國內機床自動下料分揀現狀綜述

王 靜

（北京天瑪智控科技股份有限公司，北京 101399）

1 研究背景

《中國制造2025》、德國工業4.0、美國工業互聯網的提出，激發了制造業的活力，使得設備制造行業由人工生產、半自動化生產轉向自動化、智能化、數字化生產。整個制造行業智能化的普及、人工成本的提高等因素推動著機床下料分揀的自動化進程。

制造業是國民經濟的主體。打造具有國際競爭力的制造業，是提升我國綜合國力、保障國家安全、建設世界強國的必由之路[1]。近年來，虛擬經濟和互聯網技術得到了高速發展，但是實體經濟相對處于低谷時期[2]。為解決這種情況，國務院于2015年提出《中國制造2025》，致力于推動制造業的創新和智能化發展[3-5]。然而，發展制造業離不開各種生產線的更新換代和智能化升級。簡單來說，生產線可以分為工件加工生產線和產品裝配線。本文主要研究工件加工生產線中的機床下料分揀生產線，并分析當前國內機床下料分揀生產線的發展現狀和未來發展方向，從而為該類生產線的開發提供參考。

2 機床自動下料分揀

如圖1所示，根據下料方式，機床自動下料分揀可以分為機床直接下料分揀和輸送帶下料分揀，其中輸送帶下料分揀又可以分為動態分揀和靜態分揀。根據分揀方式，機床自動下料分揀又可以分為各種零件單獨分揀和多種零件混合分揀。

2.1 機床直接下料分揀

機床直接下料分揀是指將機器人與機床進行整合協同工作，完成下料功能，如圖2所示。

國內技術已趨于完善，可以通過仿真軟件完成機器人在機床上下料過程中應用的全過程仿真[6]。利用仿真軟件ROBOGUIDE離線編程仿真整個機床的上下料過程，離線模擬FANUC機器人在機床下料分揀中的運動過程及節拍。另外，利用在線仿真設計機床直接下料的路徑，確定方案的可行性，不僅可以縮短調試時間，而且可以提高成功率。北京科技大學研究了機械臂在上下料等應用場景中的運動控制，改進了S形速度曲線控制算法，縮短了機械手在上下料過程中的工作時間，提高了整個加工系統的效率[7]。該技術應用于圖2的桁架機械手，使得機械手在上下料過程中的速度控制更加精確，減少了因加減速不當而引發的設備振動和沖擊等情況，提高了設備的運動精度，提高了設備的整體精度。

該技術除了應用于數控機床，還可應用于其他加工領域，尤其在焊接和沖壓領域，機器人上下料更為常見。利用富士康科技集團的成品六軸Foxbot機器人，結合500萬像素的智能相機，可以對機構件實施批量焊接，并精確識別零件位置，完成焊接后機構件的自動下料及碼放[8]。智能相機拍照識別焊接件位置和姿態，將數據傳輸至可編程邏輯控制器（Programmable Logic Controller，PLC），之后將數據傳輸至六軸機器人，告訴機器人待分揀焊接件的位置和姿態，指揮六軸機器人準確抓取焊接件，并按照設定的最佳路徑實施自動下料。沖壓領域的自動下料與焊接相似，均是利用自動下料技術來降低工人勞動量，提高下料效率[9-10]。

2.2 輸送帶下料靜態分揀單一零件

輸送帶下料靜態分揀單一零件是指利用輸送帶及其他機構將物料按序運動至同一位置后固定，再由機器人定點靜態抓取零件實現下料功能，如圖3所示。

廣州文船重工有限公司已投入使用智能下料生產線。該生產線包括智能上料、自動切割、零件自動分揀疊放和自動清廢4個功能[11]。它使用輸送帶自動靜態分揀技術，利用零件分揀電磁吊抓取設備來實現平臺上固定鋼板零件的下料分揀及疊放。該零件分揀電磁吊抓取設備為簡易龍門式，主體部分由子母車、起升運動控制絞車等構成。其中，吊抓設備的端部工具為電控永磁鐵吸盤。該技術可以提高生產線的智能化水平，減少操作工人的需求量，降低操作工人的勞動強度，有利于鋼結構制造企業的智能轉型升級。

湖南鐵道職業技術學院和中車株洲所電氣技術與材料工程研究院研究了一條芯片智能分揀生產線[12]。該產線以ABB IRB360并聯工業機器人為控制核心，實現芯片下料、芯片輸送鏈傳輸、相機檢測以及分揀機器人智能分揀等過程。齊齊哈爾四達鐵路設備有限公司已實現軸承退卸輸送線和智能分揀[13]。通過以上裝置將軸承退卸機退卸下來的軸承自動傳輸到軸承堆垛地點，根據軸承型號實現軸承的自動分揀與碼垛。中國煤炭科工集團南京設計研究院有限公司利用視覺識別分揀機來實現工件切割，完成后經過輸送線自動分揀推入相應的料框并打碼，最終運送到倉庫或者直接送至下道工序[14]。

2.3 輸送帶下料動態分揀單一零件方面

輸送帶下料動態分揀單一零件是指利用輸送帶運送物料至分揀機器人，再由機器人結合視覺系統引導機器人直接在運動中的輸送帶上快速識別并準確抓取零件，進而分揀下料[15]。富士康科技集團通過蜘蛛手和視覺相機實現輸送線上動態抓取分揀物料，分揀后由蜘蛛手端部吸盤將物料投入相應的物料箱中，如圖4所示。

該項分揀技術難度較高，不僅對機器人的反應速度和重復精度具有高要求，而且要求相機曝光頻率高、數據處理速度快，因此國內較少應用此項技術。山東大學自主搭建了抓取系統的軟硬件平臺，通過對該平臺進行算法設計，實現根據預設的姿態和位置自適應抓取零件，并放到指定位置[16]。該平臺主要集成了傳送帶動態速度檢測、相機圖像預處理、相機圖像邊緣檢測以及相機圖像輪廓提取等算法，并選擇合適的硬件搭建而成，可應用于流水線分揀、動物體抓取等場景，促進了工業自動化的發展。庫卡Delta機器人實現了根據輸送帶上物料密度實時動態調整機器人抓取分揀速度，提高了分揀效率，有效降低了漏檢率[17-18]。該項技術主要運用了牛頓-拉夫遜迭代算法計算物體在工作區域內被抓取的準確位置坐標，在電荷耦合器件（Charge Coupled Device，CCD）相機進行拍照后，利用視覺軟件進行圖像處理，將數據傳輸至控制器，再利用牛頓-拉夫遜迭代算法二次計算并預測零件的實際位置，最后利用預測的零件位置數據引導機器人抓取零件。

2.4 多種零件混合分揀

多種零件混合分揀是指同時分揀多種類型的零件，各種零件外形可能相似也可能相差較大，且這些零件混合在一起，就像是將混合在一起的黃豆和綠豆分別分揀出來。本技術主要通過視覺系統引導機器人完成，對機器人的要求與以上幾種分揀情況相似，但是增加了對視覺系統的要求。視覺系統不僅需要識別某種零件的外形、姿態、位置，而且需要同時識別其他零件的外形、姿態和位置，不僅對定焦相機的景深功能是一項很大的挑戰，而且對變焦相機的精度具有很高要求。因此，該技術目前應用較少，尚需要進一步研究發展。

研究發現，機器人在安川六軸機械臂實現了對多種混合零件的拿取分揀碼盤操作。上海發那科機器人有限公司和廣東省機械研究所有限公司利用三維視覺廣域傳感器（一個投影儀和兩個數字相機），結合可編程控制器、工業機器人編程等各模塊系統集成開發，完成了對料籠不同相位曲軸分揀的案例[19]。

3 結語

單一零件的機床下料分揀技術已趨于完善且應用廣泛，但是對于多種零件混揀，機床下料分揀相對薄弱，急需提高自動化水平和相關技術。另外，機床自動下料分揀中所涉及的機器人多為國外產品，而國內機器人在該領域的應用有待完善。