[发明专利]焊接机器人焊接过程中焊接轨迹实时检测方法

说明书

一种焊接机器人焊接过程中焊接轨迹实时检测方法包括：采集正常焊接机器人焊接过程焊接轨迹数据；对采集到的焊接轨迹数据进行降维分析，确定出数据的分布密集簇的簇数；根据簇数对所有的数据点进行精准的分类，并得到每类的中心点坐标；将每类的大部分TCP数据点坐标值代入BP神经网络算法中进行网络训练；将剩下TCP坐标值代入神经网络算法中进行网络验证成功；实时采集某点的焊接轨迹数据；将实际TCP坐标值中TCP‑X和TCP‑Y坐标值代入神经网络算法中获得预测TCP‑Z坐标值；计算预测TCP‑Z坐标值与实际TCP‑Z坐标值差距，差距落入预设置信区间内则该点为正常点，差距未落入预设置信区间内则该点为异常点并预测告警。

技术领域

本发明涉及焊接轨迹检测技术领域，特别是涉及一种焊接机器人焊接过程中焊接轨迹实时检测方法，用于实时检测焊接机器人焊接过程中是否存在焊偏缺陷。

背景技术

所谓焊偏是指机器人执行焊接工作时实际焊接轨迹脱离焊接接头位置导致所焊焊缝连接不良甚至无法连接。机器人焊接过程中一旦出现焊偏，所焊焊缝须全部打磨掉，打磨工作效率低、劳动强度大、工作环境恶劣，严重影响弧焊机器人的焊接效率。

现有的焊偏缺陷检测方法中，基于图像传感器和机器视觉技术是一种常见的方法。通过CCD摄像机获得焊接温度场图像，利用三次样条小波函数对温度场图像进行变换得到焊缝位置和焊炬位置，基于此，可以计算出焊缝偏差，检测是否出现焊偏。该方案成本较高，且工程现场安装实施复杂。

发明内容

本发明针对现有技术存在的问题和不足，提供一种新型的焊接机器人焊接过程中焊接轨迹实时检测方法。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供一种焊接机器人焊接过程中焊接轨迹实时检测方法，其特点在于，其包括以下步骤：

S1、采集正常焊接机器人焊接过程中三维空间的焊接轨迹数据，焊接轨迹数据包括焊缝编号和TCP坐标值TCP坐标值包括TCP-X、TCP-Y和TCP-Z坐标值；

S2、运用主成分分析算法，对采集到的焊接轨迹数据进行降维分析，确定出数据的分布密集簇的簇数k；

S3、根据簇数k，利用Kmeans聚类算法对所有的数据点进行精准的分类，并得到每类的中心点坐标；

S4、将每类的大部分TCP数据点坐标值代入BP神经网络算法中进行网络训练，并轮流交替：

输入(TCP-X,TCP-Y)--输出(TCP-Z)

输入(TCP-Y,TCP-Z)--输出(TCP-X)

输入(TCP-X,TCP-Z)--输出(TCP-Y)

作为BP神经网络算法的输入和输出，不断迭代多次训练找寻最佳匹配方式以及其得到的模型公式；

S5、将剩下TCP坐标值代入神经网络算法中进行网络验证，并验证成功；

S6、实时采集某一焊接机器人焊接过程中某点的焊接轨迹数据；

S7、将实际采集到的TCP坐标值中的TCP-X和TCP-Y坐标值代入神经网络算法中以获得预测的TCP-Z坐标值；

S8、计算预测的TCP-Z坐标值与实际的TCP-Z坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警；

或者，S7、将实际采集到的TCP坐标值中的TCP-X和TCP-Z坐标值代入神经网络算法中以获得预测的TCP-Y坐标值；