本发明涉及焊接领域，特别涉及一种爬行焊接机器人和焊缝间夹角估计方法。
背景技术：
在爬行焊接机器人系统中，需要保证爬行机器人前进方向与焊缝保持基本平行。因此，需要对爬行焊接机器人的运动进行控制，其中对爬行焊接机器人和焊缝间夹角的反馈和控制是爬行焊接机器人运动控制的关键。并且，爬行焊接机器人和焊缝间夹角还需要用于校正焊枪与焊缝之间的横向距离。因此，获得爬行焊接机器人和焊缝间夹角是非常重要的。然而，并没有传感器直接对爬行焊接机器人与焊缝间的夹角进行直接测量。
目前，主流的方法是使用激光焊缝跟踪传感器获取焊缝的坐标，通过焊缝的坐标对爬行焊接机器人进行位置反馈。这种方法不能够获取爬行焊接机器人与焊缝间的夹角，仅仅能控制机器人在焊缝附近，并且由于激光焊缝跟踪传感器普遍精度较低，对控制精度也有一定的影响。另一种方法是控制机器人在一段时间内走直线，使用这段时间内的焊缝楞的坐标计算出爬行焊接机器人与焊缝之间夹角，并进行一次反馈。这种方法实时性较低，进行一次反馈后无法得知调整后的前进方向是否与焊缝方向基本平行。
现有专利为申请号为CN201610550556.7，申请日为2016.07.13，名称为“一种基于视觉的在线焊缝跟踪方法及系统”的发明专利，其技术方案为：本发明公开种基于视觉的在线焊缝跟踪方法及系统，其针对焊缝跟踪过程中高斯噪声存在时变性以及传统卡尔曼滤波算法无法处理焊缝跟踪中的稀疏噪声的问题，提出了在线卡尔曼滤波框架，用基于凸优化的在线卡尔曼滤波器来对焊接轨迹的噪声参数进行实时估计，并在焊缝跟踪模型中对量测过程同时加入了高斯噪声和稀疏噪声项，通过建立合理的优化模型，能够在线对高斯噪声和稀疏噪声进行准确估计，进而提高了焊缝跟踪的准确性。上述专利只使用了激光焊缝跟踪传感器测量得到的焊缝坐标信息。使用估计出的传感器前进速度进行递推，使用焊缝坐标信息进行反馈，滤波稳定性及得到的滤波精度均较低。
技术实现要素：
本发明目的在于克服单一激光焊缝跟踪传感器无法实时获取爬行焊接机器人与焊缝间夹角的问题，提供了一种同时使用激光焊缝跟踪传感器、陀螺仪及机器人本身测量的机器人速度、角位移信息，联合得到夹角的最优估计的方法。这种方法还能用于对激光焊缝跟踪传感器得到的焊缝楞的坐标进行滤波，提高焊缝楞的坐标的精度。
为实现上述目的，本发明的技术方案如下：
一种爬行焊接机器人和焊缝间夹角估计方法，其特征在于：包括如下步骤：
步骤一：获取传感器采集的信息；传感器包括激光焊缝跟踪传感器和陀螺仪测量，信息具体包括激光焊缝跟踪传感器采集的焊缝楞的焊缝楞的坐标，陀螺仪测量的机器人角速度信息；
获得k时刻的焊缝楞的坐标X1m(k)和X2m(k)，陀螺仪测量的机器人角速度ωm(k)。m代表这个值为测量值。
步骤二：获取激光焊缝跟踪传感器的运动信息；
运动信息具体指速度和转角。这两个值由机器人系统给出。
获得k时刻的机器人前进速度VC(k)，码盘计算出的机器人转角Δθm(k)。
步骤三：根据焊缝楞的坐标、机器人角速度以及前进速度和转角，建立状态方程，使用卡尔曼滤波器对爬行焊接机器人与焊缝间夹角进行最优估计，并得到焊缝楞的坐标的滤波值；
具体方法如下：
A.建立状态方程如下：
其中，T为采样时间，k为时刻，VC为爬行焊接机器人前进速度，θ为爬行焊接机器人与焊缝间夹角，ω为爬行焊接机器人旋转角速度，X1和X2分别为焊缝第一、第二条楞的横坐标，δ为陀螺仪零偏，Δθm为通过码盘计算的爬行机器人转角，ωm为陀螺仪测量的角速度，X1m和X2m分别为激光焊缝跟踪传感器测量的焊缝第一、第二条楞的横坐标，W为系统误差矩阵，V为测量误差矩阵。
将上式简记为：
X(k)＝Φ(k,k-1)X(k-1)+W
Z(k)＝HX(k)+V
其中，X为状态值向量，Φ为状态转移矩阵，Z为观测值向量，H为观测矩阵，其值分别为：
B.使用卡尔曼滤波器进行滤波，递推得到k时刻的状态值向量的估计值
P(k|k-1)＝Φ(k,k-1)P(k-1|k-1)ΦT(k,k-1)+Q
K(k)＝P(k|k-1)HT(HP(k|k-1)HT+R)-1
P(k|k)＝(I-K(k)H)P(k|k-1)
其中，Q为系统误差W的协方差矩阵，R为测量误差V的协方差矩阵，为状态值向量的估计值，P为状态值向量的估计值的噪声协方差矩阵，I为单位矩阵，K为增益矩阵。
C.得到k时刻的爬行焊接机器人与焊缝间夹角估计值和滤波后的焊缝楞的横坐标及
步骤四：重复上述步骤，不断地得到新的结果，直到焊接过程结束。
建立的矩阵形式的状态方程展开后，包括如下方程：
其中，n代表焊缝的第n条楞，且不包括噪声项。
本发明的优点在于：
1、本申请在激光焊缝跟踪传感器的基础上使用了陀螺仪测量的角速度和机器人系统给出的速度及转角，建立了更复杂更合理的滤波模型。不仅使得坡口焊缝的楞坐标的滤波结果更加精确，而且能够估计出爬行焊接机器人与焊缝间夹角。通过多传感器数据融合，实现了对爬行焊接机器人与焊缝间夹角的实时最优估计。
2、本发明能够对激光焊缝跟踪传感器采集的焊缝楞的坐标进行滤波，提高精度；通过陀螺仪采集的角速度及机器人系统给出的运动信息——激光焊缝跟踪传感器的速度和转角——与激光焊缝跟踪传感器采集的坡口焊缝楞坐标结合，得到焊缝楞坐标的滤波结果和爬行机器人与焊缝间夹角。
3、本发明方法简单，计算准确，易于实现。
附图说明
图1是本发明的流程图。
具体实施方式
实施例1
一种爬行焊接机器人和焊缝间夹角估计方法，其特征在于：包括如下步骤：
步骤一：获取传感器采集的信息；传感器包括激光焊缝跟踪传感器和陀螺仪测量，信息具体包括激光焊缝跟踪传感器采集的焊缝楞的焊缝楞的坐标，陀螺仪测量的机器人角速度信息；
获得k时刻的焊缝楞的坐标X1m(k)和X2m(k)，陀螺仪测量的机器人角速度ωm(k)。m代表这个值为测量值。
步骤二：获取激光焊缝跟踪传感器的运动信息；
运动信息具体指速度和转角。这两个值由机器人系统给出。
获得k时刻的机器人前进速度VC(k)，码盘计算出的机器人转角Δθm(k)。
步骤三：根据焊缝楞的坐标、机器人角速度以及前进速度和转角，建立状态方程，使用卡尔曼滤波器对爬行焊接机器人与焊缝间夹角进行最优估计，并得到焊缝楞的坐标的滤波值；
步骤四：重复上述步骤，不断地得到新的结果，直到焊接过程结束。
本申请在激光焊缝跟踪传感器的基础上使用了陀螺仪测量的角速度和机器人系统给出的速度及转角，建立了更复杂更合理的滤波模型。不仅使得坡口焊缝的楞坐标的滤波结果更加精确，而且能够估计出爬行焊接机器人与焊缝间夹角。通过多传感器数据融合，实现了对爬行焊接机器人与焊缝间夹角的实时最优估计。
实施例2
一种爬行焊接机器人和焊缝间夹角估计方法，其特征在于：包括如下步骤：
步骤一：获取传感器采集的信息；传感器包括激光焊缝跟踪传感器和陀螺仪测量，信息具体包括激光焊缝跟踪传感器采集的焊缝楞的焊缝楞的坐标，陀螺仪测量的机器人角速度信息；
获得k时刻的焊缝楞的坐标X1m(k)和X2m(k)，陀螺仪测量的机器人角速度ωm(k)。m代表这个值为测量值。
步骤二：获取激光焊缝跟踪传感器的运动信息；
运动信息具体指速度和转角。这两个值由机器人系统给出。
获得k时刻的机器人前进速度VC(k)，码盘计算出的机器人转角Δθm(k)。
步骤三：根据焊缝楞的坐标、机器人角速度以及前进速度和转角，建立状态方程，使用卡尔曼滤波器对爬行焊接机器人与焊缝间夹角进行最优估计，并得到焊缝楞的坐标的滤波值；
具体方法如下：
A.建立状态方程如下：
其中，T为采样时间，k为时刻，VC为爬行焊接机器人前进速度，θ为爬行焊接机器人与焊缝间夹角，ω为爬行焊接机器人旋转角速度，X1和X2分别为焊缝第一、第二条楞的横坐标，δ为陀螺仪零偏，Δθm为通过码盘计算的爬行机器人转角，ωm为陀螺仪测量的角速度，X1m和X2m分别为激光焊缝跟踪传感器测量的焊缝第一、第二条楞的横坐标，W为系统误差矩阵，V为测量误差矩阵。
将上式简记为：
X(k)＝Φ(k,k-1)X(k-1)+W
Z(k)＝HX(k)+V
其中，X为状态值向量，Φ为状态转移矩阵，Z为观测值向量，H为观测矩阵，其值分别为：
B.使用卡尔曼滤波器进行滤波，递推得到k时刻的状态值向量的估计值
P(k|k-1)＝Φ(k,k-1)P(k-1|k-1)ΦT(k,k-1)+Q
K(k)＝P(k|k-1)HT(HP(k|k-1)HT+R)-1
P(k|k)＝(I-K(k)H)P(k|k-1)
其中，Q为系统误差W的协方差矩阵，R为测量误差V的协方差矩阵，为状态值向量的估计值，P为状态值向量的估计值的噪声协方差矩阵，I为单位矩阵，K为增益矩阵。
C.得到k时刻的爬行焊接机器人与焊缝间夹角估计值和滤波后的焊缝楞的横坐标及
步骤四：重复上述步骤，不断地得到新的结果，直到焊接过程结束。
建立的矩阵形式的状态方程展开后，包括如下方程：
其中，n代表焊缝的第n条楞，且不包括噪声项。
本申请在激光焊缝跟踪传感器的基础上使用了陀螺仪测量的角速度和机器人系统给出的速度及转角，建立了更复杂更合理的滤波模型。不仅使得坡口焊缝的楞坐标的滤波结果更加精确，而且能够估计出爬行焊接机器人与焊缝间夹角。通过多传感器数据融合，实现了对爬行焊接机器人与焊缝间夹角的实时最优估计。
本发明能够对激光焊缝跟踪传感器采集的焊缝楞的坐标进行滤波，提高精度；通过陀螺仪采集的角速度及机器人系统给出的运动信息——激光焊缝跟踪传感器的速度和转角——与激光焊缝跟踪传感器采集的坡口焊缝楞坐标结合，得到焊缝楞坐标的滤波结果和爬行机器人与焊缝间夹角。本发明方法简单，计算准确，易于实现。
实施例3
本发明硬件部分包括如下基本单元：激光焊缝跟踪传感器、陀螺仪、给出激光焊缝跟踪传感器速度和转角的机器人系统。其中，安装时，陀螺仪的敏感轴垂直于焊缝平面。
下面按照步骤详细说明实施方式。
步骤一：获取传感器采集的信息。包括激光焊缝跟踪传感器采集的焊缝楞的坐标，陀螺仪测量的机器人角速度：
获得k时刻的焊缝楞的坐标X1m(k)和X2m(k)，陀螺仪测量的机器人角速度ωm(k)。
步骤二：获取激光焊缝跟踪传感器的运动信息：
获得k时刻的机器人前进速度VC(k)，码盘计算出的机器人转角Δθm(k)。
步骤三：根据焊缝楞的坐标、机器人角速度以及前进速度和转角，建立状态方程，使用卡尔曼滤波器对爬行焊接机器人与焊缝间夹角进行最优估计，并得到焊缝楞的坐标的滤波值：
建立状态方程如下：
将上式简记为：
X(k)＝Φ(k,k-1)X(k-1)+W
Z(k)＝HX(k)+V
其中，X为状态值向量，Φ为状态转移矩阵，Z为观测值向量，H为观测矩阵，其值分别为：
使用卡尔曼滤波器进行滤波，递推得到k时刻的状态值向量的估计值
P(k|k-1)＝Φ(k,k-1)P(k-1|k-1)ΦT(k,k-1)+Q
K(k)＝P(k|k-1)HT(HP(k|k-1)HT+R)-1
P(k|k)＝(I-K(k)H)P(k|k-1)
其中，Q为系统误差W的协方差矩阵，R为测量误差V的协方差矩阵，为状态值向量的估计值，P为状态值向量的估计值的噪声协方差矩阵，I为单位矩阵，K为增益矩阵。
得到k时刻的爬行焊接机器人与焊缝间夹角估计值和滤波后的焊缝楞的横坐标及
步骤四：重复上述步骤，不断地得到新的结果，直到焊接过程结束。