目前服役的焊接机器人90% 都是以“示教再现”模式进行工作的， 少数以轨迹规划方式工作。焊接过程中， 焊枪与焊缝中心都会存在一定误差， 而且焊接过程又是一个复杂、非线性、干扰因素较多的过程， 焊接工件热变形、咬边、错边， 以及焊缝间隙的变化等是不可预知的， 这些因素都会直接影响到焊接质量。 在“示教再现”或轨迹规划应用的基础上，实时焊缝纠偏可以进一步提高焊接精度， 尤其适用于辅助工程上焊接易变形、装配复杂等自动焊难以控制的工件生产。 本文以新型航天器燃料贮箱LF6 铝合金材2 mm 薄板的对接焊接为背景， 针对脉冲钨极惰性气体保护焊( GT AW) 焊接方法， 对平板直缝和平板法兰进行焊缝跟踪试验， 将传统的“示教再现”型机器人开发成具有实时焊缝跟踪的弧焊机器人系统。

1 试验部分

1. 1 试验系统组成

在本实验中， 执行机构包括日本安川电机公司的HP6 型焊接机器人， 两轴翻转变位机， 单轴头尾式变位机， 日本OT C 公司生产的IN VERTERELESON 500P 型交直流两用GT AW 焊接电源，CM-271 型送丝机和HC-71 型送丝控制箱。 控制系统为研华公司的工控机， 传感系统为自行开发的CCD 被动光视觉系统， 以及图像采集卡。 整个系统如图1 所示。

考虑到LF6 铝合金薄板的焊接性， 采用交流脉冲焊进行焊接， 脉冲频率为2 H z， 基值电流为50 A，峰值电流为125 A， 焊接速度为2. 6 mm/ s.

1. 2 图像采集与处理

1. 2. 1 开小窗口分析法

采用“小窗口”获取焊缝特征信息， 在焊缝区域开了一个100 帧x120 帧的小窗口， 仅对此窗口内的图像进行处理。 该窗口包含了进行焊缝跟踪所需要的特征信息， 又削减了大量不必要的图像信息。 CCD 摄像机和送丝嘴都固定在焊枪上， 也就是焊枪、钨极、送丝嘴在图像平面投影的相对位置是不变的， 同时在试验前已经将CCD 摄像机的轴心、焊枪轴心以及焊缝调节到了同一个平面上， 如此， 焊枪的轴线在图像平面上的投影为一条水平线， 为后续的跟踪提供了便利条件。

1. 2. 2 图像处理算法

在试验中， 首先提取到焊缝的上下边缘， 经过去除伪点之后进行*小二乘法拟合， 得到焊缝中心线。 图像处理算法流程主要包括图像复原、中值滤波、边缘寻找、伪点去除及*小二乘法拟合， 如图2 所示 。

采用了逆滤波器方法来进行图像复原， 同时选用3x3 模板中值滤波， 当前像素点的灰度值由它的8 邻域的像素灰度值的中间值获得。

在对图像进行了观察和分析后， 发现即焊缝边缘和其他区域相比， 灰度变化极大。 因此， 根据灰度值变化的速率来确定焊缝边缘点， 即每一列中速率变化*大的2 个点作为为焊缝的上下边缘点。 用此种边缘检测算法是基于2 mm 薄板的特性， 没有坡口使焊缝处较大的灰度变化在整幅图像中极易捕捉， 同时此类算法较小的计算量也不会影响到图像处理的实时性。

经过上述图像处理之后并不能够准确地获得焊缝边缘， 仍旧有伪边缘存在， 如何再去除伪边缘点，识别出真正的焊缝边缘， 是图像处理中*困难， 也是*关键的技术。 通过24 邻域从上下2 个方向向中间逐行扫描的方式去除伪边缘点。 由于焊缝边缘是连续变化的， 假设存在图像处理误差在2 个象素之内，如果某一特征点24 邻域内不存在相邻特征点， 认为该点为伪边缘点或孤立点。

1. 2. 3 图像处理算法精度验证

为了验证图像处理算法的精度， 采用了激光测距传感器对焊缝的实际位置进行了**定位。

在工装一侧竖立一块表面光滑且与焊缝平行的金属板， 然后对机器人示教一条准确的沿焊缝路径，并在变形不大的厚板上进行试验。 起弧后， 激光测距传感器开始工作， 得到实时焊缝位置， 并与经过图像处理所得到焊缝位置进行对比， 结果如图3 所示， 中部的水平直线为示教焊缝路线， 折线为经过图像处理算法纠偏的焊枪实际路径。

对比显示， 本文中图像处理算法所得到的焊缝位置与实际焊缝位置的误差在 0. 15 mm 以内。