论文部分内容阅读
焊缝跟踪是焊接机器人的一项关键技术。当前焊接机器人的焊缝跟踪大多采用“示教再现”的工作模式,对焊接工件的重复定位精度和工件形状的一致性要求较高,使用的灵活性较差,越来越不能满足复杂多变的工业生产的需求。研究具有视觉感知功能和较高智能性的焊缝跟踪技术对于焊接机器人的智能化发展具有重要意义。
本文对基于视觉的焊缝跟踪的关键技术展开研究,主要涉及焊缝的图像处理、焊缝初始焊位自动对中、焊缝跟踪的视觉模型分析、焊缝跟踪的智能控制等基本问题。具体来说,论文主要工作包括:
第一,针对几种常见的焊缝,提出了快速稳定的图像处理算法。对于平板对接窄焊缝,通过相邻两幅图像取“与”的操作大大消除弧光飞溅等干扰,并根据图像灰度分布特征提出了一种鲁棒的焊缝中心线提取算子;对于有斜坡的平板对接窄焊缝,通过两个方向的灰度投影同时确定图像的感兴趣区域和自适应阈值;对于角焊缝,提出了一种沿着激光条纹轮廓线的快速模板匹配算法。
第二,提出了一种平板对接窄焊缝的初始焊位自动对中方法。通过焊缝起始阶段采集的焊缝图像坐标数据和编码器位置数据确定焊缝直线的斜率,并结合初始化时得到的初始点图像坐标和焊缝直线斜率计算当前焊缝的初始点参考图像坐标。利用焊缝的当前图像坐标和参考图像坐标的偏差实现初始焊位自动对中。
第三,针对无斜坡的平板对接窄焊缝,提出了一种基于图像的焊缝跟踪视觉控制方法,并通过多种措施如图像坐标连续性检验、图像偏差滤波、输出脉冲软限幅等提高系统的可靠性。针对有斜坡的平板对接窄焊缝,采用基于自然光和基于激光结构光相结合的方式同时检测焊枪在水平和竖直两个方向的偏差,并在两个方向上独立设计相互解耦的控制器。
第四,为了克服角焊缝的图像坐标变化与十字调节轴调节量之间的非线性关系,提出了一种神经网络视觉建模方法,以激光条纹上的多个坐标点为输入,以十字调节轴两个方向上的调节量为输出,并利用神经网络的输出直接设计控制器。为了提高焊缝跟踪的性能,提出了一种自调节模糊控制器,控制器的输入输出比例因子能根据输入误差的变化自适应调整,使控制器的工作区间处于最佳位置。
第五,针对曲线焊缝跟踪的视觉检测超前问题,提出了一种基于坐标队列的曲线焊缝跟踪方法。获取的图像特征不立刻直接用于焊缝跟踪控制,而是存入一个队列中,每次取队列末尾的数据用来控制。为了保证焊缝跟踪的平稳性,对坐标队列中的数据进行卡尔曼滤波和曲线拟合。
最后,对本文的研究成果进行总结,并指出进一步需要开展的工作。