文 献 综 述
1.1 研究背景
目前焊接行业多采用人工焊接，焊接产生的有害物质严重影响焊接工人的健康，并且焊接操作对工人的技能水平要求高。尤其是针对关键结构的焊接，如果操作不当有可能导致工件报废甚至产生安全隐患。在这种情况下我们急需一种可以用弧焊机器人替代人力的自动化智能化的机器人焊接方法。而机器人焊接也存在问题：焊接过程中，工件焊缝的实际位置可能产生较大偏差，热变形较大等也会对焊缝位置产生影响。在中厚钢板的焊接过程中，随着焊接层数的增加，焊缝边缘的特征也会随之变化。坡口实际情况与预计的状态相差越来越大，而目前的焊接机器人无法对这种变化及时做出相应的对策。并且当焊接进行到一定程度时，预先设定的焊接工艺和焊接轨迹就不再适应当前工件的实际焊接状态，导致焊接无法继续进行。因此我们对焊接机器人提出了更高的要求，开发一种可以对多层的坡口特征进行实时跟踪焊接、调整工艺参数和焊接轨迹的智能化、自动化机器人焊接系统十分迫切和重要。
1.2 国内外研究现状
1.2.1 焊接机器人视觉发展现状
焊接机器人的视觉控制研究技术是先对焊接区域图像进行采集，图像被快速的进行处理接着提取出图像的有用信息，通过数据计算与识别，结合机器人的逆运动学可解得到机器人各位置的相应坐标值，然后再控制焊枪顶端移动到期望的位置并进行焊接。视觉引导最重要一点是视觉的识别，机器人视觉包括被动视觉与主动视觉两种方式[1]。主动视觉的传感是非接触的方式进行的，它借助激光扫描与结构光等辅助光源强化要采集的图像目标信息，当焊接作业进行时也不会影响视觉技术对焊缝信息的采集，所以能获取大量的信息是主动视觉的优点，也具有强的抗干扰能力[2]。但一旦设计进去辅助光源就会造成结构复杂，从而增加系统成本。被动视觉则不须要借助外部特殊光源，只需要在自然光照条件下就可以采集图像的大量特征信息，怕受噪声的干扰是被动视觉的缺陷，尤其是在焊接等恶劣的工作环境中，电弧光、飞溅等噪声的干扰会对我们视觉特征区域的采集有很大的影响，怎样避免那么多噪声干扰变为目前被动视觉的一个研究热点[3]。十九世纪，外国就开始了把视觉传感器与机器人结合起来的研究，七十年代得到快速的发展。二十世纪八十年代，随着 DSP、CPU 等图像处理硬件迅速的发展，伴随着视觉控制技术也得到了急速的发展[4]。到现在视觉控制技术在外国已经发展得非常成熟，绝大部分视觉市场已经被占领。
在国内视觉发展过程中，80 年代慢慢出现了搞视觉处理的热潮，到 90 年代之后视觉技术已经得到急速的发展，步入二十一世纪，尤其是最近几年机器人视觉的发展出现加速的趋势，中国制造 2025 制定之后，制造业逐步实现自动化与智能化成为社会发展的大的趋势，这趋势推动了动国内视觉控制研究进一步发展[5]。通过国内外专家学者这么多年不断的研究和探索，机器人视觉在理论上己经相当成熟。然而在实际的环境应用中仍然有很多问题都没有解决[6]。例如怎么在那么多的图像信息中迅速捕获想要的目标的信息；怎么让他在实际运行时更具有实时性、使视觉伺服系统更加稳定性，通过不断的深入研究，视觉伺服理论的研究推动了高速的图像处理、视觉算法、机器人的实时控制系统研发[7]，从而具有很高的实际意义与理论基础。
1.2.2 焊接机器人的轨迹规划研究现状
焊接机器人轨迹是表示末端焊枪中心点的行走轨迹，机器人的轨迹规划大多是对焊枪位姿与姿态进行规划，先示教之后再现的工作模式对非常规的焊接工件来说其效率就大大将低，这样就难以保证较好的理想焊接位姿[8]。自主轨迹纠偏能较好的改善这一尖锐的问题，提高机器人焊接的质量与效率。
Dinham M 等人想出了 2D 单应性矩阵与模板匹配结合的焊缝辨别的鲁棒性办法，通过该方法的辅助，焊件的焊缝的识别与轨迹规划的焊缝检测可以获得plusmn;1mm 的精度[9]。West C 用自然光作为视觉光源，在焊接机器人的末端执行器部位安装两个摄像机，把焊缝在小范围域内近似看作直线，采用双目立体视觉把特征信息进行三维重建，使用人工神经网络的算法来加大三维重建的精度，可以实现平面曲线型焊缝与直线型机器人的轨迹的规划[10-11]。
