焊接機器人在焊接技術應用中的關鍵技術研究

錢 程

（中鐵建電氣化局集團軌道交通器材有限公司，常州 213169）

焊接是一種應用較為廣泛的連接方式。在焊接加工過程中，如何在確保其精度和質量的基礎上加快作業效率，是相關人員首要解決的問題。焊接機器人的出現，使得焊接技術水平得到了進一步提升。利用焊接機器人可以在較短的時間內完成一些人工無法完成的作業，降低了焊接作業安全事故的發生概率。為促進焊接機器人的持續發展，應當不斷加大相關技術的研究力度。因此，本文就焊接機器人在焊接技術應用中的關鍵技術展開分析探討。

1 焊接機器人的構成及類型

1.1 構成

焊接機器人屬于工業機器人，具有焊接、切割以及噴涂等多種用途，其突出的特點是焊接質量穩定性高，可以大幅度提升作業效率，能夠重復編程。常規的焊接機器人一般是由機器人和焊接設備兩個部分構成，前者包括機器人本體和控制柜；后者包括電源、焊槍、編程器等。目前，應用較為廣泛的焊接機器人主要為帶有關節的6軸機器人[1]。

1.2 主要類型

按照焊接方式的不同，可以將焊接機器人分為激光焊型、弧焊型和點焊型等類型。其中，激光焊機器人由激光器、控制系統、運動系統、冷卻系統以及上下料裝置等部分組成，如圖1所示。激光焊型機器人的焊接速度非常快，約為20 m·min-1。弧焊型機器人的作業方式有熔化極和非熔化極兩種。隨著相關技術的快速發展，該類焊接機器人的智能化程度不斷提高，目前已基本可以滿足各種作業需要。點焊型機器人只能完成點焊作業，具有編程簡單的特點。該類機器人接收到上位機的控制命令后，便可自行完成焊接任務。

圖1 激光焊型機器人

2 焊接機器人在焊接技術應用中的關鍵技術

焊接機器人之所以能夠在工業生產及其他領域中得到廣泛應用，與其自身所具備的諸多優勢有著密不可分的關聯。這些優勢源于各種先進的技術支持，如機器視覺技術、圖像處理技術、模糊控制技術以及目標追蹤算法等。

2.1 機器視覺技術

機器視覺技術是一項較為先進的信息技術，能夠用計算機模擬人的視覺功能，從圖像中提取有價值的信息，經過處理后用于檢測和控制。焊接作業過程中產生的熱量容易引起工件受熱變形，無法滿足高精度工件的焊接要求。機器視覺技術在焊接機器人中的應用，可有效解決該類問題。基于機器視覺的激光焊接機器人增加了圖像檢測模塊，焊接作業時能夠實時獲取焊縫圖像，并通過軟件完成檢測。該模塊與機器人組成伺服控制系統，可以保證完成精準焊接。機器視覺技術在激光焊接機器人中的應用，使得機器人具備了獲取圖像信息的能力，從而實時提取焊接特征，并依據特征點的坐標值，使機器人按相應軌跡移動，進而高效、高質量完成焊接作業。

帶有機器視覺系統的激光焊接機器人，采用的是三線激光條紋生成器。該生成器發出三線激光條紋后會投射到焊接工件上，此時傳感器能夠借助漫反射原理完成條紋成像。獲得的圖像中包含工件的焊接位置，且通過調整攝像機與生成器之間的角度，獲取更多與焊縫有關的信息。激光焊接機器人作業時，若發出的激光亮度過高，可能導致圖像曝光過度，還會對工作人員的眼睛造成一定的傷害；若是激光的亮度不足，將無法確保視覺系統準確捕捉到焊縫特征點的圖像信息，從而影響檢測分析結果。針對該情況，業內的專家經過大量研究后發現，在600 nm和850 nm頻帶上捕捉到的圖像成像質量較高。另外，研究過程中還發現，噪聲與弧光干擾越小，捕獲的圖像越清晰。其中：干擾主要與激光器的功率P、過濾器的波長λ、工件與攝像機之間的距離d1以及特征點與焊池的距離d2等因素有關。查詢相關資料可知：當P=100 mW、λ=600 nm、d1=10 nm、d2≤30 mm時，噪聲與弧光干擾最小[2]，且隨著干擾的減小，焊接精度顯著提升。

2.2 圖像處理技術

焊接機器人是依靠焊槍完成焊接作業的設備。焊槍的末端接觸到待焊接的工件時，除了會產生高溫之外，還會形成弧光，從而影響焊接機器人上的工業攝像機成像質量。為解決這一問題，需要借助圖像處理技術分析處理焊接過程中采集到的焊縫圖像，去除其中存在的噪聲干擾，使圖像和焊縫邊緣的信息變得更加清晰，以確保焊槍能夠自動跟蹤焊縫，從而高質量完成焊接作業，使焊縫達到要求的精度。在焊接機器人中，應用的圖像處理技術有直方圖均衡化、圖像濾波以及邊緣檢測等。

2.2.1 圖像濾波技術

圖像濾波是通過有效抑制噪聲來保留圖像細節特征的圖像處理方式，是圖像預處理的重要環節，其處理效果與后續圖像可靠性密切相關。焊接機器人作業時不可避免會產生飛濺。盡管圖形已經過直方圖均衡化處理，但其中仍會或多或少存在部分噪聲干擾，從而對圖像的分析結果造成不利影響。為解決這一問題，可以運用圖像濾波技術消除噪聲干擾。在圖像濾波過程中，可采用中值、均值或高斯濾波等濾波方法[3]。這3種濾波方法中，高斯濾波在焊接機器人中的應用較為廣泛。實踐表明，通過高斯濾波后，焊縫圖像中的噪聲能夠得到有效抑制。

2.2.2 邊緣檢測技術

通過邊緣檢測能夠標識出圖像中亮度變化較為明顯的點。應用該技術可以大幅度減少數據量，剔除不相關的信息，保留圖像中重要的結構屬性。焊接機器人作業時，通過直方圖和濾波處理后，可進一步提升圖像質量，從而使焊縫成為機器人自動追蹤的主要目標。此時，提取圖像中的焊縫邊緣信息，可以獲得精確的焊縫位置信息。邊緣檢測技術中應用的主要算法為檢測算法，如Sobel算子、Roberts算子、Canny算子等[4]。在焊縫圖像處理中，Sobel算子適用于提取噪聲較多的圖像焊縫邊緣，且能夠達到較為理想的效果。但從實際情況來看，它的處理精度一般。Roberts算子雖然精度較高，但對噪聲干擾較為敏感。Canny算子的抗噪聲干擾能力強，可以達到較高的提取精度，能夠在滿足焊接機器人作業需求的同時，滿足弧光飛濺下的圖像焊縫邊緣提取要求。

2.3 模糊控制技術

模糊控制（Fuzzy Control，FC）是一種非線性控制的智能控制方法，是依托模糊數學中的模糊關系開展模糊推理，并根據推理結果進行模糊決策來達到控制目的的控制技術。在復雜系統中，模糊控制具有顯著效果。焊接是一個不斷變化的過程。利用焊接機器人開展的焊接作業具備復雜性特征，體現在焊槍末端與工件接觸后會產生高溫、弧光和噪聲。其中，高溫會引起焊縫變形，弧光和噪聲會影響機器人視覺系統采集圖像的清晰度，從而引起焊接精度下降。為避免上述問題的發生，可在焊接過程中實時調整焊槍的動作，以縮小焊縫與焊槍末端的偏差，提高焊接質量。焊接機器人是一個非線性、強耦合的復雜系統，因此傳統的模糊控制器無法滿足控制需要。通過開發適用于焊接機器人控制的自適應模糊控制器，可簡化建模步驟，并提升系統的魯棒性，使得焊接過程更加穩定可靠，繼而提高設備的作業效率。

焊接機器人開展焊接作業時，因為在初始焊接中無法獲得焊縫追蹤系統的數學模型，所以需要依托控制器的輸入和輸出，通過模糊控制定義模型參數，從而進一步提升焊接作業的穩定性，降低因抖動產生的誤差。自適應模糊控制器可以滿足復雜非線性、強耦合系統的應用需要，且隨著焊接工件形狀的變化，偏差率模型參數會隨之實時更新[5]，確保自動焊接順利完成。

3 結語

綜上所述，焊接機器人以其自身所具備的諸多特點，在各個領域中得到了廣泛應用。在焊接機器人的設計制造過程中，需要應用先進的技術提高機器人的整體性能，以滿足各種焊接作業需要，從而保證焊接精度和質量。