機器人智能化焊接技術發(fā)展綜述及其在運載火箭貯箱中的應用

林尚揚，楊學勤，徐愛杰，陳華斌，林 濤，趙耀邦

（1.哈爾濱焊接研究院有限公司，黑龍江 哈爾濱 150028；2.上海航天精密機械研究所，上海 201600；3.上海交通大學 材料科學與工程學院，上海 200240；4.江蘇北人機器人系統(tǒng)股份有限公司，江蘇 蘇州 215024）

0 引言

機器人技術的蓬勃發(fā)展，使其越來越自動化、智能化，并促使其融入到生產(chǎn)制造中的每個環(huán)節(jié)，如搬運、焊接、裝配、包裝和噴漆等。根據(jù)國際機器人聯(lián)合會（International Federation of Robotics，IFR）發(fā)布的數(shù)據(jù)，2019 年焊接與釬焊方面的工業(yè)機器人消費量為7.5 萬臺，占工業(yè)機器人全球總銷量的20%，焊接依然是工業(yè)機器人最主要的應用領域［1］。

傳統(tǒng)制造類企業(yè)由于缺乏高端智能裝備的支持，更多還是采用普通裝備依靠工人的勞動密集型加工，造成產(chǎn)品生產(chǎn)組織難度大、制造過程柔性差、生產(chǎn)成本和能耗與歐美國家有較大差距等問題［2］。隨著德國“工業(yè)4.0”與“中國制造2025”對未來智慧工廠發(fā)展趨勢的一致預判，市場對滿足高精度、高品質(zhì)、多品種和小批量柔性生產(chǎn)的智能化機器人焊接系統(tǒng)的需求呈現(xiàn)跨越式增長態(tài)勢。

自動化焊接和智能化焊接是實現(xiàn)高效焊接制造的重要手段。通過在焊接過程中引入信息流，通過多源傳感器的獲取焊接過程數(shù)據(jù)，實現(xiàn)對焊接動態(tài)過程的多模態(tài)信息感知、知識判斷與智能化控制等行為功能。同時，智能焊接強調(diào)信息與人之間的轉(zhuǎn)換與融合，從而實現(xiàn)智能焊接加工系統(tǒng)與系統(tǒng)人員無縫的人機交互。在智能焊接機器人柔性加工單元和焊接多智能體的協(xié)調(diào)控制系統(tǒng)的基礎上，建造智能化焊接單元，形成規(guī)模完整的智能化焊接柔性制造生產(chǎn)車間，應用于實際的自動化與智能化焊接應用工程，是“智能化焊接技術”所追求的終極目標。然而，機器人焊接智能制造諸多“熱點”問題的研究和實現(xiàn)還面臨如下諸多難題［3-9］：

1）焊接機理模型。焊接是一個牽涉到電弧物理、傳熱、冶金和力學的多信息、強耦合、非線性的復雜過程，并伴隨著強弧光、高溫輻射、電磁干擾、煙塵以及飛濺等。同時，焊接過程牽涉到多尺度、多物理場建模，焊接電弧、熔池動態(tài)行為及演變機制等存在諸多難題。

2）關鍵信息感知。面對焊接動態(tài)過程多工況交替、多信息耦合、模式不明且多變的多源異構數(shù)據(jù)，人為設計涵蓋焊接過程所有信息特征根本無從著手，而且真正覆蓋所有焊接工況下的樣本數(shù)據(jù)和接頭失效模式下的標簽數(shù)據(jù)往往很少，同時標簽數(shù)據(jù)的質(zhì)量尤其是經(jīng)過焊后檢測、工藝驗證過的數(shù)據(jù)匱乏，已成為焊接過程多模態(tài)信息深度學習感知、決策與控制關鍵技術落地的重要瓶頸。

3）焊接知識模型泛化能力。在焊接過程智能傳感及信息表征方面，焊接多源異構傳感信號差異大，采樣策略形式多，數(shù)據(jù)價值密度低，導致數(shù)據(jù)質(zhì)量參差不齊，呈現(xiàn)“碎片化”特點。通常實驗室場景下獲取的數(shù)據(jù)、信息特征、焊接質(zhì)量預測模型及控制決策，在實際焊接場景“落地”的過程中往往呈現(xiàn)“一機一模型”以及模型泛化能力不足等難題。

4）智能化焊接場景落地問題。通常一個模型往往只適用于某種特定的焊接工況，放在其他場景下模型效果大打折扣，這與當前可供建模的數(shù)據(jù)匱乏質(zhì)量不高有一定關系，更深層面還是缺乏焊接工藝知識與機理的理解，并將機理特征融合模型。

盡管在表征和描述焊接制造環(huán)節(jié)傳感、信息融合建模及自主決策控制方面存在諸多難題，但獲取焊縫成形良好、工藝穩(wěn)定以及接頭綜合性能可靠的焊接接頭，一直是航天關鍵部件焊接智能制造亟需解決和不容回避的問題。

1 智能化焊接技術發(fā)展現(xiàn)狀

傳統(tǒng)的焊接機器人采用“示教再現(xiàn)”的工作模式，缺乏對環(huán)境、產(chǎn)品的感知和適應能力，難以滿足復雜多變環(huán)境下的零缺陷生產(chǎn)要求。智能化焊接源于模擬焊工的觀察、經(jīng)驗、行為和科學問題的探索，實現(xiàn)自動、智能焊接并提高焊接產(chǎn)品質(zhì)量和效率，核心取決于能否對焊接動態(tài)過程中決定焊接質(zhì)量的特征信息的準確獲取、實時處理和技術實現(xiàn)。國內(nèi)外研究人員相繼在智能焊接科學方法、智能化焊接關鍵技術等層面開展了系統(tǒng)深入的研究［10］，本文將聚焦機器人智能化焊接所涉及的焊接初始位置引導、焊縫跟蹤、熔池監(jiān)測、熔透控制和缺陷識別等各技術環(huán)節(jié)，闡述國內(nèi)外研究現(xiàn)狀。

1.1 焊縫導引與跟蹤

通過視覺傳感的方式識別、提取出焊縫特征點，實現(xiàn)焊縫視覺快速編程，是解決智能焊接最有效的手段之一。其中，焊縫識別和導引涉及焊縫特征點重構、特征點變化和焊縫點云重建。特征點重構多應用于被動視覺傳感器，應用較多的是雙目立體視覺法和一目多位立體視覺法恢復特征點三維坐標；特征點變化適用于主動視覺傳感，通過掃描焊縫，根據(jù)激光條紋上的焊縫特征點變化實現(xiàn)焊縫起始點定位；焊接工作空間點云重建，則借助于多視圖幾何、工作空間掃描、結(jié)構光編碼和深度相機等，抽取點云數(shù)據(jù)中焊縫和角點［11-13］，基于視覺傳感的焊縫導引與初始焊位識別如圖1 所示。

圖1 基于視覺傳感的焊縫導引與初始焊位識別Fig.1 Weld seam leading and initial weld position searching based on vision sensing

鑒于示教誤差、裝配誤差和焊接熱變形等，待焊軌跡往往偏離實際預設路徑。焊縫跟蹤技術通過提取焊縫特征點和焊槍當前位置以獲得軌跡偏差，在焊接過程中實時校正焊槍軌跡。焊縫特征信息的穩(wěn)定獲取是保證跟蹤質(zhì)量的關鍵，焊接過程中往往存在著大量的弧光、煙塵、飛濺等，因此給焊縫特征的精確提取帶來諸多難題。

被動視覺傳感器焊縫跟蹤，通常以熔池中心或焊槍位置與焊縫中心的距離作為軌跡誤差。由于焊槍位置可以從機器人控制器中讀取，而焊縫中心通常以兩個邊緣中心作為參考基準，因此，采用被動視覺進行跟蹤時，特征提取包括熔池輪廓提取和焊縫邊緣提取。文獻［14］采用高動態(tài)范圍相機獲取了清晰的焊縫和熔池圖像，為進一步應對劃痕對焊縫識別精度的影響，文中采用canny 算子提取焊縫邊緣，并通過模型匹配的方式過濾偽邊緣，結(jié)果如圖2 所示。

圖2 被動視覺焊縫跟蹤Fig.2 Weld tracking based on passive vision sensing

利用激光輔助光源的主動三維視覺系統(tǒng)，是目前焊縫測量與跟蹤的主流方法。針對一些特殊焊縫，可通過改變激光結(jié)構來提高焊縫測量精度，如三線光、環(huán)狀光、十字形光以及三角形光等。文獻［15］提出了一種基于結(jié)構光視覺傳感的焊縫識別算法，核心是充分利用先前時刻的圖像信息來處理當前時刻圖像，提升了焊縫提取算法的可靠性和有效性。該方法采用非均勻有理樣條（Non Uniform Rational B-Spline，NURBS）蛇形模型實時識別感興趣區(qū)域（Region of Interest，ROI）的激光條紋中心線，通過分割和直線擬合確定焊縫特征點，計算焊縫的位置，基于結(jié)構光視覺傳感的強噪聲干擾下焊縫識別方法如圖3所示。

圖3 基于結(jié)構光視覺傳感的強噪聲干擾下焊縫識別方法Fig.3 Weld tracking method based on structure light under strong noise inviroment

近年來隨著人工智能技術的蓬勃發(fā)展，基于人工智能的3D 掃描成像技術，可基于結(jié)構光相機生成的點云數(shù)據(jù)集并結(jié)合人工智能技術快速生成焊縫軌跡，實現(xiàn)弧焊機器人的焊接起始點尋位和軌跡自主規(guī)劃，并實時更新焊接后臺工藝專家?guī)?。系統(tǒng)無需輸入準確的3D 數(shù)模和示教編程，直接將工件進行3D 掃描，自主生成機器人焊接軌跡，焊接過程開啟焊縫跟蹤和糾偏功能。這類傳感手段和技術省去了工件數(shù)模創(chuàng)建、離線編程和機器人示教等環(huán)節(jié)，非常適用于解決工業(yè)現(xiàn)場多品種、小批量產(chǎn)品機器人焊接，同時可提高產(chǎn)品的焊接質(zhì)量與效率，具有廣闊的發(fā)展和應用空間［16］。

總之，基于視覺傳感技術的初始焊位識別、導引以及焊縫跟蹤，使傳統(tǒng)示教再現(xiàn)型機器人有能力應對更加復雜的焊接環(huán)境，一定程度上提高了焊接機器人的智能化水平。

然而，現(xiàn)有的圖像處理算法仍在一定程度上依賴于先驗知識，降低了其面對復雜焊接場景的魯棒性和焊接各種工況的適應性。視覺系統(tǒng)仍需要人工操作，如傳感器的標定過程極度依賴操作者的專業(yè)知識，初始焊接位置導引、識別等均假定焊縫處于視場范圍內(nèi)，在實際應用場景上存在一定程度的不確定性。

1.2 焊接多源傳感數(shù)據(jù)智能感知

從仿生焊工的角度分析，焊工在焊接過程中主要用眼睛和耳朵感知焊接過程信息，研究人員從“視、聽”角度對焊接過程電弧-熔池進行原位測量及表征。文獻［17］分析了電壓、聲音和光譜信號之間的相關性，結(jié)合電弧發(fā)聲機理，采用基于“聽覺注意機制”對電弧聲音信號進行了時頻域處理和特征提取，建立了焊接熔透狀態(tài)振蕩模型，最終借助支持向量機與網(wǎng)格相結(jié)合的分類模型搜索優(yōu)化和交叉驗證（SVM-GSCV）建立了不同熔透狀態(tài)的分類模型，如圖4 所示。

圖4 基于聽覺注意機制的鋁合金焊接熔透狀態(tài)識別Fig.4 Welding penetration mode weld tracking method based on structure light under strong noise inviroment

視覺傳感以信息豐富、模仿人類視覺行為的特點而成為最有前景的傳感方式之一，焊工對于焊接過程的感知信息80%以上來源于視覺。前文已提到利用視覺傳感進行焊縫軌跡識別、初始焊接位置導引以及跟蹤，接下來介紹焊接視覺在動態(tài)焊接電弧-熔池表征和熔透監(jiān)測方面的最新應用現(xiàn)狀。

文獻［18］提出了一種基于主動視覺（CMOS 相機+激光輔助光源）的液態(tài)熔池測量及表征系統(tǒng)，采用波前分割及偏振成像方式獲得電弧-熔池等離子體熱輻射的偏振分量灰度圖，借助Frankot-Chellappa 全局積分算法將極化角梯度數(shù)據(jù)進行傅里葉變換，實現(xiàn)三維熔池輪廓重建并計算“上凸”和“下凹”熔池的深度信息，如圖5 所示。

圖5 GTAW 偏振成像及熔池三維形貌重構Fig.5 Polarization imaging of GTAW and three-dimensional topography of the weld pool

美國橡樹嶺國家實驗室研究人員采用被動視覺傳感方式［19］，研究發(fā)現(xiàn)GTAW 鎢極尖端與在熔池中的倒影與熔池高度信息存在定量關系。將熔池表面假設為球面鏡，建立反射模型，通過測量熔池幾何尺寸、弧長和熔池幾何尺寸，計算熔池表面高度，如圖6 所示。同時，熔池表面深度信息與“上凸”和“下凹”熔池成正相關性，最后該方法通過平板堆焊對不同熔深情況進行了算法驗證，該研究為進一步開展焊接熔透控制提供了可靠反饋變量。

圖6 基于鎢極“倒影”測量及表征的熔透監(jiān)控Fig.6 Welding penetration monitoring based on tungsten imaging

文獻［20］首次提出了基于深度學習的GTAW過程監(jiān)測與熔透狀態(tài)識別新模式，針對多源異構傳感信息表現(xiàn)出良好的識別效果。該深度學習框架能夠?qū)Ρ粍雍椭鲃右曈X熔池圖像進行實時處理和學習，包括3 個深度學習增強的連續(xù)階段：圖像預處理（pix2pix 網(wǎng)絡）、圖像選擇（AlexNet）和熔透狀態(tài)分類。然而，5 個具有異構結(jié)構的神經(jīng)網(wǎng)絡在分類階段表現(xiàn)出了不一致的泛化能力和識別精度，在此基礎上進一步建立了更能適應不同焊接環(huán)境、工況下的圖像處理、質(zhì)量控制和可靠分類的集成學習模型，如圖7 所示。

綜上，國內(nèi)外學者采用不同視、聽傳感系統(tǒng)對焊接動態(tài)過程進行了監(jiān)測和建模，取得了豐碩的成果，為智能化焊接基礎理論與方法研究奠定了堅實的基礎。但目前的信號獲取工作大多忽略了對數(shù)據(jù)可靠性的研究及驗證，且綜合利用多源異構傳感信號對實際場景下的焊接動態(tài)過程監(jiān)控的研究工作少之又少。

1.3 焊接過程數(shù)據(jù)智能管控技術

隨著智能化焊接機器人系統(tǒng)優(yōu)化了生產(chǎn)工藝，使產(chǎn)品質(zhì)量和生產(chǎn)效率有了顯著提升。為有效監(jiān)控焊接過程，強化車間管理水平，提高管理智能化和服務智能化水平，結(jié)合軟件和大數(shù)據(jù)分析技術的智能化焊接管理系統(tǒng)成為解決上述問題的關鍵技術。

現(xiàn)有的智能焊接管理系統(tǒng)通過焊接設備的物聯(lián)網(wǎng)連接，基于集中式大數(shù)據(jù)處理技術，通過將焊接設備、人員、材料和工藝等數(shù)據(jù)整合到一個平臺來進行管理，為用戶提供設備監(jiān)控、設備管理、工藝管理和生產(chǎn)管理等多方面的數(shù)據(jù)管理服務［21］。通過焊接設備將用戶與公司緊密連接到一個平臺，公司能精準地為客戶提供工藝指標、軟件更新、故障診斷等擴展性服務，提高問題反饋的及時性和速度。行業(yè)內(nèi)目前已經(jīng)出現(xiàn)利用焊接大數(shù)據(jù)分析技術，結(jié)合焊接過程機理模型，進行焊接工藝質(zhì)量分析的機理模型、分析算法和診斷算法等服務。蘊碩物聯(lián)“數(shù)字工藝引擎”產(chǎn)品介紹如圖8 所示。

圖8 蘊碩物聯(lián)“數(shù)字工藝引擎”產(chǎn)品介紹Fig.8 Introduction of digital technology engine including internet of things

隨著“5G”技術的發(fā)展，基于5G 技術的智能焊接大數(shù)據(jù)平臺，將實物、系統(tǒng)、環(huán)境、管理人員和一線工人進行集中化管理，對各類機器人焊接工作站或生產(chǎn)線的生產(chǎn)、設備、工藝等數(shù)據(jù)采集，實時集中化收集信息、傳遞、存儲，通過高級智能化分析，對焊接工藝流程進行全流程監(jiān)控。通過對生產(chǎn)線進行大數(shù)據(jù)管理和最優(yōu)邏輯控制，及時分析焊點飛濺原因，優(yōu)化改進焊接條件，可極大提升產(chǎn)品質(zhì)量、節(jié)約成本。

2 機器人智能化焊接技術在運載火箭貯箱中的應用

2.1 運載火箭貯箱機器人智能化焊接的需求

運載火箭主要由箭體結(jié)構、動力裝置系統(tǒng)和控制系統(tǒng)組成。其中，箭體結(jié)構是運載火箭最為關鍵的結(jié)構部件，具有大尺寸、輕質(zhì)、薄壁、復雜等典型特征，是運載火箭運載能力和部署能力的重要決定因素。運載火箭箭體結(jié)構主要由推進劑貯箱、鉚接艙段、整流罩等部分構成。其中，推進劑貯箱（如圖9 所示）是一種大尺寸、薄壁高強鋁合金焊接結(jié)構，作為運載火箭的主承力結(jié)構，是箭體結(jié)構中最大的結(jié)構部件和影響運載火箭安全性和可靠性的關鍵部件，占火箭總質(zhì)量的60%、全箭長度的2/3。由于推進劑貯箱焊接裝配精度不易保證——零件尺寸較大，且為薄壁三維結(jié)構（最薄處2.3 mm），加工精度和裝配精度難以保證，特別是焊縫間隙和錯邊，這對焊接工藝提出巨大挑戰(zhàn)，焊接質(zhì)量穩(wěn)定性不易保證。常規(guī)自動化設備（如焊接機器人），其焊接路徑和焊接參數(shù)是根據(jù)實際作業(yè)條件預先設置的，在焊接時缺少外部信息傳感和實時調(diào)整控制功能，焊接機器人對焊接作業(yè)條件的穩(wěn)定性要求嚴格，而箭體結(jié)構因尺寸大、壁薄，導致易變形。因此，不同零件在實際焊接過程中，會因加工或裝配上的誤差、變形造成焊縫位置和間隙隨機變化，從而造成常規(guī)焊接機器人無法滿足使用要求。

2.2 運載火箭貯箱機器人智能化焊接技術及應用情況

針對運載火箭貯箱機器人焊接應用的難點問題，從2014 年開始，由上海航天精密機械研究所牽頭，上海交通大學和江蘇北人機器人系統(tǒng)股份有限公司參與，共同開展運載火箭貯箱機器人智能化焊接技術的研究和應用。該項目以運載火箭貯箱箱底法蘭環(huán)縫、箱底縱縫和筒段環(huán)縫的變極性TIG、變極性等離子焊接過程作為研究對象，通過模擬高級焊工作業(yè)過程的感知、決策和控制過程，研究焊接裝配高精度在線測量、焊接路徑自適應控制、焊縫成形自適應控制、焊接熔池監(jiān)視、焊接工藝參數(shù)檢測和設備狀態(tài)檢測6 大智能功能。

其中，焊縫成形自適應控制智能功能主要實現(xiàn)運載火箭貯箱焊縫的熔透狀態(tài)控制、正反面成形尺寸一致性控制。針對變極性TIG 和變極性等離子焊接過程，分別建立背面熔寬的預測模型，設計開發(fā)了焊縫成形的模糊自適應控制算法，達到焊縫正反面尺寸一致性誤差為±0.5 mm 的控制效果。焊縫成形自適應控制智能功能介紹如圖10 所示。

圖中，焊接工藝參數(shù)檢測智能功能以傳感器為數(shù)據(jù)采集媒介，對焊接過程中涉及的工藝參數(shù)、環(huán)境參數(shù)等一系列能夠影響、預測焊接質(zhì)量的關鍵參數(shù)進行采集的數(shù)據(jù)采集系統(tǒng)。焊接過程參數(shù)反映了焊接過程中焊縫成型涉及特征的數(shù)量級別，真實、可靠地對焊接過程參數(shù)進行采集是實現(xiàn)焊接成型控制準確性的重要保證。焊接過程參數(shù)實時采集系統(tǒng)工作環(huán)境較為惡劣，需要考慮焊接過程中高頻干擾、電源波動、傳感器非線性等因素對數(shù)據(jù)采集準確性的影響，因此，焊接過程參數(shù)準確實時的采集是實現(xiàn)焊接智能化以及制造車間數(shù)字化的重要技術之一。該研究內(nèi)容與目前焊接大數(shù)據(jù)的研發(fā)趨勢不謀而合，焊接工藝參數(shù)檢測智能功能介紹如圖11 所示。

圖11 焊接工藝參數(shù)檢測智能功能Fig.11 Intelligent function of welding parameter measuring

該項目通過機器人智能化焊接技術的研究，最終應用到運載火箭貯箱箱底TIG 焊接設備、箱底法蘭焊接設備、貯箱環(huán)縫TIG 自動焊接設備上，解決運載火箭貯箱筒段、箱底、箱底法蘭加工裝配狀態(tài)不一致情況下機器人自適應焊接的問題，實現(xiàn)運載火箭貯箱焊接過程的全流程管控和數(shù)據(jù)追溯。機器人智能化焊接總體實現(xiàn)效果如圖12 所示。

圖12 機器人智能化焊接總體實現(xiàn)效果Fig.12 Schematic of intelligentized robotic welding

圍繞機器人智能化焊接技術方向不斷涌現(xiàn)的新的研究成果，基于3D 相機的焊縫引導和快速編程、焊接過程多源數(shù)據(jù)智能感知、焊接大數(shù)據(jù)智能管控等技術，未來都有望與運載火箭貯箱焊接工藝結(jié)合并應用，進一步提高焊接機器人的智能化水平。

3 結(jié)束語

縱觀國內(nèi)焊接自動化、智能化的發(fā)展歷程，研究人員針對焊接過程復雜、多變性，開發(fā)出系列多源焊接傳感器，收集焊前、焊接過程中數(shù)據(jù)，提取傳感數(shù)據(jù)的特征信息，建立特征信息與焊接接頭質(zhì)量之間的關系，并應用一些控制策略保證焊接質(zhì)量。然而，一方面還缺乏對焊接制造整體流程的統(tǒng)一描述，同時焊接過程可視化界面沒有，一些傳感信息并未被數(shù)字化，這對后續(xù)焊接大數(shù)據(jù)分析、存儲和分享帶來諸多困難；另一方面，融合焊接工藝機理、焊接知識庫和焊接大數(shù)據(jù)的工藝機理模型十分匱乏，使得在復雜焊接場景下，構建的焊接知識模型泛化能力不足。隨著機器人技術、傳感器技術、控制技術、數(shù)據(jù)分析技術和通訊技術等先進技術的不斷發(fā)展，以及這些技術與傳統(tǒng)焊接工藝的融合，機器人智能化焊接技術將得以快速發(fā)展，使得焊接機器人變得越來越智能。智能的焊接機器人有望在未來應用到航空航天、造船、重工和風電等各個領域。