激光视觉焊接熔池实时动态控制的应用研究

刘凌云

（湖北汽车工业学院 电气与信息工程学院，湖北 十堰 442002）

激光视觉焊接熔池实时动态控制的应用研究

刘凌云

（湖北汽车工业学院 电气与信息工程学院，湖北 十堰 442002）

针对弧焊机器人在焊接操作中自适应能力差的特点，本文提出了一种改进方法。在Motoman Up6机器人系统基础上，通过增加一套视觉传感子系统，提取CO2保护焊中焊接熔池图像的特征值，采用神经网络模型和PID控制相结合的控制策略，实时调整焊接规范参数，从而提高弧焊机器人的自适应能力。

视觉传感；弧焊机器人；焊接熔池；神经网络模型；PID控制

1. 引言

目前应用广泛的弧焊机器人大多属于示教再现型机器人，操作者通过示教盒在直角坐标系和极坐标系中移动机器人各关节，使焊矩沿焊接轨迹运动，在焊矩路径上记录示教的位置、焊矩姿态；设置运动参数和工艺参数，并生成一个可连续执行全部操作的示教程序。但当焊接件的截面尺寸变化较大、或由于定位夹紧点的作用而导致各段焊缝的散热条件不同时，弧焊机器人却不具备对焊接过程中的热变形等环境和对工作对象变化自适应能力。因此开发新一代利用视觉传感来自动调整焊接规范参数以适应外部条件变化的智能焊接机器人成为未来的发展方向。

2. 系统组成及原理

一般来说，在焊丝直径、气体成分和电流极性确定的情况下，CO2焊的焊接规范参数主要有焊接电流、电弧电压和焊接速度等。而对于焊接零件的焊缝成型(熔深、熔宽和余高)，除了受焊接规范参数的影响外，还要受接口形状、尺寸及散热条件等因素的影响。因此若能建立焊接电流、电弧电压和焊接速度三者与焊接熔池之间的数学模型，则可采用闭环控制，根据检测到的有关焊接熔池的信息，实时调整焊接电流、电弧电压和焊接速度的实际输出值，确保焊接熔池形态的稳定，从而提高焊缝成型的一致性。

在本课题中采用的技术平台为Motoman公司的UP6型焊接机器人，该机器人系统包括有Motoman-UP6工业机器人本体,YASNAC-XRC控制柜、Motoweld-S350焊机和相关的外部设备(机器人供电系统、双轴变位机、末端执行器等)以及与计算机进行数据通信的软件Motocom32。在此基础上，增加了一套视觉传感系统，用于焊接熔池动态过程的监控。其系统结构框图如图1所示。

图1 系统结构框图

其工作原理为：在焊接时，视觉传感系统获得的熔池图像经图像采集卡处理后，将图像特征参数上传给PC机，同时PC机利用软件Motocom32与XRC控制柜串口通讯，通过一定的控制算法实时修改XRC控制柜中焊接规范参数的设定值，即实现对焊接过程的全闭环控制，以便获得期望、稳定的焊接熔池图像。

3. 视觉传感子系统组成

在本系统中，为了获得更加丰富的熔池信息，采用了一套由强脉冲激光栅格状多结构条纹和高电子快门摄像机组成的熔池图像检测系统，激光器采用的是美国Lumics公司生产的脉冲光纤激光器模块Lu1064F400，其平均输出功率为4W，在一个脉冲周期内激光持续时间为100ns，激光脉冲功率可达8KW，激光波长1060～1080nm。采用的摄像机型号为：VC2048/E。工作时，摄像机的电子快门与激光脉冲保持同步，由于在激光脉冲持续时间内，激光的能量密度远远大于弧光的能量密度，在摄像机爆光时间内激光的光强远远大于弧光的光强，另外在摄像机成像的光路系统中又加有与激光波长相匹配的窄带光学滤光片，有效的抑制了弧光干扰。进一步提高了图像的信噪比。能够获得非常清晰地熔池表面反射图像。

由于CO2焊接时，其熔滴过渡形式相对复杂，熔池的有关信息也各不相同。一般认为，当采用熔滴短路过渡时，在熔滴短路阶段弧光及飞溅的干扰较小，熔池的形态也较稳定，是获取熔池图像的最佳时期。因此在本系统中，通过对Motoweld-S350焊机改造，设计了一套电流检测及同步逻辑控制电路，以解决摄像机的固定工作时序与熔滴短路阶段的同步。该电路能够对短路时间小于2ms的非正常短路、短路开始2ms内出现跨场以及同一场中出现的第二次短路等现象自动加以屏蔽。当对熔滴短路阶段进行检测、识别后，输出一个脉冲，从而触发脉冲激光的发生以及摄像机的曝光。其系统组成如图1中所示。

3.1. 熔池特征参数的提取

摄像机获得的视频信号在传输和数字化过程中由于受干扰影响，每一帧数字图像中包含着各种各样的随机噪声和畸变。在熔池图像的预处理中采用了基于局部灰度分布特点的对比增强CE技术，这样更有利于图像的边缘增强，提高目标和背景的对比度。

为了建立CO2保护焊熔池的几何特征尺寸参数与焊缝成形质量之间的关系,必须从经过预处理后的熔池图像中提取出熔池的几何特征尺寸信息。这里采用的熔池特征尺寸参数为熔池的最大宽度maxW 和最大半长maxL 。实际获得经过预处理后的熔池图像如图2所示。

其中熔池宽度由沿着x轴方向A、B两个边界点决定，熔池半长由边界点D到x轴的垂线段决定。由图像的灰度分布特点可知：在熔池的中心区域灰度值最大，向四周方向迅速下降，并且在熔池图像的边缘灰度值发生突变。基于以上熔池灰度“山”形分布规律，为了提取熔池的最大宽度 maxW 和最大半长 maxL ，采用的算法流程如图3所示。

图3 特征参数的提取算法流程

3.2 焊接熔池动态过程闭环控制器的设计

焊接过程是一个复杂的变化过程，具有高度非线性和时变的特点。对焊接过程难以建立精确数学模型，因此在这里采用神经网络模型（BNNM）和传统的PID控制相结合的方式来实现焊接熔池动态过程的闭环控制。如图(4)虚线框中所示。

其控制原理为：在弧焊机器人再现操作过程中，当执行引弧指令“ARCON”时，PC机与XRC控制柜进行通讯，获得此时的焊接规范参数（电流、电压和焊接速度的设定值），作为此期间（引弧指令“ARCON”至熄弧指令“ARCOF”程序段）闭环控制的期望值 Ie、Ue和e；同时视觉传感系统将提取的熔池特征参数(熔池的最大宽度 Wmax、最大半长 Lmax)上传给PC机，在神经网络模型（BNNM）中，由当前变量 Wmax、 Lmax和前两个脉冲的历史值以及焊接速度e共7个变量作为输入，

图4 闭环控制系统原理图

BNNM模型的输出为当前预测的焊接电流1I及电弧电压1U ；期望值eI、eU 与对应的预测值1I、1U 作比较，经PID控制器调节后实现预测值向期望值的快速跟随，从而达到对焊接过程的闭环控制。

4. PC机与XRC控制柜之间的通讯

利用MOTOMAN机器人自带的远程控制软件MOTOCOM32，可通过RS232串口通讯或构建Ethernet网络实现PC机与XRC控制柜之间的数据交换。在本系统中采用串口通讯方式，将XRC控制柜设置为远程控制模式。PC机为主控单元，不断的读取机器人的工作状态信息，获得每段焊缝的焊接规范参数（电流、电压、焊接速度）的设定值，同时实时的将闭环控制产生的焊接规范参数修正值通过RS232串口通讯传给XRC控制柜。

5. 实验结果

在Motoman UP6机器人系统中加入视觉子系统后，在汽车前悬支架上进行了大量的焊接实验，焊接后的前悬支架及部分焊缝如图(5)所示。

从图中看出，通过采用视觉传感系统对焊接熔池图像进行视觉监控，实时调整弧焊机器人的焊接规范参数，可大大增强

图5 前悬支架及部分焊缝

弧焊机器人焊接过程中的自适应能力，保证焊接件所有焊缝成型的一致性。

[1]钟玉琢,乔秉新,李树青.机器人视觉技术[M].北京：国防工业出版社，1994.

[2]殷树言,邵清廉.CO2焊接技术及应用[M].哈尔滨：哈尔滨工业大学出版社，1992.

[3]陈善本,等.焊接过程现代控制技术[M].哈尔滨：哈尔滨工业大学出版社，1992.

[4]刘鹏飞,韩九强,段延礼,姚俊.基于开放式控制器的机器人视觉伺服系统研究[J].计算机集成制造系统, 2006,6:955～960.

O59

A

1673-2219（2010）12-0026-03

2010－10－09

湖北省教育厅资助项目（B200723002）

刘凌云(1972－)，男，湖北荆州人，硕士，讲师，研究方向为机器视觉、机器人应用的研究。

（责任编校：何俊华）