1. 引言

　　隨著先進制造技術的發(fā)展，實現焊接產品制造的自動化、柔性化與智能化已成為必然趨勢[1-8]。目前，采用機器人焊接已成為焊接自動化技術現代化的主要標志。焊接機器人由于具有通用性強、工作可靠的優(yōu)點，受到人們越來越多的重視。在焊接生產中采用機器人技術，可以提高生產率、改善勞動條件、穩(wěn)定和保證焊接質量、實現小批量產品的焊接自動化[9]。

　　從60年代誕生和發(fā)展到現在，焊接機器人的研究經歷了三個階段，即示教再現階段、離線編程階段和自主編程階段。隨著計算機控制技術的不斷進步，使焊接機器人由單一的單機示教再現型向多傳感、智能化的柔性加工單元（系統）方向發(fā)展，實現由第二代向第三代的過渡將成為焊接機器人追求的目標[9,10]。

　　目前，國內外大量應用弧焊機器人系統從整體上看基本都屬于第一代或準二代的焊接由于焊接路徑和焊接參數是根據實際作業(yè)條件預先設置的，在焊接時缺少外部信息傳感和實時調整控制功能，這類弧焊機器人對焊接作業(yè)條件的穩(wěn)定性要求嚴格，焊接時缺乏“柔性”，表現出明顯的缺點。在實際弧焊過程中，焊接條件是經常變化的，如加工和裝配上的誤差會造成焊縫位置和尺寸的變化，焊接過程中工件受熱及散熱條件改變會造成焊道變形和熔透不均[9,12]。為了克服機器人焊接過程中各種不確定性因素對焊接質量的影響，提高機器人作業(yè)的智能化水平和工作的可靠性，要求弧焊機器人系統不僅能實現空間焊縫的自動實時跟蹤，而且還能實現焊接參數的在線調整和焊縫質量的實時控制。

2. 機器人焊接智能化技術的主要構成

　　現代焊接技術具有典型的多學科交叉融合特點[5,11]，采用機器人焊接則是相關學科技術成果的集中體現。將智能化技術引入焊接機器人所涉及的主要技術構成可見圖1 所示。其中包括：

1）焊接機器人對于焊接任務的自主規(guī)劃技術；

2）焊接機器人的運動軌跡控制技術；

3）焊接動態(tài)過程的信息傳感、建模與智能控制技術；

4）機器人焊接系統的集成與控制，將上述焊接任務規(guī)劃、軌跡跟蹤控制、傳感系統、過程模型、智能控制等子系統的軟硬件集成設計、統一優(yōu)化調度與控制，涉及焊接柔性制造系統的物料流、信息流的管理與控制，多機器人與傳感器、控制器的多智能單元與復雜系統的控制等。

下面對以上相關方面的主要技術研究與發(fā)展現狀分別作簡要敘述。

3. 機器人焊接任務自主規(guī)劃技術[13-16]

　　如前所述，國內外弧焊機器人多屬示教--再現型，它無法滿足焊接生產日益復雜的需要，還存在許多問題有待研究。有關弧焊機器人的研究逐步向自主化過渡，出現了弧焊機器人的離線編程技術，一個較為完整的弧焊機器人離線編程系統應包括焊接作業(yè)任務描述(語言編程或圖形仿真)、操作手級路徑規(guī)劃、運動學和動力學算法及優(yōu)化、針對焊接作業(yè)任務的關節(jié)級規(guī)劃、規(guī)劃結果動畫仿真、規(guī)劃結果離線修正、與機器人的通訊接口(downloading)、利用傳感器自主規(guī)劃路徑及進行在線路徑修正等幾大部分組成。其關鍵技術通常包括視覺傳感器的設計以及焊縫信息的獲取問題、規(guī)劃控制器的設計問題。

　　在1987年的自動化及機器人焊接國際會議上，專家對離線編程的發(fā)展進行了總結，其中最有代表性的工作是WRAPS系統。K.H.Goh等人在一個焊接工作站FANUC/WESTWOOD上建立了基于專家系統的焊接機器人自適應離線編程和控制系統—WRAPS，它包括焊接數據庫、離線編程、計算機仿真和焊接專家系統。它還配有視覺傳感器進行焊前接頭檢測和焊后缺陷檢測，從而構成了一個完整的專家焊接機器人系統。

　　國內哈工大研究人員對焊接機器人的無碰路徑規(guī)劃、具有冗余度弧焊機器人自主規(guī)劃以及焊接工藝參數聯合規(guī)劃問題的研究工作[14-16]，設計開發(fā)了離線規(guī)劃與仿真系統模塊結構如圖2所示。

圖2 離線規(guī)劃及仿真系統的結構

　　弧焊機器人規(guī)劃系統都包含了CAD輸入系統、焊接專家系統、自主規(guī)劃系統以及模擬仿真系統等。從更廣泛的意義上講，一個更完善的弧焊機器人規(guī)劃系統應該還包括反饋控制系統、焊前傳感系統以及焊后檢測系統。

4．機器人焊接的焊縫跟蹤與導引技術

　　就機器人焊接作業(yè)而言，焊接機器人的運動軌跡控制主要指初始焊位導引與焊縫跟蹤控制技術。在弧焊機器人的各種應用領域，適應能力都是影響焊接質量和焊接效率的最重要因素�；『笝C器人的適應能力即采用從焊接工件檢測到的傳感器的輸入信號實時控制和修正機器人的操作，以適應變化了的焊接條件和環(huán)境。

　　瑞典和美國公司曾先后研制出激光掃描和結構光視覺傳感器用于焊縫跟蹤系統。國內哈工大的呂偉新、張炯博士研制了基于激光掃描和高性能線陣CCD敏感器的視覺系統，見圖4，實現實時視覺控制[13]。

　　在初始焊位機器人視覺導引技術研究方面，呂偉新博士基于激光掃描視覺系統，設計了局部搜索算法，實現了對一定工件焊縫特征在一定范圍的自主導引[13]。郭振民和李金泉分別采用視覺伺服和圖象識別技術探討了機器人焊接初始焊位導引和焊縫識別與實時跟蹤問題。

5．焊接熔池動態(tài)過程的視覺傳感、建模與智能控制技術

　　機器人焊接的高質量關鍵在于實現對于焊接動態(tài)過程的有效精確的控制。由于焊接過程的復雜性，實踐表明經典的控制方法有效性受到較大的限制。受熟練焊工操作技藝的啟發(fā)，近年來，模擬焊工操作的智能控制方法已被引入焊接動態(tài)過程，主要涉及熔池動態(tài)視過程的視覺傳感、建模與智能控制。

5．1 焊接過程的傳感技術

　　焊接過程的傳感，是實現焊接過程質量控制的關鍵環(huán)節(jié)。未來焊接發(fā)展的趨勢是焊接自動化、機器人化及智能化，而傳感技術是這一發(fā)展中最重要的部分。焊接傳感器按其使用目的可分為測量和檢測操作環(huán)境、檢測和監(jiān)控焊接過程兩大類。在傳感原理方面，主要分為聲學、力學、電弧、光學傳感等。

　　聲學傳感器主要用于GMAW過程熔滴過渡的檢測、等離子穿孔焊等。力學傳感主要指近年來發(fā)展起來的熔池振蕩法。電弧傳感器由于直接檢測電弧自身的特性(電流，弧壓)，不需要外加傳感器以及外加傳感器所需的保護和去噪裝置，使應用變得簡單。目前的應用領域主要是焊縫跟蹤和熔敷控制。與其它傳感方法相比，光學傳感器不與焊接回路接觸，信號的檢測不影響正常焊接過程，是將來最有發(fā)展前景的傳感技術之一。利用焊接區(qū)的紅外熱輻射傳感焊接過程信息是光學傳感中一種自成體系的方法，這方面的研究成果也較多[16]。

5．2焊接熔池的視覺傳感

　　對于焊接過程，直接視覺是一種最好的非接觸式傳感形式。直接視覺傳感技術的主要優(yōu)點是不接觸工件，不干擾正常的焊接過程，獲取的信息量大，通用性強。并且由于它可以得到焊接過程動態(tài)熔池的二維或三維信息，與其它焊接過程信息檢測方法相比，這種方法檢測到的熔池信息直接反映焊接過程熔化金屬的動態(tài)行為，更適合焊接過程的質量控制。

　　直接視覺傳感在焊接中的應用包括離線確定被焊工件的位置；在線補償由于固定精度、機器人各部分的容差、焊接過程中的焊件變形引起的焊接路徑偏差；焊接過程控制中的焊接接頭和熔池幾何形狀的實時傳感；熔滴過渡形式的監(jiān)測等。

　　近年來，隨著計算機視覺技術的發(fā)展，利用機器視覺正面直接觀察焊接熔池，通過圖象處理獲取熔池的幾何形狀信息對焊接質量進行閉環(huán)控制，已成為重要的研究方向[17-21]。根據視覺檢測系統中成像光源是輔助光源還是焊接區(qū)自身產生的光源，直接視覺檢測系統可分為主動式和被動式兩大類。

（1）主動式直接視覺傳感

　　為了減小弧光對圖象質量的影響，主動式直接視覺檢測方法采用激光等輔助光源對焊接區(qū)進行人工照明，以提高圖象的質量。由于激光具有單波長，方向性好，相干性好等特點，所以采用激光作為輔助光源可以獲得較清晰的圖象。主動視覺由于其所需設備較為昂貴，系統較為復雜，常常限制了其應用推廣。這里不作詳細介紹�？梢娢腫14，15]的參考文獻。

（2）被動式直接視覺傳感

　　目前作為焊接過程視覺圖象傳感的一種實用技術，研究較多的是不另加輔助光源，而是利用弧光本身照明焊接區(qū)，即被動式直接視覺檢測方法。

　　對被動式直接視覺傳感較為深入的研究起步于八十年代中期，國內外研究工作者曾直接利用電弧光照射熔池前方的工件間隙獲取焊接區(qū)焊縫信息，根據熔池前方不同遠近處電弧光強度的閃爍來實現焊接過程中的焊縫跟蹤；利用帶有CCD攝像機的微型計算機控制系統對脈沖MIG/MAG焊熔池行為進行了觀察和控制的研究；美國Ohio大學開發(fā)了一套放置在焊炬內部與電極同軸觀測焊接熔池的集成化視覺傳感系統，在TIG焊熔池觀察和MIG焊焊縫跟蹤等方面進行了初步的研究。

　　文獻[19]設計了熔池正反兩面視覺圖象同時同幅傳感系統圖3，獲得了脈沖GTAW熔池正反兩面的清晰圖象圖4，并對圖象二維特征尺寸提取進行了較深入的研究。

　　文獻[21]在上述系統的基礎上，獲取了脈沖GTAW填絲熔池圖象圖5。并對圖象進行了三維形狀特征恢復的處理算法研究。文獻[19-21]的結果可以認為是近期計算機視覺傳感技術在焊接熔池動態(tài)過程中的較為系統和成功應用研究工作。

5.3 焊接熔池動態(tài)過程的建模

　　由于焊接熔池動態(tài)過程的非線性、不確定性、時變性和強耦合性，采用傳統的過程建模方法建立的數學模型不可能作為有效的可控模型，這也是長期以來焊接過程控制成為困擾著焊接界和控制界的一大難題的主要原因。

目前認為， 對焊接熔池動態(tài)過程的建模方法一般有如下幾種：

(1)基于對焊接熔池金屬熱傳導理論推導的解析數學模型，這種模型一般是由若干偏微分方程組描述，與實際過程偏差較大，最主要的問題是難以用于焊接過程控制系統設計。一般只用于焊接熱過程的數值模擬與分析；

(2)采用經典或現代控制理論的系統辨識方法獲得的數學模型，如傳遞函數、差分方程等形式。一般可用于限定范圍的焊接過程實時控制；

(3)基于神經網絡逼近理論的人工神經網絡建模方法獲得焊接過程的神經網絡模型，這種建模方法對過程的知識要求較少，通常只根據過程的輸入輸出數據就可以進行網絡模型的學習，得到的模型便于系統的在線學習與控制；

(4)基于模糊集合、粗糙集合理論的知識建模方法，這種方法可以借助于焊工經驗，也可以直接基于實驗數據測量的處理提取知識規(guī)律，給出以人類知識形式描述的模型，有助于對焊接過程變化規(guī)律的理解和智能系統的應用。

文獻[22]對脈沖GTAW熔池動態(tài)過程傳統數學模型進行了辨識與分析。文獻[20]對脈沖GTAW熔池動態(tài)過程進行了模糊邏輯和神經網絡的建模方法研究，給出了相應的模型如圖 所示，并驗證了模型用于過程實時控制的有效性。

1）脈沖GTAW對接過程模糊控制規(guī)則的提取[20]： 模糊控制規(guī)則是模糊控制系統設計的基礎.控制對象模糊控制規(guī)則的提取屬于模糊系統辨識問題，文[20]采用C-均值動態(tài)聚類算法來提取脈沖GTAW對接過程模糊控制規(guī)則。選取脈沖GTAW對接過程的被控變量為熔池反面最大熔寬 ，控制量為脈沖占空比 ，根據過程動態(tài)實驗結果[20]，采用C-均值動態(tài)聚類方法提取模糊控制規(guī)則如表1：

2）脈沖GTAW熔池背面熔寬神經網絡模型BNNM[19]，其輸入向量包括當前時刻熔池正面最大熔寬Wfmax(t)和最大半長Lfmax(t)以及工藝參數等17個輸入參數，模型的輸出為熔池反面最大寬度Wbmax(t)。確定BNNM模型的隱含層處理單元個數為24。所得的BNNM模型結構如圖6所示，圖7是訓練樣本的期望輸出值與BNNM模型輸出值的對比曲線，模型輸出的 的平均相對誤差為4.25%，均方誤差為3.04%，模型滿足精度要求。

 
圖7 BNNM模型檢驗結果

5．4 焊接動態(tài)過程的智能控制

　　由于焊接過程是一個多參數相互耦合的時變的非線性系統，影響焊縫成形質量的因素眾多，并帶有顯著的隨機性，很難用精確的數學模型來描述，這使得已往的一些線性控制方法，在不同程度上存在適應性差、對經驗依賴性大等缺點。因此，在焊接過程控制中引入了智能控制方法是非常適合的途徑。已有采用專家系統、模糊控制和神經網絡控制的方法。

　　專家系統利用被控對象領域的專業(yè)知識和經驗，采用人工智能專家系統的知識表示及推理技術得出控制動作。

　　模糊控制是智能控制的較早形式，它吸取了人的思維具有模糊性的特點，使用模糊數學中的隸屬函數、模糊關系、模糊推理和決策等工具得出控制動作。

　　神經網絡控制是研究和利用人腦的某些結構和機理以及人的知識和經驗對系統控制。它是神經網絡作為人工智能的一種途徑在控制領域的滲透。隨著模式識別的自組織能力和映射以及決策能力的日益增強，神經網絡用于智能控制設計和實現表現出巨大的潛在優(yōu)勢。

　　從80年代中期國外開始研究模糊控制在焊接中的應用，曾有研究人員應用自組織模糊控制的方法進行了MIG焊焊縫跟蹤的研究；利用視覺傳感器傳感熔池信息，采用Fuzzy控制方法控制脈沖MIG焊的熔寬；利用模糊控制進行了弧焊機器人的參數規(guī)劃工作；對脈沖熔化極氣體保護焊焊接過程中的電弧電壓參數進行模糊控制以及對CO2焊接工藝參數的模糊控制過程進行的研究等。

　　人工神經網絡(ANN)控制是研究和利用人腦的某些結構和機理以及人的知識和經驗對系統的控制。由于用神經網絡設計的控制系統適應性、魯棒性均較好，能處理象焊接這樣的高維數、非線性、強干擾、不確定、難建模的復雜過程的控制問題，所以在焊接質量控制中采用神經網絡建立焊接過程模型可以解決線性控制方法所不能克服的問題。這樣建立的模型不同于已往固定結構的數學模型，不對焊接過程作任何假設，因此所建模型能較真實的反映系統特性。

　　ANN應用于焊接領域已經取得了一些成果，曾有對低碳鋼進行GTAW工藝實驗，實驗值與期望值達到良好吻合；采用ANN建立了TIG焊熔池尺寸估測系統，在其設計的神經網絡估測器中導出了焊接區(qū)表面溫度與焊接熔池尺寸之間的關系，可對焊接過程中的正面熔寬、背面熔寬、熔深進行同步預測的研究；另外神經網絡在焊縫跟蹤和焊接區(qū)圖象處理等方面也得到了應用。進入九十年代以來，國內焊接界這方面的研究也逐步興起，已有對基于ANN技術的焊接質量控制進行了研究，針對GTAW工藝建立的焊接過程的靜態(tài)模型和動態(tài)模型，實現了對GTAW焊接過程散熱條件急劇變化情況下對正面熔寬的智能控制。

　　文獻[19-20]基于神經網絡的學習適應的特點，設計了單個神經元自學習控制系統，實現了對于脈沖GTAW堆焊熔池動態(tài)特征的有效控制；設計了神經網絡自學習和專家系統相結合的多變量智能控制系統圖8，實現了對于脈沖GTAW對接熔池正反面熔寬動態(tài)變化的有效控制；文獻[21]設計模糊神經網絡自適應智能控制系統圖9，實現了對于脈沖GTAW對接填絲熔池正反面熔寬以及正面焊縫余高的有效控制；設計模糊神經網絡自適應智能控制系統，實現了對于脈沖GTAW對接填絲熔池正反面熔寬以及正面焊縫余高的有效控制；

6．智能化機器人焊接柔性制造單元/系統

　　弧焊機器人柔性加工單元系統集成及優(yōu)化技術研究主要目的是將焊接質量實時控制與機器人技術結合起來，研究實現具有冗余自由度的弧焊機器人運動控制系統及相應的船形焊位姿協調控制技術；同時將高精度激光掃描焊縫跟蹤、熔透及焊縫成形智能控制、機器人焊接電源等子系統通過網絡集成為具有實時傳感、通訊、調度功能的弧焊機器人柔性加工單元，研究在中央監(jiān)控計算機控制下的多品種小批量柔性焊接加工系統的優(yōu)化模型及控制策略，實現對空間曲線焊縫機器人焊接的質量智能控制。

　　根據焊接環(huán)境與過程傳感器信息獲取、特征提取、決策控制、工藝過程實施的特點，可將機器人焊接智能化技術系統的三級交互式分層結構——即組織級、協調級和執(zhí)行級：

　　在對柔性制造系統中基于實時專家系統環(huán)境進行的程序控制和通訊進行了研究的基礎上，對弧焊機器人系統基于知識的控制進行了研究，提出了建模、焊接規(guī)劃、程序生成及通訊四個模塊。

　　一般地，按照生產過程中物質流（或能量流）連續(xù)或離散的不同形態(tài)，可將制造系統分為三類：連續(xù)型、離散型、混雜型。焊接柔性制造單元/系統（Welding Flexible Manufacturing Cell / System）在宏觀上具有離散性，在微觀上具有連續(xù)性。由于微觀連續(xù)焊接過程的控制已取得較多的成果，因而從適應小批量、多品種的焊接產品出發(fā)，研究大系統的離散生產過程，對于提高焊接柔性制造系統的利用率及提高焊接產品質量具有重要的意義。

　　離散事件動態(tài)系統與Petri網（PN）理論建模與控制已成為現代制造系統設計理論的重要的研究方向[25]。

　　文獻[23-24]結合柔性制造系統離散控制理論，對具有多傳感信息的焊接柔性加工單元的組建、集成及實時調度控制技術進行系統化研究。設計開發(fā)了一套完整的九自由度弧焊機器人運動控制系統，在開放結構系統設計思想指導下，實現了空間焊縫協調控制和焊接柔性加工單元（WFMC）的集成調度。將工件初始定位空間導引技術、激光掃描焊縫實時跟蹤技術、熔透及焊縫成形智能控制技術、九自由度弧焊機器人系統控制技術及焊接機器人專用電源技術結合起來，研究了焊接柔性加工系統集成方法及通訊控制的實現，建立了一套完整的、具有多傳感控制功能的焊接柔性加工單元系統及相應中央監(jiān)控軟件平臺圖10。
 
圖10 智能化弧焊機器人WFMC信息系統分級遞階結構

　　根據焊接柔性加工單元具有控制過程的實時性、突發(fā)性、同步性及離散性等特點，文獻[23-24]采用離散事件動態(tài)理論對其進行分析研究，結合WFMC傳感及控制信息流的特點，將Petri網理論引入到焊接加工過程中，系統地探討了單元信息流建模及控制方法，同時對Petri網模型的理論特性進行了分析，在此基礎上研究了焊接柔性加工單元中央監(jiān)控系統優(yōu)化調度的實現。

7．結束語

　　焊接柔性制造系統包括各種機器人（焊接機器人、搬運機器人等）、各種工裝設備和各種生產資源，它們是分布式人工智能（DAI）中的多智能體系統（MAS）典型代表。在焊接柔性制造系統中，不同功能結點上的局部推理和決策非常重要，所以，在這些結點上引入Agent的概念，利用多個Agent間的相互協調來達到實際生產設備或生產任務間的協調是很有意義的。在焊接柔性制造系統中，將機器人、變位機、傳感器、協調器等單元視為系統中協調工作的多智能體，研究在網絡環(huán)境中分散的、松散耦合的，在地理上或邏輯上分散的并且具有相對獨立性的智能子系統之間通過網絡彼此互連，共享資源，相互協作，共同完成一個或多個控制作業(yè)任務的技術，從而實現焊接柔性制造系統智能協調控制是有意義的發(fā)展方向[26]。