大型箱型梁高速GMAW三维位姿快速估计方法

大型箱型梁工件大量应用于海工装备、大型起重装备等领域中.目前，主要采用手工焊接方式，严重影响焊接的效率和质量.利用机器人焊缝自动跟踪焊接作业是提高制造效率和质量一致性的重要途径，其中，实现焊缝三维位姿信息的快速准确估计是关键.

焊缝跟踪传感器是智能焊接机器人的关键部分，已开发并应用了多种传感器，例如电弧传感器、视觉传感器等.目前，视觉传感器由于测量精度高且可以获得丰富的环境信息成为了研究热点.Xu等为提高机器人气体保护焊的焊接质量，基于专用视觉传感器开发了焊缝跟踪系统，并根据机器人熔化极气体保护焊(GMAW)的特点，开发了一种新型焊缝跟踪软件；所提出的焊缝跟踪方法能够在大多数焊接应用中获得良好的跟踪精度.Zou等为实现焊缝的实时跟踪，设计了一套基于视觉传感器的6轴机器人焊缝跟踪系统.焊接前，利用形态学方法获得特征点的初始坐标值；焊接过程中，采用基于高斯核的目标跟踪方法提取焊缝的实时特征点；焊接过程中焊炬末端运行平稳，焊缝跟踪精度小于0.32 mm，可以实现精确焊缝跟踪.但上述方法算法复杂、计算量大，不适用于角焊缝的三维位姿实时跟踪，且都不针对存在定位焊缝的工件，难以快速获取大型箱型梁焊缝的位姿信息.

大型箱型梁工件焊缝是通过定位焊缝将立板和平板装配而成的角焊缝，大量应用于海工装备、大型起重装备等领域中.大型箱型梁工件难以通过高精度的工装夹具保证其位姿的稳定性，工件的每次更换均会引起焊缝位姿信息在三维空间中发生变化，甚至引起焊接过程中焊缝位姿的变动.定位焊缝对焊缝位姿信息的获取造成干扰，引起焊缝识别错误从而造成偏焊.为解决这些难题，提高大型箱型梁自动焊接的质量和效率，本文提出一种基于激光位移传感和点云聚类快速分割的大型箱型梁高速GMAW三维位姿快速估计方法.

1 大型箱型梁焊缝三维位姿快速估计方法

大型箱型梁工件如图1所示.在焊接过程中，激光位移传感器对箱型梁焊缝进行扫描获取其点云数据，通过点云数据处理实现其位姿信息快速估计，箱型梁焊缝位姿信息快速估计方法流程如下：点云获取；点云分割；局部异常因子(LOF)点云滤波；焊缝位姿估计.

1.1 点云获取

焊缝点云数据获取如图2所示.激光位移传感器测得的每一帧数据共有800个点，每个值都是工件测量点高度的测量值.每一帧测量点存储在二维矩阵中.矩阵的列对应一次测量的一帧数据，不同列对应不同时间获得的测量数据.相邻列之间的距离为Δ，一帧数据中相邻数据之间的距离为Δ，测量高度为轴坐标值.通过下式将二维高度矩阵转换为三维笛卡尔坐标为提高算法运行速率，利用均匀降采样法减小点云数据密度.

(1)

式中：和分别为点云数据矩阵的行和列.

1.2 点云分割

角焊缝点云数据由两个相交的平面点云数据集组成，估计焊缝位姿时，须分割出两个平面的点云数据.首先利用KD-Tree(一种平衡二叉树)近邻搜索，找到所有点的邻域，计算出每个点邻域的法向量，并将法向量归一化；然后对法向量进行欧式聚类分割，分割出焊缝的立板和平板点云数据.

局部异常因子.表征数据的离群程度，计算方法如下：

(1)利用下式计算出点云数据集合()中维数据方差的最大值，并记录最大方差值的维度

《易经》64卦，每一卦由阴爻和阳爻组成，阴爻“— —”为0，阳爻“——”为1；64卦“两两非覆即反”，既是相覆对峙或阴阳对称系统，又是数量平衡对称系统；阴阳消长就是数量增减，阴阳与数量为一体，即“定性”与“定量”为一体。孔子写《卦序传》时也许只知阴阳，而不知阴阳就是数量，数量就是阴阳，导致64卦卦序在数量平衡对称分布方面存在着缺陷。针对这个数千年存在的缺陷，本文将论述缺陷存在的原因，提出解决缺陷的路径和方法，修复与更正64卦卦序的数理逻辑缺陷。这也许会对《易经》的研究和应用产生划时代的重要意义。

(2)

针对立板平面和平板平面的点云数据，利用最小二乘法，并通过平面模型++=和++=拟合得出平面方程.焊缝轨迹如下：

“雄关漫道真如铁，而今迈步从头越”。翩翩的云儿，飞逝的流星，飘入于心头的不仅仅是一代伟人的诗词，更多、更深的是一份份值得怀念的光阴与岁月。好时光，是用来遇见的。花草遇见雨露，流水遇见轻风，云朵遇见晴朗，而我们，只想遇见天使。与白衣天使已牵手10多年的《上海护理》，遇见过风雨，绽放过彩虹，留下过经典，但更多的是平平淡淡的晨钟暮鼓，云起云落，花开花谢，但想飞的翅膀始终张扬着，欲追求更高的境界，欲寻觅更广阔的空间。

(2)将中第维度上的数据按顺序排列，得到数据集合{,, …,}，其中<<…<，为中第维数据的个数计算第维数据的中值:

(3)

..基于欧式聚类的焊缝点云分割 由图3可见，同一平面的点云近邻法向量是紧邻的，不同平面的点云近邻法向量之间存在间距.因此，可以采用点云聚类算法对点云数据近邻法向量进行平面分割.对于焊缝点云近邻法向量集中的焊缝立板和平板两个平面点云近邻法向量集和，其中∩=∅，若满足下式，则两组点云近邻法向量数据属于不同类别.

(4)

式中：()为的邻域内的点，|()|为其个数由于可能存在若干个点到的距离相等，近邻的点可能不止一个，所以有|()|≥()值越大，表明的密度越大，点越正常.

1.4 测定方法 试样分析测定采用GC-MS-2010-plus型气相色谱-质谱联用仪。按“1.3.2”项色谱-质谱条件准备好气相色谱-质谱联用仪；按“1.3.1”项顶空固相微萃取制备样本热解析进样分析，同时启动色谱工作站GC-MS Solution记录数据，通过GC-MS Solution色谱工作站数据处理系统检索NIST05谱图库，进行谱图解析，确认其各个挥发性成分结构；定性分析后通过色谱工作站GC-MS Solution数据处理系统按面积归一化法进行定量分析，分别求出各挥发性成分的相对百分含量。

(5)对数据集KD-Tree进行KNN近邻搜索，得到中的近邻矩阵.

尽管改革开放前后两个历史时期有着重大的区别，但这两个时期“本质上都是我们党领导人民进行社会主义建设的实践探索”[1]，因而呈现出一些相似之处。

(6)建立每个数据点的法向量：

(5)

式中：为数据点(,:)对应的协方差矩阵；(,:)为(,:)的个近邻数据；为(,:)点集的几何中心.最小特征值对应的特征向量为(,:)邻域平面法向向量.焊缝点云近邻法向量如图3所示.

(3)根据下式得出两个数据集合和，并建立一个树结点.

通过对AOTF的超声换能器阻抗特性实际测量分析,设计基于LC拓扑结构及组合臂的宽频带、光谱衍射效率高的新型匹配网络,并对匹配电路拓扑结构及匹配阻抗点进行全局优化修正,使光谱衍射效率达到最佳,该新型宽带匹配技术与传统采用传输线变压器等匹配转换技术相比,具有宽频带、损耗低、衍射效率高等优点,较好地满足阻抗匹配设计要求。并对基于AOTF的偏振成像光谱仪系统的成像质量进行了测试,实测目标的成像质量得到明显改善,对当前光谱仪成像技术具有重要应用价值。

式中：为聚类欧氏距离阈值.焊缝点云聚类结果如图4和5所示.

(6)

拜别雨鸾师父，三人来到王积薪的棋室，上官星雨觉得这一关应好过，没成想棋圣他老人家不玩长生谱，也不玩媪妇谱，偏要三人一道与他对弈四象数独棋，这是他当年过昆仑山与痴和尚赌钱时所创，三人由青龙、白虎、朱雀、玄武里迷迷瞪瞪地挣脱出来，又与王积薪考较了一番他由长生谱里领悟出来的长生真气，总算是被他老人家重拿轻放，放出了棋室。

1.3 基于LOF算法的焊缝点云滤波

欧式聚类分割存在过度分割或欠分割的现象(见图5).为了改善焊缝点云分割效果，须剔除欧式聚类后邻域法向量的异常值.LOF算法是一种经典的异常数据检测算法，通过每个数据的异常程度值来确定该点是否是异常点.涉及到的几个定义如下.

距离数据集中到数据对象点距离最近的第个点到的距离，记作()该距离指欧氏距离，即直线距离.

距离邻域数据集中与之间的距离不大于距离的数据点组成的集合.

可达距离.数据集中任意两点到的可达距离定义为

(,)=max{(,),()}

其中：(,)为和之间的欧氏距离.

局部可达密度.到其邻域内所有点的平均可达距离的倒数，常用密度表示，计算方法如下：

(7)

(4)对子集合和重复进行上述操作，直至所有子集合都不能再进行划分；若某个子集合不能再进行划分，则将该子集合中的数据保存到没有子节点的叶子节点中.

..建立点云近邻法向量矩阵 首先建立KD-Tree数据结构，然后对数据进行最近邻(KNN)近邻搜索建立每个点的近邻矩阵，最后建立点云近邻法向量矩阵.其建立流程如下.

①申请、确定、调整制度不够科学完善；②居民用户用水超定额和非居民用户用水超计划加价收费制度及相关收费标准，规定不明确、不客观以及出现异议没有完善处理程序；③对于供水企业的职责、用水户的权利和义务、管水部门的保密制度等以及供、用、管水三方的法律责任没有明确的规定；④在计划用水管理过程中，至今没有明确规定纳入计划用水的用水单位的范围（规模），即月（年）用水量达到多少的用水单位应该纳入计划用水管理；⑤对于纳入计划用水管理的用水单位的考核和档案管理未给出明确的规定，存在一些用水单位没有建立台账、没有连续的用水信息等情况，给计划用水及其他节水工作带来不便，不利于推进节水工作。

(8)

若LOF值远远大于1，则表明点的密度与整体数据密度差异较大，被视为离群点.LOF值越接近于1，表明点越正常.分别对欧式聚类后的焊缝点云近邻法向量进行LOF剔除异常值，结果如图6和7所示.

1.4 焊缝位姿信息估计

式中：和(=,,)分别为集合中维的平均数和数据量.

(9)

焊缝法向向量和焊缝方向向量如下：

(10)

(11)

式中：=(,,)；=(,,)焊缝位姿模型如图8所示.

综上所述，要保证沥青拌和站的生产效率和混凝土的整体质量，必须从多方面采取相应的措施，确保每个工序有条不紊地进行，只有这样才能促进沥青工程施工的顺利开展，保证施工工程的建设质量，降低施工成本，从而取得最大的经济效益和最优的社会效益。

2 试验与分析

2.1 系统平台

系统平台如图9所示.该系统由机器人系统、点云数据处理计算机IntelCorei5-7300HQ CPU@2.5 GHz 8G(RAM)和激光位移传感器(传感器头LJ-G200、控制器LJ-G5001)组成.机器人具有5个自由度，分别为3个移动轴(轴、轴、轴)和2个旋转轴(旋转轴1和旋转轴2)在焊接过程中，焊枪的位置可以在、、方向调整，焊枪姿态通过旋转轴1和旋转轴2进行调节.为保证测量点云数据的准确性，采用文献[12]中描述的方法，对激光位移传感器和旋转轴1之间的坐标换算关系进行标定.可以通过坐标变换模型建立传感器坐标系中的一点与机器人基底坐标系中对应点的映射矩阵：

(12)

式中：为机器人基座坐标系；为传感器坐标系；为和旋转轴坐标系之间的转换矩阵，由机器人控制器得到；为和之间的变换矩阵，通过标定得到.

为便于分析试验误差，对与箱型梁具有类似焊缝结构的不同位姿的角焊缝进行三维位姿信息估计试验.工件材料牌号为Q235, 板厚5 mm，工件表面具有轻微划痕和锈迹.利用GMAW方法，设焊速为 1 200 mm/min，采用激光位移传感器获得角焊缝点云数据，每一个点云数据处理周期采样25帧数据，两次采样之间在轴行走方向间隔1 mm.所用传感器的主要参数如下：测量范围(200±50)mm，线性度±0.1%，激光波长655 nm，光斑尺寸 200 μm×80 mm，每条激光条纹的采样点数为800.

2.2 不同位姿的角焊缝位姿信息估计试验

对不同位姿的角焊缝进行位姿信息在线估计试验，结果如图10所示.

在焊接前，大型箱型梁焊接工件的表面存在划痕、飞溅、油漆等杂物，影响焊缝位姿检测精度.所提方法通过LOF算法滤除焊缝平面上杂物的干扰，保证了焊缝立板平面与平板平面的真实性；通过立板平面法向量与平板法向量的和确定焊缝法向量，通过焊缝轨迹的切向量确定焊缝的方向向量，通过立板平面与平板平面的交线确定焊缝位置，保证了焊缝位姿的准确性.由图10可知，对于不同位姿以及存在锈迹、划痕的角焊缝，所提方法均可很好地实现焊缝位姿信息估计.

至此，林燕玲找到了发展集体经济的切入点，即以“提供住宿”为突破口，打造集体产业，增加村集体收入。同时，可利用林畲村独特的红色文化创造价值，并带动生态农业、旅游观光项目。

2.3 定位焊缝对焊缝位姿信息估计的影响

在焊接前，箱型梁焊缝通过定位焊缝进行装配.为验证所提方法对定位焊缝的适应性，对存在焊角为10 mm、焊缝长度为10 mm典型定位焊缝的工件进行焊缝位姿估计试验，结果如图11所示.试验结果表明：定位焊缝作为噪声数据被滤除，不会影响角焊缝位姿信息在线估计精度.所提位姿估计方法具有很好的鲁棒性.

3D打印技术出现在20世纪90年代中期，实际上是利用光固化和纸层叠等技术的最新快速成型装置。它与普通打印工作原理基本相同，打印机内装有液体或粉末等“打印材料”，与电脑连接后，通过电脑控制把“打印材料”一层层叠加起来，最终把计算机上的蓝图变成实物。这打印技术称为3D立体打印技术。[1]

2.4 误差分析

在试验前，通过机器人精确示教确定工件的精确位姿信息.以机器人精确示教读取的焊缝位姿数据为基准，与计算值对应点进行对比得出不同位姿角焊缝位姿信息估计偏差，如图12和13所示.

以试验中偏差的最大值为试验误差，通过下式计算：

(13)

(14)

式中：、和为焊缝位置估计偏差参数；和为焊缝姿态估计偏差参数；为点数；(c,,c,,c,)为第个点的计算坐标；c,为计算方向向量；c,为计算法向向量(t,,t,,t,)、t,和t,为第点的位姿精确测量值.试验结果表明，位置误差小于0.25 mm，姿态误差不超过1.8°，满足箱型梁焊缝自动跟踪的要求.

2.5 算法效率

为测试算法的有效性，在计算机上以MATLAB2019为测试平台，测试箱型梁焊缝位姿信息估计的主要算法效率.以主要算法多次运行时间的最大值为算法的运行时间，欧式聚类、LOF滤波和平面拟合算法的运行时间分别为21、23、55 ms，总时间为188 ms.

实现箱型梁焊缝位姿信息在线提取，算法运行时间须小于焊接完成一个激光位移传感器前置距离所需时间()的一半，为激光位移传感器前置距离与焊接速度之比.为了获取足够的用于焊缝位姿信息估计的点云数据和保证完成焊缝位姿估计以及通信延时的时间，设激光位移传感器的前置距离为50 mm、焊接速度为 1 200 mm/min，则/2=1 250 ms.可知，所提算法的运行时间满足箱型梁焊缝位姿信息快速估计的要求.

3 结论

提出一种基于激光位移传感和点云聚类快速分割的大型箱型梁高速GMAW三维位姿快速估计方法，主要得出以下结论：

LaGGG晶体是GGG晶体中部分Gd3+被La3+取代而获得的．与Nd∶GGG晶体相比较，Nd∶LaGGG晶体中La3+取代Gd3+可以非均匀展宽光谱，有利于超快激光的产生；此外，La3+半径大于Gd3+，取代后可以增加晶体晶格常数，利于Nd∶LaGGG晶体熔点的降低[36]．

(1)提出的三维焊缝位姿快速估计方法能够实现大型箱型梁焊缝三维位姿快速估计.

Maxime Thouvenin在某次采访中曾说过，作为一个物件，摩托车本身就颇具吸引力，但只有在驾驶时，它才是完整的。这意味着从一开始，设计师和工程师就需要将美学、科技和人体工程学等各方面学科融为一个整体，在共同的策划和设计中，摩托车才能展现出其最为完整的魅力。

(2)提出的基于法向量欧式聚类的焊缝点云快速分割方法能够实现箱型梁焊缝点云数据更快分割；基于LOF算法的点云滤波方法能够实现箱型梁焊缝点云数据滤波，具有更好的鲁棒性.

(3)对大量焊缝进行三维位姿信息估计试验，试验结果表明在焊速高达 1 200 mm/min时，焊缝三维位姿估计误差分别在0.25 mm和1.8° 以内.所提方法增强了大型箱型梁自动焊接对定位焊缝、装配精度低等复杂工况的鲁棒性，提升了焊接质量，有望在海工装备、大型起重装备等制造领域得到广泛应用.