劉 鋒，高忠林，郭錦華，翟寶亮，徐 昊

（中船重工第七零七研究所，天津 300131）

0 引 言

眾所周知，機(jī)器人焊鉗設(shè)備性能評(píng)估是一個(gè)多因素的復(fù)雜過程，設(shè)備性能可由設(shè)備參數(shù)及運(yùn)行狀態(tài)檢測(cè)，為了更好地評(píng)估設(shè)備性能，首先應(yīng)該盡可能多的檢測(cè)那些與機(jī)器人焊鉗性能有關(guān)的參數(shù)，其次是找到這些參數(shù)與焊鉗性能的關(guān)系，即提取對(duì)象特征信息。多參數(shù)特征信息需要運(yùn)用信息融合方法對(duì)多傳感器數(shù)據(jù)進(jìn)行高精度融合[1]，最終獲得設(shè)備性能的有效描述。

目前多傳感器數(shù)據(jù)融合算法在實(shí)際應(yīng)用中已經(jīng)日漸成熟，璩晶磊等[2]運(yùn)用模糊證據(jù)理論進(jìn)行多傳感器數(shù)據(jù)融合，提高了多傳感器實(shí)時(shí)測(cè)量值的融合精度；俞昆等[3]利用DS證據(jù)理論實(shí)現(xiàn)了不同傳感器故障信息的有效融合，極大提高了滾動(dòng)軸承故障診斷的可信度；任子強(qiáng)等[4]建立了多傳感器數(shù)據(jù)的符合健康指標(biāo)，利用數(shù)據(jù)融合算法提高了發(fā)動(dòng)機(jī)剩余壽命在線預(yù)測(cè)的準(zhǔn)確性；周衛(wèi)琪等[5]建立了一種自適應(yīng)無跡卡爾曼濾波的信息融合算法，利用加速度和轉(zhuǎn)向盤轉(zhuǎn)角等傳感器信號(hào)準(zhǔn)確的估計(jì)出了汽車的行駛狀態(tài)；任子強(qiáng)等[6]構(gòu)建了復(fù)合健康指標(biāo)與非線性退化模型，結(jié)合設(shè)備歷史數(shù)據(jù)運(yùn)用多源數(shù)據(jù)融合算法實(shí)現(xiàn)了設(shè)備的剩余壽命在線預(yù)測(cè)；王寬等[7]運(yùn)用3種不同類型的分類模型處理多個(gè)特征指標(biāo)進(jìn)行故障預(yù)診斷，采用D-S理論對(duì)預(yù)診斷結(jié)果進(jìn)行加權(quán)融合決策，提高了故障診斷的準(zhǔn)確性。

本文將多傳感器數(shù)據(jù)融合算法應(yīng)用到機(jī)器人焊鉗性能評(píng)估過程中，運(yùn)用Chernoff face臉譜法作為數(shù)據(jù)融合算法，并基于最小風(fēng)險(xiǎn)的貝葉斯決策設(shè)計(jì)分類器進(jìn)行分類性能驗(yàn)證。

1 機(jī)器人焊鉗設(shè)備性能評(píng)估指標(biāo)體系的建立

機(jī)器人焊鉗設(shè)備的性能是由多方面決定的，性能參數(shù)的完整性和合理性決定了最終的評(píng)估結(jié)果，這就要求在評(píng)估機(jī)器人焊鉗設(shè)備的性能時(shí)，必須對(duì)多個(gè)性能參數(shù)進(jìn)行全面評(píng)估。本文利用機(jī)器人焊鉗設(shè)備運(yùn)行過程中提取的保護(hù)電阻、恒流線圈電阻、焊接壓力、焊接電流、密閉性等9個(gè)參數(shù)建立性能評(píng)估指標(biāo)體系。

1.1 多傳感器檢測(cè)模塊

采用高精度、高穩(wěn)定性的AT516直流電阻測(cè)試儀進(jìn)行變壓器處恒流線圈電阻檢測(cè)，其測(cè)量范圍為1 μΩ～20 MΩ，基本準(zhǔn)確度為0.05%，測(cè)試速度最高140次/s，同時(shí)用于變壓器接地測(cè)試、保護(hù)電路測(cè)試和次級(jí)電阻測(cè)試，使用AT688測(cè)試儀進(jìn)行變壓器絕緣耐壓測(cè)試，六量程測(cè)試范圍可達(dá)100 kΩ～10 TΩ，本文測(cè)試值為15 MΩ以上，量程內(nèi)準(zhǔn)確度為1%，計(jì)算機(jī)遠(yuǎn)程控制指令兼容SCPI（可程控儀器標(biāo)準(zhǔn)命令集），通過RS232C接口，實(shí)現(xiàn)遠(yuǎn)程控制和數(shù)據(jù)采集與分析，使用壓力傳感器MA-522測(cè)試電極壓力，測(cè)定準(zhǔn)確度為全量程的±3%，使用MB-400M感應(yīng)線圈測(cè)試焊接電流，測(cè)定準(zhǔn)確度為全量程的±1%，測(cè)得的模擬量數(shù)據(jù)通過RS-485寫入PLC中，電參數(shù)檢測(cè)過程如圖1所示。

圖1 電參數(shù)檢測(cè)過程

焊接過程中冷卻水由水氣單元中的冷水機(jī)提供，在水氣單元進(jìn)回水路上總共包括4個(gè)測(cè)量準(zhǔn)確度0.5%的SV4200水流量計(jì)和2個(gè)測(cè)量準(zhǔn)確度0.1%的PN7594水壓力計(jì)，分別進(jìn)行進(jìn)回水壓值、進(jìn)回水總流量值、固定臂流量、活動(dòng)臂流量、變壓器流量及各路水溫的測(cè)量。采用西門子S7-1516PLC作為控制器，調(diào)節(jié)閥門開度、變頻器頻率分別控制水路流量和壓力[8]，PLC通過IOLink對(duì)整個(gè)裝置中流量計(jì)和壓力計(jì)的數(shù)據(jù)進(jìn)行采集處理，水流量壓力檢測(cè)流程如圖2所示。

圖2 水流量壓力檢測(cè)流程

為避免傳感器誤差對(duì)測(cè)試結(jié)果的影響，對(duì)特征數(shù)據(jù)進(jìn)行了歸一化預(yù)處理，利用多傳感器信息融合算法提高了評(píng)估系統(tǒng)的可靠性[9]。

1.2 Chernoff face臉譜法

圖3 Chernoff face屬性

表1 面部特征描述

1）臉部輪廓

如圖3所示，臉部輪廓由上下橢圓組成，這兩個(gè)橢圓分別代表前額和下頜，它們相交于A和A′兩點(diǎn)，A與原點(diǎn)O之間的距離由屬性Fr和Fα確定。

因此，

根據(jù)解析幾何的知識(shí)，上橢圓的軌跡方程可表示為：

其中au表示上橢圓的水平半軸，同理，下橢圓的軌跡方程為：

其中ad是下橢圓的水平半軸，如果垂直軸和水平軸的長(zhǎng)度比定義為：

可以據(jù)此推導(dǎo)上下橢圓的軌跡方程為：

其中，

2）眼睛和瞳孔

面部的兩只眼睛也被描繪成兩個(gè)橢圓，一些重要的屬性定義如下：

人們經(jīng)常通過眼睛的運(yùn)動(dòng)來表達(dá)自己的情感，因此，橢圓的旋轉(zhuǎn)特性受到格外關(guān)注，橢圓的旋轉(zhuǎn)方程可寫為：

其中，

視線是面部信息的重要組成部分，本文中瞳孔的位置由屬性Ph和Ps決定，瞳孔的高度Ph等于Eh，瞳孔的方向由Ps決定：

3）眉毛和鼻子

眉毛和鼻子簡(jiǎn)單的畫成線條，眉毛的一些屬性如下：

眉毛的線性方程為：

鼻子的長(zhǎng)度由下式?jīng)Q定：

4）嘴巴

嘴巴在表達(dá)情感方面起著重要的作用，本文用圓弧表示，其長(zhǎng)度由圓心角和圓半徑確定，嘴巴的圓弧方程為：

其中Mc是圓心縱坐標(biāo)Mr和Mα分別是圓的半徑和圓心角：

1.3 相關(guān)分析和特征選擇

信號(hào)特征提取已經(jīng)在前文中完成了，得到的這些特征包括保護(hù)電阻（D1）、絕緣耐壓電阻（D2）、恒流線圈電阻（D3）、二次回路電阻（D4）、焊接壓力（D5）、水流量（D6）、密閉保壓比（D7）、焊接電流（D8）和大開尺寸（D9）。這9個(gè)信號(hào)特征包含了機(jī)器人焊鉗性能相關(guān)的絕大多數(shù)重要指標(biāo)，能夠全面反映機(jī)器人焊鉗狀態(tài)性能，如果將提取的一些特征視為面部變量，則可以繪制Chernoff face圖像[11]。對(duì)機(jī)器人焊鉗設(shè)備的性能來說，每一項(xiàng)指標(biāo)的重要性是不同的，因此給每一項(xiàng)指標(biāo)科學(xué)地賦予權(quán)重，是綜合評(píng)估的先決條件[12]。特征選擇是繪制切諾夫面的一個(gè)重要過程。特征選擇一般有兩種方法：一種是相關(guān)分析，另一種是主成分分析。本研究進(jìn)行了相關(guān)分析，克服了多特征非線性、強(qiáng)耦合的缺點(diǎn)，降低了因各特征量之間的耦合作用而產(chǎn)生的檢測(cè)誤差，因此能夠較好地識(shí)別機(jī)器人焊鉗的狀態(tài)。提取的特征與焊鉗性能的相關(guān)系數(shù)如表2所示，只有特征D9與焊鉗性能相關(guān)性較低。將相關(guān)系數(shù)較高的9個(gè)特征作為面部變量，繪制Chernoff face圖像，替代結(jié)果如表2所示。如前所述，繪制Chernoff face需要17個(gè)面部變量，因此，未被所選特征替代的面部變量初始化默認(rèn)值為0.5。通過將所有的面變量歸一化到0.05～0.9之間，即可繪制出對(duì)應(yīng)的Chernoff face圖像。

表2 相關(guān)分析和特征選擇

1.4 性能評(píng)估分級(jí)

保護(hù)電阻是機(jī)器人焊鉗重要屬性，對(duì)應(yīng)瞳孔位置，瞳孔位置能夠明顯表達(dá)人物情緒，保護(hù)電阻值過大或過小，瞳孔位置就會(huì)距離過近或過遠(yuǎn)，類似的絕緣電阻、恒流線圈電阻和焊接電流會(huì)影響眉毛偏移的角度、眉毛長(zhǎng)度和眉毛高度，二次回路電阻和密閉保壓比會(huì)影響嘴角弧度和嘴角半徑，焊接壓力、水流量和大開尺寸會(huì)影響眼睛角度、位置和寬度。面部表情相應(yīng)的就會(huì)表現(xiàn)出難過或糟糕或高興或冷靜的情緒，滿足對(duì)機(jī)器人焊鉗設(shè)備性能的綜合評(píng)估客觀且實(shí)用的要求。將最理想的機(jī)器人焊鉗設(shè)備性能指標(biāo)定為標(biāo)準(zhǔn)樣本，級(jí)別評(píng)價(jià)集可分為優(yōu)、良、合格、較差、很差5個(gè)等級(jí)，分別對(duì)應(yīng)Chernoff face圖像的5種經(jīng)典表情，如圖4所示。

圖4 不同性能等級(jí)的Chernoff face

2 機(jī)器人焊鉗特征提取

為了使計(jì)算機(jī)能夠準(zhǔn)確地識(shí)別人臉表情，設(shè)計(jì)了一種原始的模式特征提取方法。首先根據(jù)提取的機(jī)器人焊鉗特征繪制Chernoff face圖像，如圖5（a）所示。然后提取圖像邊界，進(jìn)行網(wǎng)格劃分，將整個(gè)圖像分割成50×40個(gè)小正方形區(qū)域，如圖5（b）所示，然后將Chernoff face輪廓所交叉的正方形區(qū)域涂成黑色，從而將Chernoff face圖像轉(zhuǎn)換為二值圖像（圖5（c））。如果用數(shù)據(jù)“0”代替黑色正方形區(qū)域，用數(shù)據(jù)“1”代替白色正方形區(qū)域，將得到一個(gè)二進(jìn)制矩陣。該二值矩陣命名為模式特征矩陣，保留原Chernoff face圖像的主要表情信息。

圖5 模式特征獲取

3 貝葉斯決策分類

貝葉斯決策的本質(zhì)是基于判別結(jié)果的錯(cuò)誤率或風(fēng)險(xiǎn)值的分類識(shí)別技術(shù)，假設(shè)樣本總量為N，類別數(shù)為M，類別ωi,i=1,2,···,M中含有Ni個(gè)樣本，此時(shí)抽中ωi類的概率P（ωi）為：

一般來說，條件概率密度函數(shù)P（X|ωi）可用正態(tài)密度函數(shù)來近似，即：

式中：X——樣本特征向量；

X（ωi）——ωi類的均值向量；

Si——n維協(xié)方差矩陣，定義為：

其中Si為ωi類中第j個(gè)樣本特征向量?；谑剑?2）可以計(jì)算出樣本屬于每個(gè)類別的概率為：

圖像的分類識(shí)別中，錯(cuò)誤是不可避免的，貝葉斯決策分類原理主要有最小錯(cuò)誤率決策和最小風(fēng)險(xiǎn)值決策，為了適用機(jī)器人焊鉗的性能評(píng)估，本文選用基于最小風(fēng)險(xiǎn)值的貝葉斯決策。

假設(shè)待測(cè)樣本特征向量為X，其實(shí)際類別為ωi，樣本屬于該類的概率為P（ωi|X），若決策αi的條件風(fēng)險(xiǎn)R（αi|X）為：

可以得出最小風(fēng)險(xiǎn)貝葉斯決策規(guī)則為：

4 機(jī)器人焊鉗性能評(píng)估分析

本文針對(duì)機(jī)器人手工一體化焊鉗設(shè)備，在線實(shí)時(shí)監(jiān)測(cè)設(shè)備運(yùn)行狀態(tài)，采集設(shè)備正常運(yùn)行階段的性能指標(biāo)，從不同維度的設(shè)備性能特征綜合評(píng)估其性能等級(jí)，與以往單參數(shù)指標(biāo)判定方式相比，多指標(biāo)綜合評(píng)估減少了設(shè)備狀態(tài)評(píng)估的不確定性和復(fù)雜性[12]，保證了評(píng)估的完整性和正確性，對(duì)機(jī)器人焊鉗設(shè)備的整體評(píng)估提供了有效實(shí)踐。

采用交叉檢驗(yàn)方法測(cè)試機(jī)器人焊鉗性能分類器的有效性，過程如下：首先每個(gè)性能等級(jí)選取3種典型特征模式矩陣作為樣本訓(xùn)練，即將15個(gè)模式特征矩陣作為穩(wěn)定狀態(tài)存儲(chǔ)，圖6為各等級(jí)代表性模式特征矩陣。通過待檢樣本的特征值得到Chernoff face圖像進(jìn)而得到模式特征矩陣，并運(yùn)用最小風(fēng)險(xiǎn)貝葉斯分類決策進(jìn)行樣本分類，最終完成機(jī)器人焊鉗性能評(píng)估。

圖6 各等級(jí)代表性模式特征矩陣

為了檢驗(yàn)Chernoff face圖像法的性能，選取了100個(gè)不同性能等級(jí)的機(jī)器人焊鉗樣本進(jìn)行分類性能測(cè)試，其中各項(xiàng)指標(biāo)都接近標(biāo)準(zhǔn)的樣本28份；保護(hù)電阻、絕緣電阻、恒流線圈電阻、焊接電流稍小，二次回路電阻、密閉保壓比、焊接壓力、水流量、大開尺寸稍大的樣本6份；保護(hù)電阻、絕緣電阻、密閉保壓比、焊接壓力稍小，恒流線圈電阻、焊接電流、二次回路電阻、水流量、大開尺寸稍大樣本4份；絕緣電阻、焊接電流、二次回路電阻、密閉保壓比、焊接壓力、大開尺寸較小，保護(hù)電阻、恒流線圈電阻、水流量較大樣本11份；絕緣電阻、焊接電流、焊接壓力、水流量、大開尺寸較小，保護(hù)電阻、二次回路電阻、恒流線圈電阻、密閉保壓比較大樣本8份；保護(hù)電阻、絕緣電阻、焊接電流偏小，二次回路電阻、密閉保壓比、焊接壓力、大開尺寸、恒流線圈電阻、水流量偏大樣本21份；絕緣電阻、二次回路電阻、密閉保壓比、焊接壓力、大開尺寸偏小，保護(hù)電阻、恒流線圈電阻、焊接電流、水流量偏大樣本14份；絕緣電阻、二次回路電阻、密閉保壓比、焊接壓力過小，保護(hù)電阻、恒流線圈電阻、焊接電流、水流量、大開尺寸過大樣本5份；保護(hù)電阻、絕緣電阻、焊接電流、焊接壓力、大開尺寸過小，恒流線圈電阻、二次回路電阻、密閉保壓比、水流量過大樣本3份；分類結(jié)果如圖7所示，分級(jí)性能測(cè)試結(jié)果能夠反映機(jī)器人焊鉗整體性能狀態(tài)，所有性能指標(biāo)均合格整體性能才會(huì)合格，根據(jù)性能等級(jí)可直觀反映出測(cè)試設(shè)備的性能狀態(tài)，提升性能評(píng)估效率。從試驗(yàn)結(jié)果來看，所有試驗(yàn)樣品均可正確分類，并且從不同性能等級(jí)的樣品生成Chernoff face圖像表情中可以得到該樣品的不合格屬性，廠家可以針對(duì)性的進(jìn)行設(shè)備檢修，提升維修效率?？傊?，Chernoff face可以很好地幫助我們判斷機(jī)器人焊鉗性能。

圖7 分級(jí)性能測(cè)試結(jié)果

5 結(jié)束語

本文提出了一種新穎有趣的焊鉗性能評(píng)估方法，對(duì)機(jī)器人焊鉗特征信號(hào)進(jìn)行測(cè)量和分析，將提取的特征作為面元，繪制Chernoff face圖像。通過Chernoff face面部表情，可以快速、準(zhǔn)確、形象的了解機(jī)器人焊鉗性能狀態(tài)。利用貝葉斯決策對(duì)應(yīng)于不同面部表情和不同設(shè)備性能水平的模式特征矩陣，設(shè)計(jì)了設(shè)備性能分類器。最后，對(duì)所研制的分類器的分類性能進(jìn)行了測(cè)試和討論。

該方法能對(duì)機(jī)器人焊鉗設(shè)備性能參數(shù)進(jìn)行合理的量化處理，較好的解決了機(jī)器人焊鉗設(shè)備性能評(píng)估問題，通過計(jì)算實(shí)例驗(yàn)證了方法的正確性和實(shí)用性；與復(fù)雜的特征與質(zhì)量指標(biāo)之間的相關(guān)性揭示算法相比，Chernoff face方法更快、更簡(jiǎn)單、更高效；Chernoff face面部表情可以通過不同的面部表情反映設(shè)備性能水平，特別是其視覺特性使性能評(píng)估程序易于理解和解釋。