(云南機電職業(yè)技術學院,昆明 650203)

移動焊接機器人焊縫跟蹤控制系統(tǒng)設計

李林會李琳

(云南機電職業(yè)技術學院,昆明 650203)

為提高移動焊接機器人的焊縫跟蹤精度，結合RBF神經網絡和PID控制設計了一種焊縫跟蹤控制系統(tǒng)。介紹了焊接機器人系統(tǒng)組成并建立了相應的運動學模型，重點論述了RBF神經網絡結構以及控制器的設計方法。通過神經網絡在線辨識梯度信息，根據梯度信息在線調整比例、積分、微分系數，以提高系統(tǒng)控制性能。仿真結果表明：采用所述控制方法，能較好地實現復雜軌跡跟蹤。在焊縫跟蹤過程中，移動焊接機器人運行平穩(wěn)，具有較高跟蹤精度。

焊接機器人焊縫跟蹤RBF神經網絡PID控制

0 序 言

移動焊接機器人通常具備結構簡單、適應性強等特性，所以比較適合非結構作業(yè)環(huán)境，在大型球罐焊接、造船等領域的應用十分廣泛[1-2]。為提高焊縫跟蹤精度、確保焊接質量，設計一種性能優(yōu)良的焊接機器人控制系統(tǒng)具有一定理論和實際意義[3]。然而，現有的控制方法大多以焊接機器人的運動學模型為基礎，而且其實際工作環(huán)境比較復雜，受機器人本身特性及外部干擾等因素的影響，無法得到滿意的控制結果[4-7]。為解決此問題，可以考慮引入智能控制算法。

理想情況下，焊接機器人應具有一定的抗干擾能力和魯棒性，以保證焊槍沿焊縫中心線穩(wěn)定運行，同時滿足相應的位姿和速度要求[8]。輪式移動焊接機器人是一種典型的非完整約束系統(tǒng)，其約束條件不可積。近幾年，結合積分Backstepping方法及Lyapunov穩(wěn)定性原理受到諸多學者的高度重視，該方法可在一定程度上解決非完整約束系統(tǒng)的軌跡跟蹤控制問題[9-10]。但是跟蹤過程的平滑度不夠，盡管有一些相關改進算法，仍無法解決外界擾動的影響[11]。

在建立移動焊接機器人運動學模型的基礎上，設計一種RBF神經網絡PID控制器，以實現焊縫跟蹤控制。通過仿真驗證所述控制方法能夠有效改善跟蹤效果。

1 焊接機器人

1.1 簡 介

移動焊接機器人焊縫跟蹤系統(tǒng)主要包括移動機器人、工控計算機、送絲機、弧焊電源、旋轉電弧傳感器、DA輸出卡和數據采集卡等，具體結構如圖1所示。其工作過程可以描述為：通過霍爾傳感器采集焊接電流的變化，經數據采集卡將其傳送至工控計算機；運算處理后，可獲得當前時刻焊槍位置偏差和傾角值；經控制器處理后可得到車輪和十字滑塊的控制量，經DA轉換以實現相應伺服電動機的控制，進而完成焊縫跟蹤。

圖1 焊接機器人

選用輪式移動焊接機器人，其主要由移動小車和十字滑塊構成，具備4個自由度，可對折線、彎曲、直線等類型焊縫進行跟蹤。移動小車結構為萬向輪前后對稱布置，驅動輪位于中間采用差速驅動，十字滑塊位于驅動輪軸線上。偏差檢測裝置采用旋轉電弧傳感器，可直接作焊槍使用；同時其與十字滑塊連接，所以可在水平和垂直兩個方向上移動。

1.2 運動學模型

移動機器人運動學模型如圖2所示。從圖2可以看出：Oxy表示固定坐標系；Cx1y1表示移動坐標系，選取移動機器人中心作為坐標原點。定義機器人中心坐標為(xc,yc)T；移動速度大小為vc;其與x軸夾角為θc；角速度大小為wc；目標位置為r點，對應參考速度大小為(vr,wr)T，其方向與焊縫軌跡切線重合。固定坐標系下，焊槍前端位置可表示為(xw,yw,θw)T。

圖2 焊接機器人運動學模型

利用n維坐標矢量q=(q1,q2,…，qn)T來描述機器人系統(tǒng)，如果受到m個約束，那么可表示為：

(1)

當運動學模型為非完整約束時，上式可寫成：

q=J(q)z

(2)

式(2)中J(q)為n×(n-m)矩陣，同時滿足

JT(q)AT(q)=0;z∈Rn-m

(3)

如果移動焊接機器人驅動輪的運動為純滾動，那么式(1)中A(q)可描述為：

A(q)=(-sinθccosθc0)

(4)

式(2)中速度矢量z可描述為：

z=(vcωc)T

(5)

J(q)可表示為：

(6)

根據輪式移動焊接機器人中心點可得焊槍前端的運動學方程：

(7)

對上式求導可得：

(8)

2 RBF神經網絡PID控制器設計

結合RBF神經網絡和傳統(tǒng)PID控制設計了一種控制方法。與傳統(tǒng)PID相比，該控制方法具有很好的抗干擾性能；與BP網絡相比，同樣可以解決輸入和輸出之間的非線性映射問題，不過其隱含層和輸出層之間為線性映射，能夠避免局部極小問題而且可以加快學習速度。

2.1 RBF神經網絡

對于RBF網絡結構，其輸入向量可表示為X=[x1,x2,…,xn]T；徑向基向量為h=[h1,h2,…,hm]T，其中hj為高斯函數：

(9)

式中，bj表示第j個節(jié)點基寬度參數而且非負；cj表示第j個節(jié)點的中心矢量的變化量。

RBF網絡辨識輸出可表示為：

qm(k)=w1h1+w2h2+…+wjhj+…+wmhm

(10)

式中，wj表示網絡權向量的變化量。

網絡辨識器性能指標函數可表示為：

(11)

式中，q(k)表示系統(tǒng)實際輸出?；赗BF神經網絡的PID控制系統(tǒng)原理如圖3所示。梯度信息可通過神經網絡在線辨識獲得，那么PID控制器三個參數則能夠根據梯度信息實時調整，進而適應相關變化，從而提高系統(tǒng)的控制性能。

圖3 基于RBF神經網絡的PID控制系統(tǒng)原理

2.2 控制器設計

定義焊縫跟蹤誤差為e(k)=qd(k)-q(k)，其中qd(k)表示k時刻焊縫位置；q(t)表示k時刻焊槍前端實際位置。

PID控制器的輸入可表示為：

(12)

那么PID控制算法可描述為：

u(k)=Δu(k)+u(k-1)

(13)

Δu(k)=kpX1(k)+kiX2(k)+kdX3(k)

(14)

利用RBF神經網絡整定PID控制器系數kp，ki，kd，整定性能指標函數可表示為：

(15)

根據梯度下降法可得到相關調整公式為：

(16)

(17)

3 仿真研究

為驗證所設計控制算法的有效性，文中進行軌跡跟蹤仿真試驗。設定跟蹤軌跡為圓形焊縫，其直徑為2 m；移動焊接機器人本體逆時針沿圓弧轉動；焊槍期望速度為20 mm/s；本體最大調整角速度為0.02 rad/s；采樣周期為0.2 s；機器人焊槍初始位姿為(-5 mm,10 mm,2°)。

設定PID控制器初始參數如下：kp=1，ki=0，kd=0；網絡學習速率η1，η2，η3均為0.45。仿真結果如圖4所示，其中圖4a為軌跡跟蹤結果，圖4b為焊槍線速度。

圖4 仿真結果

在焊接工作過程中，受工件表面不平、摩擦等因素的影響，驅動輪半徑會發(fā)生變化。另外，負載變化容易導致系統(tǒng)質量、轉動慣量出現變化。同時焊接誤差信號具有隨機性，所以在仿真過程中將隨機干擾信號加入到對應項中。由仿真結果可以看出：焊槍軌跡跟蹤誤差可以控制在±0.2 mm范圍內；焊槍線速度為20±0.02 mm/s，跟蹤效果比較理想。

[][]

綜上所述，采用所述控制方法能較好地實現復雜軌跡跟蹤，而且跟蹤精度較高。

4 結 論

(1)移動焊接機器人結構簡單,適應性強，比較適合大焊縫、復雜焊縫。簡述了移動焊接機器人結構及其運動學模型，結合RBF神經網絡和PID控制設計了一種焊縫跟蹤控制器，該控制器具有一定抗干擾性。

(2)仿真結果表明：機器人運動性能穩(wěn)定且具有較高的跟蹤精度。移動焊接機器人軌跡跟蹤嵌入式控制系統(tǒng)對提高焊接自動化具有一定借鑒意義。

[1] Aghili F. A prediction and motion-planning scheme for visually guided robotic capturing of free-floating tumbling objects with uncertain dynamics[J]. IEEE Trabsactions on Robotics，2012，28(3): 634-649.

[2] 陳洪堂，李海超，高洪明，等. 基于人機工程的主從機器人遙控焊接焊縫跟蹤誤差分析[J]. 焊接學報,2012，33(5): 9-12.

[3] 高延峰，張 華，毛志偉，等. 輪式機器人折線焊縫跟蹤協(xié)調控制方法[J]. 焊接學報，2008，29(5): 33-37.

[4] 洪 波，張淇淋，李湘文，等. 移動式焊縫跟蹤機器人跟蹤精度分析方法[J]. 焊接學報，2012，33(1): 13-16.

[5] 李月華，張 華，葉建雄. 移動焊接機器人及混合控制[J]. 工業(yè)控制計算機，2007，20(7): 9-10.

[6] 伍 明，李琳琳，孫繼銀. 基于概率數據關聯交互多模濾波的移動機器人未知環(huán)境下動態(tài)目標跟蹤[J]. 機器人，2012，34(6): 668-679.

[7] 呂學勤，張 軻，吳毅雄. 輪式移動焊接機器人輸出反饋線性化控制[J]. 機械工程學報，2014，50(6): 48-54.

[8] 毛志偉，潘際鑾，張 華. 狹小空間直角角焊縫移動焊接機器人系統(tǒng)研制[J]. 中國機械工程，2010，21(17): 2040-2043.

[9] 高 勝，常玉連，張瑞杰，等. 基于自由漂浮空間機器人的空間焊縫跟蹤[J]. 焊接學報，2008，29(11): 65-68.

[10] Gao Y F，Zhang H，Ye Y H. Back-stepping and neural network control of a mobile robot for curved weld seam tracking[J].Procedia Engineering，2011(15): 38-44.

[11] 吳 勃，許文芳，陳虹麗. 神經滑?？刂圃跈C器人軌跡跟蹤中的應用[J]. 電機與控制學報，2009，13(1): 99-104.

2017-06-21

TG404

李林會，1964年出生，大學本科，副教授。主要從事自動控制技術及機電一體化技術研究。