一种基于因果学习的智能焊接方法及机器人系统技术方案

本发明专利技术公开了一种基于因果学习的智能焊接方法及机器人系统，方法包括以下步骤：采集工人在虚拟现实仿真环境下进行焊接操作的焊接动作信息；根据采集到的焊接动作信息，建立基于因果分析的CNN模型，以焊缝图像信息为输入，输出相应焊接操作策略；获取焊接件整体图像信息，对焊接任务进行排序；基于焊接机器人系统的机械臂运动规划强化学习模型，控制机械臂运动；根据焊接操作策略，控制焊枪进行焊缝焊接。本发明专利技术利用机器视觉和人工智能技术，通过赋予焊接机器人复杂的焊接知识和构建自适应运动规划与控制系统，可实现机械臂自主完成复杂焊接任务。复杂焊接任务。复杂焊接任务。

【技术实现步骤摘要】
一种基于因果学习的智能焊接方法及机器人系统


[0001]本专利技术属于焊接工艺和设备
，尤其涉及一种基于因果学习的智能焊接方法及机器人系统。

技术介绍

[0002]焊接是在各种行业中普遍存在的工艺。在现有技术中，虽然这样的工艺可以在某些情况下自动化，通常是通过机器人的机械臂带动焊枪，完成焊接任务。但由于制造复杂度不断上升，目前的焊接机器人对焊接任务的适应能力和创造能力不强，无法像人类焊工一样执行复杂焊接任务，手动焊接操作仍继续存在大量的应用，导致焊接效率不高，同时高技能焊工的短缺日益严重，对于一些高精度焊接，人工焊接效果不佳。
[0003]由此，为了实现应用焊接机器人进行复杂焊接操作，大大提高焊接效率和安全性，有必要结合机器视觉和人工智能对焊接过程进行智能化升级，将复杂焊接任务的人工操作过程升级为机器人自主焊接。

技术实现思路

[0004]专利技术目的：本专利技术的目的是提供一种基于因果学习的智能焊接方法及机器人系统，通过赋予焊接机器人复杂的焊接知识和构建自适应运动规划与控制系统，实现机器人自主完成复杂焊接任务。
[0005]技术方案：本专利技术所述智能焊接方法包括以下步骤：
[0006]S1，采集工人在虚拟现实仿真环境下进行焊接操作的焊接动作信息；
[0007]S2，根据采集到的焊接动作信息，使用可解释性卷积神经网络CNN模型进行人工焊工焊枪操作的因果分析，建立基于因果分析的CNN模型，得到人工焊工焊枪操作与动态焊缝熔池/电弧演化的关系，以焊缝图像信息为输入，输出相应焊接操作策略；
[0008]S3，获取焊接件整体图像信息，按焊缝起始点与焊枪初始位置的距离以从近到远的顺序对焊接任务进行排序；
[0009]S4，基于焊接机器人系统的机械臂运动规划强化学习模型，以实时获取的焊缝图像信息为输入，以机械臂后续动作为输出，实时生成并更新运动规划路径，控制机械臂运动；
[0010]S5，在焊枪到达焊缝操作区域范围内，根据焊接操作策略，控制焊枪进行焊缝焊接，直至完成所有焊接任务。
[0011]进一步的，方法还包括以下步骤：建立以焊缝焊接图像信息为输入，焊接是否达标为输出的SVM分类模型，焊缝焊接完成后，通过获取的焊缝焊接图像信息，基于SVM焊缝质量分类模型判断焊接是否达标，如果达标，则进行下一个焊接任务，否则由工人去除焊缝，控制机械臂进行焊缝重新焊接，并更新基于因果分析的CNN模型，改进焊接操作策略。
[0012]进一步的，方法还包括以下步骤：完成所有焊缝焊接后，机械臂与焊枪回到初始位置。
[0013]进一步的，S1中所述采集工人在虚拟现实仿真环境下进行焊接操作的焊接动作信息，具体过程为：工人佩戴VR眼镜，在虚拟现实仿真环境下进行焊接操作，在工人手臂的重要关节上安装包含加速度计、陀螺仪、磁力计传感器的动作采集模块，采集焊接动作信息。
[0014]一种基于因果学习的智能焊接机器人系统，所述系统包括：焊接模块、图像获取模块、控制模块。
[0015]所述焊接模块，用于执行焊接，包括机械臂、焊枪，焊枪设置于机械臂的末端。
[0016]所述图像获取模块，用于获取焊接件整体图像信息和实时焊缝图像信息，包括用于获取实时焊缝图像信息的RGB
‑
D相机、用于获取焊接件整体图像信息的RGB相机。RGB
‑
D相机可随焊接模块移动，RGB相机设置于外部支架上。若一台RGB相机无法获取完整的焊接件图片，可放置多台RGB相机。
[0017]所述控制模块，为GPU工控机，包括焊接学习子模块、运动规划子模块、焊接控制子模块，分别用于生成基于因果学习的自主焊接VR相机模型、根据传入的焊接件整体图像信息对焊接任务进行规划排序、根据传入的实时焊缝图像信息调用相应焊接操作策略来控制焊接模块完成焊接任务。
[0018]有益效果：本专利技术实现应用焊接机器人进行复杂焊接操作，大大提高焊接效率和安全性，结合机器视觉和人工智能对焊接过程进行智能化升级，将复杂焊接任务的人工操作过程升级为机器人自主焊接。
附图说明
[0019]图1为本专利技术所述基于因果学习的智能焊接方法的流程示意图；
[0020]图2为本专利技术所述基于因果学习的智能焊接机器人系统的结构示意图。
具体实施方式
[0021]下面结合附图对本专利技术的技术方案作进一步说明。
[0022]如图1所示，本专利技术所述的基于因果学习的智能焊接方法包括复杂焊接技能学习阶段和智能焊接阶段。在复杂焊接技能学习阶段，工人通过虚拟现实仿真平台在虚拟现实环境下焊接操作，并生成基于因果学习的自主焊接VR相机模型，包括如下步骤：
[0023]步骤1：工人佩戴VR眼镜，在虚拟现实仿真环境下进行焊接操作，在工人手臂的重要关节上安装动作包含加速度计、陀螺仪、磁力计传感器的动作采集模块，采集焊接动作信息；
[0024]步骤2：使用可解释性卷积神经网络(CNN)模型进行人工焊工焊枪操作的因果分析，建立基于因果分析的CNN模型，得到人工焊工焊枪操作与动态焊缝熔池/电弧演化的关系，以焊缝图片为输入，输出相应焊接操作策略；
[0025]在智能焊接阶段，包括如下步骤：
[0026]步骤1：根据RGB相机拍摄的焊接件RGB图片，按焊缝起始点与焊枪(4)初始位置的距离从近到远的顺序，对焊接任务进行排序；
[0027]步骤2：基于机械臂(1)运动规划强化学习模型，以机械臂(1)运动时RGB
‑
D相机实时拍摄的图片作为输入，以机械臂(1)后续动作为输出，实时生成并更新运动规划路径，通过控制器进行机械臂(1)的运动控制；
[0028]步骤3：当焊枪到达焊缝操作区域范围内，根据焊接操作策略，通过控制器进行焊枪(4)位姿控制与焊接开始/结束控制，进行焊缝焊接；
[0029]步骤4：建立以焊缝焊接图片为输入，焊接是否达标为输出的SVM分类模型，焊缝焊接完成后，通过RGB相机采集焊缝焊接情况图片，基于SVM焊缝质量分类模型判断焊接是否达标，如果符合要求，则进行下一个焊接任务，否则工人去除不合格焊缝，控制机械臂(1)进行焊缝重新焊接，并更新基于因果分析的CNN模型，改进焊接操作策略。
[0030]步骤5：完成所有焊缝焊接后，机械臂(1)与焊枪(4)回到初始位置。
[0031]如图2所示，本专利技术所述的基于因果学习的智能焊接机器人系统包括一台机械臂(1)、一台RGB
‑
D相机(2)和RGB相机(3)、焊枪(4)、GPU工控机(5)，其中，RGB
‑
D相机(2)固定在机械臂(1)末端执行器的上方，用于获取待焊接件焊缝的三维位置信息；RGB相机(3)固定在机械臂(1)外部支架上，用于获取待焊接件整体图片，为后续焊接顺序规划提供信息；机械臂(1)的末端执行器为焊枪(4)，根据焊缝情况进行焊接操作；GPU工控机(5)包含焊接学习系统、运动规划系统、控制系统，分别用于生成基于因果学习的自主焊接VR相机模型、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于因果学习的智能焊接方法，其特征在于，应用于焊接机器人系统，包括以下步骤：S1，采集工人在虚拟现实仿真环境下进行焊接操作的焊接动作信息；S2，根据采集到的焊接动作信息，使用可解释性卷积神经网络CNN模型进行人工焊工焊枪操作的因果分析，建立基于因果分析的CNN模型，得到人工焊工焊枪操作与动态焊缝熔池/电弧演化的关系，以焊缝图像信息为输入，输出相应焊接操作策略；S3，获取焊接件整体图像信息，按焊缝起始点与焊枪初始位置的距离以从近到远的顺序对焊接任务进行排序；S4，基于焊接机器人系统的机械臂运动规划强化学习模型，以实时获取的焊缝图像信息为输入，以机械臂后续动作为输出，实时生成并更新运动规划路径，控制机械臂运动；S5，在焊枪到达焊缝操作区域范围内，根据焊接操作策略，控制焊枪进行焊缝焊接，直至完成所有焊接任务。2.根据权利要求1所述的基于因果学习的智能焊接方法，其特征在于，进一步包括以下步骤：建立以焊缝焊接图像信息为输入，焊接是否达标为输出的SVM分类模型，焊缝焊接完成后，通过获取的焊缝焊接图像信息，基于SVM焊缝质量分类模型判断焊接是否达标，如果达标，则进行下一个焊接任务，否则由工人去除焊缝，控制机械臂进行焊缝重新焊接，并更新基于因果分析的CNN模型，改进焊接操作策略。3.根据权利要求1或2所述的基于因果学习的智能焊接方法，其特征在于，进一步包括以下步骤：完成所有焊缝焊接后，机械臂与焊枪回到初始位置。4.根据权利要求1所述的基于因果学习的智能焊接方法，其特征在于，S1中所述采集工人在虚拟现实仿真环境下进行焊接操...

【专利技术属性】
技术研发人员：程诚，吴洪状，陈涛，
申请(专利权)人：苏州大学，
类型：发明
国别省市：