

本步骤为本案的重点步骤,具体包括:

步骤1：采用激光视觉传感器拍摄激光照射在不同干扰源下的焊缝图像。

具体而言，首先需要采用激光视觉传感器拍摄大量的包含激光照射在不同干扰源下的焊缝图像，其中的干扰源主要分为两大类:一类干扰源是焊瘤和焊点等引起焊缝局部凸起，一类干扰源是焊件拼装不一致时引起两个焊件之间的间隙变化，而拍摄的照片数量要多，且包含各种类型，以便为后面建立支持向量机做准备。

步骤2：采用动态的ROI定位焊缝点的区域；

具体而言，通过统计图像中激光区域中大于一定阈值的灰度值像素点个数，进而以激光区域中心作为ROI区域中心，选取一定的ROI区域宽度,即可实现ROI区域选取。本文明具体以图11a至图11c举例说明：

采用重心法提取图像的区域中心，即通过对图像中灰度值大于一定阈值的像素点进行逐列计算，将每列计算得到的重心坐标作为激光区域每列的中心坐标，计算的公式(1)为

其中，i为行坐标、j为列坐标，m为图像的行数，n为图像的列数，x_j为为预处理后图像中白色区域第j列的行坐标,y_i为为预处理后图像中白色区域第i行的列坐标。

通过提取图像中激光区域的中心，从而确定选取ROI区域中心；通过统计图像每列和每行灰度值大于一定阈值的像素点个数，进而得到列和行白色像素点个数最大值，设其最大值为L_m。然后提取采集图像行分布在[x_j-L_m/2，x_j+L_m/2]内的像素点，进而得到包含激光焊缝特征点的ROI区域。

步骤3：建立基于支持向量机的焊缝干扰源分类器，其建立分类器的方法为：

1)采集大量图像样本，形成焊缝激光条纹图像集。

2)对数据进行预处理。

首先，处理缺失值和属性的冗余值。历史数据可能存在一些遗漏或冗余的属性值，这可能会影响分类的准确性和计算速度。其次，数据标准化，消除其尺寸差异的影响。根据原始样本中存在n个具有p个属性的数据，构造n×p的变量矩阵，每个列在矩阵中标准化，获得归一化值Z_ij其计算方法为

3)拉普拉斯特征映射降维

干扰源处的图像特征有条纹的位置、条纹的长宽比、条纹长度面积比、条纹圆形度、条纹矩形度等特征，图片属性中的变量太多将增加大量的计算负载，需删除相关变量，因而对各类几何特征向量进行降维处理，以此来提高各输入变量间的线性无关性、降低噪声，同时也进一步减少特征数据的冗余描述，最终将降维后提取的特征向量作为输入样本。

降维处理采用的是拉普拉斯特征映射算法(Laplacian Eigenmaps,LE)，拉普拉斯特征映射方法采用图拉普拉斯算子来表示流形的局部特征结构,认为在高维空间中距离很近的点投影到低维空间也应该距离很近,适用于聚类、分类问题，它的收敛性和鲁棒性较好。具体而言，拉普拉斯特征映射算法的步骤为:

步骤1:构建图

构造近邻图，图节点包含所有的样本点,假设样本点i和j相邻则可确定一条边。相邻准则一般有ξ-近邻和K-NN近邻2种。

步骤2:确定权重

确定点与点之间的权重大小,一般选用热核函数来确定,如果点i和点j相连，那么它们关系的权重设定为:

另外一种可选的简化设定是如果点i,j相连，W_ij＝1,否则W_ij＝0.

步骤3:特征映射

计算拉普拉斯矩阵L的特征向量与特征值:

Ly＝λDy,其中D是对角矩阵，满足D_ij＝∑_jW_ji,L＝D-W。使用最小的m个非零特征值对应的特征向量作为降维后的结果输出。

4)建立支持向量机。

对于支持向量机的建立，其本质就是建立最优分类超平面，焊缝干扰源分类器就是使用标记的训练样本训练模型，然后通过输出最佳超平面来实现测试样本分类。支持向量机的建立如下：

焊缝干扰源的分类问题为非线性问题，所以其目标函数为

其中：x为输入；W为权向量；b为偏置向量。把输入数据映射到高维数据空间。

利用极大化间隔的求解思想，最终得到分类决策函数为

其中：K(x_i,x)为核函数,表示映射到的高维特征空间的两个点的内积

这里选择学习能力强且误差小的Gauss径向基(RBF)核函数为

其中，σ为核函数系数，具有高的灵活性。

具体而言，经过预处理和拉普拉斯特征映射降维对训练数据提取出相应的特征参数集x_i,i＝1,2,…,N,其中N表示训练数据个数；进一步加入类型标签,则最终的特征参数集为[x_i；y_i],i＝1,2,…,N,其中y_i表示第i个训练数据的类型标签；无干扰源、局部凸起干扰源和焊缝间隙干扰源情形对应的类型标签分别为1、2、3。

支持向量机进行训练时,其过程包括:①区分无干扰源、焊缝间隙干扰源和局部凸起干扰源情形,将所述局部凸起干扰源对应的类型标签置为1,将所述无干扰源和焊缝间隙干扰源情形对应的干扰类型标签置为-1,训练完成后将局部凸起干扰源的特征参数从特征参数集中剔除；②区分所述无干扰源和焊缝间隙干扰源情形,将所述焊缝间隙干扰源对应的类型标签置为1,将所述无干扰源无干扰源对应的类型标签置为-1。

经过上述①②得到支持向量机模型,支持向量机模型包括两个式(7)类型的分类决策函数,其分别记为f₁(x),f₂(x)。

5)分类器效果测试。使用测试集对焊缝干扰源分类器进行测试，使其能对不同图像进行正确分类。

具体而言，将经过预处理和拉普拉斯特征映射降维对训练数据提取出相应的特征参数集x_i,i＝1,2,…,N,送至(4)中所建立的支持向量机模型,其中:

若满足f₁(x)＝1,则为局部凸起干扰源情形,此时将识别结果记为1；

若满足f₂(x)＝1,则为焊缝间隙干扰源情形,此时将识别结果记为2；

若未满足f₁(x)＝1或f₂(x)＝1,则为无干扰源情形,此时将识别结果记为3。

图14为本发明中建立支持向量机的焊缝干扰源分类器的流程图。

步骤4：建立不同干扰源下对应的焊缝特征提取方法。

具体而言，要建立不同干扰源下对应的焊缝特征提取方法，需要先具体分析各个干扰源造成误差的原理，然后提出相应的补偿算法。

针对第一种焊瘤、焊点等引起焊缝局部凸起的干扰源，激光照射在干扰源上会出现弯曲，按传统的焊缝特征提取算法采用求两条直线的交点视为焊缝特征点，在焊接时会导致焊枪撞击到焊缝局部凸起的干扰源，因此，要针对这种状况采取新的特征提取算法对其进行补偿计算。新的特征提取算法需求取两条线段所在的两条直线的交点和激光条纹在该处弯曲圆弧的宽度和高度，通过两直线的交点确定焊接平面的位置，通过该处弯曲圆弧的宽度和高度确定该处凸起的干扰源的高度及宽度，从而确定焊接时抬枪的高度和抬枪的范围。

针对第二种焊件拼装不一致等引起两个焊件之间的间隙变化的干扰源。激光照射在间隙小的焊缝上，激光条纹在焊缝发生偏折，偏折点处紧密结合，激光线直接相交于一点；当激光照射在间隙大的焊缝上，激光条纹在焊缝发生偏折，偏折点处出现条纹分离，激光线没有相交于一点。按传统的焊缝特征提取算法采用求两条直线的交点视为焊缝特征点，在焊接时会，会由于焊缝间隙过大，导致在间隙大的位置出现焊接未溶合、未焊透的现象。因此，要针对这种状况采取新的特征提取算法对其进行补偿计算。先求两条线段所在的两条直线的交点，随后求得两条线段的在所求的交点处上的两个端点。两直线的交点确定焊接平面的位置，两个端点的距离为焊件在该处的间隙，在焊接时，根据此处的间隙宽度和深度决定焊枪停留的时间。

具体而言，如图15所示，为本发明针对在焊缝局部凸起和变拼装间隙的干扰源影响下的焊缝跟踪算法流程图。对于两种干扰源下的焊缝跟踪算法，都需要先对图像进行预处理，预处理步骤为先对图像进行LOG滤波和中值滤波从而去除大部分噪声，再使用自适应阈值法进行图像二值化处理，再根据八邻域标记法将面积小于阈值的孤立块去掉。经过预处理后，有效地去除图像中的飞溅、弧光、烟尘等干扰。

预处理完后，要对图像进行特征点提取，特征点提取的步骤是计算图像行方向像素点灰度值之和，从下到上找出图像第一个灰度值之和不为0的行，并从左到右搜索该行中第一个不为0的像素点，记录该点坐标。找出激光条纹最左、最右像素点坐标。根据以上信息，分别对激光条纹左斜线、右斜线开小窗，分割结果

先将图像从左上角开始，从上往下，按行从左往右搜索灰度值大于阈值的像素点，得到的第一个点后，搜索该点附近区域是否存在密集像素点，若存在，则以该点为起点，向右下方和左下方开小窗，分别对得到的两个窗口进行像素点统计，选取像素点多的窗口为有效窗口1，该有效窗口内包含着一条激光线。

同理，将图像从右上角开始，从下往上，按行从右往左搜索灰度值大于阈值的像素点，得到的第一个点后，搜索该点附近区域是否存在密集像素点，若存在，则以该点为起点，向右上方方和左上方开小窗，分别对得到的两个窗口进行像素点统计，选取像素点多的窗口为有效窗口2，该有效窗口包含另一条激光线。

得到的两个有效窗口将激光线偏折得到两条直线分别存放在了不同的区域上，把不同区域内的像素点进行拟合得到拟合曲线，得到拟合直线的角度，按角度不同，按行(或列)方向提取所有的灰度值大于一定阈值的像素点，随机选取每行的像素点使用最小中值法进行直线拟合，得到的最小中值进行判断是否小于一定的阈值，若小于，则选取该直线为提取的中心线。对两个区域按上述处理后，得到的两条直线的中心线(y₁＝a₁*x₁+b₁、y₂＝a₂*x₂+b₂)，进而计算出两条线的交点(X,Y)。

对于第一种干扰源下的激光图像，需要对激光线圆弧的宽度和高度的进行求取，如图16所示为图像细化后图，对求取的交点(X,Y)分别沿着检测到的两条直线(y₁＝a₁*x₁+b₁、y₂＝a₂*x₂+b₂)的方向上搜索像素点，待分别搜索到连续的像素点后，分别取第一次搜索到灰度值大于阈值的像素点(X₁,Y₁)(X₂,Y₂)为端点，两个端点的距离为圆弧的宽度W₁,以作两端点的垂线，将垂线从一个端点平移到另外一个端点，期间检测垂线上的像素点，并确定像素点到垂线的距离L_i，比较检测到的距离，求出最大的距离L₁，该距离即为圆弧的高度.至此，求出了圆弧的宽度W₁和高度L₁。经过空间坐标转换，转换成干扰源的高度及宽度，从而确定焊接时抬枪的高度和抬枪的范围。这个干扰源是一个凸起的焊瘤，焊枪在该处的轨迹为一个圆弧状凸起的轨迹，一张图片只能确定激光照射的焊缝点处的焊瘤高度，往前移动或者往后移动，检测出来的高度就会发生变化，因此，检测出来的该处的高度与宽度，只能确定在该点处焊枪的高度与抬枪范围。此时，该处的高度与宽度也就是该点处焊枪的抬枪高度与抬枪范围。

对于第二种干扰源下的激光图像，需要求取分离条纹接近交点处的两个端点，对求取的交点(X,Y)分别沿着检测到的两条直线(y₁＝a₁*x₁+b₁、y₂＝a₂*x₂+b₂)的方向上搜索像素点，选取在激光线段上离交点最近的灰度值大于阈值的像素点(X₃,Y₃)(X₄，Y₄)，即可求得两条线段的在所求的交点处上的两个端点，两个端点的距离W₂,经过空间坐标转换，转换成焊件在该处的间隙b，在焊接时，根据此处的间隙宽度b决定焊枪的移动速度V_C，公式为

其中h为焊接件的厚度，Q为焊丝熔入的流量，b为间隙的宽度。

步骤8：多传感信息融合的焊缝偏差实时补偿。

如图9所示，所述多传感器信息融合就是将触觉与视觉分别采集的焊缝偏差进行融合。首先，分别将触觉传感器与视觉传感器采集到的数据采用最小二乘法进行拟合，建立它们对焊缝偏差的观测方程，通过计算各个传感器观测数据的均方误差来确定激光视觉和触觉传感的加权系数，最后将触觉传感插补点的焊缝偏差信息与视觉传感前置检测的焊缝偏差信息进行加权融合，得出焊缝轨迹偏差的加权融合结果。

然后，分别将触觉传感器与视觉传感器采集到的数据采用拉格朗日法进行拟合，将各点数据代入拉格朗日方程得到焊缝轨迹偏差的拉格朗日融合结果。

最后将上述求得的加权融合结果与拉格朗日融合结果采用三阶样条法进行拟合，输出焊缝轨迹最终偏差结果。采用基于融合信息的模糊-PID控制器对焊枪位姿进行调整，焊枪对前置点进行误差补偿，在机器人运动轨迹上重复对下一个前置点进行补偿，实现焊缝轨迹的在线3D跟踪，机器人完成焊接。

本步骤为本案的另一重点步骤，用于实现焊接机器人的自动焊接。如图18，本发明焊接机器人104上有焊枪103以及焊缝跟踪组件，所述焊缝跟踪组件包括安装在机器人末端执行器105上激光视觉传感器101以及触觉传感器102。

触觉传感器102用于在焊接之前的示教阶段与所需要焊接的部件进行接触，确定焊接轨迹的起点A、终点D以及二者之间的各个插补点(B、C)的位置坐标信息。本发明利用焊丝作为触觉传感器102。焊丝与控制器连接，焊丝、待焊接部件、控制器构成检测回路，焊丝触碰到待焊接部件不同位置时，会产生不同的电信号，进而能实现焊接轨迹的起点、终点以及二者之间的各个插补点的确定。

激光视觉传感器101用于在焊接过程中对焊缝位置坐标信息进行前置检测。术语“前置检测”指在焊接之前进行位置坐标信息的检测来确定焊缝的轨迹坐标。激光视觉传感器101包括相机与结构光线激光器，安装在机器人末端执行器上。

激光视觉传感器101、所述控制器连接到工控机，所述工控机根据激光视觉传感器101、触觉传感器102的检测结果，对焊枪103进行控制，实现焊缝轨迹跟踪，实时有效补偿焊接过程中产生的焊缝偏差，大幅度提高焊缝的质量。

下面结合图19对本发明多传感器融合的焊缝轨迹跟踪方法进行详细说明。

步骤1，焊接之前先进行示教，通过触觉传感器102与所需要焊接的部件进行接触，确定焊接轨迹的起点、终点以及二者之间的各个插补点的信息；

步骤2，焊接过程中，通过激光视觉传感器101对焊缝信息进行前置检测；

步骤3，分别对激光视觉传感器101和触觉传感器102多次测量的数据进行拟合，分别建立激光视觉传感器101和触觉传感器102对焊缝偏差的观测方程；

步骤4，根据观测方程计算激光视觉传感器101和触觉传感器102观测数据的均方误差；

步骤5，对所述激光视觉传感器观测数据的均方误差的大小与所述激光视觉传感器观测数据的均方误差的大小进行比较，分别确定激光视觉传感器101和触觉传感器102的加权融合系数；

步骤6，将触觉传感器102采集的所述插补点的焊缝偏差信息与激光视觉传感器101前置检测的焊缝偏差信息进行加权融合，提取出焊缝轨迹偏差的融合结果得到第一焊缝轨迹；

步骤7，将所述第一焊缝轨迹输入模糊-PID控制器进行焊缝轨迹调节。分别设计好焊缝宽度纠偏和焊缝高度调节的平面和高度模糊-PID控制器；通过实际的偏差变化范围与给定的模糊论域范围进行试验和计算获取得到量化因子，模糊控制规则表等信息；将各个模糊控制器作为对应PID参数(比例、积分和微分系数)的实时调节器，实现焊接过程PID参数的在线调整；将焊缝宽度、高度偏差的融合结果分别作为平面、高度模糊-PID控制器输入、实现焊缝轨迹的3D跟踪。

下面详细介绍所述第一焊缝轨迹获得方法。

如图20所示，将激光视觉传感器101采集到的信息与触觉传感器102采集到的信息通过图表绘制出来。根据图表中各个坐标点的信息，采用最小二乘法对传感器多次测量的数据进行拟合，建立激光视觉和触觉传感对焊缝偏差的观测方程，具体算法过程如下：

先通过估算得到预估观测方程x轴的坐标为

(估计值)，其实际的x轴坐标用x_i下表示

通过python的sklearn库求出相对应的x轴的坐标x_i的大小，同理得到相对应的y轴的坐标y_i。根据坐标信息建立其所代表的触觉传感器102的焊缝偏差的观测方程：

Y₁＝H₁x₁+e₁

同理，求出激光视觉传感器101对焊缝偏差的观测方程：

Y₂＝H₂x₂+e₂

其中H₁，H₂为根据图20图表信息所拟合的线性观测方程观测的比例系数；e₁,e₂为该方程在Y轴上的纵坐标。

以触觉传感器101的观测方程为标准，设定阈值为观测方程每个x所对应的y值得波动范围为0.9y至1.1y，滤掉图表中不在阈值范围内的其他坐标，得到一个新的触觉传感器所测得图表，再根据图标中的各个点的坐标通过最小二乘法求取新的触觉传感器的观测方程：

Y₁＝a₁x₁+e₃

同理，求得视觉传感器所测得的观测方程

Y₂＝a₂x₂+e₄

其中a₁，a₂为根据新的线性观测方程观测的比例系数；e₃,e₄为该方程在Y轴上的纵坐标。

得到相对应的观测方程后，再计算各个传感器观测数据的均方误差，确定激光视觉传感器101和触觉传感器102的加权系数，具体步骤如下所示：

先计算触觉传感器102所测观测数据的均方误差：

其中MSE₁表示触觉传感器102所测观测数据的均方误差的大小，n表示点的个数，x_i表示实际点的横坐标，

表示估计值的横坐标。

同理，求出激光视觉传感器101所测观测数据的均方误差：

其中MSE₂表示激光视觉传感器101所测观测数据的均方误差的大小，n表示点的个数，x_k表示实际点的横坐标，

表示估计值的横坐标。

通过激光视觉传感器101所测观测数据的均方误差的大小与触觉传感器102所测观测数据的均方误差的大小进行比较，得到对应加权系数的值K，公式如下所示：

K₁为触觉传感器102的加权融合系数，K₂为激光视觉传感器101的加权融合系数，通过加权融合得到最终的焊接轨迹：

y＝K₁x+K₁e₁

最后将触觉传感插补点的焊缝偏差信息与激光视觉传感前置检测的焊缝偏差信息进行加权融合，提取出焊缝轨迹偏差的融合结果得到所述第一焊缝轨迹。

作为替代，在上述多传感器融合的焊缝轨迹跟踪方法中，还进行如下处理，提高焊接精度：根据激光视觉传感器101和触觉传感器102测量的数据，分别建立起激光视觉传感器101和触觉传感器102的坐标方程；根据拉格朗日插值法将激光视觉传感器101和触觉传感器102坐标方程进行融合，提取出焊缝轨迹偏差的融合结果得到第二焊缝轨迹；使用三阶样条法将所述第一焊缝轨迹与所述第二焊缝轨迹进行融合得到新的焊缝轨迹；将所述新的焊缝轨迹输入模糊-PID控制器进行焊缝轨迹调节。

下面详细介绍所述第二焊缝轨迹获得方法。

将两类传感器所得到的各个点的坐标信息通过图表绘制出来，得到触觉传感器102的坐标信息与激光视觉传感器101的坐标信息，将两个图表绘制于一个坐标轴内，得到一个新的散点图，如图21所示，其中每个x轴对应两个y轴坐标，取两个y轴坐标的平均值，得到一个新的图表。

对新图表采用拉格朗日插值法进行拟合，如图22所示，过程如下：

将图表中各个点的信息带入L₁(x)函数求解出的融合的拟合函数(焊缝轨迹函数)。

将两个融合的最终函数对应的坐标画入另一个坐标系中，同样，该坐标系中的每个x坐标对应两个y值，求出每两个y值的平均值得到n个新的x，y坐标。如图23，通过三阶样条法拟合出最终的函数图像，其公式如下：

S_i＝a_ix³+b_ix²+c_ix+d,i＝1,2,...,n-1

S_i(x_i)＝y_i,i＝1,2,...,n-1

S_i(x_i+1)＝y_i+1,i＝1,2,...,n-1

S_i'(x_i+1)＝S_i+1'(x_i+1),i＝1,2,...,n-1

S_i”(x_i+1)＝S_i+1”(x_i+1),i＝1,2,...,n-1

其中a，b，c，d分别为所设3阶函数的系数。

在得到融合结果之后，通过基于融合信息的焊缝轨迹模糊-PID控制进行调节，具体过程如下：

先分别设计焊缝宽度纠偏和焊缝高度调节的平面和高度模糊-PID控制器，整个控制器为一个闭环的控制系统，如图24、25所示。将焊缝的高度以及宽度偏差信息的融合结果以及当前焊接点的X,Y轴坐标信息分别作为平面、高度模糊-PID控制器进行输入。通过实际的融合宽度与高度偏差信息的大小M₁，设计好对应的模糊控制的论域的大小N₁，以及实际的融合宽度与高度偏差变化率的大小M₂，设计好对应的模糊控制的论域的大小N₂根据公式：

K₁＝N₁/M₁

K₂＝N₂/M₂

经验值确定K₁、K₂的大小，通过K₁、K₂的计算得出相应的e₁以及ec₁的大小，根据提前设计好的论域的大小，将论域均分为7档,即{NB,NM,NS,ZE,PS,PM,PB}确定相对应的模糊控制规则，通过表格的信息将各个模糊控制器作为对应PID的比例、积分和微分系数的实时调节器，实现对焊接过程PID参数的在线调整。最后实现对整个焊枪的位姿进行实时的3D调整达到一个焊缝轨迹跟踪的效果。

本发明所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (5)

1.一种大型构件龙门式机器人焊接装备，其特征在于：所述柔性龙门式机器人焊接装备适用于大型构件的角焊缝焊接，包括大型动梁式龙门架、ABB机器人、触觉传感器、激光视觉传感器、工控机、焊机；ABB机器人安装在龙门架上，末端通过法兰盘连接有激光视觉传感器和焊枪，焊机上配备有触觉传感器，工控机用于接收传感器信息并根据接收信息控制ABB机器人以及焊机。

2.根据权利要求1所述的一种大型构件龙门式机器人焊接装备，其特征在于：所述龙门架具有X方向和Y方向两个自由度，包括底座(1)和横梁(4)、设置在底座(1)上用于控制横梁(4)能够在Y方向移动的伺服电机(2)，伺服电机(2)输出轴通过减速机(3)与齿轮齿条传动机构(6)配接，导轨滑块运动机构(7)与齿轮齿条传动机构(6)连接，与横梁(4)固定的传动支撑(5)通过导轨滑块运动机构(7)能够在底座(1)上带动横梁(4)移动，横梁(4)上固定ABB机器人通过驱动机构以及滑块机构能够在X方向来回移动；X方向通过双边伺服电机进行驱动，采用电子齿轮位置同步进行同步控制；Y方向通过单伺服电机进行驱动。

3.一种权利要求1所述的大型构件龙门式机器人焊接装备的焊接工艺，其特征在于：焊接工艺是一种多传感信息融合实时补偿焊缝偏差的机器人焊接工艺，具体步骤如下：

步骤1.工件图纸输入，具体是将工件的CAD图纸导入焊接专用软件，构建工件图形环境的数据模型；

步骤2.系统标定，包括先定位输入的工件图纸坐标系内坐标原点，对龙门坐标系的定位点进行标定，通过平移变换将龙门坐标轴与图纸坐标轴进行配准，龙门架定位点转换为坐标原点，完成龙门架坐标系与工件图纸坐标系标定；

步骤3.焊缝轨迹示教，具体是根据在大型构件角焊缝三种焊缝(横缝、纵缝和立缝)与机器人焊枪的空间位置关系，调整机器人焊接姿态，分别示教对应的焊缝轨迹；之后对于工件上任意一个“方格子”焊缝的定位，都能通过步骤2获取的工件图纸坐标系焊缝坐标平移实现，任意一种焊缝的机器人焊时姿态都通过示教时记录的焊缝位姿参数和轨迹偏移来确定；

步骤4.角焊缝选择及轨迹生成，将步骤1中得到的工件图形环境的数据模型进行处理，在此基础上，进行焊缝信息的分析与提取，解读工件图纸中焊缝位置信息，对焊缝特征点进行提取，生成工件“方格子”子区域分布图；在焊接专用软件中进行“方格子”和焊缝选择后工控机自动完成龙门架的轨迹生成和程序转换工作；龙门架控制系统接收到数据信息后驱动龙门架定位到所选择“方格子”中心位置；

步骤5.焊缝端点的多向触觉传感寻位，具体是机器人通过焊丝触觉传感分别检测焊缝起点所在三轴的板位位置，得出焊缝起点A的精确位置坐标信息；接着分别检测焊缝终点所在三轴的板位的位置，得出焊缝终点B精确位置坐标信息；最后，机器人分别检测焊缝路径上插补点所在三轴的板位的位置，采集焊缝轨迹偏差；由此，根据焊缝起点-终点坐标可以生成焊缝轨迹的实际运动程序；

步骤6.焊缝前置偏差的视觉传感在线跟踪；

步骤7.多传感信息融合的焊缝偏差实时补偿。

4.根据权利要求3所述的大型构件龙门式机器人焊接装备的焊接工艺，其特征在于：所述步骤6具体一种基于不确定干扰源下激光视觉条纹分类及焊缝特征提取方法，采用激光视觉传感器拍摄激光照射在不同干扰源下的焊缝图像，通过动态的ROI定位焊缝点的区域，对图像预处理后，通过训练而得到支持向量机的焊缝干扰源分类器对图片进行分类，进而运行相对应的焊缝特征提取方法，针对不同类型的干扰源采用不同的特征提取算法对图像进行特征点提取，计算焊缝的宽度与深度偏差。

5.根据权利要求3所述的大型构件龙门式机器人焊接装备的焊接工艺，其特征在于：所述步骤7具体基于一种多传感融合的焊缝轨迹跟踪方法，首先将步骤5、6中两种传感器测量的数据进行拟合，分别建立前述两种传感器对焊缝偏差的观测方程，然后根据观测方程计算前述两种传感器观测数据的均方误差，确定触觉与视觉传感的加权系数，将其与步骤5、6中对应检测出的焊缝偏差进行加权融合后提取焊缝轨迹加权融合偏差；将步骤5、6中对应检测出的焊缝偏差进行拉格朗日方程拟合后提取焊缝轨迹拉格朗日偏差；将上述两种偏差结果进行三阶样条法拟合出最终焊缝轨迹偏差结果；将所述融合结果输入PID控制器进行焊缝轨迹调节，焊枪对前置点进行误差补偿，在机器人运动轨迹上重复对下一个前置点进行实时补偿，实现焊缝轨迹的在线3D跟踪，机器人完成焊接。

Images