呂健+呂學(xué)勤

摘要： 各類傳感器和智能控制方法極大促進了機器人在焊縫跟蹤中的應(yīng)用，不僅提高了焊縫跟蹤的精度，同時提高了焊接效率和保證了焊接質(zhì)量。簡述了機器人焊縫跟蹤系統(tǒng)的結(jié)構(gòu)，詳述了焊縫跟蹤過程中各類傳感器的工作原理及其特點；闡述了圖像處理技術(shù)在機器人焊縫軌跡跟蹤過程中的研究進展，并對圖像的預(yù)處理、圖像分割與邊緣檢測和特征提取等研究方法進行了分析。最后，總結(jié)了智能控制方法在焊縫跟蹤中研究進展及不同形狀的焊縫跟蹤情況。

關(guān)鍵詞： 焊接機器人； 焊縫跟蹤； 控制方法

中圖分類號： TP242

Abstract： Various kinds of sensors and intelligent control methods were applicated in the welding robot， it has greatly promoted the application of the robot in welding seam tracking. And it has not only improved the precision of seam tracking，but also improved the welding efficiency and welding quality. The structure of the seam tracking system was described， and the sensors used in the seam tracking process and its working principle were also described. The image processing technologies， such as preprocessing， image segmentation，edge detection，feature extraction and so on，were analyzed.Finally，the intelligent control and the seam tracking method with different weld lines was also summarized.

Key words： welding robot； seam tracking； control method

0前言

隨著工業(yè)及材料科學(xué)的發(fā)展，焊接自動化技術(shù)已成為一種不可缺少的金屬熱加工技術(shù)。焊接環(huán)境非常惡劣，實現(xiàn)焊縫跟蹤的自動化可以降低焊接工作者的勞動強度，提高焊接質(zhì)量。機器人及傳感器技術(shù)和智能控制方法的迅速發(fā)展為焊縫跟蹤的實現(xiàn)提供了物質(zhì)和技術(shù)基礎(chǔ)[1]。

在工件裝配精度、坡口狀況、接頭形式等焊接條件的影響下，常常使焊槍偏離焊接位置從而降低焊接質(zhì)量和生產(chǎn)效率。焊縫跟蹤系統(tǒng)應(yīng)用各種傳感器技術(shù)，采集焊接過程中焊炬與坡口的圖像以及產(chǎn)生的電、光、熱、聲、磁等物理信號；采用控制算法及圖像處理等技術(shù)尋找焊縫及其中心位置，最后通過機器人的執(zhí)行機構(gòu)調(diào)整焊炬位置使其處于焊縫中心。

焊縫跟蹤過程中應(yīng)用的傳感器主要包括電弧傳感器和視覺傳感器。旋轉(zhuǎn)電弧傳感器不受弧光、飛濺、磁場等因素的干擾，且焊槍本身就是傳感器，不存在超前和滯后誤差，因此一直受到國內(nèi)外的重視。除了傳感信息之外，焊接過程中的其他因素，如金屬煙塵、高頻電磁場、射線、電弧輻射和噪聲等同樣會影響焊縫跟蹤的精度。因此，研究合適的濾波方法和偏差識別算法，濾除噪聲并且快速、準(zhǔn)確地進行偏差識別是國內(nèi)外學(xué)者研究的難點和熱點。

相對于電弧傳感器，視覺傳感器不與工件接觸，直接獲取焊接區(qū)域的三維圖像信息，具有再現(xiàn)性好，使用壽命長等特點[2-3]。但由于是基于視覺傳感技術(shù)的焊縫跟蹤系統(tǒng)，視覺傳感器的檢測點并不是焊接點，而且在機構(gòu)裝配和光、機、電協(xié)同控制上要求較高，需要有高效的圖像處理和穩(wěn)定的控制結(jié)構(gòu)。同時，因為焊接機器人與視覺傳感器之間的信息傳輸是閉環(huán)控制，并且需要進行焊接機器人的路徑規(guī)劃與姿態(tài)調(diào)整，因此對視覺傳感的實時性和整個系統(tǒng)控制結(jié)構(gòu)的精度要求較高[4]。

鑒于以上情況，本文概述了焊縫跟蹤系統(tǒng)的結(jié)構(gòu)及用于采集焊縫信息的傳感器及原理等，分析了焊縫跟蹤過程中的圖像處理技術(shù)與控制技術(shù)的研究進展，最后總結(jié)了不同形狀的焊縫跟蹤進展情況。

圖1是機器人焊縫跟蹤系統(tǒng)的組成結(jié)構(gòu)圖。焊縫跟蹤系統(tǒng)主要由以下幾部分構(gòu)成：

（1） 傳感系統(tǒng)：磁控以及電感式復(fù)合傳感器、霍爾傳感器。

（2） 執(zhí)行機構(gòu)：焊接機器人（串聯(lián)機器人或移動機器人）、步進電機、十字滑塊（對于移動焊接機器人）。

（3） 控制處理器：單片機與硬件處理電路。

（4） 焊接系統(tǒng)：焊接電源、送絲機構(gòu)、工裝夾具。

2傳感器系統(tǒng)

用于焊縫檢測的傳感器主要有視覺傳感器、紅外傳感器和電弧傳感器等。

2.1視覺傳感器

焊縫跟蹤過程中，視覺傳感系統(tǒng)是非常重要的組成部分，其主要作用是用于導(dǎo)引初始焊縫位置和監(jiān)測焊接過程狀態(tài)，提供焊縫和熔池的特征信息，并對焊縫位置和焊縫的成形進行實時跟蹤控制。

視覺傳感技術(shù)是將環(huán)境信息轉(zhuǎn)化為系統(tǒng)可識別的位置信息和焊接過程信息，并對焊接過程進行控制的技術(shù)。視覺傳感技術(shù)根據(jù)照明光源的不同，可分為主動視覺技術(shù)和被動視覺技術(shù)。

根據(jù)傳感器結(jié)構(gòu)不同，主動視覺技術(shù)一般可分為結(jié)構(gòu)光式和激光掃描式。如圖2所示，在結(jié)構(gòu)光傳感器工作時，激光器發(fā)出特定波長的光經(jīng)過透鏡折射后形成一個平面的線結(jié)構(gòu)光，照在工件上從而形成一條有一定寬度的光帶。光帶經(jīng)過反射或散射后，途經(jīng)保留該特定波長的濾光片，進入攝像機成像。如圖3所示，激光掃描式是利用激光光束通過掃描震動電機的

反射鏡，在工件表面也形成一條光帶，利用光學(xué)三角原理來獲取傳感器和光點之間的精確距離，根據(jù)激光條紋的不同特征，分為點狀、線狀、環(huán)狀等激光傳感器，基于主動視覺傳感的焊縫跟蹤系統(tǒng)在自動化焊接中具有廣闊應(yīng)用前景[5]。

為了測量焊接接頭的幾何形狀，激光束照射在工件表面上，呈現(xiàn)三角形的光場。激光焊接用的攝像頭可以以幾個微米的精度來確定接頭位置，其它種類的攝像頭精度稍差，但是能夠處理大坡口接頭。幾個毫瓦的半導(dǎo)體激光二極管可以構(gòu)成簡單實用的視覺系統(tǒng)，其照射接頭形成三角形視場。通過機械掃描或者圓柱形透鏡使激光在接頭橫向掃描。通過線排列的CCD，PSD或CCD矩陣來接受接頭的映像。經(jīng)過三角測量和視覺場的標(biāo)定，可以快速獲取接頭尺寸，如圖4所示。

在焊接過程中，傳感器掃描焊縫坡口橫截面，同時PSD檢測出對應(yīng)的掃描角位移。對數(shù)據(jù)進行處理后，進行坐標(biāo)變換，得到二維偏差。然后，控制器根據(jù)控制策略，驅(qū)動調(diào)節(jié)機構(gòu)調(diào)整焊接位置的左右或上下偏差。如果偏差超出了調(diào)節(jié)機構(gòu)的調(diào)整范圍，則需要控制機器人本體姿態(tài)參與協(xié)同調(diào)整[6]。

上海交通大學(xué)機器人焊接智能化實驗室[7]利用主動視覺在圖像采集和圖像處理方面的優(yōu)勢，設(shè)計了一套基于結(jié)構(gòu)光的焊接過程主動視覺傳感系統(tǒng)LVST，可以快速精確的識別初始環(huán)境，并進行初始焊接位置的導(dǎo)引，而且充分考慮了主動視覺超前檢測誤差的影響，設(shè)計了一套面向主動視覺的帶軌跡修正的插值糾偏方法，可以保證跟蹤過程具有更好的實時性與可靠性。

王秀平等人[8]設(shè)計并實現(xiàn)了一套激光視覺引導(dǎo)的焊縫自動跟蹤系統(tǒng)。將激光視覺傳感器安裝到工業(yè)機器人機械臂末端構(gòu)成焊縫跟蹤系統(tǒng)，提出了一種雙隊列的控制策略以確保焊縫跟蹤精確以及平滑性，實現(xiàn)激光視覺引導(dǎo)的機器人對焊縫跟蹤進行實時控制。其思想是：隊列1 為焊縫特征點隊列，用于存儲激光視覺傳感器實時采集的焊縫特征點； 隊列2 為機械臂末端目標(biāo)位置隊列，用于存儲機械臂末端運動位置的插值點。由圖5焊縫跟蹤實驗結(jié)果可知，由于在焊縫點之間進行了插值，使得焊縫跟蹤軌跡更加平滑。

被動視覺直接使用焊接弧光對焊接區(qū)域進行照明，獲取熔池圖像，獲取的圖像信息同步性好。但是由于弧光強度不同，需要通過采用有效的濾波方法以減少弧光對圖像采集的干擾[7]。

2.2紅外傳感器

紅外檢測是利用任何溫度高于絕對零度的物體都可以作為紅外輻射源的原理，當(dāng)物體的結(jié)構(gòu)發(fā)生了改變或者物體的內(nèi)部存在缺陷時，物體的熱傳導(dǎo)率也會變化，導(dǎo)致物體表面溫度的變化。熱輻射和溫度的變化存在于整個焊接過程中，并包含著焊接質(zhì)量信息，因此焊接熔池及周圍會形成一定的溫度場并伴隨紅外輻射，熔池周圍產(chǎn)生的溫度場和紅外輻射通常是對稱均勻分布的，焊縫的偏離會導(dǎo)致溫度場隨之發(fā)生變化，通過使用紅外攝像機直接拍攝熔池獲取紅外熱像，并定量分析采集到的興趣區(qū)域紅外熱像，就能獲得焊炬中心偏離焊縫的量化信息[9]。

2.3電弧傳感器

電弧傳感器通過檢測焊接過程中的焊接電流或電弧電壓的變化來確定電弧是否偏離焊縫中心，并將其作為傳感信息，具有很強的實時性和較高的跟蹤精度[10]。

電弧傳感器有其獨特的優(yōu)勢：（1）檢測點即時焊接點，實時性高，不會存在傳感器先行的問題。（2）電弧本身作為傳感器，不會受焊絲發(fā)生彎曲導(dǎo)致電弧偏移的影響。（3）具有穩(wěn)定的焊接參數(shù)，還可以提高焊縫的成形質(zhì)量。（4）不受光、電磁、熱等因素的干擾，使用壽命也更長。

圖6是采用電弧傳感器方式的IGM機器人焊接過程圖。焊接過程中，分流電阻將實時檢測到的信號反饋給電弧傳感的電路板，并由其對反饋信號進行計算判斷，然后將結(jié)果發(fā)送給PC計算機進行處理后，將接收到的指令信號傳送到焊接機器人內(nèi)部的軸驅(qū)動器以及控制驅(qū)動器，控制焊接機器人手臂做出相應(yīng)的補償動作，并使焊槍調(diào)整到期望姿態(tài)，保證焊接軌跡中心線位于焊縫坡口中心。

2.4電容式傳感器

[HT]電容式傳感器大多采用如圖7所示的平行極板結(jié)構(gòu)，即將自身作為感應(yīng)電容的一個極板，并且把被測目標(biāo)作為另一個極板。由于單片式電容傳感器具有簡單的結(jié)構(gòu)，較高的分辨率，可以進行非接觸測量，而且還可以工作在高溫、輻射和強烈振動等復(fù)雜惡劣的環(huán)境中，用于在線檢測時探頭安裝方便，不僅能實現(xiàn)高精度、高效率[CM（3*3]的非接[CM）]觸測量，而且易于實現(xiàn)動態(tài)采樣、實時在線測量等自動化要求[11]。

電容式傳感器基于平行板電容器的電容為：C=εS/d（ε為兩極板間電介質(zhì)的介電常數(shù)；S為兩極板的有效面積；d為兩極板間的距離。電容式傳感器與工件的位置關(guān)系如圖7所示）。電容式傳感器探頭通過支架與焊槍固連，當(dāng)焊槍在前進的時候傳感器探頭也隨著焊槍前進，傳感器探頭和工件鋼板之間形成一個理想的電容，當(dāng)介電常數(shù)和極板有效面積不變時，d變大則電容減小，d變小則電容增大，二者呈線性關(guān)系。通過圖7a可知，極板之間電容的變化通過后續(xù)的信號采集與處理電路之后可以轉(zhuǎn)變?yōu)殡妷旱淖兓?，輸出給計算機。如圖7b所示，當(dāng)焊槍左偏的時候，與中心線偏置距離為L1，通過支架與焊槍固定連接的傳感器探頭與工件的間距d也因此變小，從而導(dǎo)致兩極板間的電容變大。如圖7c所示，當(dāng)焊槍右偏的時候，與中心線偏置距離為L2，通過支架與焊槍固定連接的傳感器探頭與工件的間距d也因此變大，從而導(dǎo)致兩極板間的電容變小。通過運算實時提取出焊槍與焊縫橫向和縱向的位置信息，輸出控制信號給步進電機，步進電機控制十字滑塊系統(tǒng)對焊槍橫向和縱向進行偏差調(diào)節(jié)，從而達到焊縫跟蹤的目的。

2.5電感式傳感器

[HT]電感式傳感器的工作原理是電磁感應(yīng)。它是把被測量（如位移等）轉(zhuǎn)換為電感量變化的一種裝置。按照轉(zhuǎn)換方式的不同，可分為自感式（包括可變磁阻式與渦流式）和互感式（差動變壓器式）兩種。常用電感式傳感器有變間隙型、變面積型和螺管插鐵型。電感式傳感器結(jié)構(gòu)簡單，無活動電觸點，工作可靠、壽命長；靈敏度和分辨力高，能測出0.01 μm的位移變化。傳感器的輸出信號強；線性度和重復(fù)性都比較好，在一定位移范圍內(nèi)，傳感器非線性誤差可達到0.05%～0.1%，且穩(wěn)定性好；對使用環(huán)境要求不高；能實現(xiàn)信息的遠距離傳輸、記錄、顯示和控制等，在測量精密位移和檢測精密尺寸方面（如長度、直徑等）得到了廣泛的應(yīng)用[12]。

洪波等人[13]對于窄間隙埋弧焊焊縫橫向和高低跟蹤中存在的問題，設(shè)計了一種基于電感原理的新型電磁傳感器。電感式焊縫跟蹤傳感器由初級激磁線圈和次級感應(yīng)線圈組成。焊接坡口信息的掃描利用初級線圈周圍磁場控制電弧的擺動來實現(xiàn)，采集電流信號經(jīng)過單片機處理后獲得焊槍左右偏差，并調(diào)節(jié)滑塊的水平運動，能夠較好地解決窄間隙焊縫焊接時側(cè)壁不易熔合的問題；焊接過程中傳感器放置在焊道的上方，通過檢測次級線圈感應(yīng)電動勢的變化判斷焊炬的高低位置情況，實時獲取焊槍相對焊縫的高低偏差。采用PID算法使系統(tǒng)能夠快速消除偏差，實現(xiàn)左右和高低雙向快速平穩(wěn)的跟蹤。電磁傳感器結(jié)構(gòu)簡單，靈敏度高，抗干擾能力強，為解決厚板窄間隙埋弧焊跟蹤問題提供了新的方案。

3焊縫跟蹤中的圖像處理

圖像技術(shù)廣泛應(yīng)用于機器人焊接領(lǐng)域，而且由于機器人對于適應(yīng)能力具有很高的要求，采用三維視覺傳感系統(tǒng)和計算機圖像處理技術(shù)作為輔助手段，可以實現(xiàn)對焊接環(huán)境進行實時監(jiān)測。通過對采集到的圖像進行分析，控制機器人進行焊縫的實時對中，并將特征信息提供給機器人，實現(xiàn)對焊接過程進行智能控制。

與其他在自然光下得到的圖像相比，受焊接過程中產(chǎn)生的聲、光、電、熱、磁及煙塵雜物等因素的影響，焊接過程中的焊縫圖像具有特殊性?；谝曈X傳感器的焊縫跟蹤系統(tǒng)獲取的焊縫圖像，在進行空間采樣和模數(shù)轉(zhuǎn)換之后變?yōu)榛叶染仃嚧嫒胗嬎銠C存儲器，從而獲得數(shù)字圖像。但是由于得到的圖像大量噪聲的存在以及傳輸過程產(chǎn)生的畸變，所以需要將數(shù)字圖像進行一系列的圖像處理以獲取所需的焊縫位置信息[14]。圖像處理方法一般包括圖像預(yù)處理、圖像分割、邊緣檢測、特征提取等。

3.1預(yù)處理

在進行實際焊接過程中，由于受到產(chǎn)生的大量弧光和飛濺等因素的干擾，導(dǎo)致采集的原始圖像中存在大量的噪聲，為了盡可能的減小因為此種因素導(dǎo)致的圖像失真，在特征提取之前需要對焊縫圖像進行預(yù)處理，如濾除圖像中存在的噪聲，修正灰度和校正產(chǎn)生的畸變等。焊縫圖像的預(yù)處理主要包括兩個步驟：濾波去噪和圖像增強。焊縫圖像的濾波去噪是根據(jù)噪聲特征設(shè)計合適的濾波器，主要分為線性和非線性濾波器。線性濾波器是平滑處理，雖然利于濾波去噪，但是會使圖像邊緣模糊化，不利于特征提取。最常用的非線性濾波是中值濾波器，中值濾波器能在濾波去噪的同時保持圖像邊緣不被模糊化。對于圖像中的一些特定噪聲，需要根據(jù)噪聲特征設(shè)計合適的濾波去噪方法。

但是濾波去噪在除去了大量的噪聲的同時，圖像也變得模糊，因此通常需要對焊縫圖像進行圖像增強處理，以便于圖像目標(biāo)分割。常用圖像增強方法有灰度值線性變換、直方圖均衡化、直方圖匹配等。

Ming J Tsai等人[15]研究了一種基于機器視覺技術(shù)的高爾夫球桿頭焊縫路徑規(guī)劃方法。系統(tǒng)采用三維機器視覺技術(shù)識別焊縫及機器人焊接路徑生成。對焊縫位置采用Sobel捕獲的數(shù)據(jù)發(fā)現(xiàn)，Laplace mask能夠過濾掉由于散射光折射的粘著焊點的噪聲點。

3.2圖像分割

[HT]圖像分割是將目標(biāo)從圖像背景中分割出來。圖像分割需要根據(jù)幅度、邊緣、形狀、灰度值和位置等因素將圖像劃分成若干區(qū)域。焊縫跟蹤中常采用閾值分割的方法進行圖像分割，并利用提取目標(biāo)與背景在灰度特性上的差異，將圖像分為灰度級不同的兩類區(qū)域：目標(biāo)區(qū)域和背景區(qū)域。只需選取合適的閾值，就可以確定圖像中的每一個像素點的歸屬區(qū)域，得到相應(yīng)的二值分割圖像。閾值分割分為全局閾值分割、局部閾值分割和自適應(yīng)閾值分割三種，其中自適應(yīng)閾值分割應(yīng)用比較廣泛，是根據(jù)圖像中灰度值的變化自適應(yīng)地選擇閾值，它適合圖像灰度值經(jīng)常發(fā)生變化的場合。最常用的自適應(yīng)閾值分割方法是Otsu方法，該方法采用統(tǒng)計學(xué)方法確定最優(yōu)的閾值，能最大程度區(qū)分圖像中的灰度層級。盡管目前已有大量的圖像分割算法，但是圖像分割算法的研究仍然是當(dāng)今圖像處理領(lǐng)域的一個研究熱點。如何克服焊接過程中環(huán)境的干擾，有效地濾除噪聲，準(zhǔn)確可靠地提取目標(biāo)邊緣仍是未來需要努力的方向。

喻寧娜等人[16]采用迭代法、Otsu法和準(zhǔn)固定像素個數(shù)法等三種自適應(yīng)閾值法對不同情況的焊縫圖像進行閾值分割。

3.3邊緣檢測

[HT]在圖像處理技術(shù)的應(yīng)用中，邊緣檢測的地位顯得尤為重要，檢測焊縫位置的關(guān)鍵是提取圖像邊緣。圖像邊緣是目標(biāo)位置與背景的分界線。由于焊縫邊緣有多種類型，所以焊縫軌跡有其復(fù)雜性。傳統(tǒng)的邊緣提取方法首先針對原始圖像按照像素的某鄰域來構(gòu)造邊緣檢測算子，并考察圖像的每個像素在某個鄰域內(nèi)灰度發(fā)生的變化，然后利用邊緣鄰近的一階或二階方向?qū)?shù)的變化規(guī)律進行邊緣檢測。將灰度值相差不大與位置相靠近的像素劃成一個區(qū)域，提取圖像灰度、紋理、顏色等特征。由于采用的被動視覺技術(shù)直接獲取的焊縫圖像，邊緣檢測是影響圖像分析的一個關(guān)鍵步驟。目前經(jīng)常采用的邊緣檢測算法包括梯度算子（Roberts算子、Prewitt算子、Sobel算子、Krisch算子等）檢測法、Canny算子檢測法、高斯-拉普拉斯（LOG）算子檢測法、Hough變換法等[8]。

為了達到求出焊縫及其兩側(cè)溫度場的目的，程繼文等人[17]采用基于Sobel檢測算子的邊緣提取算法。經(jīng)過邊緣化之后的圖像，溫度場和焊縫均清晰可見。xpic（k）和ypic（k）分別是某點Sobel檢測算子的水平算子和垂直算子的近似偏導(dǎo)數(shù)，兩個算子的平方和再開方為該點的灰度梯度，當(dāng)灰度梯度大于給定的閾值時輸出的顏色值為255（白色）；否則為0（黑色）。圖8為銳化+柔化+柔化+邊緣化后的圖像。通過計算焊縫兩側(cè)白顏色的像素點的個數(shù)，比較白顏色像素點個數(shù)的多少，間接得出哪一側(cè)的面積較大。因為對于同一顯示屏，屏幕上每一個像素點的大小是相同的。所以[JP2]這種思路是可行的、正確的。c線為所找出的焊縫的投影，b線可用來驗證找出的焊縫是否是投影圖中的焊縫。

3.4特征提取

焊縫圖像經(jīng)過處理之后，下一步要進行焊縫的特征提取，即焊縫中心的提取。提取焊縫中心一般是通過對垂直于焊縫的方向進行掃描，將獲取焊縫邊緣點作為特征點以計算得到焊縫中心坐標(biāo)。由于實際的焊縫在小范圍內(nèi)可近似為直線，因此可以采用最小二乘法等數(shù)學(xué)方法擬合出焊縫軌跡坐標(biāo)。如果圖像分割采用的是閾值分割的方法，那么分割出來的焊縫具有一定寬度，首先需要對焊縫進行細化得到單像素的線，然后再進行焊縫直線提取。由于焊接過程中多數(shù)為直線焊縫，因此從圖像中提取直線是進行焊縫目標(biāo)識別和特征分析的一個重要任務(wù)。目前有很多對焊縫中心進行提取的算法，主要包括Hough 變換法、啟發(fā)式連接、層次編組法等，并且基于數(shù)學(xué)形態(tài)學(xué)的細化算法和逐行搜索求平均值連線的方法是比較常用的方法。 毛志偉等人[18]提出一種基于灰度形態(tài)學(xué)的圖像處理算法，有效去除線結(jié)構(gòu)光視覺傳感焊縫跟蹤圖像中飛濺、弧光和煙塵等干擾，并采用動態(tài)開小窗與最小二乘法相結(jié)合的方法準(zhǔn)確提取到焊縫特征

點。使用最小二乘法對開小窗后的圖像線性擬合，然后求取擬合的直線的交點， 原始焊縫圖像和焊縫特征提取后焊縫圖像如圖9所示。

顧網(wǎng)平等人[19]針對薄板接頭特征設(shè)計了一個基于面性激光的視覺傳感器，有效地采集薄板焊縫圖像；提出了一種亞像素特征提取方法，根據(jù)圖像的灰度分布特點，搜索每列的極大值和極小值，并以這兩點為邊界，對圖像進行分割；接著對分割的焊縫特征區(qū)域，采用基于灰度梯度的重心法進行亞像素的焊縫特征提取。試驗結(jié)果表明，該方法可以有效地檢測出薄板對接焊縫特征，并且可以有效地提高薄板焊縫特征的提取精度，提取精度可達0.1個像素。

陳海永等人[20]針對焊接過程中薄鋼板搭接微小焊縫隨機變化的特點，提出一種基于圖像能量分布的視覺特征檢測和提取方法，采用偽彩色圖像增強算法得到能量分布，有效地抑制了焊接過程中飛濺、煙霧等能量弱的瞬時噪聲。并采用一種差分搜索算法實現(xiàn)了結(jié)構(gòu)光條紋骨架的準(zhǔn)確提取，獲得了圖像特征點。之后，利用隨機抽樣一致算法對圖像特征歷史數(shù)據(jù)進行概率分析，進而精確地擬合出焊縫特征的局部模型，實現(xiàn)了焊縫特征點的準(zhǔn)確預(yù)測。研究結(jié)果表明，提出的方法是有效的，焊縫視覺特征提取的效果令人滿意。

4焊縫跟蹤控制方法

由于受非線性和很多干擾因素的影響，焊接過程極其復(fù)雜，具有非線性、時變、不確定性等特點，所以建立精確的數(shù)學(xué)模型非常困難。智能控制對于復(fù)雜、模糊和不確定性系統(tǒng)環(huán)境和任務(wù)，可以有效的實現(xiàn)復(fù)雜信息處理，不需要精確的數(shù)學(xué)模型，相對于現(xiàn)代控制理論中系統(tǒng)辨識的自適應(yīng)控制來說具有更好的魯棒性。因此在焊縫跟蹤過程中，模糊控制、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、復(fù)合控制等智能控制理論的應(yīng)用越來越受到重視。

對于磁控電弧焊縫跟蹤信號的非線性和不平穩(wěn)等問題，柳健等人[21]提出了一種基于匹配追蹤和非參數(shù)基函數(shù)相結(jié)合的磁控電弧焊縫跟蹤特征信號提取方法。首先為了逼近跟蹤信號的某一特征，匹配追蹤的每一次迭代都需要模板信號進行自適應(yīng)調(diào)整，并利用非參數(shù)基函數(shù)特征波形提取方法與最匹配的信號特征進行最優(yōu)估計；然后用最優(yōu)估計值對信號余量進行更新，并繼續(xù)尋找其他特征的最優(yōu)估計。在信號余量的能量小于設(shè)定閾值之前重復(fù)執(zhí)行。最后在磁控電弧傳感器焊縫跟蹤平臺上進行特征信號提取試驗，采用該方法提取的V形坡口掃描信號與仿真信號具有相同的變化趨勢，能夠準(zhǔn)確反映焊縫跟蹤偏差信息。

陳忠等人[22]提出了一種基于線激光視覺的機器人焊縫跟蹤魯棒控制方法，焊縫輪廓信息通過激光視覺系統(tǒng)的預(yù)測量獲得，識別焊縫拐點并對拐角區(qū)域進行辨認，針對輪廓部分差異采用不同的控制方法，并對實際生產(chǎn)過程中的裝配誤差進行自動校正。

高向東等人[23]針對0～0.05 mm 的微間隙焊縫問題，提出了一種色噪聲環(huán)境下應(yīng)用卡爾曼濾波實現(xiàn)焊縫跟蹤的方法。通過對焊件施加磁場，利用法拉第磁旋光原理構(gòu)成磁光傳感器，實時獲取焊縫磁光圖像，并將提取的焊縫中心位置作為狀態(tài)向量，然后基于焊縫中心位置建立系統(tǒng)的狀態(tài)方程與測量方程。

胡繩蓀等人[24]采用FuzzyP控制方法進行焊縫跟蹤，設(shè)置一個閾值，當(dāng)偏差大于閾值時采用比例控制，其它則采用模糊控制。該系統(tǒng)具有快速、準(zhǔn)確、穩(wěn)定的特點，完全能夠滿足實際工程應(yīng)用的需要。

5不同焊縫類型

[HT]崔筱瑋等人[25]采用一種空間漫反射激光測距傳感器，對波紋板傾斜角與測量結(jié)果之間的關(guān)系進行了研究。在傳感器與被測面上激光光點之間的距離不發(fā)生改變的前提下，進行了不同傾斜角被測面的激光測距試驗。通過Phong光照模型解釋了傾角對試驗結(jié)果產(chǎn)生影響的原因：測面傾角增大會導(dǎo)致測量結(jié)果的誤差增大，被測面傾斜角小于45°，測量誤差在0.5 mm以內(nèi)；被測面傾斜角大于45°，測量誤差大于0.5 mm。該激光傳感器在滿足折線焊縫跟蹤精度要求前提下，能夠用于被測面傾斜角不大于45°的波紋板。

石永華等人[26]針對波紋板-箱梁T形接頭角焊縫位置的激光雙目視覺檢測，提出了一種變步長角點檢測算法。首先建立波紋板角焊縫位置的雙目視覺檢測模型，然后根據(jù)激光條紋投射在角焊縫上的成像特征進行圖像預(yù)處理，采用變步長搜索算法尋找激光條紋上的近角點，并在近角點兩側(cè)選取激光條紋上的像素點構(gòu)造兩條直線，由直線的交點確定角點。該方法可以可靠地測量角焊縫的位置坐標(biāo)，測量精度高于傳統(tǒng)方法，測量誤差小于0.1 mm，角焊縫軌跡三維重建誤差小于1 mm。

梁斌焱等人[27]針對三維T形焊縫的焊接中存在雙光束焊接結(jié)構(gòu)特殊、三維焊接軌跡難以擬合、焊接變形量大的問題，在六軸聯(lián)動機床上設(shè)計了雙光束焊接平臺的方案，根據(jù)焊件的三維模型，運用三維焊接路徑控制技術(shù)，生成實際的三維雙光束焊接路徑；在雙光束焊接過程中采用雙路實時閉環(huán)焊縫跟蹤技術(shù)，對焊接過程中的焊接變形引起的焊接偏差進行跟蹤。三維T形焊縫的雙光束焊接技術(shù)主要應(yīng)用于飛機整體壁板、蒙皮等大尺寸的結(jié)構(gòu)件。三維T形焊縫較一般焊縫的加工難點在于三維加工路徑實施中焊接姿態(tài)的適時調(diào)整，具體來說：（1）雙光束激光焊接的兩條激光束均位于三維焊縫曲線的法平面內(nèi)；（2）兩條激光束與T形焊縫所在底板成一定角度（30°左右，可調(diào)）；（3）兩束參數(shù)相同焊接激光的焦點嚴(yán)格落在兩側(cè)三維焊縫的中心位置。圖10和圖11分別為雙光束激光焊接平臺和焊件驗證結(jié)果圖。結(jié)果表明，雙光束焊接平臺的實施及其雙路焊縫跟蹤技術(shù)很好地滿足了雙光束激光焊接的要求。

針對小彎曲角焊縫跟蹤和焊縫終點檢測的問題，焊接電流需要根據(jù)電流中噪聲的種類，選擇合適的濾波方法（比如空間中值濾波、均值濾波、閾值處理或者線性濾波），以去除焊接電流中的大部分噪聲[3]。將二類模式平均向量所對應(yīng)的點用直線進行連接，直線斜率就是偏差，多個模式類感知機的輸入為最近三次偏差，輸出水平滑塊伸縮速率以實現(xiàn)對小彎曲角焊縫進行跟蹤。若偏差值連續(xù)三次均大于1，就說明已經(jīng)到達焊縫終點，小彎曲角焊縫的跟蹤試驗結(jié)果如圖12所示。

6結(jié)束語

為提高焊縫自動跟蹤的精度和焊接質(zhì)量，國內(nèi)外學(xué)者對視覺傳感系統(tǒng)進行了大量的研究。在傳感技術(shù)、焊縫圖像處理、智能控制算法等領(lǐng)域都有豐富的研究成果，這些創(chuàng)新技術(shù)提高了機器人焊縫跟蹤精度和焊接質(zhì)量。傳感器技術(shù)以及焊縫跟蹤過程中控制策略的不斷改善，提高了焊縫跟蹤過程響應(yīng)速度，并實現(xiàn)了對復(fù)雜特殊形狀焊縫的高精度跟蹤。

隨著材料和通訊技術(shù)的發(fā)展，高精度新型的傳感技術(shù)在焊接過程中的應(yīng)用也將越來越廣泛；智能控制技術(shù)的迅速發(fā)展也會促進焊接機器人控制技術(shù)的進步，從而使得焊縫跟蹤的精度和質(zhì)量會進一步的提高。

參考文獻

[1]樂健， 張華， 葉艷輝， 等. 基于旋轉(zhuǎn)電弧傳感器的角焊縫跟蹤[J]. 焊接學(xué)報， 2015， 36（5）： 5-9.

＼[2＼]呂學(xué)勤， 張柯， 吳毅雄. 焊縫自動跟蹤的發(fā)展現(xiàn)狀與展望[J]. 機械工程學(xué)報， 2003， 39（12）： 80-85.

＼[3＼]Shen Hongyuan， Lin Tao， Chen Shanben， et al. Realtime seam tracking technology of welding robot with visual sensing[J].Journal of Intelligent & Robotic Systems， 2010， 59（3）： 283-298.

＼[4＼]樂健， 張華， 葉艷輝， 等. 小彎曲角焊縫跟蹤及焊縫終點檢測[J]. 焊接學(xué)報， 2015， 36（9）： 21-25.

＼[5＼]郭志鵬， 于治水， 張培磊， 等. 基于視覺傳感的焊縫跟蹤系統(tǒng)研究現(xiàn)狀[J]. 輕工機械， 2016， 34（5）： 95-100.

＼[6＼]Lü Xueqin， Zhang Ke， Wu Yixiong. The seam position detection and tracking for the mobile welding robot[J]. The International Journal of Advanced Manufacturing Technology，2016， 88（5）：2201-2210

＼[7＼]侯震， 許燕玲， 黃色吉， 等. 視覺傳感技術(shù)在機器人焊接中的應(yīng)用[J]. 上海交通大學(xué)學(xué)報， 2016， 50（S1）： 55-58.

＼[8＼]王秀平， 白瑞林. 雙隊列控制的激光視覺焊縫跟蹤系統(tǒng)研究[J]. 計算機工程與應(yīng)用， 2015， 51（2）： 30-34.

＼[9＼]許二娟， 高向東， 蕭振林， 等. 激光焊接過程焊縫跟蹤傳感方法[J]. 電焊機， 2016， 46（1）： 28-34.

＼[10＼]卿衛(wèi)福， 羅斌. 電弧傳感技術(shù)在焊縫跟蹤中的應(yīng)用[J]. 金屬加工（熱加工）， 2014（10）： 40-41.

＼[11＼]洪波， 言浚光， 陽佳旺， 等. 一種用于焊縫跟蹤的電容式傳感器[J]. 焊接學(xué)報， 2014， 35（2）： 55-58.

＼[12＼]孟慶斌. 電感式傳感器原理及在幾何量計量工具檢定中的應(yīng)用趨勢[J]. 中國計量， 2010（1）： 63-64.

＼[13＼]洪波， 戴威， 李湘文， 等. 窄間隙埋弧焊的磁控與電感復(fù)合式焊縫跟蹤方法[J]. 焊接學(xué)報， 2016， 37（1）： 11-14.

＼[14＼]王萍， 張文明. 圖像處理技術(shù)在焊縫跟蹤中的應(yīng)用[J]. 電子與封裝， 2008， 8（3）： 35-38， 46.

＼[15＼]Ming J Tsai， Lee Hongwen， Ann Naijun. Machine visionbased path planning for a robotic golf club head welding system[J]. Robotics and ComputerIntegrated Manufacturing， 2011， 27（4）： 843-849.

＼[16＼]喻寧娜， 莫勝撼， 戴建樹. 基于激光視覺傳感的焊縫圖像閾值分割法研究[J]. 焊接， 2015（5）： 21-24.

＼[17＼]程繼文， 張義順. 螺旋管埋弧焊內(nèi)焊焊縫跟蹤[J]. 焊接技術(shù)， 2016， 45（6）： 71-74.

＼[18＼]毛志偉， 趙濱， 周少玲. 線結(jié)構(gòu)光視覺傳感焊縫跟蹤圖像處理[J]. 熱加工工藝， 2016， 45 （15）： 233-236.

＼[19＼]顧網(wǎng)平， 李心潔， 彭思平， 等. 基于視覺傳感的薄板焊縫特征亞像素提取方法[J]. 焊接技術(shù)， 2015， 44（4）： 16-19.

＼[20＼]陳海永， 杜曉琳， 董硯. 微小隨機變化焊縫的視覺特征提取[J]. 焊接學(xué)報， 2016， 37（5）： 97-101.

＼[21＼]柳健， 洪波， 李湘文， 等. 基于MPNBFE 法的磁控電弧焊縫跟蹤的信號提取[J].焊接學(xué)報， 2016， 37（3）： 53-56， 105.

＼[22＼]陳忠， 鄧汛， 李小輝， 等. 基于線激光視覺的機器人焊縫跟蹤魯棒控制方法[J]. 計算機測量與控制，2016， 24（8）： 107-110， 164.

＼[23＼]高向東， 吳嘉杰， 蕭振林， 等. 磁光成像自適應(yīng)卡爾曼濾波焊縫跟蹤算法[J]. 焊接學(xué)報， 2016， 37（3）： 9-12.

＼[24＼]胡繩蓀， 侯文考， 秦寶忠. 焊縫跟蹤系統(tǒng)中的自調(diào)整比例因子FuzzyP 控制器的研究[J]. 天津大學(xué)學(xué)報， 1999， 45（2）： 50-54.

＼[25＼]崔筱瑋， 田松亞， 熊憶明， 等. 波紋板焊縫跟蹤激光傳感器的性能研究[J].電焊機， 2015， 45（5）： 90-94.

＼[26＼]石永華， 王曉佳， 李學(xué)瑞. 用于波紋板角焊縫跟蹤的變步長角點檢測算法[J].華南理工大學(xué)學(xué)報， 2014， 42（3）： 78-83.

＼[27＼]梁斌焱， 許先雨， 龔時華， 等. 三維T形焊縫的雙光束激光焊接及其焊縫跟蹤控制[J]. 焊接學(xué)報， 2016， 37（2）： 47-50.

收稿日期： 2016-11-27

呂健簡介： 1991年出生，碩士研究生；主要從事焊接機器人焊縫跟蹤和燃料電池混合動力系統(tǒng)能量管理方面研究