一種汽車零配件生產線系統集成方案概述

吳文俊，孫洋，魏武，夏蕾，陳曉斌，陳小建，方鋒

一種汽車零配件生產線系統集成方案概述

吳文俊，孫洋，魏武，夏蕾，陳曉斌，陳小建，方鋒

（琦星智能科技股份有限公司，浙江 臺州 317600）

由工業機器人組成的現代生產線系統越來越普遍，針對個性化應用現場，傳統工業機器人難以滿足小批量、多樣化、生產柔性和智能化等諸多個性細節的要求。介紹了一種靈活的、適用于多種應用環境的工業機器人的二次開發方案，其能夠具體應用于汽車零配件生產線。

汽車零配件；工業機器人；生產線；智能生產

工業機器人應用已經在現代自動化生產中扮演越來越重要的角色[1]，隨著生產流程越來越復雜，傳統的普通機器人系統無法滿足生產制造業小批量、多樣化、生產柔性和智能化等諸多個性細節的要求。在實際的系統集成應用中，需要對傳統機器人進行二次開發，以滿足不同應用現場的個性化要求。具體的個性化應用要求一般包括簡單的示教流程、靈活應對復雜環境和高安全性。本文介紹一種基于傳統機器人的應用二次開發方案，解決汽車零配件生產線的機加工生產過程中前序加工后物料堆疊規整性不足、難以通過常規定位手段確定機器人初始抓取位姿的問題。

1 機器人系統二次優化

1.1 友好的人機界面簡化示教流程

傳統的機器人示教主要是手動在線試教和離線試教，該類示教都是基于特定的機器人編程語言實現的，機器人操作者需要有一定的編程基礎，這極大地增加了機器人應用推廣的難度。本方案開發的人機友好的“菜單式”示教系統，研究視角系統軟件在PC、PAD、智能手機等平臺通用，使用后可因地制宜部署機器人。結合協作機器人的特性，研究拖拽試教、跟隨示教等多種方式的實現技術，讓用戶能夠通過簡單的拖拽或視覺跟隨就可以完成示教過程，以降低機器人使用的門檻，提高機器人部署的速度。此項技術的實現需要三維仿真和逆向在線技術的支持。通過轉換程序，將AutoCAD、3DS/3DMAX等3D圖形設計軟件制作的DXF和3DS模型文件轉換成OpenGL的頂點數組，結合OpenGL技術實現多軸機器人的三維仿真，這樣就能夠在離線的情況下對機器人進行示教編程[2]。

1.2 基于機器人動態力反饋的人機協作安全技術

機器人的安全始終是最重要的環境，傳統的機器人都采用攔、堵、隔的方式，讓人與機器人保持一定的安全距離。針對人員密集型生產線人機交互頻繁、難以獨立設置機器人工作空間的問題，本方案依據運動軌跡和負載狀態預測機械臂動力學狀態的方法，繼而通過在機器人中設置三軸加速度傳感器，結合高精度電機電流傳感器，研究傳感信息融合機理，建立機器人動力學狀態同傳感信息的映射模型，實現對機器人各工作臂的動力學狀態的實時監控，進而實現當機器人與人體發生接觸等意外狀況時，依據工作臂異常動力學狀態，及時控制機械臂執行安全動作，保證人員的安全。

1.3 機器人路徑規劃與軌跡生成技術

引入基于人工勢場法的相關理論，在機器人工作環境中引入目標引力和障礙物排斥力的思想策略，形成具有自適應的目標引力。基于快速擴展隨機樹（RRT）的路徑規劃算法，通過對狀態空間中的采樣點進行碰撞檢測，避免對空間的建模，有效解決高維空間和復雜約束的路徑規劃問題。該方法的特點是能夠快速、有效地搜索高維空間，通過狀態空間的隨機采樣點，把搜索導向空白區域，從而尋找到一條從起始點到目標點的規劃路徑，適合解決多自由度機器人在復雜環境下和動態環境中的路徑規劃。通過以上兩種方式，即首先根據機器人所處的環境空間和障礙物空間位姿構建人工勢場，然后在雙向RRT算法在擴展新節點時，通過周圍環境有無障礙物形成引力勢場來控制隨機樹的生長方向，最終引導新節點朝著目標點方向擴展生長，并有效避開障礙物。這樣可以大幅度提高機器人軌跡生成的效率。機器人路徑規劃和軌跡生成技術方案如圖1所示。

圖1 機器人路徑規劃和軌跡生成技術方案

2 三維機器視覺和深度學習方法的無序零件快速識別

針對生產現場的零件經常處于無序堆疊的狀態與機器人抓取必須具備準確位姿的矛盾，采用三維機器視覺和人工智能技術，在三維空間中識別目標物體，利用實時信息來規劃機器人運動路線，以支持在線運功規劃和控制。使用雙目或深度相機為載體，利用開源點云運算庫（Point Cloud Library）中的平面分割、歐式聚類、ICP點云匹配等算法，實現三維空間物體的快速、準確定位。以Alexnet、Googlenet等開源卷積神經網絡為基礎，研究針對特定物體的深度學習方法[3]。結合支持向量機等智能分類算法，提出針對特定物體的快速定位技術。機器人目標物視覺識別與位姿計算方案如圖2所示。

圖2 機器人目標物視覺識別與位姿計算方案

3 智能工業機器人工程化應用

針對典型汽車零配件機加工生產過程中前序加工后物料堆疊規整性不足、難以通過常規定位手段確定機器人初始抓取位姿的問題，本項目擬將所研發的智能機器人運用到機床物料連線環節，通過導入前述人工智能技術訓練視覺系統，使機器人自動識別目標抓取物的當前位姿，準確抓取目標零件并調整姿態送入機床夾具。這樣做也可以降低對物料輸送料盤技術要求，提高生產線的柔性程度。導入機床和機器人工作環境三維數據，建立人工勢場，驗證并完善機器人軌跡規劃和路徑生成技術以及機器人安全技術[4]。通過與操作人員溝通論證示教系統人機友好型，研究完善智能機器人工程系統。工程化應用技術研究方案如圖3所示。

圖3 工程化應用技術研究方案

4 結論

本文概述性介紹了一種工業機器人的二次開發方案，主要是滿足現代化智能工廠制造中的小批量、多樣化、生產柔性的要求。該方案降低了機器人的使用門檻，提高了機器人的使用安全。最后應用在汽車零配件機加生產線的現場環境中，解決了其前序加工后物料堆疊規整性不足、難以通過常規定位手段確定機器人初始抓取位姿的問題。

［1］王田苗，陶永.我國工業機器人技術現狀與產業化發展戰略［J］.機械工程學報，2014，50（9）：1-13.

［2］何柳飛.基于Linux的3D圖形技術的研究［D］.武漢：武漢理工大學，2013.

［3］尹寶才，王文通，王立春.深度學習研究綜述［J］. 北京工業大學學報，2015（1）：48-59.

［4］闞濤，趙躍東.汽車零配件標識的3D成像識別在工業生產中的應用［J］.電腦知識與技術，2019（2）：223-225.

U468

A

10.15913/j.cnki.kjycx.2019.16.008

2095－6835（2019）16－0022－02

吳文俊（1973—），男，河南羅山人，碩士研究生，高級工程師，主要從事管理和產品研發工作，研究方向為機電一體化。

〔編輯：王霞〕