專利名稱：一種用于噴涂機器人的分層噴涂軌跡規(guī)劃方法
技術(shù)領(lǐng)域：
本發(fā)明涉及噴涂機器人先進制造產(chǎn)業(yè)技術(shù)領(lǐng)域，特別是涉及一種針對復(fù)雜工件曲面的分層噴涂軌跡規(guī)劃工藝算法。
背景技術(shù)：
噴涂機器人作為工業(yè)機器人技術(shù)基礎(chǔ)上發(fā)展的一種特種機器人，它是機器人技術(shù)與噴涂工藝相結(jié)合的產(chǎn)物，主要用于工業(yè)生產(chǎn)中的噴涂作業(yè)。噴涂機器人作為智能化的裝備，不會受有毒有害物質(zhì)影響，而且噴涂效果穩(wěn)定，同時還具備可編程性，可以對其進行編程以完成不同工件的噴涂，因而極大地提高了噴涂效率和噴涂質(zhì)量，已經(jīng)被廣泛應(yīng)用于現(xiàn)在制造業(yè)之中。傳統(tǒng)的噴涂機器人主要是“示教-再現(xiàn)”型機器人，機器人的噴涂軌跡主要靠“人 工示教”的方式來規(guī)劃。這種“示教-再現(xiàn)”的軌跡規(guī)劃方法，操作簡單，易于實現(xiàn)，但該方法也存在如下缺點(1)噴槍噴涂軌跡的優(yōu)劣嚴重依賴工人的經(jīng)驗，難以結(jié)合噴涂工件的幾何特征和噴槍參數(shù)獲得最佳噴涂軌跡，造成涂料、能源等的浪費，增加了經(jīng)濟成本；(2)在示教過程中，機器人不能用于生產(chǎn)，且示教周期長，降低了機器人的生產(chǎn)效率；(3)人工示教過程中，工人必須處于有毒有害的環(huán)境之中，嚴重損害工人的身體健康。為解決傳統(tǒng)噴涂機器人的缺點，業(yè)界開始探尋噴涂機器人的離線軌跡規(guī)劃技術(shù)。該技術(shù)利用計算機軟硬件建立噴涂機器人及其工作環(huán)境的模型，采用先進的軌跡規(guī)劃算法，并結(jié)合人工交互方式，在虛擬的工作場景中，對機器人的軌跡進行規(guī)劃與優(yōu)化，并進行可視化的仿真與驗證，從而可以在不需要實際機器人參與的情況下，生成最優(yōu)的噴涂軌跡，以提高噴涂質(zhì)量與噴涂效率。然而，就目前業(yè)界研究而言，當前的噴涂機器人離線軌跡規(guī)劃技術(shù)存在的主要缺點在于缺乏一種有效的、統(tǒng)一的、自適應(yīng)的智能化噴涂機器人工藝流程算法，能夠針對各種復(fù)雜多樣的待噴涂工件，在缺少甚至是完全沒有人工干預(yù)的情況下，自動生成滿足一定工藝指標或質(zhì)量要求的優(yōu)化噴涂軌跡，從而真正實現(xiàn)噴涂過程的自動化，提高噴涂制造業(yè)的生產(chǎn)率水平，并降低生成成本，保證整體的經(jīng)濟效益。

發(fā)明內(nèi)容
本發(fā)明的目的是為了克服上述現(xiàn)有技術(shù)的不足，提供了一種用于噴涂機器人的分層噴涂軌跡規(guī)劃方法，該方法提供了針對各種具有復(fù)雜構(gòu)型的噴涂工件自動生成優(yōu)化噴涂軌跡的工藝流程算法，具有較強的適應(yīng)性，能夠提高復(fù)雜工件的噴涂質(zhì)量和噴涂效率，并節(jié)省涂料成本。本發(fā)明采用的技術(shù)方案為一種用于噴涂機器人的分層噴涂軌跡規(guī)劃方法，包括以下步驟首先設(shè)計了一種實驗方法對噴涂過程進行建模，通過引入高斯混合涂層累積速率模型以擬合涂層分布情況；然后采用分層軌跡規(guī)劃方法，針對工件的幾何和拓撲特征分別應(yīng)用雙背離角法和投影法將復(fù)雜曲面分割為若干簡單子曲面；并建立相應(yīng)的噴涂軌跡優(yōu)化模型，采用數(shù)值方法求解行程參數(shù)以生成子片內(nèi)的噴涂軌跡；最后采用分布估計算法對各子片軌跡進行優(yōu)化組合。其具體步驟包括(I)噴涂過程的實驗建模通過噴涂實驗獲得所使用噴槍的3D涂層厚度分布數(shù)據(jù)，并采用基于高斯混合模型對獲得的涂層厚度生長率進行精確描述，其參數(shù)的擬合采用基于L-M的數(shù)值計算方法實現(xiàn)。(2)復(fù)雜工件表面的分層分割首先基于幾何尺寸進行子片劃分，重點考慮工件表面的彎曲程度，采用雙背離角算法將復(fù)雜 工件曲面分割為一個個近似平面的曲面；其次是在幾何尺寸(曲面曲率)劃分的基礎(chǔ)上，結(jié)合工件的拓撲特性(連通性，即孔洞、禁止噴涂區(qū)域等特殊情況)，采用投影法將其進一步分割，劃分為拓撲結(jié)構(gòu)簡單的工件曲面，以便于處理工件存在孔洞的情況，從而節(jié)省涂料成本。(3)各簡單子曲面內(nèi)的噴涂軌跡規(guī)劃根據(jù)所建立的涂層累積速率模型，以涂層期望厚度和涂層均勻性為混合優(yōu)化目標，建立相應(yīng)的優(yōu)化模型，然后采用黃金分割搜索法求解得到噴涂速度和行程間距，在此基礎(chǔ)上采用包圍盒投影方法獲得優(yōu)化的簡單子片內(nèi)噴涂軌跡點。(4)各子片噴涂路徑的優(yōu)化組合將噴涂機器人多路徑組合規(guī)劃問題建模為廣義旅行商問題(GTSP)，然后采用基于分布估計的智能計算方法求解，包括選擇優(yōu)勢種群、建立概率模型、隨機采樣等操作，從而實現(xiàn)在問題空間中的全局尋優(yōu)，將各子片離散路徑進行優(yōu)化組合以生成最終的噴涂機器人噴槍優(yōu)化軌跡。有益效果與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是提供了一套完整的噴涂機器人離線軌跡規(guī)劃工藝解決方案，能夠針對各種具有復(fù)雜構(gòu)型的噴涂工件自動生成優(yōu)化噴涂軌跡，實現(xiàn)噴涂機器人的高效噴涂并節(jié)省涂料和人工成本，以提高噴涂機器人的噴涂效率，保證噴涂機器人的噴涂質(zhì)量。該算法無需人工干預(yù)，具有良好的適應(yīng)性和實用性，可廣泛應(yīng)用與諸如汽車、船舶等大型復(fù)雜工件的噴涂制造環(huán)節(jié)，滿足日益發(fā)展的噴涂機器人制造行業(yè)的需要。


圖I為分層噴涂軌跡規(guī)劃方法流程示意圖；圖2為噴涂過程示意圖；圖3為雙背離角分片示意圖；圖4為投影法分片算法示意圖；圖5為多行程噴涂示意圖；圖6為黃金分割法求解最優(yōu)行程參數(shù)流程圖；圖7為包圍盒投影法示意圖；圖8為基于分布估計的子片軌跡組合算法流程圖。
具體實施例方式下面結(jié)合附圖和具體實施方式
對本發(fā)明做進一步說明。如圖I所示，依據(jù)本發(fā)明的噴涂軌跡規(guī)劃方法包括以下步驟I、噴涂過程的實驗建模噴槍所形成的涂層累積厚度分布模型對于整個噴涂生產(chǎn)質(zhì)量來說起著至關(guān)重要的作用。本步驟針對可能影響噴涂過程的不同噴涂參數(shù)，設(shè)計相應(yīng)的噴涂實驗對噴槍所形成的涂層分布情況進行測量，引入高斯和模型對涂層生長率進行表示，采用L-M方法擬合得到精確的涂層生長率模型，以此作為后繼步驟的基礎(chǔ)。具體的實施步驟包括( I)噴涂實驗及數(shù)據(jù)采集實際噴涂過程中影響涂料在工件表面的涂層分布的因素很多，試圖建立考慮了所有影響因素的理想噴涂模型是不現(xiàn)實的。本發(fā)明所建立的噴涂模型首先保證了來自噴槍結(jié)構(gòu)、涂料特性、涂料濃度、霧化氣壓、噴幅氣壓等參數(shù)由專家進行設(shè)定，在噴涂過程中保持不變；噴槍的高度采取噴槍說明書中推薦的最優(yōu)參數(shù)；噴槍的方向為垂直于噴涂工件表面。由此在外部環(huán)境穩(wěn)定的條件下，涂料的分布情況可近似視為不變。在實驗中所采取的模型為靜止噴涂的涂層生長率模型，該模型相較于一般的運動噴涂模型而言具有更好的適應(yīng)性和更為廣泛的應(yīng)用范圍。如圖2所示，圖中h為噴槍的高度，在實驗中保持不變，且噴槍總是垂直于噴涂面4為涂層分布區(qū)域，一般為對稱的圓形。在實驗中通過PLC控制噴槍的開關(guān)時間，進行了多次不同時間間隔的噴涂實驗，確定涂層 的分布范圍(即圓形噴涂區(qū)域S的半徑R)，并采用網(wǎng)格化對涂層分布范圍進行劃分和采樣，利用非接觸式膜層測厚儀測量獲得了各網(wǎng)格采樣點的厚度分布數(shù)據(jù)。(2)涂層累積生長率的表示模型由于噴槍種類、結(jié)構(gòu)的不同，涂層分布形式各種各樣，有涂層中間凸起、平坦、凹陷甚至不對稱等多種情況。為了建立一個統(tǒng)一的噴涂模型處理不同噴槍類型帶來的涂層分布模型的差異，本發(fā)明引入如下式所示的高斯和模型= /(x,v,fl(0,0 = 寸(I)
dt ,:=1 其中s表示工件上任意點，可由(x，y)表示；a(t)表示噴槍的位置和方向；q(s，t)為t時刻s點的涂層累積厚度；t為時間;r 二如1 +y2 ,Wi, ri； σ ^為待辨識參數(shù)，i=l, 2，…，N。該模型的主要優(yōu)點在于一是當N趨向于無窮時，該函數(shù)可以獲得任意精度的逼近，因此該模型的近似精度可通過設(shè)定不同的N進行控制；二是該模塊可用于表示中心凹陷、斜對稱等特殊噴槍情況，這種特殊情況的處理能力對于靜電旋杯式噴槍來說是非常重要的。為了平衡模型的精度和復(fù)雜度，本發(fā)明采用3個高斯函數(shù)之和來建模(N=3)，可得分布模型如下式所示
(r+^)2r2dqiJ)=fir,p) = \ \\ψ 2σ +w2e + w^e 2n^ r<R(2)
0other其中R為涂層半徑；O1, Q2)τ為待辨識的模型參數(shù)。當r大于R時涂層的累積速率很小，故不做考慮。(3)基于L-M數(shù)值方法的涂層模型擬合針對采用的高斯和模型，根據(jù)實驗數(shù)據(jù)擬合得到相應(yīng)的模型參數(shù)。本發(fā)明采用基于L-M的非線性最小二乘法對式(2)所示的高斯和模型進行迭代擬合，以得到模型參數(shù)的Wi, ri； Oi辨識結(jié)果。輸入為擬合函數(shù)/ = /(〃,/ )，具體迭代步驟如下第一步設(shè)置P的初值，計算初始矩陣Z ；
第二步計算誤差矩陣f、雅各比矩陣J以及誤差矩陣的模F ；第三步計算Hessian矩陣H和梯度g ；第四步計算步并判斷F是否小于收斂值ε ；第五步計算p_new p+H_lm,并計算增益比P ；第六步判斷P是否大于0，并更新迭代值；第七步判斷F是否小于收斂值ε，如果符合則迭代結(jié)束，否則返回第四步，并更新系數(shù)U，V以及H_lm。2、復(fù)雜工件表面的分層分割針對工件表面可能存在的復(fù)雜曲面形狀，根據(jù)其幾何特征和拓撲特征分別采用雙 背離角法和投影法進行曲面的劃分，將其分割為近似平面的簡單子曲面，從而可采用分而治之的思想分別對各子片進行處理，以簡化問題的討論。( I)基于幾何特征的分片方法如圖3所示，根據(jù)導(dǎo)入的STL工件模型，其噴涂表面采用三角形進行近似。定義相鄰兩個子片間的夾角為背離角，由此來近似工件表面的幾何特征(即曲面的曲率)，從而采用基于區(qū)域生長的雙背離角分片算法完成工件表面的初步劃分分片，該算法的基本思想是以一個三角面為中心，向周圍區(qū)域擴張生長，在生長的過程中保證在一個子片內(nèi)任意相鄰三角片間法向量夾角小于β th (子片內(nèi)相鄰三角面法向量的最大夾角值)，且片內(nèi)任意兩個三角面的法向量夾角小于(子片內(nèi)任意兩個三角面的法向量的最大夾角值)，記單個三角面法向量為Ni，則所得子片應(yīng)符合下式要求Si= ITj I acos-1 (Nj, Nk) ( β th, acos-1 (Nj, Nm) ( β max,其中 Tj, Tk 相鄰} (3)由此可將復(fù)雜工件表面劃分為若干近似平面的簡單曲面。雙背離角算法的具體步驟如下第一步設(shè)置Pth和βΜΧ;第二步獲取面積最大的三角形Tseed作為種子三角形構(gòu)建子片Si ；第三步選取Si的任意一個相鄰子片Tj,若無法找到相鄰子片，則轉(zhuǎn)第六步，否則計算兩者背離角β ;第四步若β ,j小于最大背離角β th，則轉(zhuǎn)第五步；否則轉(zhuǎn)第二步；第五步計算Tj與Si內(nèi)所有三角面的夾角，求得最大值。若該最大值小于β_，則將Tj并入Si,否則轉(zhuǎn)第二步；第六步若所有子片劃分完畢，則算法結(jié)束，否則轉(zhuǎn)第二步。(2)基于拓撲特征的分片方法曲面拓撲分片主要是為了解決曲面中存在孔洞或者禁止噴涂區(qū)域的問題。通過曲面拓撲分片，將曲面分成沒有孔洞且拓撲結(jié)構(gòu)簡單的子片，從而可節(jié)省涂料，降低噴涂成本，避免禁止噴涂區(qū)域受到影響。本發(fā)明首先對孔洞的大小進行判斷，當孔洞面積小于噴槍單個噴炬的噴涂面積的1/4時則作為小孔洞予以忽略處理。否則孔洞較大，無法忽略，則采用投影法進行進一步分片處理。該算法的基本思想是首先將曲面投影，轉(zhuǎn)化為平面；再采用關(guān)鍵點近似方法，將曲面投影的內(nèi)外邊界都近似為多變形；然后對該近似平面進行單元片劃分；最后將單元片進行優(yōu)化組合，獲得合理的子片劃分，并映射回原曲面。該算法分片過程如圖4所示，具體步驟如下
第一步對曲面沿其平均法向量反方向進行投影，轉(zhuǎn)化為二維平面，計算公式如下

權(quán)利要求
1.一種用于噴涂機器人的分層噴涂軌跡規(guī)劃方法，其特征在于包括以下步驟 (1)首先設(shè)計了一種實驗方法對噴涂過程進行建模，通過引入高斯混合涂層累積速率模型以擬合涂層分布情況； (2)然后采用分層軌跡規(guī)劃方法，針對工件的幾何和拓撲特征分別應(yīng)用雙背離角法和投影法將復(fù)雜曲面分割為若干簡單子曲面； (3)建立相應(yīng)的噴涂軌跡優(yōu)化模型，采用數(shù)值方法求解行程參數(shù)以生成子片內(nèi)的噴涂軌跡； (4)最后采用分布估計算法對各子片軌跡進行優(yōu)化組合。
2.根據(jù)權(quán)利要求I所述的一種用于噴涂機器人的分層噴涂軌跡規(guī)劃方法，其特征在于所述步驟(I)具體為通過噴涂實驗獲得所使用噴槍的3D涂層厚度分布數(shù)據(jù)，并采用基于高斯混合模型對獲得的涂層厚度生長率進行精確描述，其參數(shù)的擬合采用基于L-M的數(shù)值計算方法實現(xiàn)。
3.根據(jù)權(quán)利要求I所述的一種用于噴涂機器人的分層噴涂軌跡規(guī)劃方法，其特征在于所述步驟(2)具體為首先基于幾何尺寸進行子片劃分，重點考慮工件表面的彎曲程度，采用雙背離角算法將復(fù)雜工件曲面分割為一個個近似平面的曲面；其次是在幾何尺寸劃分的基礎(chǔ)上，結(jié)合工件的拓撲特性，采用投影法將其進一步分割，劃分為拓撲結(jié)構(gòu)簡單的工件曲面，以便于處理工件存在孔洞的情況。
4.根據(jù)權(quán)利要求I所述的一種用于噴涂機器人的分層噴涂軌跡規(guī)劃方法，其特征在于所述步驟(3)具體為根據(jù)所建立的涂層累積速率模型，以涂層期望厚度和涂層均勻性為混合優(yōu)化目標，建立相應(yīng)的優(yōu)化模型，然后采用黃金分割搜索法求解得到噴涂速度和行程間距，在此基礎(chǔ)上采用包圍盒投影方法獲得優(yōu)化的簡單子片內(nèi)噴涂軌跡點。
5.根據(jù)權(quán)利要求I所述的一種用于噴涂機器人的分層噴涂軌跡規(guī)劃方法，其特征在于所述步驟(4)具體為將噴涂機器人多路徑組合規(guī)劃問題建模為廣義旅行商問題，然后采用基于分布估計的智能計算方法求解，包括選擇優(yōu)勢種群、建立概率模型、隨機采樣等操作，從而實現(xiàn)在問題空間中的全局尋優(yōu)，將各子片離散路徑進行優(yōu)化組合以生成最終的噴涂機器人噴槍優(yōu)化軌跡。
全文摘要
本發(fā)明公開了一種用于噴涂機器人的分層噴涂軌跡規(guī)劃方法，首先設(shè)計了一種實驗方法對噴涂過程進行建模，通過引入高斯和涂層累積速率模型以擬合涂層分布情況；然后采用分層軌跡規(guī)劃方法，針對工件的幾何和拓撲特征分別應(yīng)用雙背離角法和投影法將復(fù)雜曲面分割為若干簡單子曲面，并建立相應(yīng)的噴涂軌跡優(yōu)化模型，采用數(shù)值方法求解行程參數(shù)以生成子片內(nèi)的噴涂軌跡；最后采用分布估計算法對各子片軌跡進行優(yōu)化組合。本發(fā)明方法改進了噴涂機器人的噴涂生產(chǎn)工藝，能夠?qū)崿F(xiàn)各種復(fù)雜工件曲面上的噴涂機器人軌跡優(yōu)化生成，在滿足涂層期望厚度的前提下提高了涂層分布的均勻性，降低了涂料的浪費，從而有利于提高噴涂制造業(yè)的生產(chǎn)效率和經(jīng)濟效益。
文檔編號G06F19/00GK102831306SQ20121028682
公開日2012年12月19日 申請日期2012年8月13日 優(yōu)先權(quán)日2012年8月13日
發(fā)明者周波, 戴先中, 孟正大, 樊少卿 申請人:東南大學(xué)