基于视觉的机器人拧紧座椅螺栓稳定性研究

李铭

摘要：得益于人们生活水平的提高，汽车的需求量与日俱增。无形中促使了汽车产能的飞速提升，当前汽车制造行业已经高度实现自动化，无论是主机厂还是零配件厂自动化水平都非常高。在这其中，机器人配合视觉协同作业作为自动化行业中的新兴翘楚扮演着越来越重要的角色。随着机器人制造水平，视觉传感器技术，控制技术以及通讯技术的进步，其功能及稳定性越来越高。应用也越来越广泛。鉴于此，本文简要分析整个系统的稳定性提高，以期促进机器视觉的高效利用。

关键词：机器人;视觉;拧紧

机器人是自动执行工作的机器装置，它既可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动，它能协助或取代人类完成工作。机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，然后根据其像素分布、颜色等信息，转变成数字信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。目前机器视觉来引导机器人协同工作在各行各业已经广泛应用，本文简单介绍其在汽车座椅制造装配行业的应用及其稳定性提高研究。

一、基于PLC控制的机器视觉引导的机器人拧紧座椅骨架螺栓系统简介

该系统控制核心为西门子CPU315-2PN/DP，它有两个profinet网络接口以及一个profibus接口。触摸操作屏为西门子KTP1000，机器视觉采用康耐视智能相机，机器人为发那科M20ia。电动拧紧扭矩扳手为阿特拉斯品牌。二维码读取器为康耐视Q150M系列。该系统的主要任务是拧紧已经人工正确拧入两到三个螺纹的螺栓，使其达到最终设定扭矩。分为正副司机两种座椅，每台座椅四颗螺栓。一台座椅的生产完成是在一个托盘上进行，而受限于托盘精度以及输送托盘的线体精度，螺栓的位置不是一成不变的，所以需要引入视觉系统来加以辅助机器人运动。拧紧的螺栓为T50型梅花槽盘头螺栓，批头为T50型。座椅到达既定位置后通过夹具将承载座椅的托盘固定，此时应满足机器人在待机原位置，固定式读码器读取条码信息比对正副司机座椅，比对成功后机器人执行既定程序到达拍照点开始拍照，智能相机运用机器视觉拍摄的图片进行图像处理，识别图片中螺栓的特征以便于精确定位螺栓帽的位置，转达给PLC，然后PLC再通过运算处理来得出偏移量，进而控制机器人准确将电枪批头插入螺栓帽，然后在由PLC控制电动扳手去将其拧紧到设定扭矩。达到设定扭矩后将扭矩上传给MES（制造执行系统），座椅拧紧完成后机器人回归原点位置，座椅放行到下一工位。

二、系统稳定性提高研究

本系统中设定了拧紧不成功报警。当长时间达不到设定扭矩时或者阿特拉斯控制器故障引起电动扳手无法工作时，触摸屏会弹出提示螺栓拧紧不合格报警。在实际运行中，常常发生螺栓拧紧不合格报警，经反复观察发现时而出现批头不能完全进入螺栓梅花槽等偏差较大的情况。问题指向于智能相机识别定位螺栓帽的准确性，此前智能相机定位螺栓基于梅花槽盘头螺栓的最小的内圆，通过内圆来计算出螺栓中心位置，进而反馈到机器人，使其能够正确运行到螺栓中心点。通过监控智能相机的拍摄图片，发现发生故障时照片的螺栓内圆识别错误，以至于圆心定位偏。鉴于此，经过研究决定增加特征点来加以识别，增加螺帽最外圈的圆以及梅花型轮廓，三管齐下，共同来确定螺栓帽的中心，准确率直线上升，基本达到百分之百。这样识别螺栓中心的问题就解决了。

认帽报警，由于电动扳手携带的批头在每次旋转拧紧工作后的停留角度与座椅上待拧紧螺栓的梅花槽很难保证一致性，所以在每次认帽时时而也会出现阿特拉斯控制器报警，为了解决这种问题，在电动扳手旋转时启用两套程序，即开始认帽时在拍照点以低速旋转并向螺帽进入，机器人行进到拧紧点后再启动第二套程序高速旋转达到设定扭矩。效果好了些，但還是时而发生类似情况。通过研究批头磨损情况，发现用久了的批头是故障率会相对低一些，且越久越明显，但太久就故障率又高了。既而觉得采用小一号的批头进行试验研究，采用T45型号的批头进行试验，效果明显好转。但仍然达不到理想状态，由于机器视觉引导机器人行走偏移量仅仅是二个维度，而纵向进给量是通过长期试验摸索出来的，即不固定的。所以批头与阿特拉斯电动扳手的连接在垂直于旋转面的纵向是浮动连接的，即弹性的。通过弹簧的弹力去支撑批头纵向前伸。但这个弹簧的弹力大小就显得尤为重要，如果弹力太小将无法进入螺栓或者启动拧紧旋转时由于反作用力而将来回进出甚至拧花螺栓梅花槽，如果弹力过大将会出现认帽进入时碰撞力过大而导致阿特拉斯控制器报警，长此以往高速旋转撞击也会加速批头的异常磨损。

二维码读取器的选择上尽量要选择一些读取率高，故障率低，识别率强的。市场上常见的读码器价格上从几百到几万都有，质量参差不齐。质量好的读码器读取二维码失效的概率会非常低，当然二维码的打印质量也很大程度上影响着读取成功率，要定期去检修维护打印设备。以免打印模糊不清影响识别率。

三、结束语

总之，本系统中，为了提高机器人手臂持电动扳手去拧紧位置相对不太固定的螺栓的成功率，我们做了一些改善研究。相机的图像处理识别螺帽增加多个特征校准，低速旋转认帽再高速拧紧，批头小于螺栓帽一号以及批头弹簧力量的选择，最后到二维码读取器的选型以及打印设备的定期维护，通过这些摸索性改善达到了预期效果。随着智能制造的普及，越来越多的工作被智能机器设备取代。但机器设备的在模仿人类动作时毕竟需要一些磨合，人可以随时灵活调整动作姿态来适应外界因素变化。而机器人在面对这类变化因素时只能按照设定的程序去执行。我们需要尽可能多的考虑周全，提高机器设备的适应性。

参考文献：

[1]柏蔚，李怀正，陈卫兵，汤霞.机器人在排水管道中的研究和应用[J].环境科学与管理，2012，37（9）：45-50.

[2]何昌见，周育青.机器视觉技术在警用机器人中的应用[J].中国安防，2018（11）：44-48.