狭小空间直角角焊缝识别跟踪焊接系统

狭小空间直角角焊缝识别跟踪焊接系统

郭 亮1,2, 张 华1

(1. 南昌大学 江西省机器人与焊接自动化重点实验室，南昌 330031； 2. 南昌航空大学 信息工程学院，南昌 330031)

摘 要： 船舶制造中，为加强船体强度，船舱底部设置许多空间狭小的格子间，该类构件无法利用单一的传感方式进行自动跟踪焊接. 介绍了直角角焊缝焊接机器人的硬件结构和工作原理，利用旋转电弧和激光视觉传感器相结合对焊缝信息进行采集. 对直角转弯过程进行了运动学分析，对十字滑块和机器人本体的运动进行了规划，通过规划和实时控制相结合的方式进行焊缝跟踪. 利用开发的移动机器人硬件系统，通过自主开发的VC++图像处理和控制软件进行焊缝跟踪试验. 结果表明，该系统便携灵活适用于狭小空间直角角焊缝跟踪焊接作业，且识别和跟踪效果良好.

关键词： 直角转弯；激光视觉传感器；旋转电弧传感器；格子间

0 序 言

随着工业水平的发展，重要的大型焊接构件的应用越来越多，如船舶制造、大型储罐的焊接， 该类构件的焊接通常都在现场作业，焊接机械手难以到达，恶劣的焊接环境不仅增大了工人的劳动强度，而且影响焊接效率和质量. 使用结构简单、适应能力强的移动式焊接机器人代替人工焊接，不仅能保证焊接质量的稳定，还能有效地缩短制造工期，降低制造成本[1-2].

针对船舱格子间等狭小空间的角焊缝焊接需求，设计开发了一款自主移动焊接机器人，该焊接机器人采用旋转电弧传感器和激光视觉传感器进行焊缝信号采集，能够针对直角角焊缝进行自动跟踪焊接. 着重分析了直角转弯焊缝的跟踪控制过程，通过试验验证了机器人系统和直角转弯焊缝跟踪理论的可行性和有效性，为类似焊接环境和机器人设计制造提供了借鉴.

1 系统硬件结构及工作原理

1.1 直角角焊缝焊接要求

图1为直角角焊缝示意图，实际焊接中，焊枪从A点开始焊接，至B点，机器人本体开始转弯，十字滑块伸出，焊枪沿BC焊接，至C点，焊枪从伸出切换至缩进，沿着CD焊接，至D点，机器人本体停止旋转，直线行走，焊接DE段. 在整个焊接过程中，焊枪沿焊缝的速度始终保持恒定.

图1 直角角焊缝焊接示意图

Fig.1 Sketch map ofright angle fillet welding seam

1.2 系统硬件设计

焊接机器人系统结构如图2所示. 系统采用两轮差速驱动，机器人底盘前端置万向球实现本体的自由移动. 底盘分布两个步进电机，分别控制左右轮的运动. 为减少打滑，在底盘加入磁块，采用旋柄实现加减磁. 十字滑块由两个步进电机驱动，实现上下和伸缩运动. 激光视觉传感器安装在十字滑块上，随十字滑块运动，用于采集焊缝图像信息. 横向十字滑块内侧安装红外测距传感器用以测量滑块的伸缩量，从而确定机器人本体与工件的相对位置关系. 超声波传感器置于机体前端，采集障碍物的信号，以触发机器人的转弯. 机体底盘四角有4个光电传感器，用于防机器人跌落. 系统主板采用研华PCM3362，图像采集卡为北京大恒VT111，数据采集卡为ART2932，运动控制卡采用ART1020，超声波传感器型号为S18UIA.

1.3 系统工作原理

机器人从A点开始焊接时，旋转电弧传感器、激光视觉传感器、红外传感器和超声波传感器同时工作. 旋转电弧用于采集焊接过程中的电流信号，电流信号经信号处理和偏差识别后，指导十字滑块的伸缩使得焊枪跟踪上焊缝. 激光视觉传感器用于采集焊缝图像信息，图像经处理和特征识别后确定焊枪是否至直角拐点，从而决定是否触发焊枪由伸出切换到缩进，顺利经过直角拐点. 红外传感器用于测量十字滑块的伸缩位移，从而指导机器人前端超声波传感器发出转弯信号的距离. 超声波传感器用于测量机器人本体前端距离工件的距离. 当系统触发转弯信号时，机器人本体按规划路径和速度转弯，十字滑块的运动由事先规划量和实时控制量叠加得到. 系统进入转弯后开始计数采样周期，当焊枪至C点时计数结束，重新计数，当两次计数相等时，认为已经完成了直角转弯，进入直线焊接阶段.

图2 系统硬件结构图

Fig.2 System hardware structure diagram

2 转弯策略及运动学分析

2.1 转弯方式

移动机器人进行转弯，转弯方式有三种，如图3所示，其中图3a为以左轮为旋转中心，右轮后退的转弯方式；图3b为左轮前进，右轮后退，以两轮中心为旋转中心的转弯方式；图3c为以右轮为旋转中心，左轮前进的转弯方式. 三种转弯方式中十字滑块的最大伸出量分别为

ΔL1=-Lx=0.414Lx=9.94 cm

(1)

ΔL2 =-(Lx+R)

=14.28 cm

(2)

ΔL3 =-(Lx+2R)

=18.63 cm

(3)

式中：Lx为机器人左轮离焊嘴的距离；Ly为超声波传感器离前方工件离左轮中心的距离；实物中Lx=Ly=24 cm，R=21 cm.

三种转弯方式十字滑块的伸出总量依次增加，长度的增加对机器人本体的重量控制都是不利的，同时由于旋转电弧传感器安装在横向十字滑块的末端，滑块越长，旋转电弧带来的震动越大，因此采用第一种转弯方式，文献[3]采用的转弯方式为第二种.

图3 转弯方式示意图

Fig.3 Sketch map of turn mode

2.2 十字滑块轨迹规划

焊接过程中，无法单靠实时采集的焊缝偏差进行跟踪控制，需对十字滑块的运动进行事先规划. 十字滑块的规划主要采用分段方式. 从A点到D点分为n段，n为焊枪从A点到D点运行时间除以采样周期得到. 如图4所示，||=L2，||=L1，可得

L1cos(n-1)θ=Lx

(4)

L2cosnθ=Lx

(5)

对应采用周期内十字滑块的伸出量为

ΔL=L2-L1=Lx(-)

(6)

式中：θ=.

图4 滑块轨迹规划示意图

Fig.4 Sketch map of trajectory planning for slider

焊接过程中，认为AD段和DE段近似对称，分析做类似处理，图5为实际焊接过程中采样到的十字滑块规划的驱动速度曲线图.

2.3 机器人本体运动学分析

图5 滑块轨迹规划曲线图

Fig.5 Trajectory planning curve diagram of slider

焊接过程中，移动机器人进入转弯后需对其轮子运动进行规划. 如图6所示，和十字滑块的规划一样采用分段方式，分析在45°角之前，从(n-1)θ过渡到nθ过程中的运动学问题，有

L2=

(7)

L1=

(8)

图6 机器人轨迹规划示意图

Fig.6 Sketch map of trajectory planning for robot

在一个采样周期内，滑块的伸出速度为

v1==240Lx(-)

(9)

式中：∂t= min，采用周期为250 ms.

此时滑块沿焊枪运动方向的速度分量为

v1t=v1sinnθ=240Lx(-)

(10)

机器人转弯过程中，左轮不动，右轮做旋转运动，可计算出机器人旋转产生的焊枪运动方向上的速度分量为

v0t=v0cosnθ=

(11)

十字滑块的运动和机器人本体运动的叠加形成了焊枪的运动速度，则

v0t+v1t=v

(12)

经过变换后，有

v右=[v-240Lx(-)]×

(13)

约束方程为

v1cosnθ=v0sinnθ

(14)

由于机器人进入直角转弯后其运动为以拐点对称，直角转弯后45°的分析类似. 图7为实际焊接过程中采集到的机器人右轮运动速度曲线图.

图7 机器人轨迹规划曲线图

Fig.7 Trajectory planning curve diagram of robot

3 拐点的检测

机器人识别跟踪直角角焊缝的过程中，直角拐点的检测至关重要. 文献[4]中采用计时的方式预估直角拐点的位置，但该方法实现起来会出现很多不确定因素，比如机器人轮子打滑、转弯初始时机器人与工件之间的相对位置关系并非平行等，这使得焊枪到达拐点时间都存在不确定性，从而机器人对直角转弯拐点的跟踪存在一定的不稳定性. 文献[5]采用检测旋转电弧倾角的方式确定是否到达直角拐点，该方法也存在不确定性. 焊接过程中，焊枪到达拐点后与工件的角度近似为45°，根本无法确定焊枪是前倾还是后倾.

图8为激光视觉传感器采集到的焊缝图像，分析可知，焊枪离工件的距离变化会引起焊缝图像中激光条纹在图像中的横坐标变化. 图像处理方法参考文献[6]. 在焊缝跟踪过程中，通过实时检测焊缝图像中激光条纹的横坐标，当其坐标处于拐点时，则认为激光已经到达拐点，图9为实际焊接中检测到的激光条纹横坐标的位置图曲线，图中A点即为激光到达拐点. 由于激光超前焊嘴的距离为18 mm，加上旋转电弧传感器具有实时跟踪功能，完全可以补偿机器人打滑或定时器不准所带来的误差.

图8 焊缝图像

Fig.8 Welding seam image

图9 拐点检测图

Fig.9 Inflexion detection diagram

4 协调控制器设计

图10 控制器结构图

Fig.10 Structure diagram for Controller

在对直角角焊缝的跟踪过程中，控制器主要由两部分组成(图10)，一部分用来跟踪直线，另一部分用来跟踪直角转弯. 焊接开始时，进入直线跟踪阶段，机器人本体两轮等速运行，由旋转电弧传感器

采集焊接电流信息，经信息处理后送入参数自调整模糊控制器，得出控制量驱动横向十字滑块运动进而焊枪跟踪上焊缝. 在直线跟踪过程中，十字滑块会伸缩，伸缩量可由红外传感器获取，当红外传感器的采样距离当量等于超声波传感器的采样距离当量时，进入直角转弯阶段. 此时采用轨迹规划和实时跟踪控制量叠加的方式进行焊缝跟踪，同时，由激光视觉传感器检测拐点，当进入拐点，则对机器人本体和十字滑块的规划进行切换，进入直角转弯后45°的跟踪.

直角转弯焊接跟踪过程中，实时跟踪控制量和轨迹规划的输出量需叠加，叠加时需选择合适的权值，经过试验验证，U=1.3u+u0比较理想，其中U为总控制量，u为实时控制量，u0为规划输出量. 图11为实际焊接过程中采集到的实时偏差和跟踪控制量曲线图.

图11 实时曲线图

Fig.11 Real time curve diagram

5 试验验证

在移动机器人的硬件基础上，用VC++编程实现焊缝识别和跟踪控制，采用气体保护焊进行焊接试验，图12为移动机器人焊接实物图，各项焊接工艺参数为：焊接电流200 A，焊接电压25 V，采用80%Ar+20%CO2的混合气体进行保护，气体流量为15 L/min，母材厚度为5 mm，实心焊丝直径为1.2 mm，焊接速度为40 cm/min．图13为焊缝跟踪结果，从图13中可以看出，焊接机器人能够找到直角拐点进行过度，完成直角角焊缝自动跟踪焊接，效果良好.

图12 移动机器人实物图

Fig.12 Real figure of welding robot

图13 焊缝跟踪结果

Fig.13 Welding seam tracking results

6 结 论

(1) 采用PC104总线嵌入式工控机为处理单元的机器人焊接系统结构紧凑、质量轻、体积小，适用狭小空间现场焊接作业，为自主移动机器人小型化设计提供借鉴.

(2) 采用旋转电弧和激光视觉传感器结合，离线规划和在线实时跟踪控制策略，能够解决狭小空间直角角焊缝的识别和跟踪问题，为不能采用单一传感和控制方式的焊接领域提供参考.

参考文献：

[1] 朱 杰, 苏 娜, 杨 峰, 等. 船体分段机器人角焊工艺研究[J]. 焊接, 2015(3): 18-22.

Zhu Jie, Su Na, Yang Feng, et al. Robot fillet welding process for hull blocks[J]. Welding & Joining, 2015(3): 18-22.

[2] 康建国. 论述船舶焊接新技术发展[J]. 中国高新技术企业, 2013(13): 18-19.

Kang Jianguo. Development of new welding technology for ships[J]. China Hi-tech Enter Prises, 2013(13): 18-19.

[3] 李清伟. 狭小空间移动焊接机器人角焊缝跟踪的动力学控制[J]. 焊接学报, 2014, 35(12): 85-88.

Li Qingwei. Dynamic control of mobile robot working in narrow space for weld seam tracking[J]. Transactions of the China Welding Institution, 2014, 35(12): 85-88.

[4] 乐 健, 张 华, 叶艳辉, 等. 机器人基于电弧传感90°折线角焊缝的跟踪[J]. 机器人, 2014, 36(4): 420-424.

Le Jian, Zhang Hua, Ye Yanhui, et al. Right-angle weld tracking by robot based on arc sensor[J]. Robot, 2014, 36(4): 420-424.

[5] 毛志伟, 李舒扬, 葛文韬, 等. 移动焊接机器人大折角角焊缝跟踪及工艺[J]. 焊接学报, 2011, 32(2): 33-36.

Mao Zhiwei, Li Shuyang, Ge Wentao, et al. Tracking and technique of large fillet weld seam of mobile welding robot[J]. Transactions of the China Welding Institution, 2011, 32(2): 33-36.

[6] 郭 亮, 张 华, 高延峰. 船舱流水孔自动识别跟踪焊接系统[J]. 焊接学报, 2015, 36(6): 14-18.

Guo Liang, Zhan Hua, Gao Yangfeng. Study of automatic recognition and tracking welding system for cabin drain hole[J]. Transactions of the China Welding Institution, 2015, 36(6): 14-18.

收稿日期： 2016-01-03

基金项目： 国家高技术研究发展计划资助项目(2013AA04003)；江西省科技支撑计划(20151BBE50032)

中图分类号： TG 409

文献标识码： A

doi:10.12073/j.hjxb.20160103001

作者简介： 郭 亮，男，1979年出生，博士研究生，讲师. 主要从事机器人视觉与智能控制方面的教学和科研工作. 已发表论文10余篇. Email： [e-mail]

通讯作者： 张 华，男，教授. Email: [e-mail]