噴涂機器人軌跡編程技術綜述

萬燕英

摘要：機器人噴涂在現代智能涂裝系統中發揮著重要作用。運動軌跡規劃是噴涂機器人的核心功能和噴涂工藝的關鍵環節。通過研究國內外噴涂機器人運動軌跡規劃的應用現狀，介紹和對比了人工示教和自主軌跡規劃兩種軌跡編程技術的工作原理和特點。針對產品個性化生產要求的提高和AI大模型的快速發展，對AI柔性噴涂技術進行了展望，為未來進一步深入研究提供參考。

關鍵詞：噴涂機器人??人工示教??自主軌跡規劃??AI柔性噴涂

中圖分類號：TP242

An?Overview?of?Trajectory?Programming?Technology?of?Spraying?Robots

WAN?Yanying

（School?Information?Engineering，?Guangzhou?Railway?Polytechnic，?Guangzhou，?Guangdong?Province，?511300?China）

Abstract：?Robot?spraying?plays?an?important?role?in?the?modern?intelligent?coating?system.?Motion?trajectory?planning?is?the?core?function?of?spraying?robots?and?the?key?link?of?spraying?technology.?By?studying?the?current?situation?of?the?application?of?the?motion?trajectory?planning?of?spraying?robots?at?home?and?abroad，?the?working?principles?and?characteristics?of?the?two?trajectory?programming?technologies?of?manual?teaching?and?autonomous?trajectory?planning?are?introduced?and?compared.?For?the?improvement?of?personalized?production?requirements?for?products?and?the?rapid?development?of?large?AI?models，?AI?flexible?spraying?technology?is?prospected，?which?provides?reference?for?further?in-depth?research?in?the?future.

Key?Words：?Spraying?robot;?Manual?teaching;?Autonomous?trajectory?planning;?AI?flexible?spraying

涂裝是產品表面制造工藝的重要環節之一，是產品防銹、防蝕、美觀的重要手段，已廣泛應用于汽車、3C電子、船舶、航空航天等領域。機器人噴涂具有效率高、一致性強、涂料利用率高、無職業危害等優點，在現代智能涂裝系統中發揮著重要作用。噴涂機器人是機器人技術與表面噴涂工藝相結合的自動化裝備，核心功能是運動軌跡規劃，直接影響著涂裝外觀和質量。

目前，針對噴涂機器人運動軌跡規劃已有較深入的研究。國外自20世紀70年代起就有相關學者開始了關于噴涂機器人的研究[1-4]。國內噴涂機器人研究始于20世紀90年代，如王燚等人[5]建立了噴槍最優軌跡規劃問題的數學模型，并確定了具體的算法。劉能廣等人[6]針對噴漆機器人的軌跡優化，提出利用二層規劃建模的方法，建立數學模型并應用遺傳算法求解最優軌跡。

本文在研究目前國內外噴涂機器人運動軌跡規劃的研究成果和應用現狀基礎上，從人工示教編程和自主軌跡規劃兩方面介紹和歸納了噴涂機器人軌跡編程技術。同時，針對產品個性化生產要求的提高和AI大模型的快速發展，并結合行業發展趨勢，展望了基于AI柔性噴涂技術的廣闊發展空間和應用前景。

1?噴涂機器人軌跡編程技術

噴涂機器人軌跡編程方式主要包括人工示教編程和自主軌跡規劃。人工示教編程[7]是指由操作者通過機器人示教器或手動拖動機器人末端或示教傳感器工具來完成噴涂流程，并記錄示教軌跡和噴槍參數狀態，使機器人自動重復示教軌跡實現噴涂作業。自主軌跡規劃編程[8]以待噴涂工件的三維模型為基礎，利用噴涂材料沉積模型、約束條件以及優化準則來實現噴涂軌跡的自動規劃。

現階段噴涂機器人大多采用人工示教編程。該方式操作簡便、成本低，部分人工示教編程技術還具有適合多品種、少批量噴涂場合等優點。但噴涂質量嚴重依賴操作者熟練程度和經驗技巧，存在編程效率不高、軌跡精度差、涂料利用率低等缺點。

自主軌跡規劃技術通過對工件3D模型和機器人設備模型進行仿真，利用噴涂軌跡規劃算法對機器人運動進行規劃。該方式能有效避免人工示教編程的經驗依賴，具有噴涂質量高、一致性強、適合復雜工藝編程等優點[9]。噴涂工件的三維模型可以手工導入或者通過3D視覺傳感器掃描獲得。但在實際應用中，由于工件的三維模型存在獲取困難或模型不準確、3D視覺傳感器成本昂貴及掃描建模流程繁瑣等問題，導致自主軌跡規劃編程應用范圍受限。

1.1?人工示教編程技術

人工示教編程包括傳統手柄點位編程、拖動示教編程、示教桿編程、基于紅外光學跟蹤定位傳感器的編程、基于電磁式空間定位傳感器的編程、基于VR遙操作的虛擬編程等。

1.1.1?手柄點位編程

傳統手柄點位編程是最常見的編程方式，通過操作機器人示教器編輯一系列的機器人路點，結合機器人內置的軌跡自動優化功能即可完成噴涂軌跡的編程。該方式一般應用于噴涂要求簡單、工件形狀規則、編程頻率不高的場合。

目前市面上專用噴涂機器人或通用工業機器人均支持該編程方式。操作者使用機器人示教器，根據噴涂經驗和工藝要求來完成噴涂軌跡路點的調試。每個路點需要結合噴涂流量、噴槍速度、扇面搭接、噴幅大小等工藝參數反復調試直至達到預期噴涂效果。圖1所示為人工采用手柄示教器編輯噴涂軌跡路點。

1.1.2?拖動示教

拖動示教編程即人工拖拽機器人示范噴涂一遍，然后機器人重復再現示教的軌跡。該方式一般應用于多品種少批量噴涂工件的場合，同時需搭配適合人工拖拽的噴涂機器人。

如意大利CMA噴涂機器人具有特制的拖動示教功能，突破了傳統機器人點對點或離線編程的模式，對于一般工業多品種、小批量的生產特點，可實現機器人在生產中的快速轉產及噴涂機器人應用的“傻瓜化”。操作者只需手持機器人末端的示教手柄進行示范噴涂，機器人即可記住并復現噴漆工的噴涂軌跡。操作人員無需任何機器人的使用基礎，通過簡單學習，就可快速掌握編程技巧。如圖2所示，子圖a是人工示教，子圖b為機器人重復再現軌跡。

另一種具有拖拽示教功能的是協作機器人。以丹麥Universal?Robot公司的UR5為例，機器人在開啟自由拖拽移動模式之后，操作者可輕松拖動機器人關節，按照人工噴涂的方式使協作機器人跟著人工噴涂一遍，并記錄保存軌跡文件，之后加載該軌跡文件即可重復噴涂。

這類具有拖拽示教功能的機器人，其原理是實時獲取機器人關節角度以及關節角速度，根據辨識出來的機器人動力學模型，實時計算補償的關節摩擦力和重力項力矩之和，并將其轉換為電流/力矩指令發給關節驅動器，驅動器控制關節電機實現零力拖拽功能。然而，由于拖拽時關節力矩采樣不精確且關節間存在一定的機械耦合約束，拖拽并不會很柔順、靈活。為解決該問題，部分機器人廠家推出了帶關節力矩傳感器或末端六維力矩傳感器的協作機器人，在一定程度上優化了拖拽體驗。

1.1.3?示教桿

示教桿編程是指通過拖拽示教桿來示范噴涂，然后機器人重復再現示教的軌跡。由于不方便直接拖拽一些大臂展噴涂機器人，因而采用輕型靈活的示教桿替代直接拖拽機器人本體，如圖3所示。

示教桿參照和噴涂機器人相同DH參數的模型來設計，由6個集成高精度旋轉編碼器的關節模塊構成，工作過程中實時采樣6個關節角度并對外輸出。由于示教桿為欠驅動關節設計，且整體質量非常輕巧，因此人工拖拽示教桿輕便、靈活，體驗感較好。但因示教桿在設計和組裝過程中存在公差的差異性，較難做到和示教機器人一致的DH參數，因此不適合非常精細化的涂裝場合。

1.1.4?基于紅外光學跟蹤定位傳感器的編程

該方式采用跟蹤定位傳感器和跟蹤球來實現空間軌跡的采集，需要先對跟蹤定位傳感器和噴涂機器人進行坐標系標定，然后將噴槍和跟蹤球綁定在一起進行手動示教。示教軌跡可記錄下來并轉為噴涂機器人可運行的軌跡文件。該方式人工示教靈活、體驗感佳，適合較多品種、少批量的精細化噴涂的場合。

以NDI公司的Polaris?vicra為例，首先在工作區域上方固定跟蹤定位傳感器（不在機器人本體），并將位置跟蹤器固定在機器人末端（隨機固定位置），同時將噴槍也安裝在機器人的末端。然后，手動操作機器人至不同姿態，在機器人位置穩定下來后，采集當前機器人與跟蹤器的姿態數據；循環數次采集N對數據：通常8～20組數據便可滿足求解要求。接著，計算跟蹤定位傳感器坐標系T相對于機器人基座坐標系B的轉換關系。之后，把跟蹤器從機器人末端拆卸下來，?移動它進行作業并采樣記錄跟蹤定位傳感器輸出的軌跡姿態數據。位置跟蹤器需要在跟蹤定位傳感器的有效工作范圍內移動，采樣記錄跟蹤器的軌跡，是以固定頻率（例如每隔20?ms）獲取并記錄跟蹤器的實時位姿數據。最后，將記錄的軌跡姿態數據按照機器人程序代碼規則整理成可執行文件，發送到機器人控制器即可完成噴涂作業。

1.1.5?基于電磁式空間定位傳感器的編程

該編程技術類似于紅外光學跟蹤定位傳感器的位置追蹤，其原理是采用電磁發射器和空間感應追蹤器來實現空間位置定位。該方式無須進行傳統編程就能為噴涂等應用創建復雜的路徑，具有操作簡單、示教靈活的特點。

以丹麥Nordbo?Robotics公司Mimic?kit產品為例，其位置跟蹤器采用低頻磁場式技術，包括磁場發射器和接收器。發射器內置三個正交的天線，接受器內也安裝一個正交天線。接收器一般安裝在遠處的運動物體上，根據接受器所接受到的磁場，可計算出接受器相對于發射器的位姿信息。

1.1.6?基于VR遙操作的虛擬編程

基于VR遙操作的虛擬編程，工人可以通過AR眼鏡和手柄遠程操縱機器人同步執行噴漆，手感完全等同于親臨現場。人工示范一遍后，該工件的噴涂程序即可保存在邊緣側，對于同樣規格的零部件，機器人就能實現自主噴涂[10]。

以埃夫特VR噴涂機器人為例，VR噴涂機器人是拖動示教解決方案的升級版，友好易用、經濟高效地解決噴涂機器人編程難的問題。

1.2?自主軌跡規劃編程技術

平面、圓柱面等規則表面，可利用人工示教依據搭接規律和噴涂經驗，進行示教噴涂即可使涂層具有良好的均勻度。但對于自由曲面，漆膜厚度的形成不僅與涂料自身特性、噴槍的噴涂模型、噴涂工藝參數、噴槍運動軌跡等因素有關，還與自由曲面的復雜特征有關。因此，自由曲面上的均勻噴涂是多因素耦合的非線性問題[7]，需采用具備工件模型自動識別和自主軌跡規劃的技術來完成。

自主軌跡規劃包括基于3D視覺的自主軌跡規劃、離線編程等。

1.2.1?基于3D視覺的自主軌跡規劃

該方式利用3D視覺技術對被噴涂物體進行點云掃描，通過點云數據處理算法完成3D模型重建，借助點云切片技術生成仿形軌跡，并自整定出一套工藝參數，最終實現噴涂的多品種、變批量的柔性化噴涂需求。

1.2.2?離線編程

離線編程軟件廣泛應用于噴涂、焊接、打磨等需要復雜軌跡編程的領域。以ABB機器人的RobotStudio離線編程軟件為例，其工作過程是，首先在三維建模軟件上將機器人和相關設備及工件模型建好，并導入仿真環境布局出虛擬工作場景，然后利用工藝參數配置和軌跡規劃算法對機器人運動進行規劃并對噴涂效果進行仿真，最后根據仿真的結果確定機器人工作程序文件[11]。將該文件發給噴涂機器人即可完成對工件的自動化噴涂，但只能實現固定軌跡、部位、形狀和漆種的大批量、單一品種噴涂。

1.3?不同軌跡編程技術特性分析

從編程效率、編程質量、成本、編程頻率等四方面對不同軌跡編程方式進行了比較，如表1所示。

由表1可知，不同的編程方式各有特點。實際噴涂應用中，需根據具體應用場景擇優選取。例如汽車主機廠涂裝線選取離線軟件編程方式；少批量多品種的藝術品噴涂場合選取紅外光學跟蹤定位傳感器來編程；家具行業的噴涂則選取3D視覺自主軌跡規劃方式[12]。

2?未來發展趨勢

隨著產品個性化生產要求的提高以及AI大模型的快速發展和垂直行業的應用落地，AI柔性噴涂將是未來發展新方向[9]。該技術通過3D視覺傳感器采集產品外形并通過AI進行識別，再采用激光結構光和線掃描兩種模式自動計算工件的三維模型，根據系統積累的噴涂刷子參數智能生成運動軌跡，并利用模仿專業涂裝工的手法進行自動噴涂。AI柔性化噴涂技術尤其適合于標準化程度低、工件品類多的通用場景。

3?結語

在涂裝技術朝著智能化、柔性化方向發展的過程中，噴涂機器人的軌跡編程是核心環節。本文綜述了人工示教和自主軌跡規劃兩方面的編程技術，并對不同的軌跡編程技術的工作原理和技術特點進行介紹和對比分析，最后根據行業發展，展望了基于AI柔性噴涂技術的廣闊發展空間和應用前景。

參考文獻

[1] ?KLEIN?A.?CAD-Based?Off-Line?Programming?of?Painting?Robots[J].?Robotica，?1987，?5（4）：?267-271.

[2] ?ARIKAN?M?A?S，BALKAN?T.?Process?Simulation?and?Paint?Thickness?Measurement?for?Robotic?Spray?Painting[J].?CIRP?Annals，?2001，?50（1）：?291-294.

[3] ?HANSBO?A，?NYLEN?P.?Models?for?the?Simulation?of?Spray?Deposition?and?Robot?Motion?Optimization?in?Thermal?Spraying?of?Rotating?Objects[J].?Surface?and?Coatings?Technology，?1999，?122（2-3）：?191-201.

[4]? RAMABHADRAN?R?，?ANTONIO?J?K?.?Planning?Spatial?Paths?for?Automated?Spray?Coating?Applications[C]//?Robotics?and?Automation，?1996.?Proceedings.?1996?IEEE?International?Conference?on.?IEEE，?1996.

[5] 王燚，趙德安，王振濱，等.噴漆機器人噴槍最優軌跡規劃的研究[J].江蘇理工大學學報（自然科學版），2001（5）：55-60.

[6] 劉能廣，任天然，柴蒼修，等.基于遺傳算法的噴漆機器人軌跡的二層規劃[J].機械設計與制造，2008（6）：173-175.

[7] ?劉亞軍，?訾斌，?王正雨，等.?智能噴涂機器人關鍵技術研究現狀及進展[J].?機械工程學報，?2022，58（7）：?53-74.

[8] ?陳瑋源.?基于RGBD?的機器人噴涂軌跡規劃技術開發[D].廣州：廣東工業大學，?2022.

[9] 徐智超.?基于視覺的噴涂機器人運動規劃與控制研究[D].北京：北京建筑大學，2023.

[10] 陳志.?基于數字孿生技術的噴涂機器人離線編程系統研究與實現[D].合肥：合肥工業大學，2023.

[11] 訾斌，徐鋒，唐鍇，等.基于機器視覺的噴涂機器人軌跡規劃與涂裝質量檢測研究綜述[J].控制與決策，2023，38（1）：1-21.

[12] 徐云輝.?基于點云處理的噴涂機器人高精度標定及最優軌跡規劃[D].南京：東南大學，2022.