1.简介
不锈钢保温杯因其隔热性能而广受欢迎。这种杯子通常由两层组成，即内层和外层，在这两层之间保持真空区。两层的一端接头构成保温杯的口缝。两层的另一端接头形成底部接缝。两个接缝需要高质量焊接，以保持绝缘性能。目前，保温杯的杯口和杯底接缝几乎都是手工焊接的，越来越无法满足市场对优质保温杯的需求。
为了提高焊接效率和质量，需要采用适合保温杯的新焊接技术。近年来，激光焊接越来越多地应用于薄板焊接。它是一种以高能量密度激光束为热源的高效精密焊接方法，具有热影响面积小、热变形小、熔深深、不需要焊接填料、焊接速度快等优点[1,2,三]. 它非常适合于薄钢板的窄缝，如保温杯的口缝和底缝。由于激光焊接速度很高，无法手动移动焊炬。它应该安装在机器人系统上。同时，为了保证焊缝质量，激光焊接要求焊炬相对于焊缝的位置足够精确。由于保温杯的形状和位置不同，需要设计焊缝跟踪系统，以在焊接过程中使焊炬精确位于焊缝上。 焊接机器人在工业中得到了广泛的应用，大大提高了焊接效率和质量一致性[4,5,6]. 为了使焊接机器人适应机器人示教阶段焊缝的位置差异，在机器人上增加了焊缝跟踪系统。机器人焊缝跟踪系统中使用了几种传感器，例如直通电弧传感器[7]，感应传感器[8]，超声波传感器[9]和视觉传感器[10,11,12,13,14,15]. 其中，视觉传感器以其非接触测量、信息丰富、精度高等优点，近年来受到机器人领域研究人员的关注。一些研究人员只使用单目摄像机作为视觉传感器来检测接缝的位置。在[12,13]采用单目摄像机，基于模板匹配算法定位焊缝初始位置。Chen等人[14]采用单目摄像机检测集装箱板材中的窄缝，设计了一种鲁棒的视觉伺服控制方法进行焊缝跟踪。一些研究人员将单目摄像机与结构激光结合起来作为视觉传感器来检测焊缝。与前一种视觉传感器不同，这种传感器可以基于三角测量原理获得焊缝的三维信息。Fang等人。[15,16]采用结构激光视觉传感器对焊缝进行检测，设计了自校正模糊逻辑焊缝跟踪控制系统。Xu等人[17]为了提高机器人气体保护焊的焊接质量，提出了一种基于结构激光视觉传感器的焊缝跟踪系统。在[18]针对薄板焊接，设计了基于视觉传感器的焊缝跟踪系统，提出了一种水平和垂直方向的解耦视觉测量方法。 本文设计了一种机器人焊接系统，用于焊接不锈钢保温杯的杯口和杯底焊缝。为了进一步提高焊接效率和质量，采用了激光焊接。在开始焊接之前，用结构激光视觉传感器扫描焊缝并获得特征采样点。为了获得平滑的焊缝轨迹，提出了随机样本一致性（RANSAC）算法来消除异常点，并将LSF方法应用于剩余的内部点。在焊接开始时，提出了基于模糊逻辑的焊缝跟踪控制系统，以使焊枪精确地保持在焊缝上。在保温杯上的实验验证了该方法的有效性。
本文的主要贡献如下。首先，采用基于激光结构光的视觉传感器对保温杯进行机器人焊接，大大提高了焊接质量。其次，设计了一种新的图像重建算法，从采样点生成焊缝图像。第三，提出了RANSAC和LSF算法来从图像中获得平滑的接缝。
本文的其余部分组织如下。第2节描述了保温杯机器人焊接系统的配置。在第3节给出了基于LSF和RANSAC的视觉接缝提取方法。所提出的模糊焊缝跟踪控制系统的详细介绍见第4节.第5节说明了实验结果和第6节本文得出结论。 2.机器人激光焊接系统的配置
隔热马克杯的机器人焊接系统的配置如所示图1它主要由以下七部分组成：焊接机器人、视觉传感器、十字滑块、夹具、输送机、激光焊接电源和控制系统。焊接机器人有六个自由度。在焊接过程中，机器人手持焊炬并跟踪保温杯的接缝。为了使焊缝跟踪足够准确，使用了带有激光结构光的视觉传感器。它扫描保温杯的口和底部接缝，并将接缝信息发送给接缝跟踪控制器。视觉传感器由十字滑块移动。在焊接过程中，保温杯由夹具固定，以保持保温杯的位置稳定。固定装置放在输送机上。由于保温杯的口缝和底缝非常窄，为了提高焊接效率和质量，使用了激光焊接电源。控制系统用于实现机器人焊接系统上述部分的逻辑和过程控制。 3.基于视觉传感器的焊缝检测
保温杯的杯口和杯底接缝是焊接的，以保持内外层之间空气的真空特性。由于焊缝很窄，对焊缝质量的要求很高，所以采用激光焊接。这种焊接技术需要精确控制焊炬的位置。由于激光焊接的速度很快，无法手动控制焊炬的位置。本文提出了一种基于视觉的焊缝跟踪机器人自动焊接系统。焊接开始前，十字滑块用激光结构光移动视觉传感器，使其穿过杯子的接缝。然后，电弧打开，提取的焊缝位置点用于在焊接过程中沿焊缝精确引导焊炬。在下面的章节中，描述了保温杯接缝视觉测量的原理和特征提取的主要步骤。
3.1. 基于采样点的图像重建
如所示图1，每个保温杯的机器人焊接包括两个阶段。首先，完成焊缝的视觉测量。然后，机器人沿着焊缝完成引导激光焊炬的焊接。在第一阶段，激光结构视觉传感器通过横向移动轴从右向左扫描焊缝。详细扫描过程如所示图2可以看出，由于激光平面与焊缝相交，每次只能获得两个点。为了设计焊缝跟踪控制器，需要根据每次扫描的图像重建包含整个焊缝点的图像。重建图像可以描述为哪里是重建图像，当时是扫描图像吗. 3.2. 基于视觉传感器的接缝点坐标计算
由于单摄像机无法获得特征点的深度信息，因此本文使用带有摄像机和激光光源的视觉传感器，如所示图3.接缝点三维坐标的计算基于三角剖分原理。 为了便于分析，建立了两个坐标系。摄像头框架C类建立在相机的光学中心。它x个-轴和年-轴与图像平面的轴相同。它z（z）-轴与相机的光轴一致。机器人框架R（右）根据机器人制造商的定义，建立在机器人的基础中心。
假设激光发射器发射的激光平面与隔热杯接缝的交点为根据相机的针孔模型，可以得出以下方程式哪里是点的坐标在相机框架中，是图像中点的相应坐标，M（M）是相机的固有矩阵，和是从图像平面到图像坐标的放大系数x个-轴和年-轴，分别，是相机主点的坐标。使用摄像机校准方法可以获得摄像机的上述固有参数[19]. 接缝点位于激光发射器发射的激光平面上，如所示图3因此，可以给出以下方程式哪里一,b条和c（c）是激光平面的参数，可以使用激光平面校准方法获得[20,21]. 给定点的坐标在图像中，它在相机框架中的三维坐标可以从(2)和(三)如下所示。 由于焊缝跟踪控制是在机器人框架中实现的，因此焊缝点位于摄像机框架中，如下所示(4)需要转换为机器人框架，如下所示。哪里是接合点的坐标在机器人框架中，是从摄像机帧到机器人帧的变换矩阵，可以使用方法[22]. 3.3. 基于LSF和视觉点的圆焊缝检测
由于杯子不锈钢的光反射和十字滑块的移动影响，捕获的接缝位置点可能包含大量噪音。如果焊缝数据直接用于焊缝跟踪系统，焊炬可能会突然抖动，焊接质量无法保证。因为要焊接的接缝是杯子的口和底部，所以接缝形状在3D空间中是一个圆形。为了检测三维空间中的光滑圆焊缝，本文首先利用视觉传感器的焊缝位置数据，基于LSF方法提取圆焊缝。然后，利用RANSAC算法剔除离群点，再利用基于LSF的剩余内点检测出精确的圆焊缝。
用激光结构光视觉传感器对保温杯的口部和底部接缝进行扫描，得到一些离散的视觉点。为了从视觉点检测三维空间中的圆焊缝，提出了LSF方法。三维空间中的圆可视为平面和球体的交点。如所示图4,平面是否基于可视接缝点进行拟合，是拟合的球体，是提取的口或底部接缝。因此，为了检测嘴部和底部接缝，首先需要基于视觉接缝点提取平面和球体。三维空间中的平面可以用哪里一,b条和c（c）是平面的参数。 我们可以假设可视点位于同一平面上。如果有n个从视觉传感器中提取的点，可以给出以下等式哪里是可视点，是平面的参数。根据LSF方法，可以通过以下公式计算 同时，可视点位于同一球体上。三维空间中的球体由哪里是球体的中心，第页是球体的半径。 发件人(10)，我们可以哪里对是顺序的单位矩阵n个.之后确定，中心和半径第页可以计算球体的。 杯口和杯底的圆形接缝是平面和球体的交点。因此，从(8)和(13)，可以计算圆接缝的参数。 3.4。提高检测圆焊缝的精度
由于杯子不锈钢的光反射或十字滑块的移动影响，捕获的视觉点并不都位于真实的圆形接缝上。一些点可能远离圆接缝。我们将这些点命名为外部点。其他点非常接近圆形接缝。我们将这些点命名为内部点。如果所有捕获的视觉点都用于检测圆接缝，则无法保证精度。然而，如果首先消除异常点，然后使用剩余的内部点来检测圆接缝，则可以大大提高精度。本文使用RANSAC来消除异常点。然后基于剩余的内部点检测圆接缝。基于LSF和RANSAC的圆形焊缝检测算法的流程如算法1所示。
| 算法1基于LSF和RANSAC的圆焊缝检测 |
输入：采样点从视觉传感器捕获 |
输出：平面参数和球体参数 |
- 1:
迭代次数的初始化，最大迭代次数，采样点数对于平面和球面拟合，距离阈值，内部点集具有大小，离群点集，内部点集尺寸最大的. - 2个：
虽然做 - 3个：
随机选择采样点 - 4:
计算和基于LSF方法和采样点使用(8)和(13) - 5:
计算采样点到拟合圆中心的距离 - 6:
距离小于的采样点被放入内部点集，距离大于被放入离群点集. - 7:
计算内部点集的大小 - 8:
如果 然后 - 9:
- 10:
- 11:
计算和基于LSF方法和内部点集使用(8)和(13) - 12:
返回平面参数和球体参数
|
圆焊缝检测结果如所示图5.图5a显示重建图像包含几个异常点，例如到处理完新的RANSAC算法后，将从图像中删除离群点，如所示图5b.中的红色圆圈线图5b是杯子最后检测到的接缝。可以看出，焊缝检测良好，足够光滑。 4.模糊焊缝跟踪控制
激光焊接需要在焊接过程中精确控制焊炬的位置。由于传统PID控制器在控制精度和动态响应速度方面存在不足，无法适应高速激光焊接中的焊缝跟踪。一些研究人员在空气动力学或城市交通系统中设计了智能控制器[24,25]. 本文采用模糊逻辑控制方法进行焊缝跟踪，通过规则库吸收焊接工人在调整焊枪位置时的智能。隔热杯激光焊接的模糊焊缝跟踪控制图如所示图6它主要由四部分组成，即参考焊缝位置、焊炬位置反馈、模糊控制器和机器人关节控制器。参考焊缝位置是基于视觉传感器计算的。它用作闭环控制的参考信号。焊炬位置用作闭环控制的反馈信号。它是基于机器人关节编码器和运动学进行计算的。模糊控制器根据参考信号和反馈信号之间的误差和差值计算机器人末端执行器的调节值。机器人关节控制器根据其末端执行器的位置和机器人逆运动学控制六个关节。在下面的部分中，描述了模糊焊缝跟踪控制的主要部分。 4.1. 参考接缝位置
保温杯机器人激光焊接分为两个阶段，即基准焊缝位置计算阶段和焊接阶段。第一阶段，利用激光视觉传感器对焊缝进行扫描，提取焊缝的图像特征。视觉传感器处理后的焊缝位置作为闭环控制的参考信号。在第二阶段，机器人将焊炬引导至马克杯焊缝，电弧开启。在焊接过程中，通过焊缝跟踪控制，焊炬精确地沿着焊缝保持。
由于激光焊接速度高，焊缝短，焊缝的目视检测和激光焊接不能同时进行。因此，开关表示为在里面图6用于划分两个阶段。在第一阶段，关闭开关并计算参考焊缝位置。然后，在第二阶段，开关打开，视觉检测停止。闭环焊缝跟踪控制在第二阶段保持开启。 4.2. 成员资格函数
模糊控制器的输入是参考焊缝位置和机器人末端执行器反馈位置之间的误差和误差变化，如下所示。哪里和误差和误差在采样时是否发生变化吨分别为，和分别是机器人末端执行器的参考接缝位置和反馈位置。 图7给出了模糊控制器输入和输出的隶属函数。为输入定义了七个模糊集，分别表示为NB、NM、NS、ZE、PS、PM、PBe（电子）和输出u个七个模糊集的含义如下：NB为负大，NM为负中，NS为负小，ZE为零，PS为正小，PM为正中，PB为正大。为输入定义了五个表示为NB、NS、ZE、PS、PB的模糊集. 输入和输出比例因子用于使输入和输出的话语世界处于范围[-1,1]。
4.3. 规则库
与PID控制器等传统控制器相比，模糊控制器能在很大程度上反映焊接工人的智能。通过模糊控制器的规则库，可以将工人的焊接经验记录为每个控制规则。本文在作者与焊接工人深入交流的基础上，结合作者对机器人激光焊接系统的理解，通过反复试验，建立了规则库。模糊控制器的规则库如所示表1. 规则库中的每个规则都具有IF-THEN形式。因此k个-该规则可以表述为哪里,和是的模糊集e（电子）,和u个分别是。 在建立规则基础时，需要遵循两个基本原则。
（1） 当控制器的输入误差足够大时，控制器的输出应迅速消除误差。例如，如果e（电子）为NB且是NB，那么u个为PB。
（2） 当控制器的输入误差迅速减小时，控制器的输出应相应减小，以避免过冲过大。例如，如果e（电子）是NB和是PB，那么u个是ZE。
4.4. 去模糊化
采用模糊领域中广泛使用的常用重心法作为下面给出的解模糊方法哪里u个是模糊控制器的清晰输出，是模糊集隶属函数的中心,是隐含模糊集的隶属度值k个的k个规则，这是用Max-Min推理方法计算的。 4.5. 输出验证
由于杯子夹具的固定功能和杯子的形状差异有限，火炬与接缝的偏差必须在较小范围内。因此，为了保证焊缝跟踪控制系统的可靠性，控制器在每个采样时间的输出以及每个杯子在焊接过程中的总输出必须限制在特定范围内。因此，作为示例x个方向如下。哪里是控制器在x个每个采样时间的方向，是焊接每个杯子的控制器的总输出，和分别是每个采样时间和整个焊接过程的输出阈值。 5.实验和结果
为了测试所提出的隔热杯机器人激光焊接系统的有效性，进行了良好的实验。实验装置如所示图8工业机器人TX90自由度为6，载荷为20kg，臂展为1000m，复位精度为0.03mm，三维视觉传感器采用Cognex DS1050。Nlight QL-CW1200为激光焊接电源。主控制器采用可编程控制器（PLC）三菱FX3U-80MT/ES-A。 焊缝视觉特征提取中使用的参数如下：,,图像处理花费约20ms。因此，控制系统设计中的参数设置如下：采样时间设置为50ms，毫米，毫米。
焊缝跟踪结果如所示图9，它演示了x个,年和z（z）方向。最大的跟踪误差x个方向为0.07 mm，平均误差为0.04 mm年方向为0.08mm，平均误差为0.03mmz（z）方向为0.04mm，平均误差为0.01mm。从焊缝跟踪结果可以看出，使用所提出的视觉测量和焊缝跟踪控制方法可以实现较高的焊缝跟踪精度。为了更好地证明所提控制器的性能，在对比实验中使用了传统的PID控制器。传统PID控制器的焊缝跟踪误差如所示图10可以清楚地看到，所提出的模糊控制器的性能优于传统的PID控制器。隔热杯的焊缝如所示图11.图11a、 b显示隔热杯的焊接口缝，以及图11c、 d显示了隔热马克杯的焊接底部接缝。可以看出，使用所提出的机器人激光焊接系统和上述方法可以实现高焊接质量。 6.结论
介绍了一种用于不锈钢保温杯的机器人激光焊接系统。由于保温杯的口和底缝很窄，需要精确控制激光炬的位置，以保证焊接质量。因此，使用带有激光结构光的视觉传感器检测用于引导激光炬的焊缝特征。利用视觉传感器获取焊缝特征点后，利用RANSAC剔除异常点，保留内部点。然后，将LSF方法应用于剩余的内部点，以获得光滑的圆焊缝。在焊接过程中，设计了基于视觉的模糊焊缝跟踪控制系统，以保持激光焊炬的位置精度。在保温杯制造厂进行了良好的实验，以验证所提出的机器人激光焊接系统和方法的有效性。新的系统和方法可以有效地提高保温杯的焊接效率和质量。
当前机器人焊接系统的缺点是，模糊控制器的参数依赖于作者对系统的理解，并且是通过反复试验确定的。未来，根据模糊控制器参数的定义，可能会采用数据驱动方法。此外，可以为模糊控制器设计一些自校正方法，以进一步提高性能。
