当前位置:
弧焊机器人焊接区视觉信息传感与控制技术
发布日期:2014-12-14 10:41:01 浏览次数: 字体大小:
摘要:基于光学图像的视觉信息具有形式直观、信息丰富和适应性强等优点,在焊接机器人传感与控制技术中越来越得到了广大科研工作者与技术人员的青睐。将分别从焊接过程控制和质量控制这两方面介绍焊接区视觉信息在弧...
关键词:视觉信息;弧焊机器人;过程控制;质量控制;传感与控制
前言
弧焊机器人是典型的机电一体化高科技产品,具有功能强大、操作简便、自动化程度高等特点。 在一定程度上可以代替焊接工人的工作,特别是在人类难以直接作业的特殊场合(如水下、空间和核辐射环境等),发挥了极其重要的作用。在我国,弧焊机器人技术的研究始于20世纪70年代,近年来融合了国外的成熟技术,得到了迅速的发展,国内的焊接机器人已开始走向实用化阶段。
基于光学图像的视觉传感器具有灵敏度和测量精度高、动态响应特性好、信息量大#抗电场和抗磁场干扰能力、与工件无接触等优点,在焊接工艺、焊接过程、质量信息检测与控制中等得到广泛的应用。基于视觉传感的焊接机器人借助CCD 摄像机、红外摄像仪、高速摄像机等图像传感设备及智能化的图像处理方法,使之不仅可以模拟熟练焊工的视觉感知能力,还可以超越人类局限,完成诸如:获取并处理强弧光及飞溅干扰下的焊缝图像、实时提取焊接熔池特征参数、预测焊缝的组织结构及性能等,确保了焊缝质量的稳定性和可靠性。机器人系统包括过程控制和质量控制两个方面,根据过程控制和质量控制视觉信息传感特征,弧焊自动控制过程中视觉信息包括过程控制视觉信息与质量控制视觉信息,前者主要包括焊炬及接头空间位置信息,后者主要指熔池形态尺寸信息。
1 视觉信息传感技术
机器人视觉信息传感涉及到# 个部分的内容:视觉传感器、光源、视觉信息处理的硬软件。在弧焊过程中,由于存在弧光、电弧、飞溅以及烟雾等多种干扰,使用何种视觉传感方法是首要确定的问题。在弧焊机器人中,根据使用照明光的不同,可以将视觉方法分为被动视觉和主动视觉两种。被动视觉是
指利用弧光或普通光源和摄像机组成的系统。 其特点是采用适当的光学系统滤去大部分弧光,使熔池区图像清晰真实;主动视觉一般指具有特定结构光源与摄像机组成的视觉信息传感系统。其特点是使用适当波长的光源,使之与电弧区别开来,从而光学传感器仅仅接受该波长的光线,而滤去弧光。
1.1 被动视觉
传统被动式视觉图像传感所用传感器的设计原理是:根据光谱图找到某一波长范围,此波长对应的金属谱线的光谱强度大于焊接电弧的辐射强度,因而可以利用熔池自身的辐射成像。例如,若取光谱中波长为( 601±2)mm区域,通过选择高性能的滤光玻璃,传感器只允许电弧和熔池以及工件表面的反射光中波长为λ=(601±2) 的光通过,形成熔池图像,并以此来观测焊接熔池变化。
为了避免焊接过程中强弧光等对视觉传感的干扰,在采用了合适波长的滤光片的同时也研究了如何利用合理的抓图时刻来排除干扰。通过焊接工艺试验,总结了在拍摄TIG 焊图像的规律:a.在脉冲电流峰基值阶段的图像品质存在较大差异,其原因是脉冲电流峰值期间拍摄图像时,因电弧的弧光太强,焊缝信息淹没在弧光之中,导致从图像中获得焊缝位置信息的困难;而在脉冲电流基值期间进行拍摄图像时,电弧的弧光较弱,图像特征相对比较明显,包含的信息丰富,便于后续的图像处理。b.在脉冲电流基值期间,不同时刻所拍摄的图像质量也不相同。 这是因为作为被动光源的电弧光强在脉冲电流基值期间总是由强转弱地不断变化。针对电弧光强的这一特点,应该选择脉冲电流基值期间的某一个电弧光强适中的时刻来拍摄图像。c.峰值电流42A峰值时间50ms,基值电流5A,基值时间80ms时,采用中心波长为860μm的滤光片,在峰值电流过后5ms后,可获取清晰、稳定、特征明显的实时焊缝图像。
研究发现co2焊熔池信息检测相对TIG焊要困难的多,不仅要避开电弧闪烁、飞溅和烟尘等干扰,而且还要解决好摄像机的固定工作时序与短路发生的随机性之间的矛盾。研制成co2短路过渡焊接熔池图像检测专用传感器。该传感器具有独特
的光学设计,改善了装备此类视觉传感系统的焊枪的灵活性和可达性,且设计了短路过渡发生的随机性与普通CCD 摄像机固定曝光时序之间的这一矛盾的熔池图像检测控制电路,成功检测到短路过渡熔池图像,为从视觉角度进行焊缝跟踪、过程监控和质量控制奠定了基础。
1.2 主动视觉
主动视觉一般是基于三角测量原理的视觉方法,其光源为单光面和多光面的激光和扫描的激光束。
为简单起见,分别称之为结构光法和激光扫描法。由于光源是可控的,所获得的图像受环境的干扰可去掉,真实性好。 因而图像底层处理稳定、简单、实时性好。
根据埋弧焊的特点,通过对线阵CCD传感器在光源性质和光路结构上的改进,大大提高了传感器的抗干扰能力。光源采用半导体激光器,光路结构改为线结构光照射焊缝,线阵CCD 在垂直方向接受散射光"这样可以有效地克服焊缝坡口信号对工件表面状况的敏感性。改进的光路结构如图1所示。
激光经柱面透镜"在工件表面汇聚成宽度很窄的结构光带,该光带在工件表面和坡口内部将形成一条空间曲线ABCDE。选择适当的入射角使在垂直方向上的散射光最强,通过圆透镜在线阵CCD的感光带上成像。当圆透镜的焦距足够大时,该光学系统的景深也相应较长。可认为像曲线为一平面曲线abcde。这样,来自工件表面的光能落在CCD上并使其感光,而坡口处的光带BC和CD所成的像bc和cd落在CCD的感光部分之外,不能使CCD对应的像素感光,由此可以提取焊缝坡口位置信息。 光路中的滤光片用以增强系统的抗杂光干扰能力。
2 视觉信息控制技术
焊接图像获取的目的是利用其丰富的信息量来控制弧焊机器人行走和焊接熔池成形。但是在粗糙表面和强烈弧光等焊接条件下,采集的焊缝图像受到飞溅、烟尘的干扰,且含有强烈的电磁干扰,导致检测器的电子元件引起噪声。必须采取合适的图像降噪方法对图像进行预处理以获取清晰的焊缝图像。
现行图像滤波的常规方法有频率域和空间域两种。频率域方法主要通过对图像进行傅氏变换以后,选取适当的频域带通过滤波器进行滤波处理。经傅氏反变换后获得去噪声图像。这种方法对周期性特征较强的噪声较为有效,但在处理过程中,由于难以区分与噪声频率相近的图像信息,以至往往造成大量图像信息的损失。空间域方法主要采用各种图像平滑模板对图像进行卷积处理,以达到压抑或消除噪声,如邻域平均、中值滤波等属于这一类方法,该方法在消除或压抑噪声的同时,使图像变得模糊,损失了图像中大量的微细影纹和边缘特征信息。因此,利用小波变换的时——频分析的优点实现了既降低图像噪声又能保持图像细节的焊接图像降噪。
在文献[6][7]中总结出:降噪这一步骤对在试验系统中采集的图像的最终处理结果影响不大。试验中也跳过了这一步。 此外,忽略该步骤对提高算法的速度,增加系统的实时性也是有益的。
在此从过程控制和质量控制两方面来阐述视觉信息在焊缝跟踪和熔池控制中的应用。
2.1 视觉信息在过程控制中的应用
由于焊接过程是一个伴随着强光、强热的动态过程,要实现精确的焊缝自动跟踪是焊接领域一个重要研究课题。焊缝跟踪系统一般都由传感器、信号处理和执行机构等3部分构成。 其中视觉传感器由于可以远离强光强热的熔池!还可以获得大量的可用信息,因而得到了研究者的青睐。因此,如何在自然光条件下提取焊缝偏差信息,实现精确的焊缝跟踪仍是一个值得讨论的问题。
2.1.1 焊缝提取
焊缝接头类型识别是焊缝提取中首要解决的问题。目前,已开发出基于视觉传感的弧焊机器人系统大多数是在焊接前还需要输入焊缝类型。国内外对焊缝类型的自动识别的研究可分为基于句法的识别方法和基于规则的识别方法,但是由于原
始焊缝形状与规则中的规定可能出现较大的误差,因而该方法不但实现复杂,而且可靠性欠佳。河北工业大学的岳宏教授等在自适应共振人工神经网络的基础上研制了自动识别焊缝类型(焊接坡口)的方法。首先根据不同类型的焊缝对电弧光和激光光带的影响,将弧焊焊缝划分为4种类型。在此基础上,确定焊缝的特征参数,并组成训练样本数据库,由此抽取焊缝图像特征!,制作ART2人工神经网络分类器,将4类焊缝的权值保存在其长期记忆层,在实际分类时,用CCD摄像机将检测到的焊缝特征参数输入,处理后即可得到焊缝类型。
随着科技人员的不断努力,发明了一种新的简单实用快速的识别焊缝的方法。由CCD摄像机得到的图像用直方图分析可以得到适当阈值,使图像三值化,然后对处理后的图像分析可以看到,如果图像每行的相邻像素相减,可发现通过焊缝的行至少有4处差值为56(黑点噪声行也会出现这种情况),而不通过焊缝的行大多只有2处差值为56但是多次试验表明含有黑点噪声的行不会连续出现五行。因此,根据其特点可以通过程序控制来搜索到真正的焊缝中心线。
研究人员在小波分析理论和边沿检测技术的基础上,提出了一种焊缝位置检测的新方法:先将二维图像信号通过求均值转化为一维信号(减少计算量),然后利用小波变换的极大值点与极小值点来分析信号的边沿特性,进而来确定焊缝的位置,并通过仿真得出小波变换的尺度α=1时效果比较好。最后由于在连续的几帧焊缝图像中,焊缝位置之间存在着很强的相关性,利用这种相关性可以进一步减小噪声的影响,提高检测的准确性$该方法配合以DSP为核心的图像数据处理系统,处理1 cm×12cm、分辨率为400dpi,灰度级为256的图像、处理速度可达28帧每秒以上。 在时间上可以满足埋弧焊的实时控制。
2.1.2 焊缝跟踪
近年来,随着模糊控制理论和技术的大力发展,特别是它有着较为完善的数学理论基础,模糊控制在焊缝跟踪中得到了广泛的应用,从而使焊缝跟踪系统的调节速度和跟踪精度得到了很大提高。日本等国家大量地将模糊控制技术用于焊缝跟踪及焊接动态过程的控制中,并取得了满意的效果。国内清华大学、哈尔滨工业大学、华南理工大学等高校在弧焊过程的模糊跟踪及控制方面进行了大量的卓有成效的研究工作。
但是,由于一般模糊控制器在控制过程中需要大量的运算,影响了焊缝跟踪的实时性。因此,在参数自调控制器的基础上研制了参数自调混合型PID模糊控制器,通过改变权重系数α 和引入PI控制器,很大程度上消除了运动偏差过大或过小而引起的误差增加,实现了模糊规则离线调整,如图2所示。可以完全满足实时跟踪焊缝的需要。
图2中d表示焊炬偏离焊缝的距离;r表示距离的变化率; u表示控制量增量。该模糊控制器共有5个参数;k1、K2、K3
为量化因子,ai为权重系数,ki为PI控制器的常数,这些参数对模糊控制器的性能都会产生影响,在试验中通过调整这些参数来优化控制器的性能.
多道焊的视觉传感系统能够随着工件位置的变化而修正机器人位置,能够选择合理的参数来完成接头焊接.开发的软件系统不仅能够识别接头类型,寻找到接头的侧面,而且能够测量接头顶部的宽度和截面积,自动选择各焊道的焊接规范参数而无需记忆跟踪。在焊接开始时,机器人首先通过视觉系统寻找与视觉模型库相匹配的焊接的接头、随后测量接头的相关参数,并计算出合理的焊炬位置,选用合理的焊接规范参数。
图像处理方式的窄间隙焊缝跟踪系统中,执行调节误差、弧光干扰误差、导前误差、光学参数误差、初始给定误差、标定参数误差等将直接影响到跟踪精度,应从硬件和软件方面综合采取措施。对于不同类型的干扰因素,可采取相应的硬件和软件措施来控制或消除。
2.2 视觉信息在质量控制中的应用
焊接质量直接决定着产品的内在和外观质量。图3给出了焊缝熔池的主要结构参数。包括:熔深、熔宽以及余高等。这些焊缝直接参数是由间接参数中焊接电流#焊速#焊枪角度和保护气体等多种因素决定的。其中熔深是最重要的质量参数,它
直接决定了焊接结构强度,因此焊接过程控制的目的就是通过选择和控制这些间接参数而获得满意的直接参数,主要是熔深。
R.Kovacevic 等人开发了一个基于视觉传感与控制的TIG 全熔透焊焊缝熔合状态闭环控制系统,该系统采用CCD摄像机从焊缝正面获取熔池图像,借助图像信号处理算法和模糊神经模型测量、预测正面及背面的熔宽信息,以达到控制焊缝合。
由于CCD摄像机难以直接获取熔池熔深量,通过建立一个基于神经网络的可以精确描述熔池结构的数学模型来估算熔深。即设计了一种神经网络模型,通过熔池表面形状、焊接电流和焊缝间隙量来估算熔深。其中选焊接电流、焊缝间隙和熔宽的
变化量作为描述熔深动态系统的参数,并作为神经网络的输入,而熔深作为网络的输出。最后试验结果表明:焊接电流随着焊缝间隙量的波动而相应地变化,当焊缝间隙变窄时,焊接电流增加;相反,当焊缝间隙变宽时,焊接电流则减小。在整个试验过程中,熔深基本保持恒定。
利用普通CCD 摄像机拍摄熔池的正面图像,提取TIG熔池正面几何参数,利用熔池正面几何参数与背面熔宽的关系模型,采用单层神经网络模糊控制器,以背面熔宽的误差及误差变化率作为输入,焊接电流的变化作为输出进行样本训练,实现了对背面熔宽的实时控制。
在研究GTAW焊缝成形控制中发现既要控制焊道宽度,又要保证焊道成形良好,只调节焊接电流(脉冲占空比)是难以达到目的的,必须在控制焊接电流的同时进行焊接速度的调节。因此在原先单变量(焊接电流单入单出控制)模糊神经网络控制器FNNC的基础上,加入一个调节焊接速度的专家控制系统控制器,组成了脉冲GTAW对接过程模糊神经网络和专家系统相结合的脉冲GTAW对接过程焊缝成形双变量智能控制系统。
3 现存问题与解决途径
焊接机器人是焊接自动化的革命性进步,它突破了焊接刚性自动化的传统方式,开拓了一种柔性自动化生产方式。目前,国内外已有大量的焊接机器人系统应用与各类自动化生产线,但是随着人们对焊接质量的要求越来越严格,仍需解决以下几个应用性难题。
3.1 视觉信息系统控制的实时性
熔池区视觉信息图像提取与焊缝跟踪、机器人路径规划和姿态控制等都要求计算机视觉传感与控制具有很强的实时响应性和很高的控制精确性。但是常用的光学传感器的信息处理速度不超过10-20Hz,有时很难满足焊接过程的实时性要求,并且大量引进以模糊理论和神经网络为代表的人工智能技术也必将增加计算机处理时间,影响焊接过程的实时性控制,因此不得不以精度换速度,以牺牲控制精度来加快响应速度,为此解决视觉传感系统的实时性与精确性的矛盾是现在急需解决的问题。
3.2 视觉信息系统处理的智能性
在实际焊接过程中,作业条件复杂多变,如加工和装配上的误差会造成焊缝位置和尺寸的变化,焊接过程中工件受热及散热条件改变会造成焊道变形和熔透不均。这些问题的解决需要增加新型的高精度传感器和高性能控制器。当然这也意味着焊接机器人成本价格的增加,因此如何调整这两者之间的关系,在提高弧焊机器人性能的同时,如何降低其成本也是科研工作者的注意的地方。
3.3 视觉信息系统传感的完整性
综上可知,当前有关弧焊机器人研究也存在着以下问题:a.大多数焊缝跟踪和熔池成形的研究是孤立的,但是实际情况是它们之间存在影响与依赖,为了保证高质量的焊接产品就需要2者参数之间实时通信,进行反馈控制。b.目前焊接过程视觉控制主要集中在TIG脉冲GTAW焊接过程控制。作为“十五” 重点推广的焊接工艺CO2气保焊却应用很少。清华大学曹一鹏在图像采集方面作了一些有益的工作,为CO2气保焊焊缝跟踪和质量控制奠定了基础。
3.4 视觉信息系统质量控制的多样性
目前研究质量控制的方向大多数是基于焊接熔池几何形状的宏观焊接质量控制,对于通过对热过程(采用工业用电荷耦合器件,从工件背后获得焊接温度场图像)调节来控制焊缝区金相组织或机械性能的微观焊接质量控制的研究比较少。另外,焊接工艺参数的控制应向多变量输入输出综合控制发展。国内,上海交通大学陈善本教授已经在自行研制的单变量模糊控制的基础上又开发了双变量闭环智能控制系统,但离1996年D.E.Hardt等人提出的对于熔宽、熔深、余高、热影响区宽度以及焊缝中心线的冷却速度这5个直接焊接参数(DWP)的同时
控制系统的要求还有一段距离。因此,开发多变量耦合闭环控制系统将是一个很具有挑战性的工作。
新一代计算机信息处理技术和新型视觉传感器件的发展为探索解决上述难题提供了有利条件。
a. 基于并行计算机的高性能信息处理技术,以CMOS器件为代表的新型视觉传感器性价比的不断提高,以及DSP、FFT等图像处理专用集成电路的出现,这些都将大幅度提高视觉传感系统的精确性、实时性和性价比。
b. 以模糊理论、神经网络为代表的人工智能,基于小波变换、分形理论的现代图像处理技术可以胜任这种非线性、强耦合、无确定性的视觉信息提取与控制工作,为实现弧焊机器人的智能化、自动化提供了强有力的工具。