基于条纹式激光传感器的焊缝测量系统研究
基于条纹式激光传感器的焊缝测量系统研究
作者:李琳;陈维杰;邹焱飚;
由于人工焊接存在操作环境恶劣、劳动量大、和效率低下等问题,当前焊接机器人已经在国内的汽车生产、工程机械、造船业以及集装箱生产等许多领域逐步得到了应用。焊接机器人通常采用示教再现模式的工作。"示教编程”指由人工导引机器人末端执行器来使机器人完成预期的动作,“任务程序”为一 组运动及辅助功能指令,用以确定机器人特定的预期作业,"再现”指机器人按照示教编程获得任务程序,不断重复再现 。为确保'示教再现“工作模式在具体焊接环境实施,前工序中需通过人工点焊完成焊接工件定位,工件通常经钢板冲压而成,其焊接边缘由千冲压变形和毛刺等原因会引起定位误差,使实际焊接轨迹偏离示教轨迹,导致示教编程获得机器人焊接轨迹偏离了再现时机器人轨迹,无法正常完成工件焊接任务。通常需要对测量获得的焊接轨迹进行校正。当前焊接机器人所采用的焊接轨迹校正方法包括:始端检出、电弧感应、激光跟踪以及视觉跟踪。始端检出技术需要在焊接前驱动机器人用焊丝在焊接工件周边儿个位置碰触从而确定工件的位置,因此需要花费大量的焊接辅助时间。电弧感应技术采用电弧传感器检测焊枪和焊缝的误差,并校正轨迹,但是只能在小偏差工况下实施,对千较大的偏差就会失效。激光跟踪技术采用专用激光测距传感器在线校正焊接轨迹,但是由千传感器工作于焊接过程,因此需具备抗弧光、飞溅等功能,导致该产品价格昂贵(通常是普通机器人价格的2倍以上),无法得到广泛应用。
基于上述分析,本文提出在焊接前进行工件焊接轨迹的测量和校正,因此无需采用价格昂贵的专用激光传感器,而以价格低廉的条纹式激光传感器作为检测装置。将激光传感器安装于焊接机器人末端,焊接前机器人沿着焊接轨迹运动,激光传感器检测获取焊缝截面二维儿何信息,通过滤波及异常值重构算法提取焊缝特征点,最后将激光传感器测量坐标系下的焊缝特征点换算至机器人基坐标系,得到实际焊接点。并将这些实际焊接点,应用NURBS曲线拟合获得完整的焊缝轨迹。
1 系统的构成及基本原理
基千条纹式激光传感器的焊接机器人系统主要由6自由度ABB工业机器人、条纹式激光传感器及工业计算机组成。条纹式激光传感器固定安装在机器人末端,通过以太网口与计算机通信,条纹式激光传感器获取焊缝截面二维儿何信息后,对其进行滤波、异常值重构、特征提取等操作得到焊缝特征点,将激光传感器测量坐标系下的焊缝特征点换算至机器人基坐标系,得到实际焊接点。并将这些实际焊接点,应用NURBS曲线拟合获得完整的焊缝轨迹。机器人控制器通过以太网与计算机连接,可以实现机器人控制器与计算机之间的数据传输与读取,并结合激光传感器测量信息指导焊接机器人完成预定动作。
实验所采用的德国Leuze electronic公司LPS 36HI型条纹式激光传感器属千二维脉冲式激光传感器。脉冲激光测距具有测距精度高、测量速度快、重复频率高等优点,在现代军事及航空航天等领域具有非常广泛的应用 。它基千三角测量原理,通过线性激光束对物体截面轮廓进行测量,具有较高的精度和速度(最小响应时间达10 ms), 方向性好,能够以较高的频率提供分辨率高、准确性好的距离信息。该激光传感器具有集成度高,结构紧凑,响应时间短,抗干扰性能好等一 系列优点,激光传感器主要由激光发射器(配备光学扩大设备)、光学接收装置(含滤光片)、CMOS平面检测器、传感器内部电路硬件及芯片等几部分组成,上述儿个组成部分全部封装在传感器外壳内。采用与激光同等波长的光学滤光片滤掉所有的包括焊接过程中弧光在内的杂散光,而传感器内的光学接收装置和CMOS平面检测器只检测激光 。
传感器通过千兆以太网口与上位机通信,每收到来自上位机的一 次扫描触发指令时,激光发射器便发出一 条线性激光束投射到被测物表面上,激光束会发生与被测物截面轮廓相一 致的变形,在该束激光上均匀分布一 系列等间距的P 个采样点(P 是常数,由传感器自身性能所决定)。上述光学接收装置检测到由被测物反射回来的激光。根据被测物的距离,激光线被投射到上述CMOS平面检测器上不同的位置,通过这个位置便可以计算出被测物的距离(整个计算过程在传感器内部的处理芯片上进行),然后传感器返回该束激光中的采样点相对千传感器测量坐标系中的Z轴和X轴坐标值至上位机。
2 算法
2.1传感器数据预处理
由千本文采用一 款价格低廉的条纹式激光传感器,而非用千焊缝跟踪的专用激光传感器,激光器功率仅为8 mW, 因此发出的激光点照到焊接工件上以后,由千金属表面反射或吸收等原因而未能被接收装置检测到,因此会出现异常数据,从而影响焊缝特征点获得。为此需进行传感器数据预先处理。
本文采用Hampel滤波器的算法进行异常值检测。它是一 种基于统计的异常值检测方法。对给定的数据集合假设了 一 个分布和概率模型(例如一个正态分布),然后根据模型采用不 一 致检验来确定异常值。确定传感器数据中所有的异常值位置,通常将它们剔除重构,以完善传感器数据集。
2.2模型定阶
模型定阶所采用方法是:模型阶数从p=l开始,依次递增,应用最小二乘算法,辨识出模型参数。参数辨识问题可归结为利用样本数据集因此可以被看作用来衡量模型输出与实际过程输出的接近情况。极小化求得参数0的估计值将使得在确定阶数下,模型的输出最好地预报过程的输出。为了保证辨识精度应该保证,因此确定样本数据集{ z(l), z(2), …,z(600)} , 一次求得相应阶次p的模型参数估计值。
2.3基于时变kalman滤波器的异常值重构
检测到异常值 Xk 后,常用的处理方法是将它从样本数据集D中直接剔除,然后把对应位置的观测值作为非正常采样值处理,并基千某种回归模型,采用预报值来代替 。在本文中,时变卡尔曼滤波器算法被用千实现预报值的准确计算。
2.4机器人坐标系下的焊缝轨迹获得
工业机器人焊接轨迹是相对千基坐标系建立的。而条纹式激光传感器检测获得数据是基于测量坐标系。因此需进行坐标变换以获得基坐标系下的焊接轨迹点。坐标转换时需要建立测量坐标系相对千机器人末端坐标系的位姿矩阵。由条纹式激光传感器在机器人末端的安装位置获得。机器人末端坐标系相对于基坐标系的位姿矩阵为切W,切W在每个测量周期通过查询机器人控制器获得。因此得到测量坐标系相对于基坐标系的位姿矩阵。
2.5基千NURBS曲线的焊缝轨迹拟合
本文提出的方法焊缝轨迹检测是在焊接之前进行,而不是在焊接进行过程中在线进行。因此必然会降低焊接工作效率。为了减少对工作效率的影响,必然要求提高检测速度。实验表明: ABB机器人运行过程中,向机器人控制器查询 一 次末端坐标系的位姿矩阵切w ,至少需要lSOms。因此随着测量速度增加,必然会减少获得焊接轨迹数据点。为解决此问题,本文提出:测量周期设定为200 ms, 机器人扫描检测速度设定为50 mm/s, 获得离散焊接轨迹数据点后,采用NURBS样条曲线进行拟合以获得连续焊缝轨迹。
NURBS曲线是在Bezier曲线和B样条曲线的基础上提出来的,它是非均匀有理B样条曲线(Non-Uniform Rational B-Splines)的缩写。它为自由曲线曲面和标准解析形式提供了统 一 表达形式,并且通过改变控制点及权值,以及节点矢量的值可以得到任意形状的曲面。
3 实验
3.1实验平台
该实验系统组成包括ABB机器人、德国Leuze electronic公司的LPS36型条纹式激光传感器和工业控制计算机(以下简称工控机)、焊枪、回转工作台。焊接对象为一个30L电热水器内胆,焊缝位置如图1所示。由千此工件由钢板冲压而成,并经人工点焊定位,因此示教轨迹和实际轨迹存在较大误差。生产应用中由千此误差存在,造成焊接质量较低,出现焊接位置偏离。激光传感器通过安装板安装在机器人末端法兰盘上,通过以太网与工业计算机进行通信,从而通过工控机来控制传感器进行工作、接收传感器反馈回来的测量数据。热水器内胆放置在回转工作台上,通过定位轴固定。实验中沿着焊缝圆周均布13个检测点,实际测量过程中由千工件本身形状限制,部分检测点位置信息无法获取。
3.2实验步骤
由千采集的检测点需要通过反转法确定其位置,所以需要确定回转工作台中心的坐标,故本次实验需要分成两个部分。
3.2.1确定回转工作台中心的坐标
由千回转工作台的边缘为一个圆形,故采用三点确定一个圆的方式,通过传感器检测工作台边缘上3个位置的坐标并将坐标映射到机器人坐标系中。具体过程为:首先打开传感器,通过移动ABB机器人将发射的激光移动到工作台圆周位置采集的第一个点上,采集第一个点的位置信息,同时为了之后对采集的坐标进行齐次变换,需要记录该点位置ABB机器人的位置信息。同样的方式将ABB机器人移动到第2、3个点上采集各点的位置信息。数据采集完毕,关闭传感器。
3.2.2 确定工件焊缝轨迹
第2组数据采集焊接轨迹特征点信息。将热水器内胆置千回转工作台上,打开传感器,移动 A B B机器人将传感器发射出的激光移动到焊接轨迹上,每间隔 30°采集一 次特征点位置信息,部分特征点信息因热水器内胆结构干扰无法测得,故跳过采集。采集完整个焊接轨迹特征点信息后,关闭传感器。
3.3实验数据与数据处理
传感器在每个位置进行特征点采集都会得到一组数据集,对每个数据集进行滤波及平滑处理,再经时变 k alman 滤波器的异常值重构得到特征点的坐标。其中一 个位置的处理如图3~4 所示。图3为该位置点采集的所有原始数据及经算法处理后的数据曲线,由千特征点位千该组数据中y值最小的点,为使数据处理结果更清晰,将原始数据及处理后的数据曲线放大得到特征点附近的曲线,如图4所示。由图3可以看出,采集的原始数据(虚线)具有较大的噪声干扰,经过滤波和平滑处理后得到一 条较为光滑的曲线(实线)。
采集的数据分布总体上呈现出一 个下凸的形状,特征点位千数据曲线的最低点,该点位千该曲线的二阶导数零点处。曲线的二阶导数零点存在多个的情况下,取y值最小的点作为特征点。由图4可以看出,原始数据经过滤波和平滑处理后进行特征点提取,能显著减少因噪声干扰造成的误差。特征点提取后还需要进行坐标变换。第一 组采集的数据及坐标变换如表1所示。
其中由传感器坐标换算成机器人坐标过程与第一 组实验一 样。这里换算得到的机器人坐标点需要与回转工作台转过的角度对应,可以利用反转法计算得到。曲线校正前后存在较大的误差,通过拟合校正能减少前序工序的定位误差。由此可以得到,采用激光传感器测量焊缝特征,然后通过NURBS曲线拟合算法计算焊缝的拟合曲线,通过调整特征点的数量和位置分布,可以得到误差较小的焊接轨迹。
4、结论
为了消除因人工点焊造成的定位误差问题,本文提出了 一 种利用激光传感器检测焊接轨迹并获取特征点进行NURBS曲线拟合获得焊接插补点坐标的算法。采用条纹式激光传感器进行离线检测,将获得的数据进行滤波和平滑处理后,提取焊缝轨迹特征点,并将特征点坐标映射到机器人坐标系中,将映射后的坐标点进行NURBS曲线拟合获得一条完整的焊缝轨迹曲线。实验结果表明,该算法具有较高的精度和效率,能满足机器人自动搜索轨迹对实时响应的要求。
本文章转自爱学术(aixueshu.com),如有侵权,请联系删除