虛擬仿真在汽車噴涂工藝調試中的應用

摘要： 為提升產品噴涂設計的合理性，在傳統噴涂技術的基礎上，引入噴涂仿真技術對噴涂機器人調試過程進行動態分析，對噴涂路徑及噴涂設定參數進行直觀的膜厚效果評估，結果表明，噴涂膜厚仿真計算與現場實際匹配度可達84%，涂層的膜厚均一性最大提升約15%，同時降低了涂料的浪費量，色漆成本降低5%，清漆成本降低11%。

關鍵詞：機器人 噴涂 仿真 調試

中圖分類號：U466" " "文獻標志碼：B" "DOI： 10.19710/J.cnki.1003-8817.20240222

Application of Virtual Simulation in Automobile Spraying Process Commissioning

Wei Xue， Wang Hua’e， Zheng Zhaojian， Hua Bing， Liu Yi

（Sinotruk Jinan Power Co.， Ltd.， Jinan 250000）

Abstract： To improve the rationality of automotive spray design， spraying simulation technology is introduced to dynamically analyze the commissioning process of spraying robots on the basis of traditional spraying technology， and the paint film thickness effect is evaluated visually for the spraying path and spraying parameters. The results show that the matching rate between simulation calculation of painting film thickness and painting workshop reaches 84%， the homogeneity of painting film thickness is improved by 15%. In addition， the wastage of paint is reduced， paint cost is reduced by 5%， and varnish cost is reduced by 11%.

Key words： Robot， Spraying， Simulation， Commissioning

1 前言

機器人涂裝噴涂工藝在汽車、航天航空、船舶等眾多領域均有重要應用，不同產品所需的噴涂工藝、涂料類別和噴涂設備不同。當前市場競爭越發激烈，急需在噴涂技術上有所突破，以應對產品質量要求的日漸提高、生產效率及成本控制的精益求精以及產品更新周期的大幅縮短等。

離線編程涂裝虛擬制造方法能提高噴涂路徑設計及機器人調試效率，但由于缺乏油漆驗證和實用的膜厚模擬工具，無法預測噴涂路徑的合理性、噴涂可能存在的質量風險、噴涂環境與油漆控制參數對涂層的影響。因此在噴涂調試及生產過程中，需要緩慢且高昂的試錯過程，不僅提高了成本，還影響產品質量及生產過程的穩定。

噴涂仿真虛擬工具能夠模擬機器人噴涂路徑、涂料設定參數、風場及靜電場對噴涂膜厚的影響，能夠利用虛擬原型代替實物原型對噴涂效果進行評估，降低了調試成本；能夠預測噴涂的質量風險，減少了不可預見的成本，并在產品早期制定解決方案，有效縮短了產品更新周期，提高了產品質量和競爭力。

2 噴涂仿真的原理

噴涂工藝按噴涂工具分為噴槍噴涂與旋杯噴涂，按加電方式分為靜電噴涂與非靜電噴涂，按涂料類型分為高固含涂料、粉末涂料等。本文以常用的旋杯靜電噴涂來說明噴涂仿真的基本原理。

IPS Virtual Paint Spray軟件是使用浸入網格邊界法[1]進行噴涂膜厚模擬，依賴計算流體動力學（Computational Fluid Dynamics，CFD）模擬氣流和電耦合場，在氣流、電子磁場環境下，將油漆分解成液滴，跟蹤這些液滴直到其揮發或撞擊到表面，利用模擬液滴碰撞來估算漆膜厚度。

噴涂控制參數有油漆流量、轉速、成型空氣壓力等，在空氣和電場中將體現為碰撞速度和液滴體積的影響。當液滴撞擊表面時，可能散開或飛濺，具體受液滴大小、沖擊速度和角度、油漆粘度以及表面粗糙度的影響。

2.1 噴涂仿真原理

油漆通過高壓噴出，在高壓空氣及旋杯高速旋轉的作用下霧化，并通過油漆的吐出量、高壓空氣及轉速的參數化控制實現噴涂霧化控制。

外加電的噴涂霧化器電極在放電時，強大的電勢會電離氣體，在較小的電離區外大部分是負離子，負離子會向陽極（目標接地）偏移運動，原因是負離子的速度遠大于油漆顆粒的速度，涂料被離子轟擊而帶電。如果采用內加電的噴涂器，可假設離開的液滴帶有電荷，液滴電荷與液滴面積成正比。

綜上，噴涂模擬求解器主要由3個部分組成：氣流求解器、靜電求解器和液滴求解器。進行耦合求解流場、電場和液滴運動，氣流通過動量傳遞和阻力與液滴進行耦合，電場通過液滴空間電荷密度和靜電力與液滴進行耦合，最后，氣流與電場通過液滴進行耦合[1-2]，如圖1所示。

2.2 求解器

本文求解器由Navier-Stokes求解器和IBOFlow求解器組成，可有效地求解氣液兩相流，模擬跟蹤噴涂過程中的氣流、液體及電場下的液滴粒子，直至其撞擊表面或消散，并求解出涂層厚度。

2.2.1 流體求解器

2.2.2 靜電求解器

2.2.3 液滴求解器

2.2.4 網格劃處理及膜厚計算

通過將被涂覆曲面分割成適當的小塊，求解計算每小塊的膜厚，數模網格為四邊形或三角形，可將此膜厚插入幾何頂點，獲得平滑的膜厚云圖效果。

3 噴涂仿真基礎流程

3.1 噴涂仿真流程概述

利用仿真軟件模擬油漆噴涂膜厚的流程如下：

a. 建立數據庫：通過試驗測量不同涂料、不同噴涂參數等條件下油漆粒子的狀態，創建霧化器噴涂數據庫，即刷子表；

b. 數據準備：完成零件數模及噴涂路徑輸入、噴涂參數設定、環境邊界條件設置；

c. 膜厚仿真：進行噴涂膜厚仿真計算；

d. 結果輸出：根據膜厚云圖進行結果后處理及風險分析。

3.2 噴涂仿真數據庫建立

3.2.1 油漆粒子運動概述

噴涂環境及工藝較為復雜，霧化器每秒噴出數十億滴涂料穿過紊流和電場，直到附著于目標表面或成為廢物被浪費。要模擬每個油漆粒子在噴涂過程中的運動狀態，需要考慮多邊條件的影響，如霧化器的吐出量、旋杯的轉速、成型空氣的壓力等。不同條件下油漆粒子會以不同的速度、角度撞擊被涂覆物表面。

同時，還需要確定油漆粒子的帶電量，電荷離子密度決定了撞擊油漆顆粒的離子數量，電場的強度決定了作用在油漆粒子上的靜電力。

3.2.2 油漆霧化液滴粒子測量

油漆從旋杯邊緣如絲狀注射到空氣中并逐漸破損霧化，噴涂仿真截取旋杯下方一定距離的區域作為仿真輸入的邊界條件，不考慮旋杯附近區域的復雜的物理行為，原因是噴霧為稀釋遠離，附近區的液滴與離散態液滴之間的相互作用可忽略。采用激光多普勒測速儀（Laser Doppler velocimeter，LDA）和粒子圖像測速儀（Particle image velocimeter，PIV）測量液滴的尺寸、霧化器附近的空氣和液滴速度[7]，如圖3所示。

3.2.3 噴涂基礎條件

噴涂前應確認以下條件是否滿足要求：

a. 確定涂料的施工性能，如黏度、密度、固含等；

b. 機器人噴涂設定適當的噴涂流量、空氣壓力、旋杯轉速及電壓，如表1所示。

3.2.4 速度場邊界條件檢測

為更好地捕捉漆霧粒子的運動狀態，使用風速儀和測速儀測量漆霧速度，通過激光衍射測量粒子的分布，最后可將試驗數據應用到噴涂仿真的基礎數據庫中。

a. 激光多普勒風速儀：如圖4所示，假定流場中液滴與流體的速度相同，當兩束激光射向流體區域時，由于液滴對激光的散射作用，產生多普勒效應，從而測得液滴的速度，可獲取單點的三維速度，如圖5所示。

b. 粒子圖像測速儀：如圖6所示，假定流場中液滴與流體的速度相同，使用高速攝像頭獲取粒子的運動行為，繪制平面3D速度矢量，從而獲得聚焦位置的速度矢量場。

c. 油漆霧化粒徑尺寸分布：液滴的尺寸會影響激光的散射角，入射光在通過不同粒徑的液滴時會呈現不同的散射角度，如圖7所示。

d. 采用激光衍射可獲取距離旋杯一定距離的粒徑分布情況[8]，如圖8所示。

3.2.5 電場靜電測量

霧化器放電針與工件之間形成一個高壓電暈放電電場，涂料液滴由旋杯噴出經過放電區時，攜帶了大量電子，成為帶負電的液滴，在靜電場的作用下吸附到工件上。液滴的帶電量和電場強度會影響噴涂效果。

在霧化器下放置一個大平板，將電流密度計固定在上面，測量不同轉角下的電流密度情況，如果允許可測量不同高度下電流[9-10]，如圖9所示。

3.2.6 油漆噴板膜厚測量

噴板試驗的目的是收集油漆在不同噴涂參數下的霧幅及膜厚分布，在霧幅一定的情況下，涂料上膜與油漆流量通常呈線性關系。本文采用現場機器人、霧化器和涂料，選擇實際使用的噴涂參數進行噴涂試驗。

如圖10、圖11所示，將噴涂試板水平或垂直放置并接地，設定適當的機器人噴涂速度及距離進行噴涂測試，噴涂結束后按工藝流程靜置后烘烤，最終測量噴涂試板涂層厚度。

3.2.7 建立噴涂仿真虛擬數據庫

根據試驗得到的測試數據創建刷子表，需分別定義氣流速度、注射區域、油漆運動速度、油漆屬性，并與實測膜厚進行匹配校正。

a. 霧化器空氣速度場：如圖12所示，定義注射區偏置距離、半徑范圍、速度大小和方向，并根據仿真度場與實際值的偏差進行微調。

b. 粒徑分布函數：對測得的粒徑分布數據進行擬合，模擬粒徑空間動態分布[8]，如圖13所示。

c. 霧化涂料運動速度：根據噴幅情況定義注射區域，如液滴速度大小、油漆吐出量及邊界位置等，如圖14所示。

d. 油漆性能設置：油漆的密度、固體份及帶電量作為其基礎屬性進行設置，如圖15所示。

e. 噴涂仿真膜厚校正：根據設置的刷子參數進行噴涂仿真，如圖16所示，與實測值進行校準，校正情況如圖17所示。

3.3 數據準備

數據準備為噴涂仿真的基礎條件，如數模、噴涂路徑及噴涂刷子表等。零件數模提供被涂覆物的幾何結構，而噴涂路徑通過坐標點與時間指定了霧化器在某一時刻的位置及噴涂角度，路徑中的刷子編號可作為噴涂參數的控制點；噴涂刷子表中含有對應刷子編號的噴涂參數，可通過調控噴涂過程參數調控膜厚。

3.3.1 數模及噴涂軌跡輸入

根據實物在CATIA中創建三維模型，將數模作為IPS Virtual Paint Spray噴涂仿真計算數模的輸入。

如圖18所示，噴涂軌跡中含有機器人的點位空間坐標信息、刷子表分區信息、噴涂速度信息等。

3.3.2 噴涂參數設置

設定刷子表的噴涂參數，主要包含霧化器的吐出量、成型空氣、轉速、電壓等，如圖19所示。

3.3.3 設置噴涂環境參數

a. 風場設定：為防止漆霧飛濺以及便于廢氣回收，涂裝噴漆室通常設有垂直向下的風場，會影響噴涂過程中油漆粒子的運動，因此，需要設定合理的風場風速和風場風壓，如圖20所示。

b. 零件參數設定：涂裝工藝中噴涂零件的運動不同，汽車涂裝分為連續式和間歇式，部分零部件如輪轂零件需要旋轉噴涂，因此，需要設定零件運動軌跡。

不同材質的零件或不同工藝的零件所需的噴涂電壓不同，常見的為非靜電噴涂的絕緣及靜電噴涂的接地，如圖21所示。

3.4 膜厚仿真

IPS Spray提供了2種模式進行膜厚仿真：鏡像模式及全耦合模式。

a. 在鏡像模式中，風場、力場、磁場等不參與計算，僅考慮噴涂件造型結構，根據噴涂槍速、槍距、流量等計算膜厚，可快速完成仿真計算及結果分析，用于高效預調試噴涂參數及噴涂軌跡。

b. 全耦合模式可模擬噴涂過程中液滴的運動狀態，能耦合求解流體運動的風場、力場、磁場，還可體現復雜型面與邊緣效應對噴涂膜厚的影響，仿真運行精度較高，與現場實際匹配度高。

提交膜厚仿真求解計算界面如圖22所示。

3.5 結果輸出

完成仿真計算后會獲得膜厚仿真結果，膜厚云圖能直觀展現膜厚分布，還可對各部分進行膜厚打點測量，便于精準分析，以解決實際噴涂中的問題或提供問題解決方向。

3.5.1 噴涂可行性分析

在產品研發階段，由于傳統噴涂可行性缺乏評估手段，工程師僅能根據經驗判斷，存在風險評估不足或過渡解析等問題。

通過開展噴涂仿真在產品設計階段的工程同步分析，可結合產品仿真膜厚結果對產品設計提出有效的整改意見，減少因設計帶來的噴涂缺陷并有效控制生產成本。

3.5.2 噴涂軌跡評估及建議

通過分析及評估噴涂膜厚仿真結果，可提前發現軌跡設計中的不足，如槍距、噴涂折返距離等對噴涂重疊率（重疊率越低，涂層的均一性越差）的影響，不同的刷子表分區對噴涂效果的影響以及邊緣控制效果等。通過噴涂仿真完成對噴涂軌跡的優化，將大幅提高噴涂調試效率。

3.5.3 產品噴涂風險評估

噴涂的代表性缺陷有缺漆與流掛，均為膜厚控制失調，超出工藝范圍出現的缺陷，通常伴隨其他缺陷一同出現，如膜厚偏低的缺漆，可能表現為外觀質量差、橘皮、露底、遮蓋不良等；而膜厚偏高的過噴涂除造成流掛，還可能表現為針孔、痱子、流痕等，這些缺陷不僅影響產品質量，還會提高產品返工率，提高制造成本，影響生產效率。

通過仿真分析能提前發現問題并規避風險，提高了噴涂調試的效果和效率。

3.5.4 噴涂膜厚均一性分析

為達到漆面所要求的效果，涂裝往往需要多層噴涂，目前，汽車行業常見的噴涂工藝有3C1B、3C2B、B1B2等，不同的噴涂工藝均需盡可能保證涂層厚度一致，有利于保證產品的外觀質量和生產過程的穩定性，并適應設備的控制偏差。

提高膜厚的均一度即將膜厚控制在較小的波動范圍內，不僅有利于控制質量，還有利于控制成本。因此，油漆噴涂膜厚仿真能預測膜厚，并通過不斷優化噴涂參數或噴涂路徑等提高產品的膜厚均一性。

4 項目實踐應用

4.1 噴涂軌跡可行性分析

在軌跡評估中進行軌跡的合理性分析，以設計出高質量的機器人噴涂軌跡。

軌跡評估方法：霧化器采取一組噴涂參數進行仿真，部分區域可能會由于噴涂邊緣效應、噴涂過度重疊或噴涂不足等原因，其膜厚顯示出現明顯異常，膜厚偏高（偏紅）的區域為易上膜區域或軌跡重疊較高區域，膜厚偏低（偏藍）的區域則為重疊率較低的區域，如圖23所示。

仿真結果分析可提供噴涂調試的優化方向，常用的調試手段如下：

a. 優化噴涂軌跡的折返距離或噴涂距離；

b. 局部軌跡調整噴涂角度或噴涂速度；

c. 噴涂軌跡針對特殊區域進行刷子分區，便于后期控制噴涂參數；

d. 不同區域根據重疊率設定相應的噴涂參數，以提高膜厚的均一性。

4.2 噴涂軌跡優化調試

根據軌跡評估結果，識別出噴涂風險區域，對各區域進行軌跡點位置或角度調整，并反復進行軌跡評估直至噴涂軌跡滿足如下要求：

a.噴涂軌跡滿足生產節拍要求；

b.噴涂軌跡連貫通順，機器人動作無異常；

c.噴涂軌跡重疊率設計合理，軌跡無嚴重重疊高膜厚區域和噴涂不良區域。

最后對噴涂軌跡進行詳細的刷子分區優化調整，便于后續進行高精度的膜厚調試，如圖24所示，優化后的噴涂軌跡設置了約50組控制參數。

4.3 噴涂參數調試

若優化噴涂軌跡是涂層膜厚均一性調試[11-15]的前提，噴涂參數的調試則為膜厚調試的最終手段，通過虛擬噴涂仿真可調試噴涂參數，使涂層滿足膜厚控制要求，且較高的均一性可提高涂層的外觀質量，減少生產制造缺陷，降低生產成本。

通過調試噴涂參數的流量、空氣成型、轉速等，將最終優化噴涂參數進行現場應用，如圖25所示。

4.4 效果驗證及成果分析

4.4.1 仿真與實測結果對比驗證

如圖26所示，為確保仿真刷子數據庫的準確性，對仿真結果與實車單層膜厚進行膜厚對比，本文所展示的膜厚數值均為仿真結果與目標值的差值，而非實際數值。

a. 由圖27膜厚趨勢對比分析可知，仿真與實測膜厚趨勢基本一致。

b. 膜厚匹配度分析：仿真與實測膜厚偏差在10%以內的測量點數量與測量總數的占比為：

4.4.2 實測調試前后膜厚分析

圖28、表2為調試前、后膜厚數據對比，調試后膜厚差值范圍為±2 μm的合格率由69%提升至86%，膜厚差值范圍為±1 μm的合格率由38%提升至60%，更多的膜厚集中在中心控制區域，膜厚的整體波動范圍更小，此時涂層膜厚對生產的兼容性更好，不易出現質量缺陷。

4.4.3 機器人涂料消耗分析

通過機器人流量監控統計涂料消耗，對比調試前、后的消耗差異，如表3所示，色漆機器人涂料節約4%～6%其中，BC01整車降代4%，BC02整車降代6%，清漆可節約11%。

5 結束語

汽車噴涂涂層調試采用虛擬仿真手段，通過膜厚的可視化展現，對機器人軌跡、噴涂參數進行產前調試，大幅縮短了現場實車噴涂周期；同時，通過評估車輛噴涂風險，提前發現或規避設計缺陷，減少現場試錯調試。通過研究噴涂仿真技術，所得結論如下：

a.噴涂膜厚仿真計算與現場實際匹配度較高，可達84%；

b.通過仿真技術對車輛進行局部高精細的膜厚調試，極大提升了涂層的膜厚均一性，最大約提升15%；

c.通過對機器人吐出量的精準控制，降低了涂料的浪費量，色漆成本降低5%，清漆成本降低11%；

d.通過對噴涂仿真技術的研究，建立了噴涂數據庫，完善了工藝調試體系。

參考文獻：

[1] EDELVIK F， MARK A， KARLSSON N， et al. Math-Based Algorithms and Software for Virtual Product Realization Implemented in Automotive Paint Shops[J]. Math for the Digital Factory， 2015， 27： 231-251.

[2] MARK A， RUNDQVIST R， EDELVIK F. Comparison between Different Immersed Boundary Conditions for Simulation of Complex Fluid Flows[J]. FDMP： Fluid Dynamics amp; Materials Processing， 2011， 7（3）： 241-258.

[3] DOMNICK J， SCHEIBE A， YE Q Y. The Simulation of the Electrostatic Spray Painting Process with High-Speed Rotary Bell Atomizers. Part II： External Charging[J]. Particle amp; Particle Systems Characterization， 2005， 22（2）： 141-150.

[4] ELLWOOD R J K， BRASLAW J. A Finite-Element Model for an Electrostatic Bell Sprayer[J]. Journal of Electrostatics， 1998， 45（1）： 1-23.

[5] MAXEY M R， RILEY J J. Equation of Motion for a Small Rigid Sphere in a Nonuniform Flow[J]. Physics of Fluids， 1983， 26： 883-889.

[6] TAFURI S， MARK A， EDELVIK F， et al. Improved Spray Paint Thickness Calculation from Simulated Droplets Using Density Estimation[C]// International Design Engineering Technical Conferences amp; Computers and Information in Engineering Conference， 2012： 339-347.

[7] HUANG H， LAI M C， MEREDITH W. Simulation of Spray Transport from Rotary Cup Atomizer Using KIVA-3V[C]// Proc. 10th International KIVA Users Group Meeting， 2000.

[8] NAMITHA N， VAITHEESWARAN S M， JAYASREE V K， et al. Point Cloud Mapping Measurements Using Kinect RGB-D Sensor and Kinect Fusion for Visual Odometry[J]. Procedia Computer Science， 2016， 89： 209-212.

[9] DOMNICK J， SCHEIBE A， YE Q Y. The Simulation of the Electrostatic Spray Painting Process with High-Speed Rotary BEll Atomizers. Part I： Direct Charging[J]. Particle amp; Particle Systems Characterization， 2005， 22（2）： 141-150.

[10] IM K S， LAI M C， YU S T J， et al. Simulation of Spray Transfer Processes in Electrostatic Rotary Bell Sprayers[J]. Journal of Fluids Engineering， 2004， 129（3）： 449-456.

[11] 劉偉良. 面向復雜自由曲面的機器人噴涂軌跡規劃[D]. 哈爾濱： 哈爾濱工業大學， 2018.

[12] CHEN H P， SHENG W H， XI N， et a1. CAD-Based Automated Robot Trajectory Planning for Spray Painting of Free-Form Surfaces[J]. Industrial Robot： An International Journal， 2002， 29（5）： 426-433.

[13] 于振中， 李強， 樊啟高. 智能仿生算法在移動機器人路徑規劃優化中的應用綜述[J]. 計算機應用研究， 2019， 36（11）： 3210-3219.

[14] 張川. 復雜曲面機器人噴漆軌跡自動規劃與優化方法研究[D]. 哈爾濱： 哈爾濱工業大學， 2018.

[15] HERMANSSON T， BOHLIN R， CARLSON J S， et al. Automatic Assembly Path Planning for Wiring Harness Installations[J]. Journal of Manufacturing. Systems， 2013， 32（3）： 417-422.