2. 北京博清科技有限公司, 北京 100176
2. Beijing Bo Tsing Technology Co., Ltd., Beijing 100176, China
随着经济的高速发展,如油气化工、船舶制造、能源化工、轨道交通、航空航天、海洋平台等领域开始研发自动化焊接技术。世界发达国家的焊接装备制造企业在20世纪70年代相继开始自动化焊接的研究。如美国BUG-O公司所生产的永磁轨道式焊接机[1],需预先安装脚手架、轨道,工序非常复杂,且跟踪方向有限。加拿大Servo-robot公司的焊接机器人可检测焊缝的变化对焊接参数进行实时调节,是目前应用较为广泛的管道焊接机器人,但这种机器人无法焊接球罐。
在大型结构件实现自动化焊接的技术研发中,球罐焊接[2]研发最为困难,因为球罐体积庞大,壁厚18~46 mm,需选择多层多道焊接工艺,球罐规格多,搭接方式多样,坡口加工精度及装配精度难以保证,球罐焊接目前仍是以手工焊接为主,对焊工的操作技能要求比较高,球罐内部施工条件恶劣,而且劳动强度大,难以保证稳定的焊接质量,所以对球罐的自动化焊接的设备及焊接工艺的开发迫在眉睫[3]。
球罐是一个三维曲面,除了环焊缝之外,球罐上的任何一条焊缝都是三维的曲线,焊接位置的变化需要配合焊接工艺参数的调整,同时在焊接过程中会产生飞溅和强烈的弧光,这给焊缝的跟踪[4]带来了很大的挑战。为实现大型钢结构件的自动化焊接,需设计一种可在曲面壁面上稳定行走的机构及适用于多种复杂工况的焊接跟踪控制系统[5-7]。
博清科技[8-9]研发的无轨导全位置爬行焊接机器人已成功应用于大型钢结构件的自动化焊接[10]中。最新的第四代无轨导全位置爬行焊接机器人与前代产品相比,质量仅25 kg,结构更加紧凑,且能够更好地适应曲面角度,与球罐罐瓣等结构件的吸附更为可靠。本文将从车体机械结构、激光跟踪传感器的结构设计与图像处理方法、焊缝跟踪控制方法、焊炬高度调节控制方法、工艺5个方面,论述爬壁机器人如何实现球罐自动化焊接。
1 无轨导全位置爬行焊接机器人在焊接过程中,通过图像采集获取焊缝宽度等相关信息,通过姿态传感器获取车体实时参数,反馈到爬行焊接机器人的总控制器,总控制器发出指示经十字滑块控制器使焊炬移动,同时发出指示驱使爬行机车体运动,爬行焊接机器人的总控制器调节焊接电源控制器来实现对焊接电源电压及电流的调节,可满足焊缝不规则变化时焊接工艺的实时调节(见图 1)。
![]() |
图 1 无导轨全位置爬行焊接机器人总流程图 |
1.1 爬行机的机械结构设计
无轨导全位置爬行焊接机器人是一款无轨道、无导向、可自主识别并跟踪焊缝的全位置爬行焊接机器人。该机器人结构小巧紧凑,主要由爬行机本体(履带行走系统及永磁吸附系统)及爬行机负载(激光跟踪系统、防风系统、焊炬摆动系统、熔池观测系统)两部分组成(见图 2)。
![]() |
图 2 无轨导全位置爬行焊接机器人结构 |
1.1.1 爬行机本体
1) 履带行走系统。
履带行走系统由两组可独立运行的模块化履带组成。每组履带包括2条链条,2条链条中间均匀排布磁座,磁座表面涂有耐高温耐磨涂层,该耐磨涂层可增加与钢板的摩擦力,同时提高使用寿命;为使磁座能够与钢板紧密贴合,在磁座内部嵌入有永磁体吸附单元,且相邻的永磁体N、S极应交替排列,以实现磁力的最大化。履带内部装有独立的驱动系统,该设计使得每组履带具备完全独立的行走功能,具备模块化特性。为更好地胜任不同曲面的爬行任务,履带系统与爬行机车架主体采用了柔性连接[11],该连接方式可根据钢板弧面曲率的不同,自由调整履带角度,使履带与钢板始终保持垂直,从而使吸附更为可靠。柔性履带+柔性连接的设计使得爬行机具备良好的球罐攀爬能力,目前第四代无轨导全位置爬行焊接机器人可攀爬球体的最小直径约为3.2 m,该攀爬能力满足绝大多数球罐的焊接要求。
履带的吸附力不易过大,过大的吸附力会造成履带转向困难,降低爬行机的行走精度[12];然而爬行机又需要强大的吸附力来满足承受较大负载的要求。为了解决这一矛盾,需对爬行机加装一套磁吸附系统,该系统在满足提供强大吸附力的同时,不应对车体的转向带来困难。综合考虑磁吸附系统的吸力、体积、安全性等因素[13-14],永磁吸附系统是目前最为合理的解决方案。
2) 永磁吸附系统。
爬行机本体安装有多组永磁吸附系统。每组永磁吸附系统装有2个万向球行走轮,万向球为永磁吸附系统提供了有效支撑,限定了永磁吸附系统与钢板间的最小间隙,防止吸附系统与钢板进行摩擦;同时万向球的转向灵活,不会对爬行机的转向带来困难,万向球具备一定的越障能力,可越过最高5 mm的障碍物。每组永磁吸附系统中装有多个永磁铁,相邻的永磁铁按照N、S极交替排列,该排列方式可有效提升系统的吸附力[15-16]。此外,该永磁吸附系统可在高度方向上进行自由调节,以满足不同工况的吸附要求。
爬行机多在高温环境中运行,为保证高温焊接条件下磁力的可靠性,需对永磁体进行高温环境下的磁通量测试,即将永磁体在100 ℃的环境下加热20 min后,在高温下对其磁通量进行检测,结果如表 1所示,永磁体的磁通量仅产生微弱衰退,约为室温环境下的92%,当永磁体冷却至室温后,磁力可得到有效恢复;当加热到150 ℃到时,磁通量约降低至室温磁通量的56%,当永磁体冷却至室温后,磁力并不能完全得到恢复。需特别注意的是,该组数据是将永磁体直接加热得到,而实际工况中,爬行机上永磁体的温度并不会上升如此高,故爬行机的吸附安全性可以得到有效保障。
样品编号 | |
磁感应强度/mT | 冷却至20 ℃磁感应强度/mT | ||
20 ℃ | 高温加热后 | ||||
1 | 60 | 590 | 560 | 93 | 580 |
2 | 70 | 590 | 550 | 93 | 580 |
3 | 80 | 575 | 530 | 92 | 580 |
4 | 90 | 585 | 535 | 91 | 580 |
5 | 100 | 580 | 535 | 92 | 580 |
6 | 100 | 590 | 531 | 90 | 585 |
7 | 120 | 588 | 494 | 84 | 546 |
8 | 150 | 569 | 420 | 74 | 502 |
1.1.2 爬行机负载
1) 激光跟踪系统。
爬行机负载中,激光跟踪系统位于爬行机最前方,是爬行焊接机器人的“眼睛”。激光跟踪系统主要由激光发射器、数字相机、冷却结构及控制系统构成。该系统具有体积小,跟踪精度高,易于拆卸等特点。爬行机焊接时,激光跟踪系统可实时自主识别并跟踪焊缝,从而控制车体的行进路线及焊炬的摆动位置,整个控制过程无需人工干预,实现了焊接的自动化。
2) 防风系统。
与厂房内部焊接相比,户外焊接的工作环境更为恶劣复杂。而众多影响因素中,户外风力对焊接的影响首当其冲。针对这一问题,目前比较常见的做法是在焊件位置周围搭建大型防风棚,然而这一做法建设成本高、防护效果差,并不能很好解决风力对户外焊接的影响[17]。
为解决户外防风的问题,爬行焊接机器人搭载了一种新型防风机构,该机构体积小巧、轻便,安装于爬行机器人本体,可随爬行机器人移动。防风机构主体由耐高温金属制成,机构底部装有耐高温柔性材料,柔性材料可有效填补防风机构与钢板之间的缝隙。同时,该防风机构具备上下调节功能,以方便进行剪丝等焊接操作。爬行机焊接时,焊炬由防风机构的上表面至上而下穿过,在防风机构内部摆动,焊接位置可不受外界风力影响。该防风系统大大降低了户外防风成本,提高了防风装置的适用性,是未来户外焊接机器人防风的发展趋势。
3) 焊炬摆动系统。
爬行焊接机器人的焊炬摆动系统主要由焊炬夹持机构及十字滑块机构组成。其中,焊炬夹持机构可使焊炬在前后及左右两个方向上进行手动旋转调整,并可实现焊炬的灵活拆卸;十字滑块机构可实现焊炬在焊接高度方向及左右方向的自主摆动,该自主摆动由一套精密的控制系统及算法来完成,为实现高精度的自动化焊接提供了技术保障。
4) 熔池观测系统。
此外,为了达到实时监测熔池的目的,在爬行焊接机器人的车身内部安装了视觉观测系统。该观测系统可实时对焊接熔池进行观测,自带冷却结构,具备体积小巧、成像清晰的特点。同时,该观测系统灵敏度高,适用性好,且成本较为低廉,适合实际工程中的推广与应用。
1.2 激光跟踪传感器的设计目前,爬行焊接机器人焊接球罐选择激光跟踪传感器作为其焊缝跟踪的手段。激光跟踪传感属于主动结构光的视觉传感技术。激光跟踪传感器的原理如图 3所示。
![]() |
图 3 激光跟踪传感器原理 |
爬行焊接机器人系统中的激光跟踪传感器的光路系统主要由CCD、窄带通滤光片、光学衰减片、激光源、柱面透镜组成,如图 3a所示。其中,激光的波长与窄带通滤光片的可透射波长相符合。CCD和线激光源,按照一定角度固定在激光跟踪传感器中。在进行焊缝跟踪时,激光经过柱面透镜形成一个光面结构,照射在需要焊接的球罐焊缝坡口之上。其在焊缝坡口上形成了一条宽度很窄的一字激光线,如图 3d所示。一字激光线经过反射或者漫反射进入窄带通滤光片。窄带通滤光片可以将大部分焊接弧光中其余波长的光滤掉。只保证与线激光波长相同的一段很狭窄范围的光透过。再经过图 3a中的光学衰减片的二次过滤,降低激光线和焊接弧光以及飞溅的整体光学强度。最后线激光与一少部分焊接弧光等,一同进入CCD成像。CCD将图像信号传输至工控机,工控机经过一系列的图像处理,得到焊缝两个拐点的中心位置等信息,从而控制爬行机器人的运动。
由于球罐壁厚球罐体积庞大,对应的焊缝坡口开口宽度约39~90 mm,如图 3c中Ws所示;壁厚18~46 mm,如图 3c中T所示。为了满足焊缝尽可能处于相机可视范围的中部,焊缝宽度应该是相机的可视范围的1/3左右,如图 3d所示。对于不同的球罐壁厚,激光跟踪传感器的图像水平方向的可视范围选定为100~250 mm。为了同时满足爬行焊接机器人的焊接工作距离和激光跟踪可视范围的需要,必须合理地选择相机镜头焦距,如图 3b所示。
当激光跟踪传感器的工作距离(图 3b中h=100 mm时),选取镜头焦距为12 mm。CCD相机的可视范围计算如下:
水平方向
$ X_{W}=\frac{h \cdot \operatorname{CCDsize}(W)}{f}=98.8 \mathrm{~mm} , $ |
竖直方向
$ X_{H}=\frac{h \cdot \operatorname{CCDsize}(H)}{f}=58.6 \mathrm{~mm} . $ |
其中:h表示激光跟踪传感器镜头到焊接工件上表面之间的工作距离;f表示激光跟踪传感器的镜头焦距;CCDsize(W)表示所选用相机的CCD感光元件宽度方向尺寸,取11.25 mm;CCDsize(H)表示CCD感光元件高度方向尺寸大小,取7.03 mm;XW表示激光跟踪传感器可视范围在水平方向的大小;XH表示激光跟踪传感器可视范围在竖直方向的大小。
目前,爬行焊接机器人上配备的激光跟踪传感器所选用的CCD的分辨率是1 920×1 200像素。高分辨率的成像水平带来的直接好处是跟踪精度高。理论上,激光传感器可以达到的最高跟踪精度,为其CCD中一个像素所对应的距离值,可以通过下面的计算得到:
$ \begin{aligned} &\text { 水平方向 } \frac{X_{W}}{1 \; 920}=0.05 \mathrm{~mm} ,\\ &\text { 竖直方向 } \frac{X_{H}}{1 \; 200}=0.05 \mathrm{~mm} \text {. } \end{aligned} $ |
这样的跟踪识别精度完全可以满足焊接工作的需求。
1.3 焊缝跟踪算法球罐焊接需要采用多层多道焊接,焊接打底工序完成以后,焊缝底部变得不平整且没有任何的变化规律,在V形焊缝中,焊材上表面与焊缝坡口的两个拐点是焊缝识别过程中最稳定的特征点[18-19]。到目前为止,国内外对焊缝轮廓特征点的提取算法也主要是针对这两个点进行识别[20]。这些算法概括起来共有以下几种:Hough变换法、搜索算法、最小二乘法及曲线拟合法、模板匹配法和斜率法。爬行焊接机器人的激光跟踪传感器采用几种算法同时耦合出焊缝拐点的方法,提高焊缝拐点识别的准确率。
图 4为焊接过程中激光跟踪传感器获得V形焊缝坡口轮廓图像,经过图像预处理,感兴趣区域(regions of interest,ROI)选取,激光中心线提取,焊缝拐点识别,抗弧光干扰等一系列算法处理,得到焊缝拐点的坐标信息,进而控制爬行焊接机器人进行焊缝跟踪运动。
![]() |
图 4 激光跟踪传感器原理图 |
1.3.1 焊缝激光线轮廓的预处理
1) 焊缝激光线的感兴趣区域选取。
如前面所述,激光跟踪传感器所选用的CCD分辨率为1 920×1 200像素。高分辨率的好处是跟踪精度高。但是如果算法对整幅图像进行运算的话,计算时间相对较长,效率低。为保证跟踪精度,同时提高算法的计算速度,算法中采用选取ROI的方法。
ROI即图像中最能引起用户兴趣,最能表现图像内容的区域,如能提取出这些区域将会大大提高图像处理和分析的效率和准确度。在激光传感器获取的原始图像中,大部分区域都不需要算法进行处理,通过合理的选取ROI区域,可在单位时间内,向爬行焊接机器人控制算法提供充足的有效数据,提高算法的计算速度。
首先,在爬行焊接机器人的初始位置,激光传感器获取到初始位置的原始图像。由操作人员手动选取ROI区域。ROI区域尽可能地选取焊缝两侧较长的直线段,高度方向上在不丢失焊缝信息的情况下,ROI选取尽量窄。这样选取的ROI,最大限度地减少了算法运算的时间,并且保证了算法的跟踪精度。
2) 焊缝激光线轮廓的去噪。
焊缝激光线轮廓的原始激光条纹图像,如图 3d所示。由于焊缝焊接前需要对焊接材料进行抛光、除锈、去除焊渣等一系列前期处理工作。这些工作使得原始激光条纹图像中会存在激光线变粗,焊渣反射光等噪声,如图 4a所示。这会干扰激光条纹图像中提取拐点的效果。
去噪处理过程如下:对图 4b从左到右,再从上到下依次逐列扫描,记录下每一列中的所有灰度值大于阈值的图像点所构成的线段的起始和结束的行号,再计算出这个线段的中点的位置。将这个点的灰度值设置成255(白色)。这样在扫描结束后,图像中的每一列中可能存在多个白色的点。其中有一些点不是激光线上的点,需要通过点连接算法滤除。点连接算法首先设置一个参考水平位置,然后,按照从左到右、从上到下的顺序依次判断第k列中的所有白色的点与参考水平位置的距离,保存其中距离最小的点的行号。再按照上面的逻辑,重新扫描一遍。从而使得每列像素中最多只存在一个白点,以便后续的处理。
3) 焊缝激光线线形缺失插补处理。
由于焊接板材的不平整或打磨等影响,导致焊缝激光线的亮度不均匀或有断点存在。这些断点的存在不利于焊缝特征点的准确提取。因此,经过去噪处理后的图像还需要进行线形插补处理。具体方法是:从左到右逐列搜索白点,如果i列中存在白点且i+1列中不存在白点,则判断i+2列是否存在白点,直到找到存在白点的列i+n。利用i列和i+n列的白点的坐标值,计算出其斜率。利用斜率,连接i列和i+n列的白点,使得其中插入的点的水平间隔为1个像素单位。经过去噪和缺失插补算法处理的激光线轮廓图像,如图 4c所示。
1.3.2 焊缝激光线特征点——拐点的提取如前所述,在V形焊缝中,焊材上表面与焊缝坡口的2个拐点是焊缝识别过程中最稳定的特征点。由于在焊接过程中存在各种各样的干扰,例如,焊接弧光、飞溅、抛光后的反射光亮斑等,都会引起算法拐点识别稳定性的降低。为了提高算法的鲁棒性,算法采用几种拐点求取算法相融合的机制。
1) 拐点的提取方法1——搜索点到直线两边弦的距离最大点。
经过前面的预处理,得到了去除噪声和插补后的激光曲线的线形,如图 4c所示。对于V形焊缝,首先连接图像中的起始点和终止点得到激光曲线的弦。从左到右逐个计算曲线上的所有点到该弦的直线距离,找出距离最大的点的坐标。利用该点的位置,将图像分成左右2个图像。再分别对左侧和右侧两个图像分别计算所有点到其弦的直线距离,并找出距离最大点的坐标值。计算得到的2个点的坐标值就是V形焊缝两侧拐点的位置。
2) 拐点的提取方法2——利用Hough变换求出两侧拐点位置。
对于V形焊缝,图像中拐点两侧的直线相对于焊缝两侧拐点内部的斜线段所受到的干扰小一些。因此,可以利用Hough变换计算图像中两条最长的水平直线的端点位置。首先,连接图像中的起始点和终止点得到激光曲线的弦。从左到右逐个计算曲线上的所有点到该弦的直线距离,找出距离最大的点的坐标。利用该点的位置,将图像分成左右2个图像;再分别利用Hough变化求出水平方向最长直线两端的端点位置,即可得到焊缝两侧拐点位置。
3) 拐点的提取方法3——利用曲线斜率计算两侧拐点位置。
利用得到的激光曲线,从左到右逐个计算曲线上的所有点的斜率的平均值。对于第i列上的点,其行坐标为x(i)。取第i列左右各5个点的斜率平均值作为该点的斜率值,即:
$ \begin{gathered} k(i)=\frac{x(i+1)-x(i-1)}{2}+\frac{x(i+2)-x(i-2)}{4}+ \\ \frac{x(i+3)-x(i-3)}{6}+\frac{x(i+4)-x(i-4)}{8}+ \\ \frac{x(i+5)-x(i-5)}{10} . \end{gathered} $ |
按照从左到右依次计算激光曲线上各点的斜率的二阶导数,判断出第一个和最后一个斜率的二阶导数突变点的位置。这2个点的位置就是焊缝拐点的位置。
1.3.3 焊缝激光线伪特征拐点的排除,特征点准确性判断机制焊接过程中,由于焊接飞溅和打磨反光等影响,单一的特征点识别方法存在某种局限性,在不同的噪声影响下,导致算法的准确性不高,产生了一些伪特征点。为了避免这些伪特征点对机器人焊接造成干扰,需要将这些伪特征点排除,提高算法的鲁棒性和识别的准确性。
因此,拐点跟踪识别算法中增加了准确性判断机制。该机制利用前面所述的几种方法所求得的拐点位置坐标,称为左侧拐点和右侧拐点。循环计算出2个不同方法的左侧拐点的距离值,并判断这个距离值是否小于阈值。当小于阈值时,保留这2个方法所计算出的左侧拐点位置坐标;当大于阈值时,不保存这2个方法所对应的左侧拐点位置坐标。这样循环比较所有方法计算出来的左侧拐点位置,判断计算出的位置偏差是否在阈值范围内。同理,对所有方法计算得到的右侧拐点进行判断。从而获得准确的焊缝两侧拐点位置坐标,如图 4d中所示左右2个圆圈。通过焊缝两侧拐点坐标就可以计算出焊缝中心点的位置,如图 4d中的十字线。然后将焊缝中心点的坐标值输出给控制系统,控制爬行焊接机器人的运动。
1.4 焊缝跟踪控制系统焊缝跟踪控制系统主要由激光传感器、工控机、姿态传感器、控制面板、单片机、数模转换器、伺服驱动器组成。其中激光传感器负责实时采集焊缝坡口信息传输给工控机,通过图像识别焊缝坡口的中心,并把焊缝坡口中心传给主控单片机,单片机实时获取当前车体姿态角并且检测控制面板的输入信号,获取启动信号后,通过焊缝中点坐标和姿态传感器的实时姿态可计算出左右伺服驱动器的驱动电压,并将经模数模转换器转换的驱动电压,即模拟电压数据传输至伺服驱动器,如图 5所示。
![]() |
图 5 焊缝跟踪系统框图 |
激光传感器超前焊枪ΔD的距离是固定的,可以通过测量获取。焊接过程中爬行机行走速度V可以通过控制系统实时获取,理论上记录这段距离的焊缝中点坐标,当焊枪运行至该位置时再依次释放,可以认为实时的焊缝中点就是焊枪处所对应的焊缝中点。从微观上看,爬行机的实时速度是一个动态速度,本文采用间隔等宽位移距离的方式记录焊缝中点值。
已知爬行机瞬时速度为V,则单位时间车体行走路程为
$ S=\int_{t_{0}}^{t_{1}} V \mathrm{~d} t . $ |
把ΔD均分为n等分,每到达一个单位位移时计数器C自加一次并记录当前的焊缝中点值d0,当C=n时,依次释放单位位移所对应的焊缝中点值,相当于焊枪位置处的焊缝中点值。
如图 6所示,跟踪设定速度为150 mm/min,伺服驱动器自身会产生一定的速度偏差,同时跟踪过程中差速调节会影响跟踪实际速度。
![]() |
图 6 跟踪速度150 mm/min的速度曲线 |
通过获取伺服电机编码器脉冲值换算出电机的实际速度。设减速机的减速比为P,轮的直径为L,则电机转一圈所行进的路程S1=3.14L/P,电机转一圈对应的脉冲数为223,单个脉冲对应的路程S0=S1/223,1 min内采集m个脉冲数,则小车行走速度V1= S0m。通过实时记录小车跟踪行走速度,最后算得平均值为150.44 mm/min,相对设定速度150 mm/min的偏差为0.295%。
焊缝跟踪采用锁定式跟踪方式,始终让爬行机跟踪焊缝的中点。通过高速计算系统与高性能的数学模型实时指导车体行走和转向,实现±0.5 mm精度的跟踪。通过实验测试,小车在速度200 mm/min的情况下,图像处理系统输出的d0坐标值波动为±2个像素,已知2个像素之间的间距对应实际距离为0.25 mm。其跟踪过程对应跟踪速度曲线和焊缝坐标波动曲线分别如图 7a和图 7b所示。
![]() |
图 7 200 mm/min速度下的曲线图 |
1.5 焊炬高度控制系统
爬行焊接机器人在焊接球罐的过程中,控制焊接速度,使熔池液面保持在一个稳定的高度,是焊接成型的重要保证。
弧焊电源常用的两种外特性如图 8所示,分别是平特性电源(CV)和陡特性电源(CC)。无论是CV电源还是CC电源,均和电弧的伏安特性曲线Arc交于同一点M,也就具有稳定的工作点。可以看出,无论是CC电源还是CV电源都可以用于电弧焊接过程,而且可以获得相同的焊接电流和电压。
![]() |
图 8 焊接电源外特性 |
在细丝混合气体保护焊时,焊接电源常用平特性电源、等速送丝方式。此方式下,干伸长小幅范围的波动,可以由焊机自身进行电弧自适应调节,但当工件表面高度变化较大时,电弧自身调节作用不明显。如图 8所示,当干伸长度由Arc-H缩短至Arc-L时,电弧电压降低,电弧电流升高。
由于电压信号变化很小,因此通过AD芯片对焊机等比例缩放的电弧电流信号进行采集。信号采集的准确程度会受焊接电源、焊接环境、系统电源等干扰影响,严重时,很难反映出弧长的变化,需要经过硬件和软件滤波后方可使用。其中硬件滤波电路如图 9所示,由差分放大电路和跟随器组成。软件滤波采用“限幅滤波法”和“加权递推平均滤波法”。滤波前后效果对比如图 10所示。
![]() |
图 9 硬件滤波电路 |
![]() |
图 10 软硬件滤波前后效果图 |
控制系统如图 11所示。MCU从焊接电源采集电弧电流的同时进行滤波,并且实时反馈数值j(t),在电弧稳定后的焊接起始阶段,得出经过平均滤波后的基准值j1;滤波后的反馈值和基准值比较,得出偏差值e=j(t)-j1;MCU会根据实际焊接环境及工艺,自动选择预先存储好的专家数据,同时将数据输送至PID控制器;PID控制器实时调节焊炬高度驱动机构,实时闭环调节焊炬的高度,达到焊炬高度自适应效果。
![]() |
图 11 控制系统框图 |
其中专家知识库的数据在控制系统中起到很重要的调节作用,专家数据库由各行业所收集的标准的焊接工艺数据以及日常焊接工艺开发所采集的工艺数据组建而成,控制着焊接高度自适应调节的主要参数Kp值(比例调节系数)、Ki值(积分调节系数)、Kd值(微分调节系数)的自动修正。专家数据库由各行业标准的焊接工艺参数结合实际焊接实验采集的焊接数据,自动+人为采集获取。用SAF焊机DIGIWAV E-500做实验,分两层焊接,板材材质为Q235B,牌号ER50-6,板厚12 mm,焊接方法GMAW,板材背面保护采用陶瓷衬垫,保护气体选用80%Ar+20%CO2的混合气体,电特性为直流,焊接位置为3G,工艺参数如表 2所示。
坡口形式 | 接头形式 | |
弧长调节 | 电弧挺度 | |||||||
1.2 | 4 | -30~30 | V形 | 0~1 | 对接接头 | 50~70 | 2.8 | 5.0 | 7 | 108~126 | 18.2~20.6 |
50~70 | 3.0 | 5.0 | 6 | 116~132 | 22.4~22.8 |
分别采用带焊炬高度自动调节功能和不带自动调节功能的系统进行实验,并对焊接后的试板进行探伤检测。
实验结果如图 12所示,没有配置焊炬高度自动调节功能的设备,在焊接到试板定位点位置处时,容易出现未熔缺陷,焊接飞溅明显增加。而配置焊炬高度自动调节功能的设备,未熔缺陷改善明显,焊接飞溅也降低很多。可见,焊炬高度自动调节功能可以很大程度上提高工件一次焊接合格率。
![]() |
图 12 焊接试板探伤检测结果 |
2 球罐焊接工艺
在第24届北京·艾森焊接与切割博览会期间,博清科技研发的第四代无轨导全位置爬行焊接机器人在近1/8球罐上进行焊接,焊接效果良好。
2.1 球罐基本参数展示球罐为120 m3球罐的近1/8部分,球罐外表面曲率为1/3 070,壁厚20 mm,材质为Q235B,球罐共2条环缝(C1、C2)、3条纵缝(L1、L2、L3),由1块赤道带板、3块温带板和2块极带板组成,球罐背面用筋板焊接固定,球罐及坡口具体尺寸分别如图 13和14所示。
![]() |
图 13 近1/8球罐基本尺寸(单位:mm) |
![]() |
图 14 球罐坡口形态(单位:mm) |
2.2 打底焊接工艺测试
焊丝选用直径
将3条纵缝投影到以球罐外径为圆的圆弧上,并以赤道线的径向法线与水平方向的夹角为0°设定为始点,从下往上纵缝的焊接起止点在圆弧上的位置如图 15所示。对于纵缝L1、L2、L3的焊接过程,需要调整区间焊接工艺参数以适应不断变化的坡口,焊接参数见表 3。对于纵缝L1、L2的焊接,在10°~20°的区间由于焊接处于更接近于立焊的焊接位置,所用焊接规范最小,由下向上的焊接过程中,焊接位置慢慢向平位置改变,焊接规范也越来越大。对于处在31°~53°的纵缝L3来说,整个打底焊道的工艺规范最大,从而整个自动焊接过程的高效性得以保证,焊缝形貌如图 16a和图 16b所示。
![]() |
图 15 纵缝在球罐中的位置 |
焊缝 | |
||||
L1 | 10~20 | 120~129 | 22~22.5 | 70 | 4.5 |
L2 | 20~31 | 124~131 | 23.8~24.9 | 80 | 4.5 |
L3 | 31~53 | 135~144 | 25~25.9 | 85 | 4.5 |
![]() |
图 16 纵缝和环缝的正反面形貌 |
与纵缝不同,球罐的环缝处于二维平面中,所以对于同一位置环缝的焊接,可以不用改变焊接工艺参数,便可实现整条焊缝的焊接。爬行焊接机器人利用自身激光跟踪系统,可实现机器人沿着焊缝平稳的运行,采用自适用脉冲焊接工艺,送丝速度可达5.0 m/min,焊接速度可达180 mm/min,极大地提高了焊接效率。爬行焊接机器人采用单脉冲焊接过程几乎无飞溅,焊缝正/反面成型均匀美观,如图 16c和图 16d所示。环缝打底焊道的焊接工艺参数如表 4所示。
3 结论
本文从机械机构、图像处理、焊缝跟踪、焊炬高度调节、工艺参数5个方面对爬行焊接机器人进行了研究,现可适应球罐的大曲率变化,实现在球罐表面的自由行走并且进行焊接,如图 17所示。
![]() |
图 17 爬行机器人球罐焊接 |
最终可以达到如下效果:
1) 成功研制了智能无轨导全位置爬行高效焊接机器人系统;爬行机器人的自由度达6个,质量≤30 kg,负载≥120 kg,可实现90°立向上、立向下和横向爬行焊接。
2) 焊接相机输出HDR视频流帧率≥60 fps,动态范围≥120 dB,像素位宽≥12 bit,图像分辨率≥1 280×720像素,HDR视觉焊缝自动跟踪误差±0.1 mm以内。
3) 焊缝跟踪采用锁定式跟踪方式,始终让爬行机跟踪焊缝的中点,通过高速计算系统与高性能的数学模型实时指导车体行走、转向,实现±0.5 mm精度的跟踪。PID控制器实时调节焊炬高度驱动机构,实时闭环调节焊炬的高度,达到焊炬高度自适应效果。
4) 陶瓷衬垫单面焊双面成形技术以及厚板坡口内打底焊工艺成熟稳定,RT检测完全合格。
[1] |
罗雨, 张中亮, 焦向东, 等. 球罐全位置焊接机器人研究现状及其关键技术[J]. 电焊机, 2016, 46(10): 25-30. LUO Y, ZHANG Z L, JIAO X D, et al. Research status and key technology of all-position welding robots on spherical tank[J]. Electric Welding Machine, 2016, 46(10): 25-30. (in Chinese) |
[2] |
雷毅, 许晓锋, 姚荣荣. 球罐自动焊应用现状及其焊缝跟踪技术研究[J]. 石油化工设备, 2006, 35(5): 49-52. LEI Y, XU X F, YAO R R. Applied situation of auto-welding technology for spherical tank and research development of its weld seam tracking technology[J]. Petro-chemical Equipment, 2006, 35(5): 49-52. DOI:10.3969/j.issn.1000-7466.2006.05.015 (in Chinese) |
[3] |
王军波, 孙振国, 陈强, 等. 基于CCD传感器的球罐焊接机器人焊缝跟踪[J]. 焊接学报, 2001, 22(2): 31-34. WANG J B, SUN Z G, CHEN Q, et al. CCD sensor assisted weld seam tracing method for spherical tank welding robot[J]. Transactions of the China Welding Institution, 2001, 22(2): 31-34. DOI:10.3321/j.issn:0253-360X.2001.02.008 (in Chinese) |
[4] |
许燕玲. 基于视觉及电弧传感技术的机器人GTAW三维焊缝实时跟踪控制技术研究[D]. 上海: 上海交通大学, 2013. XU Y L. Research on real-time tracking and control technology of three-dimension welding seam during welding robot GTAW process based on vision sensor and arc sensor[D]. Shanghai: Shanghai Jiao Tong University, 2013. (in Chinese) |
[5] |
洪宇翔, 都东, 潘际銮, 等. 基于轨迹动态规划的移动机器人焊道自动跟踪[J]. 焊接学报, 2015, 36(10): 25-28. HONG Y X, DU D, PAN J L, et al. Seam tracking based on dynamic trajectory planning for a mobile welding robot[J]. Transactions of the China Welding Institution, 2015, 36(10): 25-28. (in Chinese) |
[6] |
潘际銮, 闫炳义, 高力生, 等. 永磁履带自主全位置爬行式弧焊机器人的控制方法: CN03153663.8. 2004-04-21. PAN J L, YAN B Y, GAO L S, et al. Method for controlling fully positioning self creeping arc welding robot with permanent magnet caterpillar: CN03153663.8. 2004-04-21. (in Chinese) |
[7] |
张华, 潘际銮, 徐健宁, 等. 无轨导全位置爬行式弧焊机器人系统[J]. 机械工程学报, 2006, 42(7): 85-91. ZHANG H, PAN J L, XU J N, et al. Trackless crawl type all-position arc welding robot system[J]. Chinese Journal of Mechanical Engineering, 2006, 42(7): 85-91. DOI:10.3321/j.issn:0577-6686.2006.07.016 (in Chinese) |
[8] |
KERMORGANT O. A magnetic climbing robot to perform autonomous welding in the shipbuilding industry[J]. Robotics and Computer-Integrated Manufacturing, 2018, 53: 178-186. DOI:10.1016/j.rcim.2018.04.008 |
[9] |
SCHMIDT D, BERNS K. Climbing robots for maintenance and inspections of vertical structures: A survey of design aspects and technologies[J]. Robotics and Autonomous Systems, 2013, 61(12): 1288-1305. |
[10] |
桂仲成, 陈强, 孙振国. 多体柔性永磁吸附爬壁机器人[J]. 机械工程学报, 2008, 44(6): 177-182. GUI Z C, CHEN Q, SUN Z G. Wall climbing robot employing multi-body flexible permanent magnetic adhesion system[J]. Chinese Journal of Mechanical Engineering, 2008, 44(6): 177-182. DOI:10.3321/j.issn:0577-6686.2008.06.027 (in Chinese) |
[11] |
王军波, 陈强, 孙振国. 爬壁机器人变磁力吸附单元的优化设计[J]. 清华大学学报(自然科学版), 2003, 43(2): 214-217, 226. WANG J B, CHEN Q, SUN Z G. Optimization of attracting devices with variable magnetic force for wall-climbing robots[J]. Journal of Tsinghua University (Science and Technology), 2003, 43(2): 214-217, 226. DOI:10.3321/j.issn:1000-0054.2003.02.021 (in Chinese) |
[12] |
宋伟, 姜红建, 王韬, 等. 爬壁机器人磁吸附组件优化设计与试验研究[J]. 浙江大学学报(工学版), 2018, 52(10): 1837-1844. SONG W, JIANG H J, WANG T, et al. Optimization design and experimental research on magnetic components for wall-climbing robot[J]. Journal of Zhejiang University (Engineering Science), 2018, 52(10): 1837-1844. DOI:10.3785/j.issn.1008-973X.2018.10.001 (in Chinese) |
[13] |
黄忠, 刘泉, 王茂. 基于Ansoft的爬壁机器人吸附装置分析及设计[J]. 机械工程师, 2015(12): 108-110. HUANG Z, LIU Q, WANG M. Analysis and design of adsorption device of wall climbing robot based on Ansoft[J]. Mechanical Engineer, 2015(12): 108-110. DOI:10.3969/j.issn.1002-2333.2015.12.047 (in Chinese) |
[14] |
孟宪宇, 董华伦. 爬壁机器人结构设计及曲面磁力吸附关键技术研究[J]. 制造业自动化, 2018, 40(6): 19-22, 39. MENG X Y, DONG H L. Research on the structure design of climbing robot and the key technology of surface magnetic force absorption[J]. Manufacturing Automation, 2018, 40(6): 19-22, 39. DOI:10.3969/j.issn.1009-0134.2018.06.005 (in Chinese) |
[15] |
CHINAKHOV D A, VOROBYEV A V, GOTOVSHCHIK Y M. Simulation of wind influence on the thermal processes in gas-shielded welding[J]. Applied Mechanics and Materials, 2014, 682: 91-95. DOI:10.4028/www.scientific.net/AMM.682.91 |
[16] |
姜克钊. 基于双层动态开窗V型焊缝快速识别方法[J]. 电焊机, 2013, 43(11): 106-108, 164. JIANG K Z. Fast recognition algorithm of Ⅴ type groove seam based on double dynamic window[J]. Electric Welding Machine, 2013, 43(11): 106-108, 164. (in Chinese) |
[17] |
黎咸西, 熊震宇. 基于视觉传感的多层多道焊缝图像特征的识别[J]. 南昌航空大学学报(自然科学版), 2011, 25(1): 53-57. LI X X, XIONG Z Y. Identification of image characters for multi-pass welding seam based on vision sensing[J]. Journal of Nanchang Hangkong University (Natural Sciences), 2011, 25(1): 53-57. DOI:10.3969/j.issn.1001-4926.2011.01.011 (in Chinese) |
[18] |
刘习文, 洪波, 戴铁峰. 激光视觉焊缝跟踪图像处理与坡口识别[J]. 激光与红外, 2011, 41(7): 804-807. LIU X W, HONG B, DAI T F. Image processing and groove recognition in weld seam tracking based on laser vision[J]. Laser & Infrared, 2011, 41(7): 804-807. DOI:10.3969/j.issn.1001-5078.2011.07.020 (in Chinese) |
[19] |
GU W P, XIONG Z Y, WAN W. Autonomous seam acquisition and tracking system for multi-pass welding based on vision sensor[J]. The International Journal of Advanced Manufacturing Technology, 2013, 69(1-4): 451-460. DOI:10.1007/s00170-013-5034-6 |
[20] |
雷正龙, 吕涛, 陈彦宾, 等. 基于扫描激光视觉传感的焊缝图像特征信息识别[J]. 焊接学报, 2013, 34(5): 54-58. LEI Z L, LV T, CHEN Y B, et al. Features extraction for weld image of scanning laser sensing[J]. Transactions of the China Welding Institution, 2013, 34(5): 54-58. (in Chinese) |