面向柔性堆叠双机器人焊接制造系统

摘要：由工业焊接机器人参与的焊接制造系统是制造业最重要的组成部分之一，但就目前的焊接制造场景之中，现有的焊接系统并不能适应于有小批量、多品种和定制化等需求的产品制造。针对上面所描述的问题，提出了一种双机器人柔性堆叠增材制造系统。该系统旨在通过识别抓取模块和焊接模块完成目标工件的柔性制造。首先，对导入的工件三维模型进行格式转换，并根据零件形状特点计算得到工件的抓取点；其次，根据工业相机所拍摄得到的工件点云与三维模型点云图进行边缘模板匹配，识别得到目标工件，并进行工件位姿计算，采集工件深度信息，根据单目结构光原理转化得到世界坐标，依据所得工件位置和抓取位姿实现工件识别和抓取；最后，焊接机器人运动至待焊接焊缝位置，根据扫描得到的焊缝信息进行点焊操作，从而实现双机器人协作柔性制造。为了验证该系统的有效性，将其运用于干燥机底座柔性堆叠制造场景，实验表明双机器人系统能够较好运用于底座的制造。实验结果表明，该系统具有运用于小批量和定制化需求产品市场的潜力。

关键词：双机器人系统；柔性堆叠；模板匹配

0  前言

焊接是实现工件制造最基本的制造工艺之一，广泛用于机械、建筑以及航空航天等制造领域，包括结构制造、汽车制造以及能源制造等各种工程场合[1]。随着焊接制造有往日益艰巨和复杂化发展的趋势，人工焊接速度慢，生产效率低，焊接成本逐年增加等问题就越加突出；同时，焊接过程中会产生有害和高温气体，长期工作在这种环境下会引起各种疾病，因此，传统的人工焊接方式已经不适用社会的发展需求[2]。而焊接工业机器人的出现，因其有效率高、重复精度好、焊接质量高等特点，逐步代替了人工焊接[3]。

现有市场上的工业机器人多以单臂机器人为主，但是随着其应用领域越来越广泛，对于复杂环境任务完成度适应性明显不足，主要是由于单臂机器人的工作半径和灵活性有限，对于一些形状复杂和涉及到异形的工件无法适应，因此，需要额外的设备来辅助机器人[4]。与单机器人焊接系统相比，双机器人可以增加工作空间，用于大型工件的焊接，对于制造行业中一些比较复杂的焊接任务，也可协同工作，提高焊接速度和一致性。双机或多机工业机器人共同完成目标工程任务是未来的主流发展趋势[5]。

目前已有的PR2[6]、YuMi[7]等双机器人系统产品，是研究和实验的重要设备。已有研究人员开始运用双机器人协作来完成焊接任务。Li[8]等根据H型钢结构的特点，用两台机器人建立焊接工作站，搭建H型钢结构件的生产线，并通过数字化仿真软件以及遗传算法进行焊接路径规划，最终完成H型钢结构自动化焊接系统设计。Zhang[9]等提出了复杂曲线焊缝的双机器人焊接协调，即一个机器人抓取工件，另一个机器人焊接工件，两个机器人同时在同一工件上工作，并通过仿真得到在该工艺下能够满足焊接工艺要求。Li[10]等提出了非结构化环境下远程遥控焊接机器人系统，通过基于激光视觉传感远程教学、基于图形仿真规划与控制和局部自主控制三种控制，Gan[11]等人约束优化两个机器人协同焊接轨迹规划过程，调整焊缝位置和焊枪姿势来完成焊接任务，并通过管道与管道连接实验，验证了整个系统的有效性。

概括已有研究，目前工业机器人焊接系统主要针对一些具有大批量、重复性高、生产模式单一特点的产品制造，其整体柔性和灵活性较差。随着社会的不断发展以及生产任务的日益复杂化，产品制造往着多品种、个性化和定制化方向发展的趋势日益凸显，具有小批量复杂化特点的柔性制造系统将会越来越受到市场以及客户的青睐。综上，为了能够紧跟焊接产品向着高度柔性化制造方向发展趋势，需要对双机器人焊接系统进行进一步设计以及优化研究。

本文针对目前焊接制造行业对一些有复杂化、定制化和小批量需求的工件制造，缺少能够满足工件柔性制造的焊接系统为任务需求，设计了面向柔性堆叠增材制造的双机器人焊接系统，对导入的工件三维模型进行一系列处理，完成模型抓取点确定、模板匹配、工件识别以及位姿计算，并同焊接机器人配合焊接操作，从而实现工件按照自下而上的堆叠顺序完成柔性制造。并通过该系统完成干燥机底座的堆叠制造实验，验证了该系统的可行性。推动了焊接制造往柔性化方向生产新模式，对双机器人协同制造焊接行业具有重要意义。

1  系统整体设计

本文所要实现的定制化工件柔性堆叠制造主要由两部分组成，包括目标物体识别抓取和物体自下而上堆叠焊接制造，通过工业相机完成对目标工件的识别抓取，同时根据焊缝跟踪器所提供的焊缝信息完成工件堆叠焊接制造，并由两台机器人组成的系统分别完成上面所提到的操作流程。但由于目前市场上的大多数工业机器人的控制器都不为开源系统，因此，直接在控制器上进行有关模块的开发并不合适，为此所构想对产品的制造方法通过工控机来完成对双机器人系统的控制。同时由于所设想制造的工件往往具有个性化和定制化方向发展的特性，但目前的焊接系统在定制化产品制造上存在不足。为了解决上述所提到的问题，本文提出了一种柔性堆叠增材制造系统，其系统架构见下图图1所示，物体识别抓取模块通过机械臂末端的相机所拍摄的点云图与输入的三维模型经处理之后得到的点云图进行边缘模板的匹配，根据得到的工件点云信息进行位姿计算得到工件的位姿信息，完成工件的识别与定位；工件焊接模块通过焊接机器人机械臂末端的焊缝跟踪器完成目标工件焊缝的精确定位以及自动跟踪焊接工作。

1.1目标工件识别抓取系统

工控机软件对导入的三维模型工件的零件模型文件进行特征提取，当抓取机器人分别位于抓取拍照点和放置拍照时，位于抓取机械臂末端的相机所拍摄得到的深度图像中的每个三维点可以构成点云图像，，将采集目标工件的点云与三维模板点云进行边缘模板匹配，并评估模型拟合度的值。当目标物体被识别了之后，将其位置信息从相机坐标系转换为世界坐标系，根据目标物体的位置以及方向，将物体的位姿转换为机械臂末端抓取和放置位姿，从而最终实现对目标工件的抓取与放置。

1.2工件焊接系统设计

当工件放置到与模型工件匹配一样的位置时，需要根据焊缝位置信息进行焊接操作。通过放置点拍摄所得到的模型点云信息进行相机坐标系与焊接机器人基坐标系的转换，焊接机器人运动到靠近焊缝位置，焊缝跟踪器完成对焊缝的扫描、焊缝跟踪以及焊接操作，最终实现整体工件的柔性堆叠制造工作。

1.3目标工件识别抓取与工件焊接协调控制

本文通过两台机器人分别组成的识别与抓取模块以及自动焊接模块相结合，工控机控制机械臂完成特定物体的抓取与焊接操作，最后通过实验平台完成样件的堆叠制造实验验证。

两个模块之间的协调控制流程描述如下：用户根据客户所需个性化的工件进行三维模型的绘制，并将转化为STL格式的文件导入到工控机中；根据工件自下而上的堆叠顺序分别进行工件抓取点的计算，机械臂末端相机对工件放置平台进行目标工件的匹配与识别，目标物体所反射的结构光捕获到的图像包括工件深度信息以及形状信息，从而获得目标工件的位置信息，并通过坐标系的转换，计算得出目标位姿；抓取机器人根据目标位姿确定机械臂的抓取位姿，并运动到目标工件的抓取点；抓取工件运动到放置拍摄点并进行组合工件的模板匹配，并根据得到的深度和形状信息确定放置位姿；同时，将放置工件与上一个工件连接处的焊缝位置信息发送给焊接机器人；最后根据焊缝位置信息焊接机器人运动至焊缝跟踪器工作范围，扫描焊缝，确定焊缝精确位置并进行焊接，完成整体样件的堆叠制造，其总体流程框图如图2所示。

2  柔性堆叠制造实验与结果分析

通过对整个制造系统的测试，具体的实验流程如图3所示，

将组成工件的8个零件放在工作台上，分别对各个零件进行20次柔性堆叠增材制造系统识别抓取和放置流程实验，记录模板匹配识别抓取和放置得到的位置，统计抓取点位置坐标和放置点位置坐标与实际点位置坐标平均坐标误差，同时，记录抓取成功率。记录结果如表1所示。

实验表明，该系统能够成功抓取目标工件的几率在85%以上，能够实现抓取和放置精度相对误差在1.30%以下， 能够有效完成目标工件的堆叠制造。

参  考  文  献

[1] 柏兴旺，石细桥，何鹏，等.机械钢结构的柔性堆叠增材制造装置及制造方法：中国，201911009707.8[P].2020-02-14.

BAI Xingwang， SHI Xiqiao， HE Peng，et al. Flexible stacking additive manufacturing device and manufacturing method for mechanical steel structures：China， 201911009707.8[P].2020-02-14.

[2] Xu J， Zhang G， Hou Z， et al. Advances in multi-robotic welding techniques： A review[J]. Int. J. Mech. Eng. Robot. Res， 2020， 9： 421-428.

[3]  Wang B， Li Y， Freiheit T. Towards intelligent welding systems from a HCPS perspective： A technology framework and implementation roadmap[J]. Journal of Manufacturing Systems， 2022， 65： 244-259.

[4]  Chen X， You X， Jiang J， et al. Trajectory planning of dual-robot cooperative assembly[J]. Machines， 2022， 10（8）： 689.

[5]  Duan J， Fang Y， Zhang Q， et al. HRC for dual-robot intelligent assembly system based on multimodal perception[J]. Proceedings of the Institution of Mechanical Engineers， Part B： Journal of Engineering Manufacture， 2023： 09544054231167209.

[6]  Cousins， S. ROS on the PR2 [ROS Topics]. IEEE Robot. Autom. Mag. 2010， 17， 23–25.

[7]  Alebooyeh， M.; Urbanic， R.J. Neural Network Model for Identifying Workspace， Forward and Inverse Kinematics of the 7-DOF YuMi 14000 ABB Collaborative Robot. IFAC-Papersonline 2019， 52， 176–181.

[8] 李家鹏，王剑，李学伟等.H型钢梁多机器人焊接工作站设计与仿真[J].机床与液压，2023，51（15）：21-25.

LI Jiapeng， WANG Jian，LI  Xuewei，et al. Design and simulation of multi robot welding workstation for H-shaped steel beams[J]. Mach Tool Hydrau， 2023，51（15）：21-25.

[9]  T. Zhang， F. Ouyang. “Offline motion planning and simulation of two-robot welding coordination，” Frontiers of Mechanical Engineering， 2012， vol. 7， no. 1， pp. 81-92.

[10]  Li H， Gao H， Wu L. Supervisory Control of Telerobotic System for Remote Welding[C]//2007 IEEE International Conference on Integration Technology. IEEE， 2007： 603-608.