一种可视化焊接工艺系统的控制方法与流程

1.本发明涉及可视化焊接工艺系统控制技术领域，具体为一种可视化焊接工艺系统的控制方法。


背景技术：

2.对工件进行焊接针对中厚板焊接过程中对焊位识别、路径规划、可视化编程、故障诊断等一系列需求，研究中厚板焊位自动识别技术与焊接机器人自适应路径规划算法，焊接机器人高精度焊位跟踪方法，焊接机器人参数式可视化编程技术及机器人焊接、切割的高效智能编程体系，中厚板焊接过程故障在线检测和故障专家诊断等关键技术，并进一步开发中厚板智能焊接机器人系统，面向汽车行业中厚板焊接开展推广应用，建立示范标杆，再逐步延伸到建筑钢构、造船、石油化工、重型机械等诸多领域。通过项目的实施，解决当前中厚板焊接存在的工艺设计缺陷、焊缝寻位跟踪不准确、示教工作量大、生产效率低、焊缝质量差、生产智能化水平低等问题。
3.现有技术中可视化焊接工艺系统的控制方法存在的缺陷是：
4.1、传统的方法无法实现自动智能控制装置，造成装置需要工人手动辅助工作。
5.2、传统的方法无法对工件的焊接进行自动诊断，需要工人手动分选，比较麻烦。
6.3、传统的方法缺少统一操控的设备，装置无法保持生产质量的一致性。


技术实现要素：

7.本发明的目的在于提供一种可视化焊接工艺系统的控制方法，以解决上述背景技术中提出的问题。
8.为实现上述目的，本发明提供如下技术方案：一种可视化焊接工艺系统的控制方法，包括视觉引导的焊缝寻位技术、冗余激光定位检测技术、焊缝跟踪和激光纠偏技术、机器人自主运动规划技术、自主适应焊接技术和焊缝的缺陷识别技术；
9.视觉引导的焊缝寻位技术，包括视觉图像采集及预处理、焊缝识别、关键点位置坐标计算、焊缝示教信息和机器人自动路径规划，通过对待焊工件的焊缝图像进行图像处理、计算焊缝起始、终点位置坐标，形成焊缝示教信息；
10.冗余激光定位检测技术，通过建立基于深度学习模型(深度信念网络(dbn)、卷积神经网络(cnn)和递归神经网络多层感知机(rnn))的视觉识别与定位算法，结合边界像素检测算法，并采用双相机视觉系统实现焊接工件、焊缝轨迹的检测、识别与精准定位；
11.焊缝跟踪和激光纠偏技术，在机器人焊接系统中集成视觉传感器和激光传感器，实现中厚板多层多道焊过程中的焊缝跟踪和激光纠偏，通过视觉传感进行焊缝跟踪实现实时调整焊接末端运动状态，通过激光传感器实现焊缝纠偏，提高焊接过程中机器人对作业条件变化的适应性，改善焊接过程的运动精度和焊接质量；
12.机器人自主运动规划技术，在视觉辅助示教信息、人机交互信息及焊接工艺信息的基础上，进行机器人上位机快速路径规划，形成完整的机器人焊接规划信息，建立焊接工
作指令库；
13.自主适应焊接技术，可以适应板材油污，间隙大等缺陷，保证焊接质量；
14.焊缝的缺陷识别技术，采集焊接后焊缝的图像，基于深度学习的语义分割功能开发气孔及凹坑焊缝缺陷识别定位算法，采集工件图像后，通过深度学习目标检测方法完成焊缝质量检测；
15.云平台的焊接机器人远程运维技术，通过机器人产品+云平台服务+客户参与的模式，实现机器人应用现场、机器人产品监测中心、云网服务中心的多维分层工业数据监测，以及云平台协同服务方案设计、运营机制共建，云服务平台整体框架。
16.优选的，所述视觉引导的焊缝寻位技术通过上位机将关键点位空间位置坐标处理为机器人示教信息，引导机器人焊枪末端运动到待焊位置，使焊接机器人具备待焊工件空间位置自适应能力，实现焊接机器人机器视觉智能焊缝寻位
17.优选的，所述冗余激光定位检测技术，基于轮廓特征的点集配准方法icp算法，实现三维要素的轮廓特征或点集的准确匹配及快速识别，利用迭代一步步地算出正确对应关系，多视角配准，实现机器人焊接工件的轮廓测量与识别。
18.优选的，所述焊缝跟踪和激光纠偏技术，集成视觉传感器和激光传感器配合具体为，控制机器人以5mm/s的速度扫描焊缝并获取结构光焊缝图像，结合每次拍摄图像时机器人工具点坐标与结构光焊缝图像的处理结果，计算焊缝的实际位置，对10组随机焊缝跟踪情况的数据进行分析，系统在对于x轴、y轴方向的跟踪精度较高，总体平均误差在0.5mm以内，而在z轴方向的跟踪误差较大，总体平均误差为0.95mm，能够满足中厚板v型角接焊缝跟踪的精度要求。
19.优选的，所述机器人自主运动规划技术，机器人自主运动规划建立焊接工作指令库，基于自主运动规划结果，通过调用指令库中的相应指令，自动生成完整的机器人运动控制指令和作业执行指令，实现机器人快速路径规划、示教和作业执行。
20.优选的，所述自主适应焊接技术，使得焊接飞溅率削减10％，焊点品质提升15％，同时能耗也比恒电流降低20％。
21.优选的，所述焊缝的缺陷识别技术，将焊瘤、存在严重不合格缺陷的焊缝进行定位识别出来。
22.优选的，所述云平台的焊接机器人远程运维技术，通过云服务平台，采集和监测工业机器人工况、故障和任务信息，可提高设备安全运行率，为预测性故障诊断提供数据支持，从而避免非计划停机带来的人力、财力的浪费，采集和监测机器人的运行状态，实时掌握设备开机率、运行率、利用率、故障率以及oee的统计信息，以便更加合理地调整车间机器人利用率，从而提高产能和资产回报率，实现机器人的固件远程自动更新升级，实现服务人员远程网络化协同服务，实现本地化人员调度，降低技术服务运营成本。
23.与现有技术相比，本发明的有益效果如下：
24.1、本发明针对多层多道焊接偏差累计等问题，研究基于机器视觉引导的非标件焊缝寻位技术，实现工件焊缝智能识别、定位，引导机器人智能化焊接作业。
25.2、焊接过程故障在线检测和故障专家诊断技术，提出应用深度学习的方法实现焊缝定位与缺陷识别，收集缺陷数据集进行网络模型训练以及优化，从而实现焊缝的定位以及缺陷识别。
26.3、本发明建立焊接机器人云服务平台，采集和监测工业机器人工况、故障和任务信息，为预测性故障诊断提供数据支持，实现焊接机器人全生命周期各环节无缝管控、预诊断、快速服务响应，确保机器人质量的一致性和自动化生产线的稳定高效。
附图说明
27.图1为本发明的焊接工艺系统图；
28.图2为本发明的基于机器视觉引导的焊缝寻位技术图；
29.图3为本发明的激光跟踪焊缝功能图；
30.图4为本发明的基于深度学习的目标识别、定位流程图；
31.图5为本发明的激光跟踪标定系统基本原理图；
32.图6为本发明的机器人路径规划研究流程图；
33.图7为本发明的焊接过程自适应控制技术图；
34.图8为本发明的焊接过程故障在线检测示意图；
35.图9为本发明的总体工作流程示意图；
36.图10为本发明的焊缝定位计算流程示意图。
具体实施方式
37.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
38.在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
39.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
40.本发明提供的一种实施例：一种可视化焊接工艺系统的控制方法；
41.实施例一：一种可视化焊接工艺系统的控制方法，包括视觉引导的焊缝寻位技术、冗余激光定位检测技术、焊缝跟踪和激光纠偏技术、机器人自主运动规划技术、自主适应焊接技术和焊缝的缺陷识别技术；
42.视觉引导的焊缝寻位技术，包括视觉图像采集及预处理、焊缝识别、关键点位置坐标计算、焊缝示教信息和机器人自动路径规划，通过对待焊工件的焊缝图像进行图像处理、计算焊缝起始、终点位置坐标，形成焊缝示教信息；
43.冗余激光定位检测技术，通过建立基于深度学习模型(深度信念网络(dbn)、卷积
神经网络(cnn)和递归神经网络多层感知机(rnn))的视觉识别与定位算法，结合边界像素检测算法，并采用双相机视觉系统实现焊接工件、焊缝轨迹的检测、识别与精准定位；
44.焊缝跟踪和激光纠偏技术，在机器人焊接系统中集成视觉传感器和激光传感器，实现中厚板多层多道焊过程中的焊缝跟踪和激光纠偏，通过视觉传感进行焊缝跟踪实现实时调整焊接末端运动状态，通过激光传感器实现焊缝纠偏，提高焊接过程中机器人对作业条件变化的适应性，改善焊接过程的运动精度和焊接质量；
45.机器人自主运动规划技术，在视觉辅助示教信息、人机交互信息及焊接工艺信息的基础上，进行机器人上位机快速路径规划，形成完整的机器人焊接规划信息，建立焊接工作指令库；
46.自主适应焊接技术，可以适应板材油污，间隙大等缺陷，保证焊接质量；
47.焊缝的缺陷识别技术，采集焊接后焊缝的图像，基于深度学习的语义分割功能开发气孔及凹坑焊缝缺陷识别定位算法，采集工件图像后，通过深度学习目标检测方法完成焊缝质量检。
48.所述视觉引导的焊缝寻位技术通过上位机将关键点位空间位置坐标处理为机器人示教信息，引导机器人焊枪末端运动到待焊位置，使焊接机器人具备待焊工件空间位置自适应能力，实现焊接机器人机器视觉智能焊缝寻位。
49.所述冗余激光定位检测技术，基于轮廓特征的点集配准方法icp算法，实现三维要素的轮廓特征或点集的准确匹配及快速识别，利用迭代一步步地算出正确对应关系，多视角配准，实现机器人焊接工件的轮廓测量与识别。
50.所述焊缝跟踪和激光纠偏技术，集成视觉传感器和激光传感器配合具体为，控制机器人以5mm/s的速度扫描焊缝并获取结构光焊缝图像，结合每次拍摄图像时机器人工具点坐标与结构光焊缝图像的处理结果，计算焊缝的实际位置。对10组随机焊缝跟踪情况的数据进行分析，系统在对于x轴、y轴方向的跟踪精度较高，总体平均误差在0.5mm以内，而在z轴方向的跟踪误差较大，总体平均误差为0.95mm，能够满足中厚板v型角接焊缝跟踪的精度要求。
51.所述机器人自主运动规划技术，机器人自主运动规划建立焊接工作指令库，基于自主运动规划结果，通过调用指令库中的相应指令，自动生成完整的机器人运动控制指令和作业执行指令，实现机器人快速路径规划、示教和作业执行。
52.所述自主适应焊接技术，使得焊接飞溅率削减10％，焊点品质提升15％，同时能耗也比恒电流降低20％。
53.所述焊缝的缺陷识别技术，将焊瘤、存在严重不合格缺陷的焊缝进行定位识别出来。
54.所述云平台的焊接机器人远程运维技术，通过云服务平台，采集和监测工业机器人工况、故障和任务信息，可提高设备安全运行率，为预测性故障诊断提供数据支持，从而避免非计划停机带来的人力、财力的浪费，采集和监测机器人的运行状态，实时掌握设备开机率、运行率、利用率、故障率以及oee的统计信息，以便更加合理地调整车间机器人利用率，从而提高产能和资产回报率，实现机器人的固件远程自动更新升级，实现服务人员远程网络化协同服务，实现本地化人员调度，降低技术服务运营成本。
55.实施例二：一种可视化焊接工艺系统的控制方法，包括视觉引导的焊缝寻位技术、
冗余激光定位检测技术、焊缝跟踪和激光纠偏技术、机器人自主运动规划技术、自主适应焊接技术和焊缝的缺陷识别技术；
56.视觉引导的焊缝寻位技术，包括视觉图像采集及预处理、焊缝识别、关键点位置坐标计算、焊缝示教信息和机器人自动路径规划，通过对待焊工件的焊缝图像进行图像处理、计算焊缝起始、终点位置坐标，形成焊缝示教信息；
57.冗余激光定位检测技术，通过建立基于深度学习模型(深度信念网络(dbn)、卷积神经网络(cnn)和递归神经网络多层感知机(rnn))的视觉识别与定位算法，结合边界像素检测算法，并采用双相机视觉系统实现焊接工件、焊缝轨迹的检测、识别与精准定位；
58.焊缝跟踪和激光纠偏技术，在机器人焊接系统中集成视觉传感器和激光传感器，实现中厚板多层多道焊过程中的焊缝跟踪和激光纠偏，通过视觉传感进行焊缝跟踪实现实时调整焊接末端运动状态，通过激光传感器实现焊缝纠偏，提高焊接过程中机器人对作业条件变化的适应性，改善焊接过程的运动精度和焊接质量；
59.机器人自主运动规划技术，在视觉辅助示教信息、人机交互信息及焊接工艺信息的基础上，进行机器人上位机快速路径规划，形成完整的机器人焊接规划信息，建立焊接工作指令库；
60.自主适应焊接技术，可以适应板材油污，间隙大等缺陷，保证焊接质量。
61.所述视觉引导的焊缝寻位技术通过上位机将关键点位空间位置坐标处理为机器人示教信息，引导机器人焊枪末端运动到待焊位置，使焊接机器人具备待焊工件空间位置自适应能力，实现焊接机器人机器视觉智能焊缝寻位。
62.所述冗余激光定位检测技术，基于轮廓特征的点集配准方法icp算法，实现三维要素的轮廓特征或点集的准确匹配及快速识别，利用迭代一步步地算出正确对应关系，多视角配准，实现机器人焊接工件的轮廓测量与识别。
63.所述焊缝跟踪和激光纠偏技术，集成视觉传感器和激光传感器配合具体为，控制机器人以10mm/s的速度扫描焊缝并获取结构光焊缝图像，结合每次拍摄图像时机器人工具点坐标与结构光焊缝图像的处理结果，计算焊缝的实际位置。对10组随机焊缝跟踪情况的数据进行分析，系统在对于x轴、y轴方向的跟踪精度较高，总体平均误差在0.4mm以内，而在z轴方向的跟踪误差较大，总体平均误差为0.95mm，能够满足中厚板v型角接焊缝跟踪的精度要求。
64.所述机器人自主运动规划技术，机器人自主运动规划建立焊接工作指令库，基于自主运动规划结果，通过调用指令库中的相应指令，自动生成完整的机器人运动控制指令和作业执行指令，实现机器人快速路径规划、示教和作业执行。
65.所述自主适应焊接技术，使得焊接飞溅率削减10％，焊点品质提升15％，同时能耗也比恒电流降低20％。
66.实施例三：一种可视化焊接工艺系统的控制方法，包括视觉引导的焊缝寻位技术、冗余激光定位检测技术、焊缝跟踪和激光纠偏技术、机器人自主运动规划技术、自主适应焊接技术和焊缝的缺陷识别技术；
67.视觉引导的焊缝寻位技术，包括视觉图像采集及预处理、焊缝识别、关键点位置坐标计算、焊缝示教信息和机器人自动路径规划，通过对待焊工件的焊缝图像进行图像处理、计算焊缝起始、终点位置坐标，形成焊缝示教信息；
68.冗余激光定位检测技术，通过建立基于深度学习模型(深度信念网络(dbn)、卷积神经网络(cnn)和递归神经网络多层感知机(rnn))的视觉识别与定位算法，结合边界像素检测算法，并采用双相机视觉系统实现焊接工件、焊缝轨迹的检测、识别与精准定位；
69.焊缝跟踪和激光纠偏技术，在机器人焊接系统中集成视觉传感器和激光传感器，实现中厚板多层多道焊过程中的焊缝跟踪和激光纠偏，通过视觉传感进行焊缝跟踪实现实时调整焊接末端运动状态，通过激光传感器实现焊缝纠偏，提高焊接过程中机器人对作业条件变化的适应性，改善焊接过程的运动精度和焊接质量；
70.机器人自主运动规划技术，在视觉辅助示教信息、人机交互信息及焊接工艺信息的基础上，进行机器人上位机快速路径规划，形成完整的机器人焊接规划信息，建立焊接工作指令库；
71.自主适应焊接技术，可以适应板材油污，间隙大等缺陷，保证焊接质量；
72.焊缝的缺陷识别技术，采集焊接后焊缝的图像，基于深度学习的语义分割功能开发气孔及凹坑焊缝缺陷识别定位算法，采集工件图像后，通过深度学习目标检测方法完成焊缝质量检。
73.所述视觉引导的焊缝寻位技术通过上位机将关键点位空间位置坐标处理为机器人示教信息，引导机器人焊枪末端运动到待焊位置，使焊接机器人具备待焊工件空间位置自适应能力，实现焊接机器人机器视觉智能焊缝寻位。
74.所述冗余激光定位检测技术，基于轮廓特征的点集配准方法icp算法，实现三维要素的轮廓特征或点集的准确匹配及快速识别，利用迭代一步步地算出正确对应关系，多视角配准，实现机器人焊接工件的轮廓测量与识别。
75.所述焊缝跟踪和激光纠偏技术，集成视觉传感器和激光传感器配合具体为，控制机器人以8mm/s的速度扫描焊缝并获取结构光焊缝图像，结合每次拍摄图像时机器人工具点坐标与结构光焊缝图像的处理结果，计算焊缝的实际位置。对15组随机焊缝跟踪情况的数据进行分析，系统在对于x轴、y轴方向的跟踪精度较高，总体平均误差在0.5mm以内，而在z轴方向的跟踪误差较大，总体平均误差为0.95mm，能够满足中厚板v型角接焊缝跟踪的精度要求。
76.所述机器人自主运动规划技术，机器人自主运动规划建立焊接工作指令库，基于自主运动规划结果，通过调用指令库中的相应指令，自动生成完整的机器人运动控制指令和作业执行指令，实现机器人快速路径规划、示教和作业执行。
77.所述自主适应焊接技术，使得焊接飞溅率削减10％，焊点品质提升15％，同时能耗也比恒电流降低20％，节约时间30％。
78.所述焊缝的缺陷识别技术，将焊瘤、存在严重不合格缺陷的焊缝进行定位识别出来。
79.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。