一种汽车零配件生产线系统集成方案概述

吴文俊，孙洋，魏武，夏蕾，陈晓斌，陈小建，方锋

一种汽车零配件生产线系统集成方案概述

吴文俊，孙洋，魏武，夏蕾，陈晓斌，陈小建，方锋

（琦星智能科技股份有限公司，浙江 台州 317600）

由工业机器人组成的现代生产线系统越来越普遍，针对个性化应用现场，传统工业机器人难以满足小批量、多样化、生产柔性和智能化等诸多个性细节的要求。介绍了一种灵活的、适用于多种应用环境的工业机器人的二次开发方案，其能够具体应用于汽车零配件生产线。

汽车零配件；工业机器人；生产线；智能生产

工业机器人应用已经在现代自动化生产中扮演越来越重要的角色[1]，随着生产流程越来越复杂，传统的普通机器人系统无法满足生产制造业小批量、多样化、生产柔性和智能化等诸多个性细节的要求。在实际的系统集成应用中，需要对传统机器人进行二次开发，以满足不同应用现场的个性化要求。具体的个性化应用要求一般包括简单的示教流程、灵活应对复杂环境和高安全性。本文介绍一种基于传统机器人的应用二次开发方案，解决汽车零配件生产线的机加工生产过程中前序加工后物料堆叠规整性不足、难以通过常规定位手段确定机器人初始抓取位姿的问题。

1 机器人系统二次优化

1.1 友好的人机界面简化示教流程

传统的机器人示教主要是手动在线试教和离线试教，该类示教都是基于特定的机器人编程语言实现的，机器人操作者需要有一定的编程基础，这极大地增加了机器人应用推广的难度。本方案开发的人机友好的“菜单式”示教系统，研究视角系统软件在PC、PAD、智能手机等平台通用，使用后可因地制宜部署机器人。结合协作机器人的特性，研究拖拽试教、跟随示教等多种方式的实现技术，让用户能够通过简单的拖拽或视觉跟随就可以完成示教过程，以降低机器人使用的门槛，提高机器人部署的速度。此项技术的实现需要三维仿真和逆向在线技术的支持。通过转换程序，将AutoCAD、3DS/3DMAX等3D图形设计软件制作的DXF和3DS模型文件转换成OpenGL的顶点数组，结合OpenGL技术实现多轴机器人的三维仿真，这样就能够在离线的情况下对机器人进行示教编程[2]。

1.2 基于机器人动态力反馈的人机协作安全技术

机器人的安全始终是最重要的环境，传统的机器人都采用拦、堵、隔的方式，让人与机器人保持一定的安全距离。针对人员密集型生产线人机交互频繁、难以独立设置机器人工作空间的问题，本方案依据运动轨迹和负载状态预测机械臂动力学状态的方法，继而通过在机器人中设置三轴加速度传感器，结合高精度电机电流传感器，研究传感信息融合机理，建立机器人动力学状态同传感信息的映射模型，实现对机器人各工作臂的动力学状态的实时监控，进而实现当机器人与人体发生接触等意外状况时，依据工作臂异常动力学状态，及时控制机械臂执行安全动作，保证人员的安全。

1.3 机器人路径规划与轨迹生成技术

引入基于人工势场法的相关理论，在机器人工作环境中引入目标引力和障碍物排斥力的思想策略，形成具有自适应的目标引力。基于快速扩展随机树（RRT）的路径规划算法，通过对状态空间中的采样点进行碰撞检测，避免对空间的建模，有效解决高维空间和复杂约束的路径规划问题。该方法的特点是能够快速、有效地搜索高维空间，通过状态空间的随机采样点，把搜索导向空白区域，从而寻找到一条从起始点到目标点的规划路径，适合解决多自由度机器人在复杂环境下和动态环境中的路径规划。通过以上两种方式，即首先根据机器人所处的环境空间和障碍物空间位姿构建人工势场，然后在双向RRT算法在扩展新节点时，通过周围环境有无障碍物形成引力势场来控制随机树的生长方向，最终引导新节点朝着目标点方向扩展生长，并有效避开障碍物。这样可以大幅度提高机器人轨迹生成的效率。机器人路径规划和轨迹生成技术方案如图1所示。

图1 机器人路径规划和轨迹生成技术方案

2 三维机器视觉和深度学习方法的无序零件快速识别

针对生产现场的零件经常处于无序堆叠的状态与机器人抓取必须具备准确位姿的矛盾，采用三维机器视觉和人工智能技术，在三维空间中识别目标物体，利用实时信息来规划机器人运动路线，以支持在线运功规划和控制。使用双目或深度相机为载体，利用开源点云运算库（Point Cloud Library）中的平面分割、欧式聚类、ICP点云匹配等算法，实现三维空间物体的快速、准确定位。以Alexnet、Googlenet等开源卷积神经网络为基础，研究针对特定物体的深度学习方法[3]。结合支持向量机等智能分类算法，提出针对特定物体的快速定位技术。机器人目标物视觉识别与位姿计算方案如图2所示。

图2 机器人目标物视觉识别与位姿计算方案

3 智能工业机器人工程化应用

针对典型汽车零配件机加工生产过程中前序加工后物料堆叠规整性不足、难以通过常规定位手段确定机器人初始抓取位姿的问题，本项目拟将所研发的智能机器人运用到机床物料连线环节，通过导入前述人工智能技术训练视觉系统，使机器人自动识别目标抓取物的当前位姿，准确抓取目标零件并调整姿态送入机床夹具。这样做也可以降低对物料输送料盘技术要求，提高生产线的柔性程度。导入机床和机器人工作环境三维数据，建立人工势场，验证并完善机器人轨迹规划和路径生成技术以及机器人安全技术[4]。通过与操作人员沟通论证示教系统人机友好型，研究完善智能机器人工程系统。工程化应用技术研究方案如图3所示。

图3 工程化应用技术研究方案

4 结论

本文概述性介绍了一种工业机器人的二次开发方案，主要是满足现代化智能工厂制造中的小批量、多样化、生产柔性的要求。该方案降低了机器人的使用门槛，提高了机器人的使用安全。最后应用在汽车零配件机加生产线的现场环境中，解决了其前序加工后物料堆叠规整性不足、难以通过常规定位手段确定机器人初始抓取位姿的问题。

［1］王田苗，陶永.我国工业机器人技术现状与产业化发展战略［J］.机械工程学报，2014，50（9）：1-13.

［2］何柳飞.基于Linux的3D图形技术的研究［D］.武汉：武汉理工大学，2013.

［3］尹宝才，王文通，王立春.深度学习研究综述［J］. 北京工业大学学报，2015（1）：48-59.

［4］阚涛，赵跃东.汽车零配件标识的3D成像识别在工业生产中的应用［J］.电脑知识与技术，2019（2）：223-225.

U468

A

10.15913/j.cnki.kjycx.2019.16.008

2095－6835（2019）16－0022－02

吴文俊（1973—），男，河南罗山人，硕士研究生，高级工程师，主要从事管理和产品研发工作，研究方向为机电一体化。

〔编辑：王霞〕