田 威，李國(guó)良，鄭 煒，張 晉，王長(zhǎng)瑞，白 權(quán)，王 望，李鵬程

（1.南京航空航天大學(xué)，南京 210016；2.中航西安飛機(jī)工業(yè)集團(tuán)股份有限公司，西安 710089）

航空制造技術(shù)涉及多個(gè)領(lǐng)域，飛機(jī)部件的安全性和可靠性一直被廣泛關(guān)注和研究[1]。在飛機(jī)零部件生產(chǎn)制造過程中，復(fù)合材料內(nèi)部會(huì)產(chǎn)生缺陷，為保證飛行安全，需要對(duì)復(fù)合材料機(jī)翼蒙皮進(jìn)行無(wú)損檢測(cè)[2–3]。隨著復(fù)合材料制造技術(shù)的不斷發(fā)展，對(duì)無(wú)損檢測(cè)的完整性和可追溯性的要求不斷提高。無(wú)損檢測(cè)通常由技術(shù)人員進(jìn)行手動(dòng)操作，在工件輪廓表面上適當(dāng)移動(dòng)探頭進(jìn)行檢測(cè)，這個(gè)方法會(huì)導(dǎo)致大型蒙皮的檢查過程非常緩慢，且容易檢測(cè)冗余。傳統(tǒng)的人工檢測(cè)方式已不能滿足現(xiàn)代化精細(xì)、高效的檢測(cè)要求，亟須開發(fā)可靠的自動(dòng)化檢測(cè)生產(chǎn)線。機(jī)器人具有柔性化，智能化的特點(diǎn)，廣泛應(yīng)用于航空航天領(lǐng)域，其為復(fù)合材料無(wú)損檢測(cè)生產(chǎn)線提供了全新的思路，能夠有效提升無(wú)損檢測(cè)環(huán)節(jié)的效率。

機(jī)翼蒙皮具有外形復(fù)雜、尺寸大、易回彈等特點(diǎn)，無(wú)損檢測(cè)對(duì)位姿精度要求高，現(xiàn)階段大型機(jī)翼蒙皮的無(wú)損檢測(cè)存在著很多挑戰(zhàn)，蒙皮檢測(cè)的路徑一直是工業(yè)界的難題。為滿足無(wú)損檢測(cè)的精度要求，首先采用線掃描儀對(duì)蒙皮進(jìn)行初始表面掃描，對(duì)蒙皮進(jìn)行曲面重建。隨后對(duì)掃描路徑進(jìn)行規(guī)劃，掃描路徑?jīng)Q定了掃描的質(zhì)量、效率以及安全性。超聲探頭相對(duì)于掃描點(diǎn)的高度以及傾斜角度會(huì)影響掃描質(zhì)量與安全性；掃描路徑的總長(zhǎng)度以及位姿調(diào)整時(shí)間決定了掃描的效率。

Mineo等[4–6]提出了一種新的復(fù)合材料航空組件機(jī)器人超聲掃描系統(tǒng)，將路徑規(guī)劃與超聲相控陣掃描系統(tǒng)同步，該方法沒有考慮復(fù)合材料的回彈特性，造成測(cè)量時(shí)偏差較大。Riise等[7]采用了超聲回波掃描調(diào)整機(jī)器人掃描路徑的方法，來(lái)提高無(wú)損檢測(cè)的質(zhì)量，沒有對(duì)掃描路徑進(jìn)行優(yōu)化。艾小祥[8]采用傳統(tǒng)的遺傳算法對(duì)機(jī)翼連續(xù)曲面掃描路徑進(jìn)行優(yōu)化，但效率較低。上述方法都沒有考慮到整體的優(yōu)化，無(wú)法將效率及精度最大化。

基于上述問題，本文提出了一種機(jī)翼蒙皮無(wú)損檢測(cè)生產(chǎn)線中掃描路徑優(yōu)化方法，采用雙機(jī)器人搭載無(wú)損檢測(cè)設(shè)備對(duì)復(fù)合材料進(jìn)行檢測(cè)；對(duì)大型蒙皮進(jìn)行總體掃描路徑規(guī)劃，同時(shí)對(duì)整體路徑以及單道路徑進(jìn)行優(yōu)化。首先，采用平行于桁條的行切法對(duì)總體掃描路徑進(jìn)行優(yōu)化；其次，采用混合遺傳LM算法對(duì)單道路徑進(jìn)行優(yōu)化；最后，在RoboDK中進(jìn)行仿真來(lái)驗(yàn)證該方法的有效性和實(shí)用性，通過機(jī)器人搭載線激光掃描儀驗(yàn)證該方法的精度。

1 大型機(jī)翼蒙皮無(wú)損檢測(cè)方法

1.1 復(fù)合材料無(wú)損檢測(cè)生產(chǎn)線原理

對(duì)于復(fù)合材料的無(wú)損檢測(cè)，本文提出了一種新型的復(fù)合材料無(wú)損檢測(cè)生產(chǎn)線系統(tǒng)，該系統(tǒng)采用雙工業(yè)機(jī)器人搭載超聲C掃描末端對(duì)復(fù)合材料機(jī)翼蒙皮進(jìn)行透射超聲處理。超聲C掃描簡(jiǎn)稱C掃描，即特定深度掃描模式 （Constant depth mode），采用2D的方式顯示，波幅高度通過不同的顏色顯示出來(lái)，厚度信息通過平面圖層的寬度顯示。在雙工業(yè)機(jī)器人末端分別搭載超聲C掃描信號(hào)輸出端與信號(hào)接收端。兩端垂直于蒙皮表面，噴出耦合劑使得超聲波能夠傳導(dǎo)入復(fù)合材料內(nèi)部，其檢測(cè)過程如圖1所示。

圖1 透射式超聲檢測(cè)生產(chǎn)線示意圖Fig.1 Schematic diagram of transmission ultrasonic testing production line

當(dāng)復(fù)合材料中有缺陷時(shí)，缺陷會(huì)反射出部分超聲波，接收端的信號(hào)將會(huì)衰減。為了將組件界面處折射的影響和各向異性降至最低，在整個(gè)檢查過程中，超聲波探頭必須與表面保持垂直。由于復(fù)合材料具有回彈特性，使得實(shí)際位置與理論位置出現(xiàn)了偏差，需要對(duì)檢測(cè)點(diǎn)進(jìn)行校正，來(lái)提高無(wú)損檢測(cè)的質(zhì)量。因此采用兩次掃描的方法。第1次采用激光測(cè)距，采集出理論位置與實(shí)際位置的偏差，對(duì)檢測(cè)點(diǎn)校準(zhǔn)，來(lái)提高無(wú)損檢測(cè)的精度。第2次進(jìn)行透射式超聲C掃描對(duì)復(fù)合材料進(jìn)行無(wú)損檢測(cè)，其原理如圖2所示。

如圖2（a）和 （b）所示，線激光掃描儀采用的是直射式激光三角測(cè)距法，由激光發(fā)射器的激光垂直射入被測(cè)物體表面，AB表示激光器中心與電荷耦合元件的距離，BF表示透鏡的焦距，O表示蒙皮上被掃描的其中一個(gè)點(diǎn)，EF表示光斑在光敏單元上偏移的距離，記為x，則探頭與蒙皮表面的距離可以表示為AO，由光路圖中的幾何關(guān)系可知ΔABO～ ΔBFE，則有邊長(zhǎng)關(guān)系：

圖2 掃描原理圖Fig.2 Scanning schematic diagram

易知AO=BF·AB/EF，即可得到被測(cè)物體距離。

如圖2（c）和 （d）所示，超聲C掃描采用一收一發(fā)兩個(gè)超聲探頭，采用透射法檢測(cè)較大尺寸航空構(gòu)件，避免反射法可能形成多次回波信號(hào)，且檢測(cè)存在盲區(qū)等問題，并且可以直接顯示內(nèi)部缺陷的圖像，根據(jù)圖像可以識(shí)別缺陷的面積長(zhǎng)度等，減小了缺陷識(shí)別的難度，避免了人工進(jìn)行相應(yīng)缺陷的分析和判斷。

機(jī)翼蒙皮為大型復(fù)雜曲面，超聲掃描對(duì)象的特征范圍大、空間分散、掃描點(diǎn)數(shù)目多，因此需要對(duì)總體掃描路徑進(jìn)行規(guī)劃，使得總距離最短、掃描時(shí)間最少，滿足檢測(cè)精度要求與安全性，有效提升生產(chǎn)線效率及安全要求。

1.2 超聲掃描路徑的總體策略

復(fù)合材料機(jī)翼蒙皮的外形總體接近于不規(guī)則梯形，由蒙皮和桁條構(gòu)成，其形狀如圖3所示。

圖3 機(jī)翼壁板蒙皮示意圖Fig.3 Schematic diagram of wing panel skin

行切法跟環(huán)切法是數(shù)控機(jī)床加工中的常見形式。同理，在生產(chǎn)線中，無(wú)損檢測(cè)掃描方式主要是行切法。觀察蒙皮的形狀，如果掃描路徑反復(fù)經(jīng)過桁條，則會(huì)增加掃描距離，并且調(diào)姿復(fù)雜，容易發(fā)生碰撞，因此，本文采用一種平行于桁條的行切方法來(lái)實(shí)現(xiàn)對(duì)總檢測(cè)面的掃描覆蓋。由于蒙皮尺寸過大，超聲掃描儀的掃描寬度較小，需要反復(fù)幾十次的檢測(cè)過程，如圖4所示?？傮w路徑策略采用“提取掃描面→生成掃描路徑→離散掃描路徑點(diǎn)→生成掃描法線→計(jì)算與輸出路徑→優(yōu)化路徑”的方式生成掃描參數(shù)，其具體步驟為：

圖4 平行于桁條的行切檢測(cè)路徑Fig.4 Line cutting detection path parallel to stringer

（1）掃描面的提取。將大型蒙皮曲面模型導(dǎo)入到CATIA中，按檢測(cè)面積將其分為幾個(gè)部分，每部分滿足雙機(jī)器人無(wú)損檢測(cè)的范圍。

（2）生成掃描路徑。曲面掃描采用平行于桁條的行切法，因此掃描路徑通過等距離的平行平面截取曲面獲得。平面的距離與陣列式超聲掃描儀的掃描寬度有關(guān)，程序?qū)⒔厝∶媾c曲面求交線獲得掃描路徑。

（3）離散路徑。將掃描路徑等距離離散為掃描點(diǎn)，選擇距離是掃描水柱橫截面的直徑。

（4）生成法線。超聲掃描儀輸出端過掃描點(diǎn)垂直于蒙皮曲面，根據(jù)超聲掃描儀的工藝需求，在法向上一定距離處生成相應(yīng)的法向點(diǎn)。

（5）路徑計(jì)算與輸出。通過計(jì)算得出機(jī)器人掃描所需的位姿參數(shù)，將每組參數(shù)依次輸出。

（6）初始掃描路徑生成。為提高掃描效率，將需要掃描的曲面簡(jiǎn)化為一組平面，從而縮短掃描路徑，減少點(diǎn)位的個(gè)數(shù)。為滿足時(shí)間最優(yōu)的目的，首先采用最小二乘法擬合平面，取第一組掃描面P0作為示例進(jìn)行分析，此組樣點(diǎn)總數(shù)為N。如圖5所示曲面簡(jiǎn)化為平面。

圖5 曲面簡(jiǎn)化為平面示意圖Fig.5 Simplifying the surface into a plane diagram

采用最小二乘法擬合平面，其原理為：以系數(shù)a，b，c表示空間平面，所求系數(shù)a，b，c應(yīng)使偏離掃描點(diǎn)的平方和E為最小，設(shè)所求平面方程為

式中，θ為與平面垂線與法線的偏轉(zhuǎn)角；γ為最大偏轉(zhuǎn)角；H為超聲掃描耦合劑的高度；L1為最小檢測(cè)高度；L2為最大檢測(cè)高度。此時(shí)問題轉(zhuǎn)化為單目標(biāo)多元函數(shù)在約束條件下最優(yōu)解的數(shù)學(xué)問題，其流程如圖6所示。

圖6 自適應(yīng)分組流程圖Fig.6 Adaptive grouping flow chart

解決此類問題的傳統(tǒng)方法是基于梯度信息的搜索法，如拉格朗日法、最小梯度法、內(nèi)點(diǎn)法、可行方向法等[9]。這些方法對(duì)初值點(diǎn)及梯度信息要求高，并且只能解決部分問題。而遺傳算法在單目標(biāo)多元函數(shù)問題時(shí)表現(xiàn)優(yōu)越，在此基礎(chǔ)上采用改進(jìn)遺傳算法以及LM算法相結(jié)合的方式來(lái)尋求優(yōu)化路徑。此時(shí)優(yōu)化的平面雖然在滿足約束的條件下縮短了掃描路徑，但并不能達(dá)到最優(yōu)，因此本文使用一種混合遺傳LM算法的路徑優(yōu)化策略來(lái)解決總體掃描路徑最優(yōu)解問題。

2 基于混合遺傳LM算法的掃描路徑優(yōu)化

為求得服從于總體最優(yōu)平面P，將單條掃描路徑分解為若干個(gè)平面，掃描一個(gè)平面所需要的時(shí)間為t1，調(diào)整姿態(tài)所需要的時(shí)間為，則掃描此平面所需要的總時(shí)間為T1=t1+，此條路徑所需要的總時(shí)間為Tsum=T1+T2+T3+ …+TN，令x= [abc]，則目標(biāo)函數(shù)為

2.1 基于改進(jìn)遺傳算法的路徑優(yōu)化

自然界生物在周而復(fù)始的繁衍中，基因發(fā)生重組、變異等，使其不斷具有新的性狀，以適應(yīng)復(fù)雜多變的環(huán)境，從而實(shí)現(xiàn)進(jìn)化[10]。遺傳算法精簡(jiǎn)了這種復(fù)雜的遺傳過程而抽象出一套數(shù)學(xué)模型，用較為簡(jiǎn)單的編碼方式來(lái)表現(xiàn)復(fù)雜的現(xiàn)象，能夠進(jìn)行啟發(fā)式搜索，大概率能找到全局最優(yōu)解，與生俱來(lái)地支持并行計(jì)算，不依賴梯度信息，因此對(duì)于求解非線性多約束問題非常有效[11]。

在大型機(jī)翼蒙皮連續(xù)曲面路徑規(guī)劃模型中，模型精度要求高，因此有效數(shù)字的位數(shù)長(zhǎng)，若采用傳統(tǒng)的二進(jìn)制編碼，其二進(jìn)制串的長(zhǎng)度過長(zhǎng)，使得遺傳、雜交、變異等操作，以及解碼和編碼的過程占用計(jì)算機(jī)較多算力，并且缺乏明確的物理意義。本文采用一種改進(jìn)的實(shí)數(shù)編碼遺傳方法，無(wú)須轉(zhuǎn)化數(shù)制和數(shù)據(jù)類型，便于理解，能夠節(jié)省遺傳操作時(shí)間，并且實(shí)數(shù)、示數(shù)范圍大，精度高，能夠有效優(yōu)化該模型[12]。其運(yùn)算過程為：

步驟1，設(shè)置種群的規(guī)模N，變異概率Pm，交叉概率Pc，迭代次數(shù)或終止條件。與傳統(tǒng)的遺傳算法相同，對(duì)種群進(jìn)行初始化。

步驟2，計(jì)算種群中每代個(gè)體的適應(yīng)度，利用適應(yīng)度函數(shù)評(píng)價(jià)每個(gè)個(gè)體的好壞。

步驟3，種群進(jìn)化包括選擇、交叉、變異等步驟。具體為 （1）選擇，采用合適的算法從父代中選擇出部分個(gè)體組成中間代Xs（t）； （2）交叉，按照概率Pc對(duì)中間代Xs（t）中的部分個(gè)體執(zhí)行交叉運(yùn)算，得到中間代Xc（t）； （3）變異，按照概率Pm對(duì)中間代Xc（t）中的部分個(gè)體執(zhí)行變異運(yùn)算，得到中間代Xm（t）。

步驟4，判斷是否滿足設(shè)定的終止條件，若符合終止條件，執(zhí)行步驟五，否則回到步驟2。

步驟5，進(jìn)化完成后，將適應(yīng)度最高的個(gè)體輸出，該個(gè)體即為最優(yōu)解，其具體流程如圖7所示。

圖7 實(shí)數(shù)型改進(jìn)遺傳算法流程圖Fig.7 Flow chart of real-number improved genetic algorithm

最小二乘法的作用是得到各組平面方程參數(shù)的初始值，優(yōu)化的目標(biāo)是求得各組平面方程參數(shù)的最優(yōu)值，使總掃描路徑長(zhǎng)度值最小，求解的詳細(xì)過程為：

（1）設(shè)計(jì)染色體。本文采用的是改進(jìn)型實(shí)數(shù)編碼的遺傳算法，由實(shí)數(shù)組成染色體的基因。實(shí)數(shù)的個(gè)數(shù)決定染色體的長(zhǎng)度，例如： （5.849，–3.189，7.393，1.136）表示的是長(zhǎng)度為4的染色體。實(shí)數(shù)編碼避免了二進(jìn)制編碼所引起的精度以及效率問題，對(duì)單目標(biāo)多約束問題進(jìn)行自然描述。為了加快算法的效率，因此只在a，b，c附近尋優(yōu)，如a的取值范圍為[0.7a，1.3a]。

（2）初始化。種群規(guī)模大小N=100，染色體變異概率Pm= 0.06，染色體交叉概率Pc= 1，最大迭代次數(shù)tmax= 200，調(diào)用遺傳算法工具箱中的函數(shù)crtpc（）創(chuàng)建隨機(jī)種群。

（3）計(jì)算適應(yīng)度。本文采用的是可行性法則，需要計(jì)算每個(gè)個(gè)體違反約束的程度，并把結(jié)果保存在種群類的CV矩陣中。CV矩陣的每一行對(duì)應(yīng)一個(gè)個(gè)體，每一列對(duì)應(yīng)一個(gè)約束條件，CV矩陣中元素小于或等于0，表示對(duì)應(yīng)個(gè)體滿足對(duì)應(yīng)的約束條件，否則是違反對(duì)應(yīng)的約束條件，大于0的值越大，表示違反約束的程度越高。

可根據(jù)無(wú)損掃描儀的掃描高度、掃描角度等構(gòu)造CV矩陣，越滿足約束條件，則適應(yīng)度越高。根據(jù)掃描高度建立CV矩陣：

根據(jù)掃描角度建立CV矩陣：

（4）選擇、交叉及變異。選擇算法采用錦標(biāo)賽法與精英個(gè)體保存法相結(jié)合，在保證算法收斂性的同時(shí)，又能保障全局最優(yōu)解。錦標(biāo)賽法是從種群中等概率隨機(jī)選擇個(gè)體構(gòu)成組，選擇個(gè)體適應(yīng)度最高的進(jìn)入子代，重復(fù)該操作，直到子代種群數(shù)量等于父代。而精英個(gè)體保存策略是指選出父代中最優(yōu)良的個(gè)體，不進(jìn)行后續(xù)交叉和變異操作，重插入到經(jīng)過選擇、交叉、變異的子代種群，替換適應(yīng)度最低的個(gè)體。

交叉為遺傳算法的主要?jiǎng)恿Γ鹬炙阉鞯淖饔?，?duì)于實(shí)數(shù)型遺傳算法，采用以下公式來(lái)構(gòu)建交叉算子：

變異為輔助動(dòng)力，能夠提高種群的多樣性，降低算法陷入局部最優(yōu)解的可能性，完成局部搜索，兩者相互配合，完成待求解問題的優(yōu)化過程。

在本步驟中，交叉算子對(duì)兩個(gè)個(gè)體的基因結(jié)構(gòu)進(jìn)行分離重組，劇烈改變個(gè)體結(jié)構(gòu)。在進(jìn)化到達(dá)末期之后，改進(jìn)型遺傳算法已經(jīng)鎖定了最優(yōu)解的所在范圍，然而該算法對(duì)于局部搜索可能比較困難，這時(shí)可以利用局部?jī)?yōu)化的方法對(duì)該區(qū)域內(nèi)的“山峰”進(jìn)行局部搜索[5]，由近似最優(yōu)解轉(zhuǎn)變成最優(yōu)解。

2.2 基于LM算法的路徑優(yōu)化

局部?jī)?yōu)化算法主要有梯度下降法、牛頓法、高斯牛頓法、LM算法等[13]。梯度下降法采用負(fù)梯度下降，收斂速度較慢；牛頓法保留一階和二階項(xiàng)，能夠進(jìn)行二次收斂，收斂速度較快，但是需要計(jì)算黑塞矩陣，計(jì)算較為復(fù)雜；采用高斯牛頓法，用雅克比矩陣近似代替黑塞矩陣，能夠提高計(jì)算效率，但黑塞矩陣不滿秩則無(wú)法迭代。LM（Levenberg-Marquardt）算法則能解決以上問題，作為一種阻尼最小二乘解法，兼具高斯牛頓法的局部收斂特性以及梯度下降法的全局特性，算法為

式中，Jk是雅克比矩陣，采用來(lái)代替黑塞矩陣降低計(jì)算難度；I是單位矩陣；μ是阻尼因子；gk是負(fù)梯度方向。當(dāng)μ較小時(shí)和高斯牛頓法類似，μ較大時(shí)與梯度下降法相似。本文采用LM算法擬合平面，將μ取較大值，快速求得最優(yōu)解。

2.3 混合遺傳LM算法

結(jié)合上文中的改進(jìn)型遺傳算法以及LM算法，本文采用混合LM算法對(duì)路徑進(jìn)行優(yōu)化。首先采用改進(jìn)型遺傳算法對(duì)路徑進(jìn)行全局尋優(yōu)，避免了陷入局部最優(yōu)解；第2步采用高效率的局部?jī)?yōu)化算法LM進(jìn)行局部尋優(yōu)，將改進(jìn)型遺傳算法的結(jié)果作為L(zhǎng)M算法的初始值，結(jié)合兩種算法的優(yōu)點(diǎn)，進(jìn)而得到全局最優(yōu)解[13–15]。

3 優(yōu)化結(jié)果分析與試驗(yàn)驗(yàn)證

為了驗(yàn)證混合遺傳LM算法的性能，在Python中進(jìn)行優(yōu)化仿真，并在RoboDK中進(jìn)行仿真分析，最后采用KR210搭載線激光掃描儀進(jìn)行試驗(yàn)驗(yàn)證。

3.1 優(yōu)化結(jié)果分析

大型機(jī)翼蒙皮掃描生產(chǎn)線檢測(cè)路徑規(guī)劃總體流程如圖8所示。

圖8 大型機(jī)翼蒙皮路徑規(guī)劃總體流程圖Fig.8 General flow chart of large wing skin path planning

本文采用的陣列式超聲掃描儀，掃描寬度為60 mm，掃描高度在60 ～ 80 mm之間，掃描點(diǎn)的法線與耦合劑之間的夾角在5°以內(nèi)檢測(cè)效果最佳。生產(chǎn)線的檢測(cè)要求范圍長(zhǎng)5000 mm、寬3000 mm、高2000 mm。綜合考慮計(jì)算量和無(wú)損掃描儀參數(shù)，將平行平面之間的距離設(shè)為20 mm，每組取3個(gè)平面與蒙皮相交，即掃描寬度為60 mm，初始掃描高度設(shè)置為70 mm。

為滿足復(fù)雜曲面的檢測(cè)要求，選用CATIA軟件并結(jié)合VB進(jìn)行二次開發(fā)，對(duì)檢測(cè)點(diǎn)進(jìn)行批量處理。選取其中一條檢測(cè)路徑，得到549個(gè)樣點(diǎn)，通過自適應(yīng)分組程序?qū)β窂竭M(jìn)行分組，將曲面分解為一組平面，其分解路徑如圖9 所示。將掃描路徑分解為5個(gè)平面，之后采用混合遺傳LM算法對(duì)平面參數(shù)進(jìn)行優(yōu)化，選取其中一個(gè)平面，其遺傳迭代種群如圖10所示。

圖9 平面掃描路徑圖Fig.9 Schematic diagram of plane scanning path

圖10 改進(jìn)遺傳算法種群值Fig.10 Improved genetic algorithm population value

選取圖4中的5條路徑，進(jìn)行混合遺傳LM算法優(yōu)化，得到優(yōu)化路徑，路徑長(zhǎng)度對(duì)比如表1所示。

表1 超聲掃描路徑長(zhǎng)度Table 1 Ultrasonic scanning path length mm

3.2 仿真試驗(yàn)

為驗(yàn)證該算法的優(yōu)化效率以及實(shí)用性，首先在RoboDK中進(jìn)行仿真試驗(yàn)。該軟件是為機(jī)器人應(yīng)用離線編程打造的虛擬仿真軟件，支持庫(kù)卡、發(fā)那科、安川、ABB和川崎等機(jī)器人品牌的離線仿真，能夠便捷地導(dǎo)入工作站三維數(shù)模，還具有創(chuàng)建和編輯仿真程序、碰撞檢測(cè)和生成離線程序等功能。采用KUKA KR210搭載超聲掃描儀。為滿足超聲掃描要求，需提高掃描儀末端的平穩(wěn)性與連續(xù)性，設(shè)置末端的移動(dòng)速度為0.1 m/s，加速度a= 0.5 m/s2，其掃描時(shí)間主要由末端移動(dòng)時(shí)間、達(dá)到掃描速度時(shí)間以及調(diào)姿時(shí)間構(gòu)成，仿真過程如圖11所示。

圖11 雙機(jī)器人無(wú)損檢測(cè)仿真過程流程圖Fig.11 Flow chart of simulation process of double robot nondestructive testing

圖11（b）表示優(yōu)化后的仿真路徑，相較于優(yōu)化前的仿真路徑圖11（a），該路徑點(diǎn)位信息簡(jiǎn)約，且路徑長(zhǎng)度較短，所需要的檢測(cè)時(shí)間較少。仿真結(jié)果得到每組檢測(cè)路徑所需要的總時(shí)間如表2所示。

表2 不同模型超聲掃描總時(shí)間對(duì)比Table 2 Total ultrasonic scanning time of different models s

由仿真結(jié)果可知，超聲檢測(cè)末端未與機(jī)翼蒙皮發(fā)生碰撞，路徑滿足檢測(cè)的高度與角度約束條件，能夠有效完成蒙皮路徑的優(yōu)化，采用本文混合LM算法相較于傳統(tǒng)的PTP方法平均掃描時(shí)間減少了9.2%，提高了檢測(cè)效率，提升了生產(chǎn)線吞吐量。

3.3 路徑精度試驗(yàn)驗(yàn)證

線激光掃描儀具有精度高、成本低的特性，為了便于將機(jī)器人的TCP點(diǎn)位信息與傳感器信息快速、精確結(jié)合，得到蒙皮工件表面的實(shí)際位置，采用線激光掃描儀驗(yàn)證混合遺傳LM算法優(yōu)化路徑的準(zhǔn)確性，搭建如圖12所示的試驗(yàn)平臺(tái)。

圖12 試驗(yàn)平臺(tái)Fig.12 Experimental platform

在KUKA KR210末端執(zhí)行器上安裝線激光掃描儀，其型號(hào)為米銥scanCONTROL2900–25。根據(jù)掃描儀的型號(hào)以及夾具的尺寸，將線激光掃描儀的中心設(shè)為機(jī)器人TCP。所選線激光掃描儀根據(jù)三角測(cè)量法掃描距離，檢測(cè)寬度為23.2 ～ 29.3 mm，精度為2 μm，傳輸速度為300 Hz。

選取復(fù)合材料異形件進(jìn)行試驗(yàn)，首先采用線激光掃描儀按照原數(shù)模生成的路徑進(jìn)行測(cè)距，得到理論位置與實(shí)際位置的偏差，之后對(duì)修正的路徑采用混合LM算法進(jìn)行優(yōu)化，在試驗(yàn)平臺(tái)上進(jìn)行精度驗(yàn)證，其試驗(yàn)過程如圖13所示。

圖13 混合遺傳LM算法優(yōu)化試驗(yàn)流程Fig.13 Flow chart of experimental process of double robot nondestructive testing

將異形復(fù)合材料零件置于掃描臺(tái)上，用底部吸盤固定，選取零件中間部分進(jìn)行試驗(yàn)，選取其中15條路徑，其掃描結(jié)果如圖14所示。最大偏差為9.83 mm，其偏差主要來(lái)源于：（1）為提高掃描效率、優(yōu)化掃描路徑造成的誤差，其最大偏移量為9.5 mm；（2）機(jī)器人自身的誤差，機(jī)器人采用基于空間相似度的誤差補(bǔ)償方法，誤差在0.3 mm以內(nèi)。綜上所述，該路徑最大偏差滿足陣列式超聲C掃描儀要求。

圖14 混合遺傳LM算法偏移距離Fig.14 Offset distance of hybrid genetic LM algorithm

4 結(jié)論

對(duì)于大型復(fù)合材料機(jī)翼蒙皮無(wú)損檢測(cè)生產(chǎn)線，采用兩次檢測(cè)的策略，第一次掃描對(duì)復(fù)合材料曲面進(jìn)行重建，提高第二次透射式無(wú)損檢測(cè)的精度。相對(duì)于傳統(tǒng)的直線式蒙皮掃描路徑規(guī)劃方法，采用本文所述的混合遺傳LM算法，完成整個(gè)掃描過程的時(shí)間減少，且曲率變化越大時(shí)效果越明顯，改進(jìn)內(nèi)容如下。

（1）按照掃描約束條件對(duì)點(diǎn)集進(jìn)行分類，采用最小二乘法對(duì)掃描路徑進(jìn)行平面擬合，得到平面參數(shù)初值：曲率較大路徑，所含掃描點(diǎn)少；曲率較小路徑，所含掃描點(diǎn)多，對(duì)總體掃描路徑進(jìn)行自適應(yīng)劃分。

（2）采用混合遺傳LM算法以效率為目標(biāo)對(duì)其進(jìn)行優(yōu)化，首先采用實(shí)數(shù)型改進(jìn)遺傳算法對(duì)路徑進(jìn)行啟發(fā)式全局優(yōu)化，之后用LM算法對(duì)其進(jìn)行確定性局部?jī)?yōu)化，找到最優(yōu)路徑，在滿足檢測(cè)約束條件下，掃描效率相較于傳統(tǒng)方法提高了9.2%。