基于激光视觉传感的移动协作机械臂管道全位置焊接机器人

罗雨; 贾玉麟; 田文鹏; 黄子祥; 王东栋; 左梦奎

doi:10.12404/j.issn.1671-1815.2507306

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (19) :8019-8028 DOI: 10.12404/j.issn.1671-1815.2507306

第二十八届中国科协年会学术论文

基于激光视觉传感的移动协作机械臂管道全位置焊接机器人

作者信息 +

Mobile Collaborative Robotic Arm Pipeline All-position Welding Robot Based on Laser Vision Sensing

Author information +

文章历史 +

摘要

针对现有管道全位置自动焊接设备运动自由度不足、智能化水平较低及难以适应复杂焊接工况等问题,提出了基于激光视觉传感的移动协作机械臂管道全位置焊接机器人系统。该系统集成移动底盘、六轴协作机械臂、激光视觉传感器与柔性导轨,构成七自由度焊接系统,具备多姿态焊枪调整能力。通过构建基于软PLC实时内核的多任务异构控制系统架构,实现对EtherCAT/CANopen多总线网络的集中控制。利用激光视觉传感器进行焊缝寻位与实时跟踪,结合改进RANSAC(random sample consensus)算法与自适应阈值策略,实现焊缝轨迹的鲁棒拟合与动态补偿。窄坡口管道全位置焊接工艺实验结果表明:系统方案设计合理,机器人运行稳定,焊缝跟踪精度符合要求,焊缝成型良好,能够满足全位置焊接工况的焊接需求。

Abstract

To address the issues of insufficient degrees of freedom, low intelligence, and poor adaptability to complex welding conditions in existing all-position automatic pipeline welding equipment, a mobile collaborative robotic arm pipeline all-position welding robot system based on laser vision sensing was proposed.The system integrated a mobile chassis, a six-axis collaborative robotic arm, a laser vision sensor, and a flexible guide rail, forming a seven-degree-of-freedom welding system with multi-posture welding torch adjustment capability.A multi-task heterogeneous control system architecture based on a soft PLC real-time kernel was constructed to achieve centralized control of EtherCAT/CANopen multi-bus networks.Seam searching and real-time tracking were performed using the laser vision sensor, and an improved RANSAC(random sample consensus) algorithm combined with an adaptive threshold strategy was employed to achieve robust seam trajectory fitting and dynamic compensation.Experimental results of narrow-groove pipeline all-position welding show that the system design is reasonable, the robot operates stably, the seam tracking accuracy meets requirements, and the weld formation is satisfactory, fulfilling the demands of all-position welding conditions.

Graphical abstract

关键词

自动焊接设备 / 管道全位置焊接 / 控制系统 / 协作机械臂 / 激光视觉传感

Key words

automatic welding equipment / full position welding of pipelines / control system / collaborative robotic arms / laser vision sensing

引用本文

引用格式 ▾

罗雨, 贾玉麟, 田文鹏, 黄子祥, 王东栋, 左梦奎. 基于激光视觉传感的移动协作机械臂管道全位置焊接机器人[J]. 科学技术与工程, 2026, 26(19): 8019-8028 DOI:10.12404/j.issn.1671-1815.2507306

LUO Yu, JIA Yu-lin, TIAN Wen-peng, HUANG Zi-xiang, WANG Dong-dong, ZUO Meng-kui. Mobile Collaborative Robotic Arm Pipeline All-position Welding Robot Based on Laser Vision Sensing[J]. Science Technology and Engineering, 2026, 26(19): 8019-8028 DOI:10.12404/j.issn.1671-1815.2507306

登录浏览全文

4963

注册一个新账户忘记密码

管道自动焊接设备凭借稳定的焊接质量与较高的焊接效率,在日益增多的各类管道铺设工程中得到广泛应用^[1]。当前,该设备仍存在功能单一、运动自由度不足、难以模拟高级焊工运条手法等问题,进而影响焊接质量。因此,对管道焊接设备进行优化升级,对提升管道自动焊接技术的性能具有重要意义^[2-3]。协作机械臂作为机器人领域的重要分支,已发展得愈发成熟,并广泛应用于各行各业^[4-5]。将其引入管道自动焊接设备中,可进一步提升设备的性能。

管道自动焊接设备近些年来得到了快速的发展,但协作机械臂鲜有应用于管道焊接领域。丹麦优傲机器人公司^[6]将协作机器人应用到焊接领域,配备了协作机器人UR10,并与SquareDog Robotics合作,研发了协作机器人SQD-Robo Welder,建立了“UR+焊接”的交互式系统。王帅等^[7]设计并实现了一套基于协作机器人的智能焊接系统。该系统整合了先进的协作机器人技术、自动化控制算法和人机交互设计,以提高焊接作业的智能化水平和生产效率。FANUC机器人^[8]针对薄钣金零部件手工焊接的难题,推出CRX激光焊接协作机器人,通过CRX-10iA协作机器人与手持激光加工枪的配合,可以有效地降低操作难度,提高焊接质量和稳定性。冯传智等^[9]设计了一套协作机械臂管道全位置焊接机器人,该系统结构紧凑,便携式模块化的设计理念为管道全位置焊接提供了一种新颖的技术手段。

针对当前协作机械臂受限于固定工位预制焊接作业^[10],难以应对管道工程中复杂多变的全位置焊接需求,提出一种基于移动底盘与6轴协作机械臂协同控制的研究方案。该方案利用移动底盘搭载协作机械臂沿柔性导轨圆周方向运动,并结合激光视觉传感等智能化技术,构建一套适应复杂工况的管道全位置焊接机器人系统。

1 系统结构

1.1 系统总体设计

该焊接系统包含工控机控制柜、协作机械臂、激光视觉传感器、手控盒、移动底盘及柔性导轨、数字焊接电源(包含送丝机、气体配比器),如图1所示。

激光视觉传感器负责实时检测焊缝尺寸,并实时反馈给主控单元,引导机械臂进行相应焊接操作。另外,通过机械臂末端轴旋转,可实现左、右舷双向焊接。手控盒主要负责在焊接前设备进行调试工作,且焊接过程中也可以对焊接设备进行微调。移动底盘负责带动协作机械臂在柔性轨道上进行圆周运动。数字焊接电源在主控单元的控制下,按照相应的焊接工艺需求,准确地调节焊接电流、电压等焊接关键参数。工控机作为主体控制单元,负责将协作机械臂与激光视觉传感器部分与移动底盘和数字化焊接电源进行协同控制,共同完成全位置焊接任务。

1.2 机械本体

基于激光视觉传感的移动协作机械臂管道全位置焊接机器人整体结构主要由激光视觉传感器、熔池监控相机、协作机械臂、夹持机构、移动焊接底盘、柔性导轨、快速连接板、焊枪等部分组成,机械本体三维结构如图2所示。

1.3 控制架构

控制系统采用多总线分布式架构,将各单元集成为一体。主控单元基于软PLC平台构建,作为主控制软件,支持IEC 61131-3编程标准。对外部设备进行扫描后,添加相应配置文件,并链接SDO与PDO,可通过EtherCAT协议与CANopen协议对本系统I/O设备进行通信。各控制平台间通过多线程数据融合机制实现焊接过程中的运动控制、数据传输与人机交互。具体方案如图3所示。

2 运动学建模与系统标定

2.1 系统建模

基于激光视觉传感的移动协作机械臂管道全位置焊接机器人共有7个旋转关节,其中,行走底盘作为绕管道圆周运动的轴,可视为一个转动关节;其余6轴则是协作机械臂的旋转轴,它们的正方向可以根据右手定则来确定,即为Z轴的正方向;完成运动轴分析后,完成焊接机器人坐标系系统建立,如图4所示。

根据焊接机器人的坐标系系统,并结合6轴协作机器人的结构尺寸,采用改进D-H参数(Denavit-Hartenberg参数)法^[11],建立基于协作机械臂的管道焊接机器人D-H参数表,如表1所示。

2.2 运动学分析与验证

连杆间广义齐次变换矩阵^[12]为

(1)$\begin{align*}{ }_i^{i-1} \boldsymbol{T} & ={ }_R^{i-1} \boldsymbol{T}_Q^R \boldsymbol{T}_P^Q \boldsymbol{T}_{i-1}^P \boldsymbol{T} \\& =\left[\begin{array}{cccc}\mathrm{c} \theta_i & -\mathrm{s} \theta_i & 0 & a_{i-1} \\\mathrm{~s} \theta_i \mathrm{c} a_{i-1} & \mathrm{c} \theta_i \mathrm{c} a_{i-1} & -\mathrm{s} a_{i-1} & -\mathrm{s} a_{i-1} d_i \\\mathrm{~s} \theta_i \mathrm{~s} a_{i-1} & \mathrm{c} \theta_i \mathrm{~s} a_{i-1} & \mathrm{c} a_{i-1} & \mathrm{c} a_{i-1} d_i \\0 & 0 & 0 & 1\end{array}\right] \tag{1}\end{align*}$

式(1)中

${:}_{\mathit{　}\mathit{i}}^{\mathit{i}-1}$

T为从连杆i坐标系到连杆i-1坐标系的齐次变换矩阵

${;}_{\mathit{　}\mathit{R}}^{\mathit{i}-1}$

T为从中间坐标系{R}到连杆i-1 坐标系的齐次变换矩阵

${;}_{\mathit{Q}}^{\mathit{R}}$

T为从中间坐标系{Q}到中间坐标系{R}的齐次变换矩阵

${;}_{\mathit{P}}^{\mathit{Q}}$

T为从中间坐标系{P}到中间坐标系{Q}的齐次变换矩阵

${;}_{\mathit{i}-1}^{\mathit{　}\mathit{P}}$

T为从连杆i-1坐标系到中间坐标系{P}的齐次变换矩阵;cθ为cosθ;sθ为sinθ;sα为sinα;cα为cosα。

由式(1)可求出相邻连杆之间的齐次变换矩阵,则基坐标到末端法兰中心的齐次变换矩阵为

(2)

$\begin{array}{l}{}_{\mathrm{E}}^{\mathrm{B}}\mathit{T}{=}_{6}^{0}\mathit{T}{=}_{1}^{0}{\mathit{T}}_{2}^{1}{\mathit{T}}_{3}^{2}{\mathit{T}}_{4}^{3}{\mathit{T}}_{5}^{4}{\mathit{T}}_{6}^{5}\mathit{T}\\ =\left[\begin{array}{llll}{\mathrm{m}}_{\mathrm{x}}& {\mathrm{r}}_{\mathrm{x}}& {\mathrm{k}}_{\mathrm{x}}& {\mathrm{p}}_{\mathrm{x}}\\ {\mathrm{m}}_{\mathrm{y}}& {\mathrm{r}}_{\mathrm{y}}& {\mathrm{k}}_{\mathrm{y}}& {\mathrm{p}}_{\mathrm{y}}\\ {\mathrm{m}}_{\mathrm{z}}& {\mathrm{r}}_{\mathrm{z}}& {\mathrm{k}}_{\mathrm{z}}& {\mathrm{p}}_{\mathrm{z}}\\ 0& 0& 0& 1\end{array}\right]\end{array}$

式(2)中

${:}_{\mathit{E}}^{\mathit{B}}$

T为机器人基坐标系{B}到法兰坐标系{E}的齐次变换矩阵

${;}_{6}^{0}$

T为从连杆6坐标系到连杆0坐标系的齐次变换矩阵;其余矩阵同理。

根据上述推导,利用MATLAB进行建模仿真,获得机械臂连杆模型图如图5所示。

通过观察,机器人整体高度为850.5 mm,与实际物理尺寸一致,且各轴转动方向与实际机器人一致,可认为建立的连杆模型是正确的。

2.3 TCP标定

机器人末端工具中心点( tool center point,TCP)标定是工业上常用标定方法,本系统采用六点法进行TCP标定。该方法基于“多点拟合”原理,通过使工具上的参考点以多种姿态逼近空间固定点,从而得出基坐标(base)到机械臂夹持工具末端中心点(tool)的姿态变换矩阵^[13]。

TCP标定的核心步骤可简化为位置标定与姿态标定。在位置标定环节,需控制机器人,让协作机械臂以4种不同姿态使焊枪末端与固定点重合,随后采用最小二乘法求解焊枪工具坐标系{T}的位置参数。对于姿态标定,则在第4种姿态的基础上,分别控制协作机械臂沿X轴与Z轴移动一定距离,形成第5、第6种姿态。利用3组标定点对应协作机械臂姿态不变的特性,通过右手定则确定焊枪工具坐标系{T}的X、Y、Z轴轴向向量,经正交化与单位化处理后即可得到姿态参数。

采集各点对应的各轴旋转角度如表2所示。

计算出焊枪工具坐标系{T}标定为

(3)

${}_{\mathit{T}}^{\mathit{E}}$

T=$\left[\begin{array}{ll}{}_{\mathit{T}}^{\mathit{E}}\mathit{R}& {}^{\mathit{E}}{\mathit{P}}_{\mathit{T}}\\ 0& 1\end{array}\right]$=$\left[\begin{array}{llll}-0.9013& 0.4127& 0.0047& -23.460\\ -0.4127& -0.9105& 0.0409& -57.771\\ 0.0098& 0.0405& 0.9991& 130.661\\ 0& 0& 0& 1\end{array}\right]$

式(3)中

${:}_{\mathit{T}}^{\mathit{E}}$

T为从工具坐标系到法兰坐标系的齐次变换矩阵

${;}_{\mathit{T}}^{\mathit{E}}$

R为工具坐标系相对于法兰坐标系的姿态;^EP_T为工具坐标系原点在法兰坐标系中的位置。

3 激光视觉焊缝跟踪系统

焊接机器人集成激光视觉传感器可大幅提升焊接精度与效率,已成为提高焊接装备智能化的重要技术手段^[14]。本系统选用线激光视觉传感器,采用“眼在手上”的安装方式。系统结合管道焊接特点,设计了焊缝寻位与焊缝跟踪两个阶段的工作流程,开发了“预处理-建模-补偿”的三级激光视觉跟踪算法框架。

3.1 视觉激光器夹持机构

激光视觉传感器在进行管道焊缝特征信息提取时,存在最佳安装距离与范围,且会受到金属反光等因素的干扰,影响提取精度。针对上述分析,对传感器夹持机构进行设计,如图6所示。

激光视觉传感器夹持机构安装于协作机械臂法兰另一侧,形成与焊枪的相对对称结构,且拥有两级调整机构,主要是高低调节与入射角调节,以此可适用于各管径管道,保证激光视觉传感器视野适配。另外,通过机械设计保证激光视觉传感器与焊枪保证在y轴水平面位置相对固定,以此简化坐标系转换。

3.2 焊缝信息提取

为精准提取焊缝特征信息,开发了焊缝寻位功能。焊接前,通过调整协作机械臂姿态,使焊枪处于初始焊接姿态。由于激光条超前于焊枪一段距离,开始寻位功能后,焊车将后退,带动激光条到焊枪初始位置,随后焊车将沿焊缝匀速前进,并进行焊缝信息提取过程,直至焊接终点,焊车自动返回焊接位置,完成寻位流程,并对焊缝进行建模,如图7所示。

3.3 数据预处理

激光视觉传感器采集的焊缝信息原始数据包括焊缝左边缘、右边缘、宽度、深度以及最低点等特征,因坡口加工、管道表面反光等因素,容易产生噪声,因此设计了多模态滤波策略,通过卡尔曼滤波、中值滤波与滑动窗口融合的两级数据预处理提升特征的稳定性。

3.3.1 焊缝中心特征处理

焊缝中心坐标是焊缝跟踪控制的核心特征量,采用焊缝左边缘与右边缘构建焊缝中心坐标,但受噪声影响,采集到的数值存在随机波动,因此采用卡尔曼滤波实现动态噪声的抑制^[15],通过递归估计最小化状态变量的均方误差。

考虑到焊缝中心轨迹近似于连续变化,因此确立简化状态方程为

(4)x_k=x_k_-1+w_k

式(4)中:x_k为第k时刻焊缝中心真实值;w_k为过程噪声。

激光传感器采集的焊缝中心坐标为观测值,观测方程定义为

(5)z_k=x_k+v_k

式(5)中:z_k为第k时刻观测值;v_k为观测噪声。

在滤波递推过程,基于前一时刻的状态进行估计,更新误差协方差为

(6)${\mathit{P}}_{\mathit{k}}^{-}$=P_k_-1+Q

式(6)中:

${\mathit{P}}_{\mathit{k}}^{-}$

为第k时刻预测误差协方差;P_k_-1为第k-1时刻更新后误差协方差;Q为过程噪声方差。

状态估计更新的核心是通过“观测残差”对先验状态进行修正,确保估计值逼近焊缝中心真实位置x_k^[16]。首先,权衡预测误差与观测噪声,计算卡尔曼增益为

(7)K_k=$\frac{{\mathit{P}}_{\mathit{k}}^{-}}{{\mathit{P}}_{\mathit{k}}^{-}+\mathit{R}}$

式(7)中:R为观测噪声方差。

随后进行状态估计更新,即

(8)${\hat{\mathrm{x}}}_{\mathrm{k}}$=${\hat{\mathrm{x}}}_{\mathit{k}-1}$+K_k(z_k-${\hat{\mathrm{x}}}_{\mathit{k}-1}$)

对误差协方差进行更新,即

(9)P_k=(1-K_k)${\mathit{P}}_{\mathit{k}}^{-}$

更新后的误差协方差P_k会作为下一帧预测阶段的初始先验协方差,为后续卡尔曼增益计算提供预测依据,实现自适应抗扰。

3.3.2 焊缝宽度、深度特征处理

为消除焊缝宽度、深度等特征信息在提取过程中的瞬时突变数据,采用固定长度的滑动窗口均值平滑算法^[17],通过局部数据平均化处理抑制孤立的干扰数据。

算法中,窗口在数据采集过程中实时滑动,每帧新数据覆盖窗口中最旧的数据。定义滑动窗口N=5,窗口内第k时刻的平滑后特征值

$\stackrel{-}{\mathit{f}}$

(k)为

(10)$\stackrel{-}{\mathit{f}}$(k)=$\frac{1}{\mathit{N}}\stackrel{\mathit{k}}{\sum _{\mathit{i}=\mathit{k}-\mathit{N}+1}}$f(i)

式(10)中:f(i)为第i时刻原始特征值。

在焊缝特征提取过程中,为避免因抖动、反射等因素产生无效数据而影响平滑效果,设定特征值有效范围,如焊缝宽度:0<w≤15 mm,深度0<h≤9 mm;如若超出此范围,数据将不参与窗口更新,沿用前一帧平滑结果,保证数据的连续性。

选用焊缝宽度为15 mm的窄间隙U形坡口焊缝作为测试对象,如表3、表4所示为随机选择的一段处理前与处理后的焊缝特征信息。如图8所示为整道焊缝处理前与处理后曲线对比。

3.4 焊缝轨迹拟合

焊接机器人采用骑坐式设计,导轨架设于焊缝一侧。以导轨为基准,会使得焊缝存在一定的斜率。针对此特性,系统采用了改进RANSAC算法^[18],并提出基于位置归一化的动态阈值策略,避免了传统RANSAC算法迭代效率低、对斜率约束不足的问题,可实现高效鲁棒拟合。

假设焊缝轨迹符合线性模型,即

(11)y=kx+b

式(11)中:x为移动底盘周向位置坐标,mm;y为焊缝中心相对机械臂基坐标系的x轴坐标,mm;k为轨迹斜率;b为截距。

算法从数据集D={(x_i,y_i)i=1,2,…,N}(有效点数为N>50)中鲁棒估计最优参数(k,b)。内点误差

$\left|{\mathit{y}}_{\mathit{i}}-(\mathit{k}{\mathit{x}}_{\mathit{i}}+\mathit{b})\right|$

≤T,其中T为阈值,服从(0,0.12)(σ=0.1为噪声标准差);外点为各因素导致的异常样本,无固定分布。

针对固定阈值易造成内点误判的问题,将移动底盘位置坐标x_i归一化至[0,1]区间,公式为

(12)x_i_,norm=$\frac{{\mathit{x}}_{\mathit{i}}-{\mathit{x}}_{\mathrm{m}\mathrm{i}\mathrm{n}}}{{\mathit{x}}_{\mathrm{m}\mathrm{a}\mathrm{x}}-{\mathit{x}}_{\mathrm{m}\mathrm{i}\mathrm{n}}}$

式(12)中:x_min和x_max分别为寻位区域的位置极值。

基于归一化位置设计自适应阈值为

(13)T(x_i_,norm)=0.3(1+0.5$\left|{\mathit{x}}_{\mathit{i},\mathrm{n}\mathrm{o}\mathrm{r}\mathrm{m}}-0.5\right|$)

式(13)中:0.3 mm为中心区域基准阈值;0.5为调节系数。

基于管道曲率与机械臂的运动范围,设定斜率合理范围,如

$\left|\mathit{k}\right|$

≤0.05,候选模型生成后,若不符合设定范围,直接舍弃,显著降低计算冗余。焊缝拟合直线如图9所示。

3.5 焊接过程实时跟踪与补偿

焊接阶段实时跟踪的核心是焊缝信息与调整量的匹配,系统构建了基于时间同步的机制,实现焊枪姿态与摆动参数的闭环调控。由于激光视觉传感器安装位置超前焊枪,且寻位速度与焊接速度一致,系统采用时间戳匹配关系,通过记录相对寻位时间与相对焊接时间,在焊接时,遍历二者时间关系,确保关联激光采集时刻与焊枪到达该位置的时刻,以此精准调用调节量。

在焊接过程中,系统需实现两维度的动态补偿。其一为摆动中心补偿,结合寻位拟合的轨迹斜率k、移动底盘速度v_car及摆动周期T,计算周期调节量δ=kv_carT,并通过左右舷方向修正系数γ(左舷1.0、右舷-1.0)适配焊接方向,实时修正焊缝中心偏差;激光反馈的z轴最低点变化量Δz_min动态调整焊枪z向位置,确保电弧长度稳定。同时,基于焊缝宽度变化量Δw计算摆宽调节量ΔW=

$\left|\mathrm{\Delta }\mathit{w}\right|$

/2,修正机械臂左右摆动点位坐标,保障熔宽均匀性。实际焊接中,该补偿机制可将焊枪对中误差控制在≤0.5 mm、高低位置误差≤0.2 mm,满足管道焊接精度要求。

4 全位置焊接工艺实验验证

4.1 典型应用场景与系统适应性分析

本系统“移动协作机械臂+激光视觉传感器”的架构适用于几类典型复杂工况,如海底管道焊接、热力管道焊接以及山地管道焊接等。

海底管道多采用高强度钢、厚壁的设计,需要完成全位置焊接作业,且其焊缝坡口易受海洋水汽腐蚀。激光视觉传感系统对此类点云噪声有较强的鲁棒性,可在此干扰下保证焊缝跟踪的稳定性;热力管道涵盖小口径支线与大口径主干管道,铺设于地下管廊或户外环境,通过激光视觉传感系统进行寻位与监控,机器人可精准抵达空间狭小的焊缝位置,在无人近身条件下完成焊接;山地管道铺设环境复杂,存在管道轴线空间曲线变化大、作业平台不平整、6G焊接等特点。本系统依托协作机械臂的多自由度运动能力,可实时调整焊枪角度,结合相应摆动工艺,保证不同坡向位置的熔池稳定与焊缝成型质量。焊接工况如图10所示。

4.2 焊接实验平台搭建

为验证此系统的性能,以海底管道全位置焊接为例,搭建实验平台进行实验。实验焊材为X65钢级HFW海管,管道外径为323 mm,壁厚为12 mm。选用实心焊丝,直径1.0 mm,且材质与焊接母材相匹配。使用二氧化碳与氩气混合气,比例1∶1。焊缝坡口为U形坡口,坡口角度为5°,钝边厚度为(2.4±0.2) mm,焊缝深度为12 mm。打底焊采用铜内衬单面焊背部强制成形技术,采用下向焊的分区焊接方式完成全位置焊接,实验环境如图11所示。

4.3 焊接工艺与实验过程

根据海底管道焊接工艺规范,采用下向焊的焊接方式,并以15°为单位,将管道左右半周各自划分为12个分区,依据分区与分层设置相应焊接工艺参数,初步确认填充1、填充2、填充3,以及盖面参数。完成焊接平台的搭建以及焊接工艺设定等操作后,进行管道全位置焊接操作,不同位置焊接过程如图12所示。

4.4 焊接实验结果

在海底管道全位置焊接实验中,机器人系统运行稳定,在激光视觉传感器引导下,焊缝成形良好,证明系统能够满足管道全位置焊接需求,填充层和盖面层的焊接效果如图13所示。

(1) 如图13(a)、图13(b)所示,填充1、2层焊缝成型良好,无咬边、未熔合缺陷。

(2) 如图13(c)所示,填充3层边缘一致性下降,主要原因是填充2层飞溅未彻底清理,干扰了激光传感器数据采集,导致跟踪与自适应摆动精度降低;同时熔敷金属下淌现象表明热输入偏高,需优化热平衡控制。

(3) 图13(d)表明盖面层侧壁熔合良好且无缺陷。

5 结论

针对现有管道全位置自动焊接设备在运动自由度、工况适应性以及智能化方面的局限,开发了一种基于激光视觉传感的移动协作机械臂管道全位置焊接机器人系统,并完成如下工作。

(1) 完成了基于柔性圆周导轨、行走驱动单元、6轴协作机械臂及激光视觉传感的7自由度管道全位置移动焊接机器人机械系统集成,机械系统结构紧凑,多自由度联动,提升了在管道全位置焊接中的焊枪多姿态调整能力。

(2) 软PLC实时内核的多任务异构控制系统架构合理,实现了多总线网络的集中控制。多软件平台ADS通信技术数据交换准确、实时性高,实现了移动底盘周向运动与协作机械臂姿态调整的系统控制。

(3) 提出了基于激光视觉传感的焊缝寻位与焊缝跟踪策略,采用“预处理-建模-补偿”三步策略,实现了焊接过程的精准跟踪。设计全位置焊接工艺数据库提升了系统的工艺适应性。

(4) 进行了管道全位置焊接实验,焊接实验结果表明:机器人系统运行稳定,在激光视觉传感系统引导下,焊缝成型良好,满足管道全位置自动焊接需求。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	许枫. 长输管道全位置自动焊接技术分析[J]. 中国石油和化工标准与质量, 2024, 44(17): 190-192.

[2]	Xu Feng. Analysis of all-position automatic welding technology for long-distance pipelines[J]. China Petroleum and Chemical Standard and Quality, 2024, 44(17): 190-192.

[3]	尹铁, 赵弘, 张倩. 长输油气管道焊接机器人的技术现状与发展趋势[J]. 石油科学通报, 2021, 6(1): 145-157.

[4]	Yin Tie, Zhao Hong, Zhang Qian. Technical status and development trends of welding robots for long-distance oil and gas pipelines[J]. Petroleum Science Bulletin, 2021, 6(1): 145-157.

[5]	曹永利, 黄福祥, 王勤. 我国长输管道焊接技术进展及发展方向[J]. 石油科技论坛, 2012, 31(1): 7-11, 68.

[6]	Cao Yongli, Huang Fuxiang, Wang Qin. Progress and development direction of welding technology for long-distance pipelines in China[J]. Petroleum Science and Technology Forum, 2012, 31(1): 7-11, 68.

[7]	2022中国工业机器人市场研究报告[J]. 机器人产业, 2022, 11(4): 83-95.

[8]	2022 China industrial robot market research report[J]. Robot Industry, 2022, 11(4): 83-95.

[9]	Weiss A, Wortmeier A K, Kubicek B. Cobots in industry 4. 0: a roadmap for future practice studieson human-robot collaboration[J]. IEEE Transactions on Human-Machine Systems, 2021, 51(4): 335-345.

[10]	优傲协作机器人. 优傲协作机器人突破户外焊接质量稳定性[J]. 现代制造, 2023, 44(6): 38-42.

[11]	Universal Robots. Universal robots breaks through stability of outdoor welding quality[J]. Modern Manufacturing, 2023, 44(6): 38-42.

[12]	王帅, 石敬宇, 董传阳, 等. 基于协作机器人的智能焊接系统设计[J]. 电焊机, 2025, 55(4): 34-39, 48.

[13]	Wang Shuai, Shi Jingyu, Dong Chuanyang, et al. Design of intelligent welding system based on collaborative robot[J]. Electric Welding Machine, 2025, 55(4): 34-39, 48.

[14]	秦建, 钟素娟, 程亚芳. 第20届德国埃森焊接与切割展览会-自动化设备[J]. 机械制造文摘(焊接分册), 2024(3): 28-38.

[15]	Qin Jian, Zhong Sujuan, Cheng Yafang. Automation equipment at the 20th essen welding and cutting exhibition in germany[J]. Mechanical Manufacturing Abstracts (Welding Volume), 2024 (3): 28-38.

[16]	冯传智, 罗雨, 许耀波, 等. 管道全位置焊接机器人结构设计与运动学分析[J]. 机电工程, 2024, 41(8): 1489-1499.

[17]	Feng Chuanzhi, Luo Yu, Xu Yaobo, et al. Structural design and kinematic analysis of all-position welding robot for pipelines[J]. Journal of Mechanical & Electrical Engineering, 2024, 41(8): 1489-1499.

[18]	Guo Q, Yang Z, Xu J, et al. Progress, challenges and trends on vision sensing technologies in automatic/intelligent robotic welding: State-of-the-art review[J]. Robotics and Computer-Integrated Manufacturing, 2024, 89: 102767.

[19]	隋明航, 李艳杰, 郎智明, 等. 巷道管道安装机器人结构设计与分析[J]. 科学技术与工程, 2025, 25(8): 3288-3295.

[20]	Sui Minghang, Li Yanjie, Lang Zhiming, et al. Structural design and analysis of roadway pipeline installation robot[J]. Science Technology and Engineering, 2025, 25(8): 3288-3295.

[21]	毛怡琳, 李悦, 魏铭辰. 六自由度垃圾分拣机器人正逆运动学分析及构建工作空间的研究[J]. 现代机械, 2023, 24(6): 55-59.

[22]	Mao Yilin, Li Yue, Wei Mingchen. Forward and inverse kinematic analysis and workspace construction of a 6-DOF garbage sorting robot[J]. Modern Machinery, 2023, 24(6): 55-59.

[23]	Min K, Ni F, Chen Z, et al. A unified calibration method for robot manipulators: hand-eye parameters, kinematic parameters and TCP position calibration[J]. Robotic Intelligence and Automation, 2024, 44(6): 897-909.

[24]	张弓, 脱帅华, 曹学鹏, 等. 焊接机器人焊缝跟踪技术的现状与发展趋势[J]. 科学技术与工程, 2021, 21(10): 3868-3876.

[25]	Zhang Gong, Tuo Shuaihua, Cao Xuepeng, et al. Current status and development trend of weld seam tracking technology for welding robots[J]. Science Technology and Engineering, 2021, 21(10): 3868-3876.

[26]	赵磊. 基于激光三维视觉传感的焊接机器人焊缝定位与跟踪研究[D]. 深圳: 深圳大学, 2023.

[27]	Zhao Lei. Research on weld seam positioning and tracking of welding robot based on laser 3D vision sensing[D]. Shenzhen: Shenzhen University, 2023.

[28]	李翰林, 江月明, 安腾飞, 等. 基于多传感器融合的污水管道机器人定位系统[J]. 科学技术与工程, 2025, 25(26): 11252-11259.

[29]	Li Hanlin, Jiang Yueming, An Tengfei, et al. Positioning system of sewage pipeline robot based on multi-sensor fusion[J]. Science Technology and Engineering, 2025, 25(26): 11252-11259.

[30]	白硕, 李哲林, 袁鑫, 等. 基于线激光传感的多层多道焊缝几何特征检测[J/OL]. (2025-09-22)[2025-10-19]. https://link.cnki.net/urlid/23.1174.TG.20250919.1710.002.

[31]	Bai Shuo, Li Zhelin, Yuan Xin, et al. Detection of geometric features of multi-layer multi-pass welds based on line laser sensing[J/OL]. (2025-09-22)[2025-10-19]. https://link.cnki.net/urlid/23.1174.TG.20250919.1710.002.

[32]	张旺, 贾伟行, 王文辉, 等. 基于单目结构光和RANSAC算法的角焊缝识别[J]. 焊接, 2025(7): 18-24.

[33]	Zhang Wang, Jia Weihang, Wang Wenhui, et al. Fillet weld recognition based on monocular structured light and RANSAC algorithm[J]. Welding & Joining, 2025(7): 18-24.

基金资助

国家自然科学基金(51305037)

国家自然科学基金(52175286)

PDF (15182KB)

访问

被引

详细

导航

Received	Published	Revised
2025-10-19	2026-07-08	2026-01-19
Online Date
2026-08-06

摘要