基于机器人激光焊接的爬架焊前自适应路径规划方法与流程
本发明涉及激光焊接,具体是基于机器人激光焊接的爬架焊前自适应路径规划方法。
背景技术:
1、爬架是高层建筑施工中广泛使用的大型钢结构附着式升降脚手架,其主体由大量钢管和扣接节点通过焊接方式连接而成,单台爬架包含数百至上万道焊缝;
2、目前,爬架焊缝的焊接主要依赖人工施焊或采用固定编程的焊接机器人沿预设路径执行,人工焊接效率低、劳动强度大且焊接质量受焊工技术水平影响明显;固定编程方式则需要事先获取爬架精确的三维设计模型并逐点编制焊接轨迹,然而爬架在制造和现场组装过程中不可避免地存在管材切割公差、装配间隙偏差以及点焊定位偏移,导致实际待焊位置与设计模型之间存在不一致,固定编程的焊接路径无法自动适应这些偏差;
3、如何实现焊接机器人根据爬架实际结构状态自适应地规划焊接路径并优化焊接序列,是我们所需要解决的问题,为此,现提供基于机器人激光焊接的爬架焊前自适应路径规划方法。
技术实现思路
1、本发明的目的在于提供基于机器人激光焊接的爬架焊前自适应路径规划方法。
2、本发明的目的可以通过以下技术方案实现:基于机器人激光焊接的爬架焊前自适应路径规划方法,包括以下步骤:
3、步骤s1:对爬架待焊区域进行三维点云数据采集,获取对应的高精度结构感知地图;
4、步骤s2:构建包含焊缝类型模板的爬架焊接知识库,并根据高精度结构感知地图获取焊缝候选空间位置;
5、步骤s3:生成焊缝候选空间位置与焊缝类型模板的综合匹配度,并根据综合匹配度进行焊缝类型匹配;
6、步骤s4:根据焊缝类型匹配的结果生成焊缝标注信息进而生成焊接目标结构地图;
7、步骤s5:基于焊接目标结构地图进行焊接路径自适应规划,生成焊接路径。
8、进一步的,对爬架待焊区域进行三维点云数据采集的过程包括:
9、在焊接机器人末端搭载感知设备,所述感知设备包括结构光三维相机和激光轮廓传感器,焊接机器人携带结构光三维相机在爬架待焊区域前方沿预设的若干个拍摄站位依次移动,每个拍摄站位处结构光三维相机以不同角度获取爬架表面的三维点云数据,相邻站位之间拍摄的视场范围存在重叠区域,基于重叠区域中的几何特征进行三维点云数据的自动拼接,得到爬架待焊区域的全局三维点云;
10、在获得全局三维点云后,通过部署的结构识别单元对获得的全局三维点云进行分析,所述结构识别单元内嵌有爬架典型结构的几何特征模板;
11、结构识别单元从全局三维点云中识别出符合各几何特征模板的爬架待焊区域,并根据识别结果将全局三维点云划分为对应的若干个结构区域,每个结构区域对应爬架的一个功能组成部分,进而生成以图结构表示的结构感知地图,所述功能组成部分包括竖直立杆段、水平横杆段、斜撑杆段以及各节点交汇区域。
12、进一步的,获得高精度结构感知地图的过程包括:
13、在获得结构感知地图后,焊接机器人依次移动至结构感知地图中标记的各个节点交汇区域,通过激光轮廓传感器对各节点交汇区域进行精细扫描,获得每个节点交汇区域对应的精细三维点云数据;
14、将各精细三维点云数据替换结构感知地图中对应节点交汇区域的全局三维点云部分,进而获得高精度结构感知地图。
15、进一步的,构建包含焊缝类型模板的爬架焊接知识库的过程包括:
16、预先收集各类爬架典型焊缝样本,对每类典型焊缝样本,提取其对应的几何特征和空间特征,针对每类典型焊缝样本,通过标准焊接工艺评定试验获取其对应的标准焊接工艺参数,将各类焊缝区域的几何特征、空间特征以及对应的标准焊接工艺参数进行结构化封装,建立焊缝类型模板;
17、所述焊缝类型模板中存储对应焊缝类型的标准几何特征值、标准几何特征值的波动范围数据以及对应的焊接工艺参数标准值;
18、将所有焊缝类型模板汇总并构建爬架焊接知识库。
19、进一步的,根据高精度结构感知地图获取焊缝候选空间位置的过程包括:
20、基于获取的高精度结构感知地图,从高精度结构感知地图中提取各节点交汇区域的三维点云数据;
21、对每个节点交汇区域的三维点云数据,首先建立对应的空间索引结构,设定邻域搜索半径,为每个查询点搜索其半径范围内的所有邻近点,构成查询点的局部邻域点集,对于局部邻域点集,判断每个查询点是否是深度突变候选点;
22、以深度突变候选点及对应的局部邻域点集为输入,获得局部邻域点集的协方差矩阵,对协方差矩阵进行特征值分解,得到三个特征值;
23、根据特征值生成深度突变候选点处的表面曲率值,设定曲率判定阈值,将表面曲率值大于曲率判定阈值的深度突变候选点标记为焊缝特征点,所有焊缝特征点的空间位置集合构成焊缝候选空间位置。
24、进一步的,生成焊缝候选空间位置与焊缝类型模板的综合匹配度,并根据综合匹配度进行焊缝类型匹配的过程包括:
25、将焊缝候选空间位置处的三维点云数据与爬架焊接知识库中的焊缝类型模板进行逐级匹配,根据焊缝候选空间位置所在节点交汇区域的结构拓扑类型,从爬架焊接知识库中筛选出与结构拓扑类型一致的焊缝类型模板,剔除结构拓扑类型不一致的焊缝类型模板,形成候选焊缝类型模板集合;
26、在完成结构拓扑类型的初步筛选后,生成焊缝候选空间位置与焊缝类型模板的综合匹配度,以焊缝候选空间位置为中心点,沿焊缝候选空间位置处的主方向截取点云横截面,过该中心点作垂直于主方向的平面,取该平面两侧预设厚度范围内的三维点云数据作为横截面点云;
27、将横截面点云投影至所述平面上,以中心点为原点建立局部坐标系,沿垂直于主方向的角度方向按预设角度步长对横截面点云进行划分,每个角度区间内取距离原点最远的点作为轮廓候选点,对所述轮廓候选点进行曲线拟合,得到焊缝截面轮廓曲线;
28、从焊缝截面轮廓曲线中提取对应焊缝候选空间位置处的几何特征值;
29、对于候选焊缝类型模板集合中的每个焊缝类型模板,从爬架焊接知识库中读取对应焊缝类型模板中存储的标准几何特征值以及对应的波动范围数据;
30、将焊缝候选空间位置对应的的几何特征值与对应焊缝类型模板的标准几何特征值逐一进行比较,分别生成各个几何特征值对应的匹配度,进而获得综合匹配度;
31、当综合匹配度大于或等于预设的综合匹配阈值,且各标准几何特征值的实际偏差均在对应的波动范围数据之内时,判定焊缝候选空间位置处存在对应焊缝类型模板所描述的焊缝,将该焊缝类型模板的焊缝类型赋予对应的焊缝候选空间位置;
32、当综合匹配度小于综合匹配度阈值时,继续对下一个焊缝类型模板进行匹配,若候选焊缝类型模板集合均未通过匹配判定,则将对应焊缝候选空间位置标记为待人工确认。
33、进一步的,根据焊缝类型匹配的结果生成焊缝标注信息进而生成焊接目标结构地图的过程包括:
34、根据焊缝类型匹配的结果在高精度结构感知地图中对各焊缝进行标注,生成每条焊缝的焊缝标注信息,将焊缝标注信息与高精度结构感知地图进行关联存储,使高精度结构感知地图中每个标注有焊缝的节点交汇区域均关联对应的焊缝标注信息,形成包含焊接目标的焊接目标结构地图。
35、进一步的,基于焊接目标结构地图进行焊接路径自适应规划,生成焊接路径的过程包括:
36、读取焊接目标结构地图和焊缝标注信息,获取所有被标注的焊缝的焊缝空间位置坐标、焊缝类型和焊缝姿态向量;
37、根据焊接机器人的技术手册获取焊接机器人对应的额定工作空间参数,将其等效为以机器人基座为中心、以最大工作半径和最小工作半径为边界的空间球壳区域,并记录末端执行器在各方向上的最大允许姿态偏转角范围,针对每条焊缝,根据其焊缝标注信息中记录的对应焊缝空间位置坐标计算该焊缝到机器人基座的空间距离;
38、根据获得的空间距离对所有焊缝进行判定,标记可达焊缝、受限焊缝和不可达焊缝,对标记后的焊缝进行分组,将受限焊缝归入优先焊接组,将可达焊缝归入常规焊接组,优先焊接组中的所有受限焊缝按照空间距离从小到大排序后依次排列,形成优先焊接序列;
39、将常规焊接组中的焊缝按焊缝类型进行聚类分组,将具有相同焊缝类型的焊缝归入同一子组,各子组内的焊缝按焊缝空间位置坐标在焊接目标结构地图中的空间邻近关系排序,即从子组中随机选取一条焊缝作为起点,每次从子组中尚未排序的焊缝中选取与当前终点焊缝空间距离最近的焊缝作为下一个排列元素,直至该子组内所有焊缝排列完毕;
40、各子组之间的排列顺序按各子组焊缝数量从多到少依次排列,形成常规焊接序列,将优先焊接序列与常规焊接序列首尾拼接,得到最终的焊接顺序序列,在焊接顺序确定后,从爬架焊接知识库中读取与该焊缝的焊缝类型对应的标准焊接工艺参数。
41、与现有技术相比,本发明的有益效果是:现有爬架焊接路径规划通常需要事先获取爬架的精确三维设计模型,并在此基础上逐点编制焊接轨迹,然而爬架在制造和现场组装过程中不可避免地存在管材切割公差、装配间隙偏差以及点焊定位偏移,导致实际待焊位置与设计模型之间存在不一致,本发明通过对爬架待焊区域进行三维点云数据采集,获取能够反映爬架实际结构形态的高精度结构感知地图,并以此作为后续焊缝识别与路径规划的数据基础,使焊接机器人能够根据爬架的实际结构状态而非设计模型进行路径规划,有效避免了因实际结构与设计模型不一致导致的路径偏差问题;
42、通过预先构建包含焊缝类型模板的爬架焊接知识库,在实际作业时提取焊缝候选空间位置处的几何特征,通过与知识库中焊缝类型模板进行逐级匹配并生成综合匹配度,根据匹配结果自动完成焊缝类型的判定与标注,有效减少了人工干预的需求,提升了焊缝识别的准确性和效率;
43、本发明基于标注有焊缝标注信息的焊接目标结构地图进行路径规划,在规划过程中根据焊缝实际空间位置与机器人基座的相对关系进行可达性判定,将受限焊缝与可达焊缝分组处理,并依据焊缝类型和空间邻近关系对焊接顺序进行编排,使生成的焊接路径既满足机器人运动学约束,又符合爬架焊接工艺对焊接顺序的要求,提高了焊接路径的实际可执行性和焊接质量的稳定性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com