喷涂机器人轨迹编程技术综述

万燕英

摘要：机器人喷涂在现代智能涂装系统中发挥着重要作用。运动轨迹规划是喷涂机器人的核心功能和喷涂工艺的关键环节。通过研究国内外喷涂机器人运动轨迹规划的应用现状，介绍和对比了人工示教和自主轨迹规划两种轨迹编程技术的工作原理和特点。针对产品个性化生产要求的提高和AI大模型的快速发展，对AI柔性喷涂技术进行了展望，为未来进一步深入研究提供参考。

关键词：喷涂机器人  人工示教  自主轨迹规划  AI柔性喷涂

中图分类号：TP242

An Overview of Trajectory Programming Technology of Spraying Robots

WAN Yanying

（School Information Engineering， Guangzhou Railway Polytechnic， Guangzhou， Guangdong Province， 511300 China）

Abstract： Robot spraying plays an important role in the modern intelligent coating system. Motion trajectory planning is the core function of spraying robots and the key link of spraying technology. By studying the current situation of the application of the motion trajectory planning of spraying robots at home and abroad， the working principles and characteristics of the two trajectory programming technologies of manual teaching and autonomous trajectory planning are introduced and compared. For the improvement of personalized production requirements for products and the rapid development of large AI models， AI flexible spraying technology is prospected， which provides reference for further in-depth research in the future.

Key Words： Spraying robot; Manual teaching; Autonomous trajectory planning; AI flexible spraying

涂装是产品表面制造工艺的重要环节之一，是产品防锈、防蚀、美观的重要手段，已广泛应用于汽车、3C电子、船舶、航空航天等领域。机器人喷涂具有效率高、一致性强、涂料利用率高、无职业危害等优点，在现代智能涂装系统中发挥着重要作用。喷涂机器人是机器人技术与表面喷涂工艺相结合的自动化装备，核心功能是运动轨迹规划，直接影响着涂装外观和质量。

目前，针对喷涂机器人运动轨迹规划已有较深入的研究。国外自20世纪70年代起就有相关学者开始了关于喷涂机器人的研究[1-4]。国内喷涂机器人研究始于20世纪90年代，如王燚等人[5]建立了喷枪最优轨迹规划问题的数学模型，并确定了具体的算法。刘能广等人[6]针对喷漆机器人的轨迹优化，提出利用二层规划建模的方法，建立数学模型并应用遗传算法求解最优轨迹。

本文在研究目前国内外喷涂机器人运动轨迹规划的研究成果和应用现状基础上，从人工示教编程和自主轨迹规划两方面介绍和归纳了喷涂机器人轨迹编程技术。同时，针对产品个性化生产要求的提高和AI大模型的快速发展，并结合行业发展趋势，展望了基于AI柔性喷涂技术的广阔发展空间和应用前景。

1 喷涂机器人轨迹编程技术

喷涂机器人轨迹编程方式主要包括人工示教编程和自主轨迹规划。人工示教编程[7]是指由操作者通过机器人示教器或手动拖动机器人末端或示教传感器工具来完成喷涂流程，并记录示教轨迹和喷枪参数状态，使机器人自动重复示教轨迹实现喷涂作业。自主轨迹规划编程[8]以待喷涂工件的三维模型为基础，利用喷涂材料沉积模型、约束条件以及优化准则来实现喷涂轨迹的自动规划。

现阶段喷涂机器人大多采用人工示教编程。该方式操作简便、成本低，部分人工示教编程技术还具有适合多品种、少批量喷涂场合等优点。但喷涂质量严重依赖操作者熟练程度和经验技巧，存在编程效率不高、轨迹精度差、涂料利用率低等缺点。

自主轨迹规划技术通过对工件3D模型和机器人设备模型进行仿真，利用喷涂轨迹规划算法对机器人运动进行规划。该方式能有效避免人工示教编程的经验依赖，具有喷涂质量高、一致性强、适合复杂工艺编程等优点[9]。喷涂工件的三维模型可以手工导入或者通过3D视觉传感器扫描获得。但在实际应用中，由于工件的三维模型存在获取困难或模型不准确、3D视觉传感器成本昂贵及扫描建模流程繁琐等问题，导致自主轨迹规划编程应用范围受限。

1.1 人工示教编程技术

人工示教编程包括传统手柄点位编程、拖动示教编程、示教杆编程、基于红外光学跟踪定位传感器的编程、基于电磁式空间定位传感器的编程、基于VR遥操作的虚拟编程等。

1.1.1 手柄点位编程

传统手柄点位编程是最常见的编程方式，通过操作机器人示教器编辑一系列的机器人路点，结合机器人内置的轨迹自动优化功能即可完成喷涂轨迹的编程。该方式一般应用于喷涂要求简单、工件形状规则、编程频率不高的场合。

目前市面上专用喷涂机器人或通用工业机器人均支持该编程方式。操作者使用机器人示教器，根据喷涂经验和工艺要求来完成喷涂轨迹路点的调试。每个路点需要结合喷涂流量、喷枪速度、扇面搭接、喷幅大小等工艺参数反复调试直至达到预期喷涂效果。图1所示为人工采用手柄示教器编辑喷涂轨迹路点。

1.1.2 拖动示教

拖动示教编程即人工拖拽机器人示范喷涂一遍，然后机器人重复再现示教的轨迹。该方式一般应用于多品种少批量喷涂工件的场合，同时需搭配适合人工拖拽的喷涂机器人。

如意大利CMA喷涂机器人具有特制的拖动示教功能，突破了传统机器人点对点或离线编程的模式，对于一般工业多品种、小批量的生产特点，可实现机器人在生产中的快速转产及喷涂机器人应用的“傻瓜化”。操作者只需手持机器人末端的示教手柄进行示范喷涂，机器人即可记住并复现喷漆工的喷涂轨迹。操作人员无需任何机器人的使用基础，通过简单学习，就可快速掌握编程技巧。如图2所示，子图a是人工示教，子图b为机器人重复再现轨迹。

另一种具有拖拽示教功能的是协作机器人。以丹麦Universal Robot公司的UR5为例，机器人在开启自由拖拽移动模式之后，操作者可轻松拖动机器人关节，按照人工喷涂的方式使协作机器人跟着人工喷涂一遍，并记录保存轨迹文件，之后加载该轨迹文件即可重复喷涂。

这类具有拖拽示教功能的机器人，其原理是实时获取机器人关节角度以及关节角速度，根据辨识出来的机器人动力学模型，实时计算补偿的关节摩擦力和重力项力矩之和，并将其转换为电流/力矩指令发给关节驱动器，驱动器控制关节电机实现零力拖拽功能。然而，由于拖拽时关节力矩采样不精确且关节间存在一定的机械耦合约束，拖拽并不会很柔顺、灵活。为解决该问题，部分机器人厂家推出了带关节力矩传感器或末端六维力矩传感器的协作机器人，在一定程度上优化了拖拽体验。

1.1.3 示教杆

示教杆编程是指通过拖拽示教杆来示范喷涂，然后机器人重复再现示教的轨迹。由于不方便直接拖拽一些大臂展喷涂机器人，因而采用轻型灵活的示教杆替代直接拖拽机器人本体，如图3所示。

示教杆参照和喷涂机器人相同DH参数的模型来设计，由6个集成高精度旋转编码器的关节模块构成，工作过程中实时采样6个关节角度并对外输出。由于示教杆为欠驱动关节设计，且整体质量非常轻巧，因此人工拖拽示教杆轻便、灵活，体验感较好。但因示教杆在设计和组装过程中存在公差的差异性，较难做到和示教机器人一致的DH参数，因此不适合非常精细化的涂装场合。

1.1.4 基于红外光学跟踪定位传感器的编程

该方式采用跟踪定位传感器和跟踪球来实现空间轨迹的采集，需要先对跟踪定位传感器和喷涂机器人进行坐标系标定，然后将喷枪和跟踪球绑定在一起进行手动示教。示教轨迹可记录下来并转为喷涂机器人可运行的轨迹文件。该方式人工示教灵活、体验感佳，适合较多品种、少批量的精细化喷涂的场合。

以NDI公司的Polaris vicra为例，首先在工作区域上方固定跟踪定位传感器（不在机器人本体），并将位置跟踪器固定在机器人末端（随机固定位置），同时将喷枪也安装在机器人的末端。然后，手动操作机器人至不同姿态，在机器人位置稳定下来后，采集当前机器人与跟踪器的姿态数据；循环数次采集N对数据：通常8～20组数据便可满足求解要求。接着，计算跟踪定位传感器坐标系T相对于机器人基座坐标系B的转换关系。之后，把跟踪器从机器人末端拆卸下来， 移动它进行作业并采样记录跟踪定位传感器输出的轨迹姿态数据。位置跟踪器需要在跟踪定位传感器的有效工作范围内移动，采样记录跟踪器的轨迹，是以固定频率（例如每隔20 ms）获取并记录跟踪器的实时位姿数据。最后，将记录的轨迹姿态数据按照机器人程序代码规则整理成可执行文件，发送到机器人控制器即可完成喷涂作业。

1.1.5 基于电磁式空间定位传感器的编程

该编程技术类似于红外光学跟踪定位传感器的位置追踪，其原理是采用电磁发射器和空间感应追踪器来实现空间位置定位。该方式无须进行传统编程就能为喷涂等应用创建复杂的路径，具有操作简单、示教灵活的特点。

以丹麦Nordbo Robotics公司Mimic kit产品为例，其位置跟踪器采用低频磁场式技术，包括磁场发射器和接收器。发射器内置三个正交的天线，接受器内也安装一个正交天线。接收器一般安装在远处的运动物体上，根据接受器所接受到的磁场，可计算出接受器相对于发射器的位姿信息。

1.1.6 基于VR遥操作的虚拟编程

基于VR遥操作的虚拟编程，工人可以通过AR眼镜和手柄远程操纵机器人同步执行喷漆，手感完全等同于亲临现场。人工示范一遍后，该工件的喷涂程序即可保存在边缘侧，对于同样规格的零部件，机器人就能实现自主喷涂[10]。

以埃夫特VR喷涂机器人为例，VR喷涂机器人是拖动示教解决方案的升级版，友好易用、经济高效地解决喷涂机器人编程难的问题。

1.2 自主轨迹规划编程技术

平面、圆柱面等规则表面，可利用人工示教依据搭接规律和喷涂经验，进行示教喷涂即可使涂层具有良好的均匀度。但对于自由曲面，漆膜厚度的形成不仅与涂料自身特性、喷枪的喷涂模型、喷涂工艺参数、喷枪运动轨迹等因素有关，还与自由曲面的复杂特征有关。因此，自由曲面上的均匀喷涂是多因素耦合的非线性问题[7]，需采用具备工件模型自动识别和自主轨迹规划的技术来完成。

自主轨迹规划包括基于3D视觉的自主轨迹规划、离线编程等。

1.2.1 基于3D视觉的自主轨迹规划

该方式利用3D视觉技术对被喷涂物体进行点云扫描，通过点云数据处理算法完成3D模型重建，借助点云切片技术生成仿形轨迹，并自整定出一套工艺参数，最终实现喷涂的多品种、变批量的柔性化喷涂需求。

1.2.2 离线编程

离线编程软件广泛应用于喷涂、焊接、打磨等需要复杂轨迹编程的领域。以ABB机器人的RobotStudio离线编程软件为例，其工作过程是，首先在三维建模软件上将机器人和相关设备及工件模型建好，并导入仿真环境布局出虚拟工作场景，然后利用工艺参数配置和轨迹规划算法对机器人运动进行规划并对喷涂效果进行仿真，最后根据仿真的结果确定机器人工作程序文件[11]。将该文件发给喷涂机器人即可完成对工件的自动化喷涂，但只能实现固定轨迹、部位、形状和漆种的大批量、单一品种喷涂。

1.3 不同轨迹编程技术特性分析

从编程效率、编程质量、成本、编程频率等四方面对不同轨迹编程方式进行了比较，如表1所示。

由表1可知，不同的编程方式各有特点。实际喷涂应用中，需根据具体应用场景择优选取。例如汽车主机厂涂装线选取离线软件编程方式；少批量多品种的艺术品喷涂场合选取红外光学跟踪定位传感器来编程；家具行业的喷涂则选取3D视觉自主轨迹规划方式[12]。

2 未来发展趋势

随着产品个性化生产要求的提高以及AI大模型的快速发展和垂直行业的应用落地，AI柔性喷涂将是未来发展新方向[9]。该技术通过3D视觉传感器采集产品外形并通过AI进行识别，再采用激光结构光和线扫描两种模式自动计算工件的三维模型，根据系统积累的喷涂刷子参数智能生成运动轨迹，并利用模仿专业涂装工的手法进行自动喷涂。AI柔性化喷涂技术尤其适合于标准化程度低、工件品类多的通用场景。

3 结语

在涂装技术朝着智能化、柔性化方向发展的过程中，喷涂机器人的轨迹编程是核心环节。本文综述了人工示教和自主轨迹规划两方面的编程技术，并对不同的轨迹编程技术的工作原理和技术特点进行介绍和对比分析，最后根据行业发展，展望了基于AI柔性喷涂技术的广阔发展空间和应用前景。

参考文献

[1]  KLEIN A. CAD-Based Off-Line Programming of Painting Robots[J]. Robotica， 1987， 5（4）： 267-271.

[2]  ARIKAN M A S，BALKAN T. Process Simulation and Paint Thickness Measurement for Robotic Spray Painting[J]. CIRP Annals， 2001， 50（1）： 291-294.

[3]  HANSBO A， NYLEN P. Models for the Simulation of Spray Deposition and Robot Motion Optimization in Thermal Spraying of Rotating Objects[J]. Surface and Coatings Technology， 1999， 122（2-3）： 191-201.

[4]  RAMABHADRAN R ， ANTONIO J K . Planning Spatial Paths for Automated Spray Coating Applications[C]// Robotics and Automation， 1996. Proceedings. 1996 IEEE International Conference on. IEEE， 1996.

[5] 王燚，赵德安，王振滨，等.喷漆机器人喷枪最优轨迹规划的研究[J].江苏理工大学学报（自然科学版），2001（5）：55-60.

[6] 刘能广，任天然，柴苍修，等.基于遗传算法的喷漆机器人轨迹的二层规划[J].机械设计与制造，2008（6）：173-175.

[7]  刘亚军， 訾斌， 王正雨，等. 智能喷涂机器人关键技术研究现状及进展[J]. 机械工程学报， 2022，58（7）： 53-74.

[8]  陈玮源. 基于RGBD 的机器人喷涂轨迹规划技术开发[D].广州：广东工业大学， 2022.

[9] 徐智超. 基于视觉的喷涂机器人运动规划与控制研究[D].北京：北京建筑大学，2023.

[10] 陈志. 基于数字孪生技术的喷涂机器人离线编程系统研究与实现[D].合肥：合肥工业大学，2023.

[11] 訾斌，徐锋，唐锴，等.基于机器视觉的喷涂机器人轨迹规划与涂装质量检测研究综述[J].控制与决策，2023，38（1）：1-21.

[12] 徐云辉. 基于点云处理的喷涂机器人高精度标定及最优轨迹规划[D].南京：东南大学，2022.