移動工業機器人在飛機裝配生產線中的應用研究

陶 永，高 赫，王田苗，江 山，任 帆，溫宇方

（1.北京航空航天大學機械工程及自動化學院，北京 100191；2.北京航空航天大學航空發動機研究院，北京 100191）

在航空技術發展日新月異的背景下，機器人技術的應用給航空制造產業轉型發展注入了新的活力，提升了飛機制造裝配效率、精度和一致性，同時也對機器人技術本身提出了新要求。

工業機器人進入航空制造、電子、汽車等高附加值領域，代替人類完成重復性工作是目前工業機器人應用的重要方向之一。航空產品加工精度高、工序復雜、品種多、批量小，傳統制造過程采用以工裝夾具為輔、手工制造為主的生產模式。工業機器人系統考慮到加工精度和剛性的限制，以固定點位、導軌和龍門形式為主，主要負責制孔、焊接、裝配、表面處理等工序。

在大型飛機制造領域，國內航空工業成飛、西飛、沈飛等為突破“機庫式”裝配模式限制，在飛機脈動裝配生產線等領域進行了探索和嘗試，聯合科研院所重點研發了智能搬運自動導引運輸車（Automated guided vehicle,AGV）、制孔機器人、焊接機器人、噴涂機器人等系列自動化裝備，并逐步投入應用。由于飛機大型構件制造裝配系統具有精度要求高、工作范圍大、工作柔性大、系統靈活、載荷較大等特點，同時考慮到廠區布置和通行能力，固定點位和傳統移動形式的工業機器人系統很難滿足大型飛機的設計、制造、裝配的工藝要求。為此，移動工業機器人及其關鍵技術攻關逐步成為該領域關注的熱點和焦點之一。

工業機器人系統重復定位精度高，絕對定位精度低，無法直接滿足新制造環境下的應用需求，需要進一步探索精度溯源和控制方法。工業機器人與AGV移動平臺復合成為耦合系統，移動平臺的定位精度控制和導航規劃是需要攻克的難點和核心技術之一。大型復雜構件的裝配需要智能工業機器人系統與傳統工裝配合完成，過程涉及數字化測量、多傳感器數據融合等關鍵技術。

近年來，移動工業機器人的研發、產業規劃和飛機制造裝配中的工程應用逐漸成為熱點。本文針對移動工業機器人在飛機裝配生產線等航空制造過程的典型應用進行綜述，重點梳理移動工業機器人的多傳感器融合的同步定位和建圖、移動機器人高精度導航控制、機械臂精度控制方法和數字化測量等核心關鍵技術，并對未來的發展趨勢進行討論和展望。

主要應用與發展現狀

1 機器人自動化制孔裝備

飛機裝配過程主要采用機械連接方式，存在大量機械連接件,涉及制孔和連接工藝[1]。傳統裝配過程以人工制孔為主，難以滿足航空產業升級對于裝配精度、效率和一致性的要求，因而，機器人自動化制孔裝備逐漸獲得關注。

國外已投入機器人自動化制孔裝備參與部件成型和裝配進程。2012年啟動的歐盟 “復合材料和混合結構的低成本制造和裝配”（LOCOMACHS）項目，使用自動化制孔設備，節省了50%的系統制造裝配成本[2]。美國Electroimpact公司曾研發后襟翼鉆孔系統[3]（The trailing edge/flap drilling system,TEDS），如圖1（a）所示[4]，在波音公司進行了工藝驗證，達到了深度±0.05mm、法向±0.5°的系統精度，制孔效率提高約30%。空客公司整合MTM Robotics自動化公司，在德國漢堡建立了新的A320系列飛機自動化生產線，其中大量使用了導軌式移動機器人實現自動制孔，如圖1（b）所示[4]。

國內企業和科研院所對于飛機組件機器人自動制孔技術也進行了大量研究，并逐步展開應用。中航工業西飛薛宏等[5]針對大飛機活動翼面自動制孔，研制了機器人柔性制孔系統，形成了一套專用工藝和離線編程方案，制孔精度達到0.04mm。中國商飛上飛公司針對ARJ21和C919飛機機身筒段對接環向制孔需求，進行了制孔質量工藝性驗證、自動制孔軌跡離線編程等試驗，開發了一種利用吸盤進行吸附定位的爬壁制孔機器人，具有優秀的應用靈活性[6]。

移動機器人自動化制孔裝備應用于飛機大部件制造裝配過程，擁有結構靈活、柔性大、工作空間大的優勢，正逐步獲得行業關注。穩定有效的移動機器人自動化制孔過程，基于機器人系統動力學和制孔摩擦、振動機理研究，涉及移動機器人高精度定位與導航、機械臂系統精度控制、柔性制孔執行器設計和自適應加工控制等關鍵技術，是實現機器人穩定加工和推廣應用的關鍵。

2 航空自動檢測機器人

檢測系統負責收集飛機部件裝配效果信息，是飛機生產質量管理的重要構成。機器人測量系統可突破傳統測量方法結構復雜，柔性差的束縛，并能提供足夠的靈活性和可拓展性，一般由移動平臺、機械臂本體和末端測量頭構成（圖2（a））。

空客A400M氣體動力試驗中，采用機器人測量承載面氣體角度可克服傳統工裝對測試氣流造成的影響，從而提高測量結果的準確性。英國OC Robotics公司針對飛機機翼檢測難到達環境，研發了蛇形臂（Snake–arm）[7]，將其整合至機械臂末端，可鉆入飛機的機翼內部完成檢測、緊固和密封等操作，如圖2（b）所示[7]。

圖2 機器人自動檢測系統Fig.2 Robot automatic detection system

北京理工大學鄒志剛[8]研制的復合機械臂超聲無損檢測系統，借助移動軸、延長桿和同步定位技術，實現了回轉體曲面工件的超聲自動檢測。合肥工業大學王鑫[9]針對飛機蒙皮自動化無損檢測的需求，整合輪式移動平臺、UR10機械臂、相控陣檢測末端，進行了集成系統無損檢測試驗。哈爾濱工業大學、北京航空航天大學等科研院所在軟體連續性機械臂領域做了大量研究，積累了一定成果。

飛機部裝及總裝效果需要檢測和試驗評估。機器人系統參與自動檢測過程，可加速細化檢測環節，提高檢測效率和可信度。機器人系統為檢測執行設備提供精準位姿，在航空自動檢測領域中有著廣闊的應用前景。固定式或者移動式機器人系統形態的選擇應充分考慮脈動站位實際任務場景和精度要求，協調系統靈活性與測量精度的矛盾。

3 航空大部件搬運

移動工業機器人系統是飛機柔性裝配系統的重要組成部分，可極大地提高飛機部件的運輸和裝配效率。移動平臺系統已經獲得了行業內的廣泛應用，目前，主要有兩種用途：一是實現遠距離的航空部件運輸；二是配合測量和柔性工裝實現部件位姿調節。

針對大部件的運輸難題，國外目前已有成功案例。美國AIT公司的重載AGV系統可在單獨和多級串聯模式下工作，受到用戶界面或者操縱桿控制。德國HUBTEX分段和機身運輸系統也可以實現互聯，協同工作，如圖 3所示[10–11]。德國KUKA公司OmniMove系列重載AGV先后被應用到空中客車公司，實現了重載下托舉，定位精度1mm的聯動效果。國內航空工業西飛脈動生產線項目投入4臺重載AGV，用于飛機的裝配。AGV與工業機器人系統集成、移動工業機器人系統與飛機總裝脈動生產線集成推廣有望取得較快的發展[12]。

不同于導軌式移動機器人系統，集成了AGV的移動機器人系統實現大部件搬運、裝配調姿功能，需要關注本體全向移動、載重、多機編組、三維調姿精度等關鍵性能指標以及存在環境預設準備、高精度定位導航、多機協同控制、工裝集成控制等關鍵技術。

4 飛機表面噴涂機器人

飛機整機的涂裝過程危險性大且有害，對工人的身體健康存在不良影響。智能機器人系統代替人類完成噴涂工作可顯著提高噴涂效率，保證噴涂的均勻性，更為工人提供了一個綠色環保的作業環境，在飛機裝配生產線中有著較大的作業需求。

美國波音公司曾將日本川崎KJ314噴涂機器人安裝于高架基座和線軌上進行波音777客機的噴涂工作。該噴涂機器人可進行180°旋轉，大大提高了噴涂效率[13]。洛克希德·馬丁公司大型飛機機器人噴涂系統（Large aircraft robot painting system,LARPS）以及機器人飛機精整系統（Robotic aircraft finishing system,RAFS），集成移動平臺和工業機器人，可實現自動噴涂功能，已用于F–16、F–22等機身表面作業，如圖4所示[14–15]。

國內航空制造企業與科研院所也進行了大量研究。為了滿足飛機平尾等大部件的噴涂要求，中國商飛公司自主研制了機器人噴涂系統原型樣機，實現了相關的功能[6]。清華大學機器人與自動化技術及裝備研究室研制了一系列具有自主知識產權的超長特種噴涂機器人和大型多機器人噴涂系統，目前已取得工程應用15–17]。

面對大型飛機的整機噴涂作業，噴涂機器人系統首先需要保證工作空間的靈活可達。多機器人噴涂系統和特種噴涂機器人系統構成目前飛機整機噴涂機器人的主要結構形式，是進行機器人噴涂作業的必要前提。其次，為了保證機器人噴涂作業的有效性和完整性，需要攻克機器人系統的曲面噴涂路徑規劃、機器人協同工藝規劃、機器人高精度定位、噴涂表面檢測與噴涂效果評估等關鍵核心技術。

圖3 應用于航空部件搬運的移動機器人系統Fig.3 Mobile robot system applied to aviation parts transportation

圖4 國外典型噴涂機器人系統Fig.4 Foreign painting robot system

關鍵技術

隨著移動工業機器人系統逐步深入飛機裝配現場，機器人系統定位精度不夠、傳感器數據融合不暢、系統與車間輔助工裝交互不足的短板也逐步顯現。未來機器人系統需要適應航空大尺寸構件制造裝配過程的精度和柔性要求，協同數字化測量設備，互為補充。下列技術將成為航空制造領域移動工業機器人系統進一步發展的關鍵技術。

1 移動工業機器人的多傳感器融合同步定位和建圖

飛機裝配的廠區環境，通常不存在高精度預制地圖，且存在人員和車輛的流動，對移動工業機器人而言是動態復雜環境，這就要求機器人系統具備較好的實時感知和反饋控制能力。

高精度定位是實現機器人規劃導航的基礎，同步定位和建圖（Simultaneous localization and mapping，SLAM）技術為實現機器人高精度定位提供了重要手段。

移動工業機器人在車間或廠區內實現運動，傳統定位方式可提供絕對尺度信息，包括精準、連續的室內、室外定位技術。

室內定位技術包括慣性導航系統（Inertial navigation system，INS）定位、超寬帶（Ultra wide band，UWB）定位、射頻識別（Radio frequency identification，RFID）、藍牙信標、地磁定位以及超聲波定位等技術[18]，可分為相對定位和絕對定位兩類，且存在較強的互補性。

室外定位方面，由于GPS信息存在干擾信號，定位信號會產生高頻振蕩[19]。為了去除干擾提高定位精度，需要對接收機收到的 GPS 信號進行濾波。一種有效的解決方案是基于 GPS 接收器與慣性導航系統INS的互補性將兩系統組合[20–21]，同時引入濾波和自適應算法，減輕干擾噪聲對定位的影響。運用實時差分等輔助技術，可縮短定位系統冷啟動時間，增強系統適應性。軍事交通學院謝德勝等[22]采用載波相位差分技術RTK–GPS（Real–time kinematic，GPS）,在空曠場地測試輪式車輛，定位精度為厘米級。

室內外銜接定位主要解決兩種定位環境中，定位信號與系統的融合問題。南京郵電大學陸永杰，采用室外GPS/INS融合定位，室內INS/磁力計航跡推算的組合方案，完成室內外銜接定位試驗，軌跡誤差在米級[23]。

SLAM技術按照信息維度可分為2D SLAM和3D SLAM；按照傳感器種類可分為激光SLAM和視覺SLAM，通過融合傳感器數據中的相對運動和絕對尺度信息，輸出實時的位姿數據和建圖結果。

美國海軍研究生院Lum[24]在機器人操作系統（Robot operation system，ROS）平臺下，借助Kinect相機形成了里程計數據，實現了未知動態環境下的定位、建圖和導航，見圖 5（a）。谷歌公司的Hess等[25]基于2D激光雷達實現了2D SLAM建圖，提出了一種子圖掃描與圖形匹配優化的算法，該地圖的分辨率可達到5cm，見圖5（b）[25]。國內院校和科研單位也進行了大量研究。上海交通大學張鐘元[26]室外環境下在單目ORB–SLAM的基礎上，整合了慣性傳感器以及GPS約束，消除了累積誤差，在保證系統精度的同時，降低了系統成本和對計算資源的要求

多傳感器融合同步定位和建圖，是現階段研究少標識或無標識環境下移動機器人自主定位導航，避免單傳感器失效導致任務失敗等問題的重要手段。相較單純的激光和視覺SLAM，多傳感器融合SLAM涉及傳感器硬件層面的增減互補和傳感器數據在軟件層面的挖掘與融合，包括多傳感器數據優化、機器人高精度定位、特征提取、數據關聯、高精地圖動態表達等關鍵技術，與基于深度學習的SLAM技術共同構成移動工業機器人的新興研究方向，是移動機器人系統路徑規劃、導航控制的重要基礎。

2 移動工業機器人導航控制

目前投入運行的AGV系統，除手動引導外，多采用傳統導航方式，如電磁引導、激光引導、慣性引導、視覺引導等，依靠二維碼、反光條、預埋線纜等環境信息媒介物。系統可靠穩定，以物流倉儲等按照固定路線運行的場景應用為主，柔性不足，升級成本較高，如圖6所示[27]。

基于機器人傳統導航方式，后續研究以完善多機協作、增強系統平穩性、提升機器人運動性能為主，出現了多傳感器融合的混合導航系統和運動控制優化方法。

圖5 SLAM地圖構建Fig.5 SLAM map construction results

西安理工大學朱從民等[28]設計研發了一套AGV多傳感器導航系統，采用濾波進行傳感器數據融合，利用磁柵尺提供位姿絕對信息修正，減弱累計誤差，并在其研制的5t級AGV上實現系統部署。浙江大學鐘鉅斌[29]針對物流倉庫環境，提出可切換磁導航和視覺導航的AGV混合導航框架，為滿足系統動態規劃與干道穩定導航的雙重需求提供了新的思路，研究只對單一功能進行了推理仿真，在多AGV連續定位調度方面仍需試驗驗證。

上海理工大學周霞等[30]提出多傳感器信息融合的伺服控制方法，探索視覺傳感器、激光雷達、編碼器等多傳感器在像素層、特征層、決策層的深度融合，實現了復雜環境下移動機器人的快速跟隨與協作功能。南京航空航天大學武星等[31]對受到非完整約束和動力學影響的AGV，提出了包含路徑跟蹤和伺服控制的混合運動控制模型，顯著提升了機器人位姿糾偏和運動性能優化進程。原中航工業北京航空制造工程研究所蔣倩等[32]針對機翼翼盒的數字化裝配問題，研發了一套基于室內GPS（Indoor GPS，iGPS）導航的AGV自主導航系統，在仿真環境和實際裝配過程中，完成AGV無干涉自主導航功能技術驗證。

SLAM技術的發展為移動機器人導航系統擺脫環境信息媒介，實現自由路徑導航起到了關鍵作用。移動機器人SLAM依靠自身傳感器主動感知周圍環境，形成位姿數據，完成精準定位和地圖構建。基于SLAM的先進導航方法依靠地圖和更新進行路徑規劃和動態避障，目前處于進一步研發和應用場景探索階段，包括SLAM高精地圖表達、全局/局部運動規劃算法、多機協同算法等關鍵技術。

3 基于移動機器人的工業機械臂精度控制

工業機器人參與航空產業自動化、柔性化升級，其應用領域將不局限于定點搬運等簡單工作，直接參與生產過程是必然的趨勢，由此需要解決機器人系統精度不能完全滿足生產精度要求的問題。如何進一步提高工業機械臂絕對定位精度，進而嘗試匹配移動工業機器人耦合系統精度與生產實際要求，將成為未來新型制造環境下移動工業機器人系統推廣應用的關鍵問題。

圖6 德國G?tting KG 導航解決方案Fig.6 Navigation solutions from G?tting KG,Germany

按照原理和思路上的差異，目前改善機械臂的控制精度和運動精度方法可分三類：基于模型的標定方法、非模型標定方法和基于高精度觀測設備的實時定位[33]，補償效果對比如表1所示[34]。

基于模型的標定方法依靠機器人原有或者重構的運動學模型，分層進行誤差參數識別和校準，方法較為成熟，國外已形成美國DynaCal補償系統、瑞士Caliware、日本Motocal等一系列商用標定軟件。國內南京航空航天大學何曉煦等[35]基于運動學參數對機器人系統幾何誤差進行辨識標定，再利用基于誤差相似度的方法進行誤差補償，將KUKA KR–30最大絕對定位誤差降低了80.16%。

非模型標定方法不關注運動學模型細節，只通過曲線擬合、神經網絡、空間插值等類統計方法對目標位姿進行估計，實現實時監測反饋難度大，仍處于研究階段。

高精度觀測設備融合介入模型標定過程，是現階段可行應用的主要形式。天津大學史曉佳等[36]建立了工業機器人誤差測量與在線補償閉環控制系統，結合激光跟蹤儀在線測量反饋，將KUKA KR5機器人絕對定位精度降低約86.15%。上海交通大學邱周靜子[37]以單目Eye–In–Hand和Eye–To–Hand 機械臂視覺系統為研究對象，對約束環境下的基于預測控制的視覺伺服系統進行深入研究，提升了約束視覺伺服系統的控制性能。

以上研究多基于現有機械臂系統做精度優化，精度控制研究也應基于系統層面積極拓展，針對飛機裝配場景重點開展跨尺度、多模態、數字化裝配理論模型與公差分配方法、高性能的負載與自重比的新材料機械臂本體設計、末端執行器設計、航空制造環境的感知機理與協調操作策略等核心技術與基礎理論、方法研究，為建立飛機的數字化柔性裝配的制造服務軟件平臺、研制新一代高精度航空制造工業機器人提供重要的技術支撐。

4 機器人數字化測量技術

數字化測量技術是飛機制造過程數字化的一項關鍵技術，為制造過程評價、飛機結構件轉運、裝配位姿調整等進程提供了有力保障。三坐標機、激光雷達、激光跟蹤儀、室內GPS系統等測量方案提供一定范圍內的非接觸高精度三維測量，應用廣泛，如圖7所示[38]。

激光跟蹤儀作為一種典型的數字化測量手段，除裝配過程借助靶鏡位姿監測外，借助手持探針、掃描儀等，可實現組件校準、涂層檢測、掃描逆向等功能，已在航空制造領域內得到廣泛應用。Premium公司為空客A350提供大型結構件，整合了激光跟蹤儀和機械臂系統，組成了基于激光跟蹤儀的大型飛機機器人智能裝配系統并成功應用[39]。國內中航工業、中國商飛、中國航發等企業均有相關的使用案例，如圖8所示[40]。

iGPS系統作為GPS概念在室內環境的延伸，采用紅外激光和三角定位原理達到大范圍毫米級測量精度，是作用范圍內多目標動態跟蹤和裝配對齊的理想工具，相對激光跟蹤儀有作用空間大、系統靈活的優勢，但是其測量精度容易受到發射和接收器數量、布局的影響。

針對激光跟蹤儀，iGPS單個系統具有柔性差、升級成本高的問題，近年來也出現了采用增加視覺傳感器等低成本混合測量定位方案和與AGV混合的可移動測量方案。

浙江大學劉華[41]針對飛機裝配站位間轉運接駁工序，提出了融合視覺圖像信息和激光測距信息的飛機結構位姿評價方法，實現了車載骨架工裝底座與站位底座間的對準，降低了AGV系統絕對定位精度要求。范斌等[42]基于某機型大部件數字化裝配場景，進行了iGPS測量系統和激光跟蹤儀測量對比試驗，證明現行iGPS系統規避了跟蹤儀轉站步驟，但仍只適用于對測量精度相對要求較低、測量范圍較大、測量效率有要求的測量任務，需要相對應的加強iGPS系統建場規劃以控制精度。航空工業304所趙子越等[43]采用一種基于激光跟蹤儀與iGPS的協同測量方法，引入約束方程統一基準，整合了激光跟蹤儀關鍵點測量和iGPS實時跟蹤測量，試驗條件下得到了±0.06mm的組網精度。

機器人數字化測量技術是實現生產過程數據生成和傳遞的關鍵，正逐步以項目的形式深入制造過程。針對航空制造領域內轉型升級對數字化測量技術的旺盛需求，基于現有研究，重點開展機器人數字化測量技術新原理、高精度的數字化測量設備與高效實時的柔性工裝協調控制、區域測量環境多目標跟蹤等基礎理論和方法研究，是為航空制造數字化轉型提供精準數據支撐的重要前提。

表1 機器人作業精度補償方法對比Table 1 Comparison of error compensation methods for robot operation

圖7 HECAGON激光測量解決方案Fig.7 Laser tracker systems from HECAGON,Sweden

圖8 飛機裝配場景下iGPS系統應用Fig.8 Application of iGPS system in aircraft assembly process

未來發展趨勢

1 飛機裝配生產線中的人機協作

在實現飛機裝配生產線等航空制造過程理想的自動化之前，人與移動機器人系統共享工作空間、分工協同工作，是進一步推動智能機器人系統深入飛機裝配制造的生產現場，接替非結構環境下的形式多變、復雜裝配任務的有效方案。

空客公司提出“未來工廠”計劃，如圖9所示[44]，從大飛機車間布置、構件制造、廠區協同、產品狀態跟蹤等方面展開敘述，在構件制造和裝配工序中涉及多項人機協作技術，現實聯合英國BAE、德國Siemens等公司合作，目前仍處于研發測試階段。

德國弗勞恩霍夫研究所采用丹麥UR10機器人，建立飛機機身自沖鉚接的人機協作系統，如圖10所示[45]，有效緩解了傳統鉚接工序中人工繁重壓力，提高了操作效率。

現行人機協作功能實現涉及安全級監控停止、手動引導、速度和距離監控、功率和力限制等關鍵核心技術[46–47]。未來協作安全性不依賴于人機物理空間的隔離，依靠多傳感器數據融合控制和系統冗余設計將成為趨勢，同時帶來機器人軟件和交互服務功能附加值占比的提升。

協作機器人和AGV導航等技術的迅速發展，為集成AGV與協作機器人，形成能深入飛機裝配生產線的移動協作機器人系統，進一步減輕工人勞動強度，提升站位裝配作業能力創造了可能。其中協作安全保證、機器人柔性關節和感知、機器人自主操作與技能學習理論、AGV與協作機器人協同控制方法等將是未來人機協作的研究重點。

2 移動工業機器人的多傳感器融合

移動機器人的定位和導航、工業機械臂精度控制等方向，都需要攻克多傳感器融合技術，相關研究方興未艾。未來移動工業機器人系統中傳感器數量的增加和算法的跟進，給工程問題的解決提供了多方位的視角，也帶來了多源的誤差累計和不同程度的數據冗余。如何在多傳感器的基礎上，合理利用冗余數據，增強融合互補，消除數據不確定性，探索多傳感器數據深度融合方法與結構，將會成為推動移動工業機器人系統在飛機裝配生產線落地應用亟待解決的關鍵問題。

圖9 空客協作機器人項目與應用Fig.9 Airbus’ collaborative robot projects and applications

圖10 人機協作與傳統工藝對比Fig.10 Comparison of man-robot collaboration with traditional crafts

移動機器人多傳感器融合方法，目前可分為概率統計方法和人工智能方法[48]。概率統計方法應用最為廣泛，例如卡爾曼濾波、加權方差等，針對其自然邏輯缺陷問題，也發展加入了最大似然和信任函數等理論，并不斷拓展其算法和模型。人工智能方法包含的邏輯推理和神經網絡混合發展也被廣泛研究。

移動機器人多傳感器融合方法，本質上為數據融合的抽象模型，是實現多傳感器融合的基礎。進一步拓展細化融合功能，提高準確度同樣依靠抽象化的功能模型，如圖11所示[49]，包含數據級、特征級、決策級和集中式、分布式、混合式的結構模型[50]。但是多傳感器融合的結構模型和數學模型，目前應用局限于面向過程的單一功能和環境，還沒有標準形式模型和方法出現，仍需要進一步研究。

為此，根據具體工況合理選擇傳感器類型和數量，在此基礎上，進一步研究移動機器人的多傳感器、多層級的融合標準功能模型和結構模型，優化融合數據級分析算法，完善移動機器人的特征級信息提取技術、提出決策級判定原理方案，是未來移動工業機器人多傳感器融合發展的重點方向。

3 移動工業機器人的智能規劃與決策

智能制造依靠具備感知、決策、執行、學習功能[51]的智能機器裝備。飛機裝配所需的智能裝備體系包括工業機器人、移動機器人、高精測量工具、集成生產線等技術裝備。每種裝備自身可靠的規劃和執行能力和集成體系實時的決策和調度能力，將成為飛機制造和裝配中的智能裝備系統推廣應用的主要特征，如圖12所示[52]。

智能規劃是復雜機器人系統的現實需求。大飛機的機身裝配工序中，爬壁焊接機器人、AGV、柔性工裝等系統需要配合自身或者環境內高精度測量系統協同工作。AGV系統無碰撞的搬運機身分段，調整其位姿，需要實時、高精的路徑規劃和導航控制；爬壁機器人需要根據焊縫狀態適時調整焊接參數和路徑；數字化測量系統獲取飛機機身、設備位姿數據，為車間平臺決策提供數據支撐。

智能決策是數據融合的最高層次，是飛機裝配等智能制造過程的功能需求。飛機裝配車間平臺智能決策，依靠信息空間數據的高度融合，是多傳感器融合技術以數據層為基礎，在信息空間逐步抽象的較高級表現，是產業落實數字化、網絡化升級的同時，邁向智能化方向的有益探索。結合深度學習、專家系統等智能方法，以工藝過程優化為基礎，逐步依靠數據提高移動機器人系統規劃和決策能力是目前重要研究方向。

4 飛機裝配生產線的數字孿生體系

對于具體的產品或系統，在其全生命周期內總有數字副本與物理產品對應存在，二者共同構成“數字孿生”。信息產業深度融入制造業，促進了數字化測量、高精度定位等技術在飛機裝配生產線等航空制造領域的應用落地，同時帶來了豐富可靠的數據流，這為建設飛機裝配的“數字孿生車間（Digital twin workshop,DTW）[53]”，建立制造物理空間和信息空間的融合和交互關系提供了數據支撐，如圖13所示[54]。

飛機裝配生產線的數字孿生車間立足于制造空間，包含機器人等核心設備、產品、乃至廠房的實體和數字模型，著力于在信息空間融合物理空間實時數據流并提供可視化，通過數據挖掘和學習，對物理空間全鏈條或單個產品狀態形成動態調整和行為預判，為飛機裝配生產線車間建設規劃、生產調度和產品故障排查等提供決策支持。

移動機器人系統在飛機裝配作業過程中采集人員、設備、物料等生產要素實際狀態，處理形成部分孿生數據，輔助信息空間車間生產要素管理和生產過程控制，參與平臺數據挖掘與分析，增強物理空間與信息空間的交互聯系，具備集群實時可控的優勢，是未來孿生車間數據采集和裝配作業的重要執行者。

裝配生產線移動機器人系統基于孿生的車間生產計劃，合理配置機器人的作業頻次，合理規劃維修與升級事項，對保證飛機裝配節拍穩定、自動化車間長期有效運行具有重要意義。

發展基于產品級“基于模型定義技術”（Model based definition,MBD），細化車間級制造執行系統（Manufacturing execution system，MES）粒度，是走近“數字孿生”的期待方向，但涉及大規模計算決策、增強現實與虛擬現實、數據分析服務、大批量傳感設備融合等使能技術，多學科交叉，且依靠大規模數字化高端人才，“數字孿生”仍需要持續關注和深入研究。

圖11 多傳感器信息融合功能模型Fig.11 Multi-sensor information fusion model

圖12 自動化機身總裝（空客“未來工廠”計劃）Fig.12 Automated fuselage assembly (Airbus “The factory of the future” plan)

圖13 西門子“數字孿生”構想Fig.13 Siemens “Digital twin” concept

結論

由于大型飛機構件制造裝配具有尺寸大、載荷大、精度高等特點，移動工業機器人相較固定點位機器人和導軌式移動機器人有著靈活的巨大優勢，但也受到自身系統剛度、定位精度、感知能力、體系融合不足等方面的限制。在移動機器人系統完全滿足加工和裝配精度要求之前，人機協作是目前較為經濟、易于推廣的機器人技術方案。多傳感器融合方法、精度補償標定方法，高精度觀測設備推陳出新，為移動工業機器人系統的精度提升提供了新思路，正受到國內外研究人員的關注。

隨著飛機脈動式生產線等智能制造項目的全面鋪開，以智能規劃決策、數字孿生技術為特性的未來工廠初見端倪。移動工業機器人及其相關技術的發展將為航空制造領域跨越式發展提供新動能，為機器人領域帶來新的應用價值。