技术领域
[0001] 本发明属于焊接技术领域，特别涉及一种焊接方法。
相关背景技术
[0002] 焊接机器人被广泛应用于石油化工、造船、压力容器、重型机械等工程领域，很大程度提升了生产效率、降低了工人的工作强度。
[0003] 在利用焊接机器人进行焊接的过程中，需要保证焊接间隙量、钝边量、坡口角度以及立板倾斜角度等参数的合理性与一致性。但是，在中厚板焊接的前加工和装配环节中不可避免地会出现各种误差，难以保证这些参数的合理性与一致性，导致焊接工况状态复杂
多变。因此，现有的焊接机器人一般只能在可以稀释专用夹具制造成本的汽车行业和简单
部件的焊接场景中使用，对于焊接工况状态变化复杂的场景，仍然是焊工根据经验来进行
焊接，焊接效率低，并且若焊工经验不足，则会造成材料浪费，提高了生成成本，也不能保证焊缝的成形质量。
具体实施方式
[0064] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
[0065] 焊接机器人被广泛应用于石油化工、造船、压力容器、重型机械等工程领域，很大程度提升了生产效率、降低了工人的工作强度。但是，在中厚板焊接的前加工和装配环节中不可避免地会出现各种误差，难以保证焊接间隙量、钝边量、坡口角度以及立板倾斜角度等参数的合理性与一致性，导致焊接工况状态复杂多变。目前焊接机器人的工作方式主要有“示教‑再现”和“离线编程”两种工作模式。“示教‑再现”和“离线编程”存在诸多局限：①焊前需要人工进行示教，大大降低了焊接生产效率；②对焊件加工精度和焊前装配的精度具
有较高的要求；③焊接夹具的要求较高，远不如焊工可以根据不同的焊接工况状态进行灵
活处理。以上的因素导致焊接机器人一般只能在可以稀释专用夹具制造成本的汽车行业和
简单部件的焊接场景中使用，对于焊接工况状态变化复杂的场景，仍然是焊工根据经验来
进行焊接，焊接效率低，并且若焊工经验不足，则会造成材料浪费，提高了生成成本，也不能保证焊缝的成形质量。
[0066] 焊工则可以通过观察焊接工况状态的变化情况，尤其是焊接间隙量、坡口角度及钝边量等参数的变化，结合长期通过“认知‑反馈‑学习”模式积累的焊接经验调控焊接工艺参数并确定焊接策略、焊枪摆动方式、焊接路径及焊枪姿态等以获得成形美观、质量合格的焊缝。尽管焊工的经验和技能对焊接高质量焊缝尤为重要，但是焊工在长时间焊接作业会
出现疲劳、分神等情况造成焊接质量下降甚至出现不合格的情况。此外，焊工的经验与技能需经过数年的训练才能形成。
[0067] 为解决现有技术中焊接机器人一般只能在可以稀释专用夹具制造成本的汽车行业和简单部件的焊接场景中使用，对于焊接工况状态变化复杂的场景，仍然是焊工根据经
验来进行焊接，焊接效率低，并且若焊工经验不足，则会造成材料浪费，提高了生成成本，也不能保证焊缝的成形质量的问题。本发明提供了一种焊接方法，能够根据获取的待焊接工
件包括的目标工件的图像轮廓，精准地确定焊接所需要的各种参数以及焊接过程中的焊接
策略，并根据获取的焊接策略和焊接参数对焊件进行焊接，，实现了焊接过程的自动化，有效降低了生产成本，增加了用户体验感。
[0068] 接下来，参考附图1‑22，对本发明提供的焊接方法的具体实施过程和优点进行详细的说明。
[0069] 在本发明的一种实施方式中，本发明提供的焊接方法，应用于焊接机器人，如图1所示，该焊接方法包括如下步骤：
[0070] S100：确定待焊接工件。
[0071] S200：确定待焊接工件包括的目标工件的图像轮廓。
[0072] S300：根据图像轮廓，确定工件参数。
[0073] S400：根据工件参数，确定焊接策略以及焊接参数。
[0074] S500：根据焊接策略和焊接参数，对待焊接工件进行焊接。
[0075] 其中，待焊接工件指的是需要焊接到一起的工件，可以包括两个子工件、三个子工件以及更多的子工件等。进一步地，目标工件可以为待焊接工件的子工件中的一个、两个或者全部，根据需要设置即可。目标工件的图像轮廓也可以包括多个目标工件多个角度的图像轮廓。
[0076] 工件参数为与目标工件的尺寸相关的参数，具体地可以为与目标工件的焊接部位参与焊接的尺寸相关的参数，比如焊接间隙量、坡口角度、钝边量和立板倾斜角度中的至少一种。
[0077] 焊接参数即焊接过程中焊接机器人输出的焊接工艺参数，可以包括焊接电流、焊接电压、焊接速度和送丝速度中的至少一种。在本申请的一种实施方式中，焊接参数包括焊接电流、焊接电压、焊接速度和送丝速度。
[0078] 采用上述技术方案，在焊接过程中，首先确定待焊接工件，确定待焊接工件包括的目标工件的图像轮廓，根据该图像轮廓，能够确定目标工件对应的工件参数，并且根据该工件参数，确定焊接策略以及焊接参数，最后根据焊接策略和焊接参数，对待焊接工件进行焊接。由此，能够根据获取的待焊接工件包括的目标工件的图像轮廓，精准地确定焊接所需要的各种参数以及焊接过程中的焊接策略，并根据获取的焊接策略和焊接参数对焊件进行焊接，提升了焊接精度。并且，整个焊接过程不需要人为参与，避免了由于焊工经验不足或者焊工失误出现的问题。以及，整个焊接过程工件参数、焊接参数和焊接策略的确定全部由焊接机器人进行，实现了焊接过程的自动化，提升了焊接效率，并且有效降低了生产成本，增加了用户体验感。
[0079] 在本发明的一种实施方式中，如图2所示，确定待焊接工件包括的目标工件的图像轮廓，包括如下步骤：
[0080] S201：对待焊接工件包括的目标工件进行激光扫描处理，得到目标工件的初始图像。
[0081] S202：将初始图像输入第一模型，进行语义分割处理，得到第二图像。
[0082] S203：对第二图像进行灰度处理，得到第三图像。
[0083] S204：对第三图像进行二值化处理，得到第四图像。
[0084] S205：对第四图像进行边缘提取，得到图像轮廓。
[0085] 其中，目标工件的初始图像可以包括待焊接工件的目标工件的顶部、底部和内部的原始图像。第一模型具体地可以采用DeepLab V3+对初始图像的选择注意区域进行语义
分割处理，将初始图像中的噪声全部消除只保留选择注意的区域，得到第二图像。并且，对第二图像进行灰度处理时，可以使用cv2.COLOR_BGR2GRAY函数将语义分割出的第二图像
(RGB图像)转换为灰度图，得到第三图像。然后将第三图像进行二值化处理，具体可以使用cv2.threshold()函数对第三图像进行二值化处理，即可得到其二值化图像，即第四图像。
需要说明的是，第一模型也可以是其他的语义分割处理模型，并不仅限于DeepLab V3+模
型。对第二图像进行灰度处理以及催第三图像进行二值化处理，都可以采用其他现有的处
理模型或者处理函数，本领域技术人员可以根据需要选择。
[0086] 最后，对第四图像进行边缘提取，得到图像轮廓。具体地，进行边缘提取的边缘检测算法可以是Sobel、Scharr、Laplacian、Canny等边缘检测算法中的任意一种，在本发明的一种实施方式中，选择Canny边缘检测算法对第四图像轮廓进行提取，得到图像轮廓。
[0087] 采用上述技术方案，在确定待焊接工件包括的目标工件的图像轮廓的时候，对初始图像轮廓进行语义分割处理、灰度处理以及二值化处理，能够准确、快速地消除初始图像中的噪声并对初始图像进行降维以减小后续特征参数提取的计算量。其中，对初始图像进
行语义分割处理能够将初始图像中的噪声全部消除只保留选择注意的区域。对第三图像进
行二值化处理，能够达到降维的效果以减少数据处理量和突出图像的目标轮廓从而降低轮
廓边缘检测的难度，能够得到更加准确的图像轮廓，以保证全面、准确获取工件参数、焊接策略以及焊接参数，从而提高了焊接精度。
[0088] 在本发明的一种实施方式中，如图3所示，将初始图像输入第一模型，进行语义分割处理，得到第二图像，包括如下步骤：
[0089] S2021：将初始图像输入至预设的分类模型进行处理，得到处理结果。
[0090] S2022：根据处理结果若确定待焊接工件对应的焊接工况状态合理，则将初始图像输入第一模型，进行语义分割处理，得到第二图像。
[0091] 首先通过分类模型对待焊接工件对应的焊接工况状态的合理性进行定性判断，若符合焊接要求则通过以语义分割网络为核心的焊接工况状态特征参数(即图像轮廓)进行
提取，若不符合焊接要求则重新进行装配。具体地，将初始图像输入至预设的分类模型进行处理，分类模型可以对输出的初始图像的装配情况进行判断，比如，从初始图像中判断出两个待焊接工件之间的间隙过大，无法进行焊接，或者两个待焊接工件安装的角度不合理，也导致无法进行焊接，则输出不合理的处理结果。若初步判断待焊接工件的装配满足要求，则输出合理的处理结果。其中，分类模型可以为MobileNetV2分类网络。在将初始图像输入至预设的分类模型进行处理，得到处理结果；根据处理结果确定待焊接工件对应的焊接工况
状态合理时，再继续后续的语义分割处理。早期提前排除了焊接工况状态不合理的情况，提高了焊接效率。分类模型也可以为其他类型的分类网络，本领域技术人员可以根据需要选
择。
[0092] 在本发明的一种实施方式中，如图4所示，该方法还包括如下步骤：
[0093] S2023：根据处理结果若确定待焊接工件对应的焊接工况状态不合理，则生成第一提醒信息。
[0094] S2024：将第一提醒信息发送给用户设备，以使用户根据第一提醒信息对待焊件工件重新进行装配。
[0095] 在焊接工况状态不合理时，生成第一提醒信息，将第一提醒信息发送给用户设备，能够及时提醒用户对待焊件工件重新进行装配，以进行后续的步骤，提高了焊接效率。用户设备具体的可以是与焊接机器人进行通讯连接的手机、电脑等，第一提醒信息可以是语音播报信息或者是警报灯闪烁等信息。
[0096] 在本发明的一种实施方式中，如图5所示，根据图像轮廓，确定工件参数，包括如下步骤：
[0097] S301：根据图像轮廓，确定多个特征点，多个特征点为图像轮廓上与目标工件的待焊接位置相关的点。
[0098] S302：根据多个特征点，确定工件参数。
[0099] 多个特征点为图像轮廓上与目标工件的待焊接位置相关的点，可以为待焊接位置处的拐点、待焊接位置处的坡口平面和钝边平面上的点，也可以为待焊接位置处的水平平
面和竖直平面上的点。只需要根据图像轮廓上的多个特征点，便能确定工件参数，工件参数的确定过程简单，而且确定出的工件参数更加准确、合理，从而提高了焊接精度。
[0100] 在本发明的一种实施方式中，工件参数包括焊接间隙量，如图6所示，根据图像轮廓，确定多个特征点，根据多个特征点，确定工件参数，包括如下步骤：
[0101] S3011：根据图像轮廓，确定多个第一特征点，多个第一特征点为图像轮廓上与目标工件的待焊接位置处的拐点相关的点。
[0102] S3012：根据多个第一特征点，确定焊接间隙量。
[0103] 只需要根据图像轮廓上与目标工件的待焊接位置处的拐点相关的多个第一特征点，便能确定焊接间隙量，焊接间隙量的确定过程简单，而且确定出的焊接间隙量更加合
理、准确，从而提高了焊接精度。
[0104] 在本发明的一种实施方式中，工件参数包括坡口角度和钝边量，如图7所示，根据图像轮廓，确定多个特征点，根据多个特征点，确定工件参数，包括如下步骤：
[0105] S3011’：根据图像轮廓，确定多个第二特征点，多个第二特征点为图像轮廓上与目标工件的待焊接位置处的坡口平面和钝边平面相关的点。
[0106] S3012’：根据多个第二特征点，确定坡口角度和钝边量。
[0107] 只需要根据图像轮廓上与目标工件的待焊接位置处的坡口平面和钝边平面相关的多个第二特征点，便能确定坡口角度和钝边量，坡口角度和钝边量的确定过程简单，而且确定出的坡口角度和钝边量更加合理、准确，从而提高了焊接精度。
[0108] 在本发明的一种实施方式中，工件参数包括立板倾斜角度，如图8所示，根据图像轮廓，确定多个特征点，根据多个特征点，确定工件参数，包括如下步骤：
[0109] S3011”：根据图像轮廓，确定多个第三特征点，多个第三特征点为图像轮廓上与目标工件的待焊接位置处的水平平面和竖直平面相关的点。
[0110] S3012”：根据多个第三特征点，确定立板倾斜角度。
[0111] 只需要根据图像轮廓上与目标工件的待焊接位置处的水平平面和竖直平面相关的多个第三特征点，便能确定出立板倾斜角度，立板倾斜角度的确定过程简单，而且确定出的立板倾斜角度更加合理、准确，从而提高了焊接精度。
[0112] 在本发明的一种实施方式中，焊接策略包括焊枪路径和焊枪姿态，根据工件参数，确定焊接策略，包括：根据焊接间隙量确定焊枪路径；根据焊接间隙量、坡口角度以及立板倾斜角度确定焊枪姿态。
[0113] 焊接间隙量表征了两个工件之间的距离大小，当焊接间隙量的值比较小的时候，焊枪不需要摆动就能实现焊接。当焊接间隙量的值比较大的时候，焊枪需要进行摆动以及
多点点焊才能完整地对待焊接工件进行焊接。根据焊接间隙量确定出的焊枪路径更加合
理、准确。
[0114] 进一步地，在焊缝焊接时，焊枪的姿态对焊缝成形质量影响较大，焊枪姿态不合理易产生咬边和未焊透等缺陷并导致焊脚尺寸较小从而影响焊缝强度。根据焊枪的空间位置，则可以确定焊枪在焊接过程中的焊接姿态。根据焊接间隙量、坡口角度以及立板倾斜角度确定出的焊枪姿态更加合理、准确，从而提高了焊接精度。
[0115] 在本发明的一种实施方式中，根据焊接间隙量确定焊枪路径，包括：根据焊接间隙量确定第一信息，第一信息包括是否需要焊枪摆动以及是否需要多点点焊的信息；根据第一信息，确定焊枪路径。
[0116] 焊接间隙量的大小决定了焊枪焊接过程中的焊枪路径，比如是否需要摆动以及是否需要多点点焊等，根据焊接间隙量确定出的焊枪路径，能够更加符合实际的焊接要求，从而提高了焊接精度。
[0117] 在本发明的一种实施方式中，根据以下公式确定是否需要焊枪摆动以及是否需要多点点焊：
[0118]
[0119] 其中，S为第一信息，b为焊接间隙量，zero为不需要焊接焊枪摆动和且不需要多点点焊，one为需要焊枪摆动但不需要多点点焊，two为需要焊枪摆动和多点点焊。
[0120] 即当焊接间隙量满足1
[0121] 在本发明的一种实施方式中，焊接策略还包括焊接方法，焊接方法通过以下方式确定：根据图像轮廓，确定焊缝类型；根据焊缝类型，确定焊接方法。
[0122] 焊枪的倾斜对焊缝的成形有着明显的影响，根据图像轮廓，确定出焊缝类型的过程简单、准确；根据焊缝类型，确定焊接方法，能够使得得到的焊缝的成型质量较高，从而提高了焊接精度与效率。
[0123] 在本发明的一种实施方式中，焊缝类型包括平角焊缝和立角焊缝，根据焊缝类型，确定焊接方法，包括：若焊缝类型为平角焊缝，则确定焊接方法为后倾焊法；若焊缝类型为立角焊缝，则确定焊接方法为立向上焊法。
[0124] 在本发明的一种实施方式中，根据工件参数，确定焊接参数，包括：将工件参数输入至预设的预测模型进行处理，确定焊接参数。
[0125] 焊接工艺参数(比如焊接电流、焊接电压、焊接速度、送丝速度等)对焊缝成形质量的影响巨大，因此为实现焊接智能化需要对不同工况状态下的最佳焊接工艺参数进行智能化决策。目前对焊接工艺参数的预测主要有两类方法，一类是多项式响应面法，另一类则是机器学习方法。响应面法(Response Surface Methodology，RSM)因为很容易估计和应用，但是响应面法不利于处理复杂问题时。因此，本发明采用预测模型对焊接工艺参数进行预
测。
[0126] 如图9所示，为本发明采用的预测模型(即逆向传播神经网络(back propagation，BP))的原理图，包括正向传播和反向传播两个阶段。正向传播阶段，输入数据经过各个层的加权处理和激活函数的作用后，最终得到输出结果。反向传播阶段，通过计算输出结果与真实值之间的误差，逐层反向调整每个神经元的权重，使误差不断减小，直至收敛或达到预定的迭代次数。此时，对新输入的类似样本的数据，网络则自行输出误差最小的结果信息。
[0127] 为保证不同的焊接工况状态下的焊缝成形质量，将视觉测量系统中获得的焊接间隙量、坡口角度、钝边量以及立板的倾斜角度(即通过图像轮廓得到的焊接间隙量、坡口角度、钝边量以及立板的倾斜角度)等可表达焊接工况状态的工件参数作为BP神经网络输入
向量，焊接电流、焊接电压、焊接速度、送丝速度等工艺参数(即敢接参数)作为网络的预测输出向量。BP神经网络具有鲁棒性、抗干扰性等能力，将工件参数输入至预设的预测模型进行处理，能够确定出当前焊接工况所需要的最佳的焊接参数，确定过程准确、快速。
[0128] 在本发明的一种具体实施方式中，以待焊接工件为液压支架箱式结构，且该液压支架箱式结构工件包括的目标工件为底板、第一立板和第二立板，要利用焊接机器人将第
一立板、第二立板和底板进行焊接的具体的应用场景，对本发明提供的焊接方法的实施过
程以及焊接方法的合理性的确定过程进行详细的说明。
[0129] 首先通过视觉传感器对该液压支架箱式结构进行激光扫描，获取该液压支架箱式结构工件多个方向的图片，比如图10所示的(a)(b)(c)(作为初始图像的一种示例)。其中，(a)为第一方向的图片，具体地可以为液压支架箱式结构顶部的图片，(b)为第二方向的图
片，具体地可以为液压支架箱式结构底部的图片，(c)为第三方向的图片，具体地可以为液压支架箱式结构内部的图片。进一步地，S1代表的是第一立板，S2代表的是第二立板，B代表的是底板。
[0130] 接下来，使用MobileNet V2分类网络(作为分类模型的一种示例)对焊接工况状态的合理性进行判断。具体地，将图10(a)(b)(c)中的图片输入至MobileNet V2分类网络，得到分类结果，分类结果包括合理与不合理。
[0131] 若分类结果合理则进行焊接工况状态特征信息的提取，若不符合焊接要求则重新进行装配。
[0132] 在获取选择注意区域的轮廓之前首先要对图片进行选择注意区域分割、预处理操作以准确、快速消除原始图像(即初始图像)中的噪声并对图像进行降维以减小后续特征参
数提取的计算量。
[0133] 焊接工况状态特征信息的提取包括：
[0134] 首先对图10(a)(b)(c)所示的第一方向、第二方向和第三方向的原始图像使用优化后的DeepLab V3+(作为第一模型的一种示例)对选择注意区域进行分割即可获得如图10
(a1)(b1)(c1)(作为第二图像的一种示例)所示的图像，将原始图像中的噪声全部消除只保
留选择注意的区域。此时，需对语义分割得到的图像进行二值化处理从而达到降维的效果
以减少数据处理量和突出图像的目标轮廓从而降低轮廓边缘检测的难度。在对分割图像进
行二值化处理之前，首先使用cv2.COLOR_BGR2GRAY函数将语义分割出的RGB图像转换为灰
度图，如图10(a2)(b2)(c2)(作为第三图像的一种示例)所示。然后使用cv2.threshold()
函数对灰度图处理即可得到其二值化图像，如图10(a3)(b3)(c3)(作为第四图像的一种示
例)所示。
[0135] 通过对比Sobel、Scharr、Laplacian、Canny边缘检测算法对焊接工况状态特征信息提取后的二值化图像进行操作之后，根据边缘检测结果可以表明Laplacian、Canny边缘
检测算法比Sobel、Scharr边缘检测算法更为优异。但是，当焊接作业环境较为复杂时会导致采集到的图像具有较多噪声，Laplacian边缘检测算法对图片噪声较为敏感而Canny边缘
检测算法面对复杂环境具有更强的鲁棒性和准确性。因此，在本实施方式中，选择Canny边缘检测算法对焊焊接工况状态特征信息提取后的二值化图像进行轮廓提取，得到图像轮
廓，如图11a‑11c所示。
[0136] 接下来，根据图像轮廓，确定工件参数。
[0137] 首先，根据图像轮廓，确定焊接间隙量b。
[0138] 焊接间隙量对焊接策略、焊接路径、焊枪姿态及焊接工艺参数的影响较大，但是在进行定位焊时，焊接间隙量的合理性与一致性难以保证从而影响焊缝成形质量。因此，为保证焊缝成形质量就需要能够在线对焊接间隙量进行测量，从而能够为焊接策略、焊接路径、焊枪姿态及焊接工艺参数的决策提供依据。本实施方式中对焊接间隙量的提取过程如图12a和图12b所示，其中S1 contour表示第一立板的图像轮廓，S2 contour表示第二立板的
图像轮廓，B contour表示底板的投影轮廓。
[0139] 如图12a所示，通过提取顶部图像轮廓上第一立板拐点tg的坐标并通过点tg做竖线获取与第二立板之间的交点ti，然后计算点tg与ti(作为第一特征点的一种示例)之间的距
离即可得到立焊缝顶部的焊接间隙量(作为焊接间隙量的一种示例)。如图12b所示，通过提取底部图像轮廓上第二立板的拐点bg1、bg2的坐标并通过点bg1、bg2分别做竖线获取与底板之间的交点bi1、bi2，然后计算点bg1与bi1、bg2与bi2(作为第一特征点的另一种示例)之间的距离并求平均值即可得到平角焊缝一侧的焊接间隙量(作为焊接间隙量的另一种示例)，当视觉
传感器运动到该焊缝的另一侧并采集图像即可利用此方法求解得到另一侧间隙量(作为焊
接间隙量的另一种示例)；提取底部图像轮廓上第二立板的拐点bg3的坐标并通过点bg3做水平线获取与第一立板之间的交点bi3，然后计算点bg3与bi3(作为第一特征点的另一种示例)之间的距离即可得到立角焊缝底部的焊接间隙量(作为焊接间隙量的另一种示例)；提取底
部图像轮廓上第一立板的拐点bg4的坐标并通过点bg4做竖线获取与底板之间的交点bi4，然后计算点bg4与bi4(作为第一特征点的另一种示例)之间的距离即可得到平角焊缝一侧的焊
接间隙量(作为焊接间隙量的另一种示例)，当视觉传感器运动到该焊缝的另一侧并采集图
像轮廓即可利用此方法求解得到另一侧间隙量。
[0140] 然后，根据图像轮廓，确定坡口角度α和钝边量c。
[0141] 坡口角度与钝边量的大小对焊接路径、焊枪姿态及焊接工艺参数具有重要影响，因此本实施方式通过图13所示的提取算法以实现坡口角度、钝边量的在线计算(即测量)。
[0142] 由图13可知，本实施方式所建立的算法是利用坡口平面、钝边平面及截面之间的交线、交点等确定坡口角度和钝边量。如图14所示，L1、L3为截面与坡口平面形成的交线，L2为截面与钝边平面之间的交线；通过计算L2与L1、L3之间的夹角即可确定K型坡口内外的坡口角度α1、α2，计算L2与L1、L3形成的交点c1、c2之间的距离即可得到钝边量大小。
[0143] 接下来，介绍立角焊缝对应的坡口角度、钝边量的计算过程。
[0144] 如图15a‑15d所示，其中，图15d中的图像从左到右分别为图15a中的区域Ⅰ、区域Ⅱ，图15b中的区域Ⅲ、区域Ⅳ、区域Ⅴ和区域Ⅵ，图15c中的区域Ⅶ对应的局部放大图。根据视觉传感器的位置与方向可以确定点m4、m5、o1、o2在立角焊缝K型坡口的内侧坡口平面Gi上；m5、m6、n10、n11在立角焊缝的K型坡口的外侧坡口平面Go上；m4、n9、n10、o1在立角焊缝K型坡口的钝边平面T上。因此，通过获取特征点的像素坐标并带入标定完成的转换矩阵即可得到特征点在焊接机器人坐标系下的坐标(Xw，Yw，Zw)，则可以通过公式1可计算得到平面Gi、Go、T在焊接机器人坐标系下的平面方程。(其中，m4、m5、m6、o1、o2、n9、n10、n11作为第二特征点的一种示例)
[0145]
[0146] 通过计算得到在焊接机器人坐标系下，立角焊缝K型坡口的内侧坡口平面Gi的平面方程为：A1Xi+B1Yi+C1Zi+D1＝0；K型坡口的外侧坡口平面Go的平面方程为：A2Xo+B2Yo+C2Zo+D2＝0；K型坡口的钝边平面T的平面方程为：A3XT+B3YT+C3ZT+D3＝0。因此，在焊接机器人坐标系下，在高度为Z时，则平面Zw＝Z分别与立角焊缝K型坡口的内侧坡口平面Gi、外侧坡口平面Go、钝边平面T的交线L1、L3、L2分别如公式(2)、(3)、(4)所示。
[0147] A1Xi+B1Yi+C1Z+D1＝0 (2)
[0148] A2Xo+B2Yo+C2Z+D2＝0 (3)
[0149] A3XT+B3YT+C3Z+D3＝0 (4)
[0150] 根据计算得到的L1、L2、L3在焊接机器人坐标系下的直线方程可进一步计算立角焊缝K型坡口内侧坡口角度α1、外侧坡口角度α2(作为坡口角度的一种示例)，其计算方法分别如公式(5)、(6)所示。钝边量c则可依据直线L2与L1、L3的交点c1、c2之间的距离进一步求解获得，若c1(x1,y1)、c2(x2,y2)，则可以得到公式(7)、(8)，进一步地，利用公式(9)即可计算得到钝边量的大小。
[0151]
[0152]
[0153]
[0154]
[0155]
[0156] 接下来，介绍平角焊缝坡口角度、钝边量的计算过程。
[0157] 底部的平角焊缝通过一个定位拍摄点所获取的图像并不能提取出能够计算坡口角度、钝边量所需要的参数，因此需要两个相关定位点所拍摄到的图像进行参数提取进而
计算平角焊缝的坡口角度、钝边量。在获取平角焊缝的坡口角度、钝边量时，有第一立板、第二立板与底板形成的平角焊缝两类视觉图像。因此，需要对这两类视觉图像分别设计坡口
角度、钝边量的获取算法从而更加准确、高效的提取坡口角度、钝边量。
[0158] 第一立板与底板形成平角焊缝的坡口角度与钝边量获取与立角焊缝的计算方法基本一致，都需要通过计算获取坡口平面、钝边平面在焊接机器人坐标系下的平面方程进
而计算坡口角度与钝边量。具体地，如图16a‑16e所示，其中，图16e中的图像从左到右分别为图16a中的区域Ⅰ、区域Ⅱ，图16b中的区域Ⅲ，图16c中的区域Ⅳ，图16d中的区域Ⅴ对应的局部放大图。根据视觉传感器在拍摄点的位置可以确定点o3、o4、o3′、o4′在第一立板内侧坡口平面Fi1上；n14、n15、n14′、n15′在第一立板与底板形成的焊缝外侧坡口平面Fo1上；n15、o4、n15′、o4′则在此焊缝的钝边平面T1上。(其中，n14、n15、n14′、n15′、o3、o4、o3′、o4′作为第二特征点的另一种示例)
[0159] 通过计算得到在焊接机器人坐标系下的第一立板与底板形成平角焊缝K型坡口的内侧坡口平面Fi1的平面方程为：Ai1Xi1+Bi1Yi1+Ci1Zi1+Di1＝0；K型坡口的外侧坡口平面Fo1的平面方程为：Ao1Xo1+Bo1Yo1+Co1Zo1+Do1＝0；K型坡口的钝边平面T1的平面方程为：AT1XT1+BT1YT1+CT1ZT1+DT1＝0。因此，当焊接机器人坐标系下Yw轴方向的坐标为Y时，则平面Yw＝Y分别与第一立板与底板形成平角焊缝K型坡口的内侧坡口平面Fi1、外侧坡口平面Fo1、钝边平面T1的交线L1、L3、L2分别如公式(10)、(11)、(12)所示。
[0160] Ai1Xi1+Bi1Y+Ci1Zi1+Di1＝0 (10)
[0161] Ao1Xo1+Bo1Y+Co1Zo1+Do1＝0 (11)
[0162] AT1XT1+BT1Y+CT1ZT1+DT1＝0 (12)
[0163] 根据计算得到L1、L2、L3在焊接机器人坐标系下的直线方程可进一步计算第一立板与底板形成平角焊缝K型坡口的内侧坡口角度α1、外侧坡口角度α2，其计算方法分别如公式(13)、(14)所示。钝边量c则可依据直线L2与L1、L3的交点c1、c2之间的距离进一步求解获得，若c1(x1,y1)、c2(x2,y2)，则可以得到公式(15)、(16)，利用公式(9)即可计算得到钝边量的大小。
[0164]
[0165]
[0166]
[0167]
[0168] 第二立板与底板形成平角焊缝的坡口角度与钝边量获取包括：根据平角焊缝坡口角度、钝边量的获取方法即可计算得到坡口角度与钝边量。如17a‑17c所示，其中，图17c中的图像从左到右分别为图17a中的区域Ⅰ，图17b中的区域Ⅱ对应的局部放大图。根据点n5、n6所在的直线与点n6、n7所在直线的夹角可以计算出第二立板与底板形成平角焊缝K型坡口一侧的内侧坡口角度α1；点n4、n5所在的直线与点n5、n6所在直线的夹角可以计算出第二立板与底板形成平角焊缝一侧K型坡口的内侧坡口角度α2；点n5、n6之间的距离则是一侧钝边c的大小。(其中，n4、n5、n6、n7作为第二特征点的另一种示例)
[0169] 通过计算得到在焊接机器人坐标系下n4、n5所在的直线方程：Ao2Xo2+Bo2Yo2+Co2＝0，n5、n6所在的直线方程：AT2XT2+BT2YT2+CT2＝0，n6、n7所在的直线方程：Ai2Xi2+Bi2Yi2+Ci2＝0，则α1、α2、c的计算方法分别如公式(17)、(18)和公式(9)所示。如图17b所示为在第二立板在另一侧提取到的特征点图像，利用点n4′、n5′、n6′、n7′(作为第二特征点的另一种示例)，根据上述的计算方法即可得到第二立板另一侧的坡口角度和钝边量α1′、α2′、c′。然后根据点n5、n5′在焊接机器人坐标系下Xw轴方向的坐标X以及第二立板两侧的坡口角度α1、α2、c，就可以依照公式(19)、(20)、(21)计算得出整条焊缝随坐标X变化的坡口角度和钝边量。
[0170]
[0171]
[0172]
[0173]
[0174]
[0175] 最后，根据图像轮廓，进行立板倾斜角度θ的获取计算。
[0176] 液压支架箱式结构完成装配之后其立板的倾斜可以分为竖直和水平两个方向的倾斜。因此，需求解竖直、水平两个方向的倾斜角度以全面表达立板倾斜角度。
[0177] 如图18a‑18d所示，其中，图18d中的图像从左到右分别为图18a中的区域Ⅰ、区域Ⅱ，图18b中的区域Ⅲ、区域Ⅳ、区域Ⅴ和区域Ⅵ，图18c中的区域Ⅶ、区域Ⅷ对应的局部放大图。第一立板在水平方向的倾斜角度可以借助m3、m4和m6、m7(作为特征点的一种示例)分别所在的直线斜率获取，若m3、m4和m6、m7分别所在的直线方程为Al1Xl1+Bl1Yl1+Cl1＝0和Al2Xl2+Bl2Yl2+Cl2＝0，则第一立板在水平方向的倾斜角度可以使用公式(22)表示。如图18b、18c所示，第二立板在水平方向的倾斜角度需要利用n3、n4，n7、n8所在直线斜率与n3′、n4′和n7′、n8′所在的直线斜率对水平方向的偏转角度进行获取。若n3、n4，n7、n8，n3′、n4′，n7′、n8′(作为第三特征点的另一种示例)分别所在的直线方程分别为Al3Xl3+Bl3Yl3+Cl3＝0、Al4Xl4+Bl4Yl4+Cl4＝0、Al3′Xl3′+Bl3′Yl3′+Cl3′＝0、Al4′Xl4′+Bl4′Yl4′+Cl4′＝0，则其倾斜角度可以使用公式(23)表示。而两者在水平方向的倾角计算方式一致，因此本实施方式以第一立板为例求解其在水平方向的倾斜角度。如图18b所示，第一立板在竖直方向的倾斜角度采取立板平面与竖直平面之间的夹角进行获取，由图可知点n11、n12、n13、n14皆在第一立板的外平面上，利用公式(1)和转换矩阵即可得到第一立板外平面在焊接机器人坐标系下的平面方程。
[0178] 通过计算得到第一立板外侧平面方程为AyXy+ByYy+CyZ+D＝0，其所对应的竖直平面的方程为Xw＝0，则第一立板在竖直方向的倾斜角度可以使用公式(24)计算获取。如图18b所示，第二立板在竖直方向的倾角获取方式与第二立板在水平方向的获取方法一致，即利
用n3、n4和n7、n8分别所在的直线斜率获取第二立板在竖直方向的倾斜角度。
[0179]
[0180]
[0181]
[0182] 然后，根据工件参数，确定焊接过程中的焊接策略和焊接参数。焊接策略包括了焊接路径、焊枪姿态以及焊接方法等。
[0183] 焊工对焊接过程中是否需要焊接焊枪摆动和多点点焊制定的经验是在长期的作业过程中总结出的与焊接间隙量之间的关系。因此，为将焊工制定焊接策略的经验转换成
焊接机器人可执行的智能化焊接决策程序，需要定量描述焊接策略(S)和焊接间隙量(b)之
间的关系。焊工在根据焊接间隙量制定焊接决策时不是针对每个焊接间隙量都制定一个对
应的焊接策略而是当焊接间隙量在某一个范围内时皆采用同一个焊接策略。通过观察、请
教焊工制定焊接决策的过程，最终确定焊接间隙量波动范围在1mm内时采用同一焊接策略。
因此，本实施方式提供了如公式(25)所示的焊接策略(S)与焊接间隙量(b)之间的分段函
数，其中，zero表示不需要焊接焊枪摆动和不需要多点点焊，one表示需要焊枪摆动但不需多点点焊，two表示需要焊枪摆动和多点点焊。
[0184]
[0185] 因此，焊接机器人在施焊前将视觉图像处理模块获取到的焊接间隙量输入焊接策略的决策函数中即可得到当前焊接间隙量下的焊接策略。
[0186] 进一步地，进行焊接路径的智能规划决策。
[0187] (1)焊接过程中不需要焊枪摆动
[0188] 当焊接工况状态不需要焊枪摆动即可满足焊脚尺寸要求时，如图19所示，立板的倾斜使内外侧的工况状态不一致从而导致其焊接路径发生了变化。焊接时焊枪需指向焊口
中心，以焊口特征点a、a1为起点做底板上表面的垂线段即可得到垂足o、o1，故焊枪需指向线段ao、a1o1的中点。因此，只需获取图像处理模块求解得到的焊口特征点坐标即可求解出焊口中心坐标。以立板内侧为例，若a点坐标为(xa,ya)、o点的坐标为(xo,yo)则焊口中心Pmid的坐标为 因此在焊接前只需将图像处理系统获得到的点a、o、a1、o1的坐标
即可得到当前焊接工况状态下的焊枪路径。
[0189] (2)焊接过程中需要焊枪摆动
[0190] 根据液压支架箱式结构焊缝特点选择的三角形摆动方式，为确定焊接路径首先需对焊枪摆动方式的参数进行分析并确定。如图20a‑20b所示为三角形焊枪摆动方式及参数
示意图。因此在焊前首先要确定焊缝宽度B、焊枪摆幅A、γ、γ1、γ2、γ3、摆动间距db、左侧停留时间Tl、右侧停留时间Tr等参数作为焊接路径的决定因子。
[0191] 焊枪的摆动幅度与焊缝宽度之间的联系十分密切，选择焊枪的摆幅大小为焊缝宽度的一半，为求得在不同焊接工况状态下的焊枪摆幅需先求焊缝宽度大小。利用焊缝宽度
B、焊接间隙量b、坡口角度α、坡口深度h以及焊脚尺寸K之间的几何关系可推出公式(26)计算焊缝宽度B，从而可得到焊枪摆幅A的大小。
[0192]
[0193] 如图20a所示，焊接立角焊缝时采用正三角形摆动方式，在焊接前只需确定焊枪的摆幅A、摆动间距db、左侧停留时间Tl、右侧停留时间Tr即可得到一个摆动周期的焊接路径LTp，可用公式(27)表示。整条平角焊缝的焊接路径Lp则是不断循环重复此周期的焊接路径直至完成整条焊缝的焊接。
[0194] LTp＝h1(A,db,Tl,Tr) (27)
[0195] 如图20b所示，焊接平角焊缝时采用斜三角形摆动方式，相比于正三角形摆动方式其路径的确定需要更多的参数也更加的复杂。在焊接前需要确定焊枪的摆动的偏转角度
γ1、γ2、γ3以及摆动间距db、左侧停留时间Tl、右侧停留时间Tr即可得到一个摆动周期的焊接路径LTs，可用公式(28)表示。整条立角焊缝的焊接路径Ls则是不断循环重复此周期的焊接路径直至完成整条焊缝的焊接。
[0196] LTs＝h2(γ1,γ2,γ3,db,Tl,Tr) (28)
[0197] 综上所述，在焊前首先需要根据视觉测量系统获得的焊接间隙量b、坡口角度α、钝边量c以及立板的倾斜角度θ等判断焊枪需不需要摆动满足焊缝成形质量。然后分别根据各自要求即可获得当前焊接工况状态下的焊接路径。
[0198] 进一步地，进行焊枪姿态的智能决策。
[0199] 液压支架箱式结构在焊接时需要根据装配过后的工况状态随时变换焊枪姿态。在角焊缝焊接时，焊枪的姿态对焊缝成形质量影响较大，焊枪姿态不合理易产生咬边和未焊
透等缺陷并导致焊脚尺寸较小从而影响焊缝强度。根据焊枪的空间位置，定义角度β1和β2表征焊枪的空间姿态，如图21a‑21b所示。为保证焊缝成形质量，本实施方式基于焊工经验设计了不同焊接工况状态所对应的合理焊枪姿态智能决策算法。
[0200] 为保证焊缝成形质量，焊工在施焊前首先会观察焊缝形式、立板的倾斜角度、焊接间隙量与坡口角度的大小并根据坡口角度与立板的倾斜角度决定β1的角度，焊缝形式与焊接间隙量等信息决定β2的角度。因此，根据焊工经验建立了β1与β2的决策算法。
[0201] 如图22所示，根据坡口角度与立板倾斜角度利用其几何关系建立了立板内侧与外侧焊枪姿态β1的算法如公式(29)所示。
[0202]
[0203] 随着β2角度的增加焊缝的熔宽也会随之增大，并且对于立焊缝而言随着β2角度的增加不仅仅会增加焊缝熔宽而且还有增大电弧对熔池的托举作用所以使用最大的倾斜角度。因此本实施方式设计的算法如公式(30)所示。
[0204]
[0205] 因此，本实施方式基于焊接状况状态即视觉测量系统所获得的焊接间隙量b、坡口角度a、以及立板的倾斜角度θ等，利用公式(29)(30对焊枪姿态进行智能规划决策。
[0206] 进一步地，进行焊法的智能决策。
[0207] 焊枪的倾斜对焊缝的成形有着明显的影响，按照焊枪倾斜方向的不同，可以分为前倾焊法和后倾焊法。焊枪沿着焊接前进方向倾斜，称为前倾焊法，焊枪逆着焊接前进方向倾斜，称为后倾焊法。相关文献表明后倾法焊缝表面成形比前倾法焊缝表面成形均匀，鱼鳞纹更加细致规则，焊缝的焊脚尺寸要略大。对于立焊缝而言，立向下焊适用于薄板焊接，立向上焊符合厚板的焊接需求。因此，在液压支架箱式结构焊接时平角焊缝采用后倾焊法，立角焊缝采用立向上焊。
[0208] 最后，进行焊接工艺参数的智能决策。
[0209] 焊接工艺参数(焊接电流、焊接电压、焊接速度、送丝速度等)对焊缝成形质量的影响巨大，因此为实现焊接智能化需要对不同工况状态下的最佳焊接工艺参数进行智能化决策。本实施方式中采用BP神经网络对焊接工艺参数进行预测。
[0210] 为保证不同的焊接工况状态下的焊缝成形质量，将视觉测量系统中获得的焊接间隙量b、坡口角度α、钝边量c以及板的倾斜角度θ等可表达焊接工况状态的参数作为图9所示的神经网络的输入向量，焊接电流、焊接电压、焊接速度、送丝速度等工艺参数作为网络的预测输出向量，即可得到当前工艺参数对应的焊接参数。
[0211] 最后，通过上述方法得到的焊接策略和焊接参数，利用焊接机器人对液压支架箱式结构进行焊接。
[0212] 请参见图23，图23所示为本申请实施方式提供的电子设备的一种结构框图。电子设备可以包括一个或多个处理器1002，与处理器1002中的至少一个连接的系统控制逻辑
1008，与系统控制逻辑1008连接的系统内存1004，与系统控制逻辑1008连接的非易失性存
储器(non‑volatile memory，NVM)1006，以及与系统控制逻辑1008连接的网络接口1010。在本发明的一种具体实施方式中，该电子设备为焊接机器人。
[0213] 处理器1002可以包括一个或多个单核或多核处理器。处理器1002可以包括通用处理器和专用处理器(例如，图形处理器，应用处理器，基带处理器等)的任何组合。在本文的实施方式中，处理器1002可以被配置为执行前述的焊接方法。
[0214] 在一些实施方式中，系统控制逻辑1008可以包括任意合适的接口控制器，以向处理器1002中的至少一个和/或与系统控制逻辑1008通信的任意合适的设备或组件提供任意
合适的接口。
[0215] 在一些实施方式中，系统控制逻辑1008可以包括一个或多个存储器控制器，以提供连接到系统内存1004的接口。系统内存1004可以用于加载以及存储数据和/或指令。在一些实施方式中电子设备的系统内存1004可以包括任意合适的易失性存储器，例如合适的动
态随机存取存储器(Dynamic Random Access Memory，DRAM)。
[0216] NVM/存储器1006可以包括用于存储数据和/或指令的一个或多个有形的、非暂时性的计算机可读介质。在一些实施方式中，NVM/存储器1006可以包括闪存等任意合适的非
易失性存储器和/或任意合适的非易失性存储设备，例如硬盘驱动器(Hard Disk Drive，
HDD)，光盘(Compact Disc，CD)驱动器，数字通用光盘(Digital Versatile Disc，DVD)驱动器中的至少一个。
[0217] NVM/存储器1006可以包括安装在电子设备的装置上的一部分存储资源，或者它可以由设备访问，但不一定是设备的一部分。例如，可以经由网络接口1010通过网络访问NVM/存储器1006。
[0218] 网络接口1010可以包括收发器，用于为电子设备提供无线电接口，进而通过一个或多个网络与任意其他合适的设备(如前端模块，天线等)进行通信。在一些实施方式中，网络接口1010可以集成于电子设备的其他组件。例如，网络接口1010可以集成于处理器1002
的，系统内存1004，NVM/存储器1006，和具有指令的固件设备(未示出)中的至少一种，当处理器1002中的至少一个执行所述指令时，电子设备实现前述的焊接方法。
[0219] 在一个实施方式中，处理器1002中的至少一个可以与用于系统控制逻辑1008的一个或多个控制器的逻辑封装在一起，以形成系统封装(System In a Package，SiP)。在一个实施方式中，处理器1002中的至少一个可以与用于系统控制逻辑1008的一个或多个控制器
的逻辑集成在同一管芯上，以形成片上系统(System on Chip，SoC)。
[0220] 可以理解的是，本发明实施方式示意的结构并不构成对电子设备的具体限定。在本申请另一些实施方式中，电子设备可以包括比图示更多或更少的部件，或者组合某些部
件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
[0221] 本申请实施例还提供了一种计算机可读存储介质，计算机可读取存储介质存储有计算机程序，计算机程序包括程序指令。计算机可读存储介质可以是电子设备能够存储的
任何可用介质或者是包含一个或多个可用介质的数据中心等数据存储设备。可用介质可以
是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘)等。程序指令被电子设备运行时实现前述的焊接方法。
[0222] 本申请实施例还提供了一种包含指令的计算机程序产品。计算机程序产品可以是包含计算机程序/指令的，能够运行在电子设备上或被储存在任何可用介质中的软件或程
序产品。当计算机程序产品在至少一个电子设备上运行时，使得至少一个电子设备执行前
述焊接方法。
