论文部分内容阅读
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。这种机器人在焊接每一种工件前均需要对焊接作业进行示教,在小批量生产时示教将占有大量的生产时间。应用视觉传感器使机器人具备自主获取焊接路径的能力有助于提高机器人的智能化水平,具有很高的应用价值。在已有的基于视觉的焊接路径获取研究中,视觉系统大多以开环方式工作,面临着精度低、可靠性差等问题。为了解决这些问题,本文将视觉伺服方法引入到焊接路径获取的研究中来,对所涉及的各项技术进行了深入的研究。在建立机器人焊接路径自主获取试验系统时,本文设计了伺服视觉传感装置。该装置使得摄像机能够在伺服电机的驱动下绕焊枪做可控角度的转动,以增加控制摄像机取像位置的灵活性,并避免在跟踪切线方向变化较大的焊缝时出现的线缆缠绕问题。利用该装置还能够实现滤光片和减光片的自动加载和移开功能,以满足摄像机在室内光源和弧光两种光源下取像的需要。采用视觉伺服方法获取焊缝坐标时,需要根据对局部焊缝图像实时处理所获得的焊缝信息实现对机器人运动的闭环控制,图像处理算法的抗干扰性至关重要。本文根据焊缝图像的特点提出了两套抗干扰性能很高的焊缝图像处理算法:基于区域的算法和基于边缘的算法。基于区域的焊缝图像处理算法包括中值滤波、准固定像素个数的阈值分割、细化和尺寸滤波等步骤。根据在跟踪同一条焊缝时各帧图像中的焊缝像素的个数基本不变的特点,所采用的准固定像素个数的阈值分割算法可以避免过多或过少地分割焊缝。采用尺寸滤波去除伪边缘进一步保证了该套算法的抗干扰性能。基于区域的焊缝图像处理算法运算量小,能快速处理出焊缝的中心线。在与Canny等边缘检测算法进行分析比较的基础上,本文在基于边缘的焊缝图像处理算法中,采用SUSAN算法进行边缘检测。利用焊缝图像中划痕像素的亮度明显高于其它像素的特点,在边缘检测前先去除图像中工件上的划痕。基于边缘的焊缝图像处理算法能处理出焊缝或工件的边缘,进而能够获取焊接时焊缝的宽度信息。细化后的图像中常常存在有用线条上有分支难以提取准确信息而噪音线条由于分支较多难以使用尺寸滤波器滤除的问题。本文采用了先打断支线条,再用尺寸滤波器去除支线条的思路,提出了一种打断支线条算法。该算法的功能为在保持主线条上两个分支连通的基础上,打断支线条与主线条之间的连通性。打断支线条算法的基本原理为采用5×5的邻域运算计算出分叉点处三条分支所在直线之间的夹角,即直线夹角组,根据其中最小的元素的序号确定支线条的位置并进行打断。为了更好地设计打断支线条算法,本文根据直线夹角组的定义对分支的分布类型进行了分类,并讨论了对各种情况的处理措施。利用在边缘检测后焊缝图像中表示焊缝边缘的线条为水平线条的概率较大等先验知识定制了适合本应用的打断支线条算法。为了有效地利用图像信息控制机器人持焊枪沿焊缝运动,本文首先进行了视觉传感系统的标定。采用BP神经网络来拟合焊枪在图像中的位置与传感装置上伺服电机的转角之间的映射,解决了在图像中的无法确定焊枪位置的问题。然后在定义了焊缝的位置偏差和角度偏差的基础上,设计了焊缝跟踪控制器,该控制器采用了前馈控制和反馈控制相结合的复合控制方法,其中反馈控制部分为PD控制器。针对视觉伺服方法在获取有曲率突变的焊缝的坐标时存在的问题,提出了可行的解决方案。在跟踪焊缝过程中,本文通过使用焊缝偏差修正当前焊枪在机器人基坐标系下的坐标和传感装置中伺服电机的角度以更加精确地获取焊缝坐标和规划摄像机的取像位置。在获取搭接接头的焊接路径时,提出了根据获取的焊缝坐标和工艺要求的焊枪角度来自动规划和调整焊枪和摄像机姿态的方法。根据焊接工艺的特点定义了工具姿态的几何约束,包括焊接方向角、焊枪工作角和焊接行进角等三个参数。在此基础上确定了工具姿态的X-Y-Z固定角描述。利用微分运动矢量方程计算出从当前工具姿态到达目标工具姿态所需的姿态调整量,然后对姿态调整量进行插值计算出用于机器人调整工具姿态的姿态增量。针对当姿态调整较大时使用微分运动矢量方程计算的结果存在较大误差的问题给出了解决方案。此外,本文定义了前倾、后倾、左倾、右倾等概念来描述焊枪的姿态,以便能够根据实际工况快速地确定焊枪角度参数的符号。焊接路径获取试验结果表明,采用视觉伺服方法能够自主获取平面内几乎所有形状的对接焊缝和搭接焊缝的坐标,坐标的获取精度高于±0.5mm,能够直接用于工件的焊接。同时,摄像机取像位置的规划精度高于±5°,能够保证焊接时熔池和焊缝图像特征提取的需要。对于搭接焊缝,能够根据焊接工艺要求自动地计算和调整不同焊缝位置处的焊枪姿态,同时保证摄像机处于最佳的取像位置。