《Journal of Manufacturing Processes》：Vision-based real-time autonomous trajectory planning in robotic laser welding applications
编辑推荐：
摘要翻译：激光焊接已成为现代制造业中的一项关键使能技术，相比传统电弧焊工艺具有显著优势。其高精度、深熔透和极小热变形的能力使其在汽车、航空航天、电子和轻量化结构等高要求领域极具吸引力。激光源的高能量密度可实现更窄的焊缝、更短的循环时间和更低的返工率，而机器人集
摘要翻译：激光焊接已成为现代制造业中的一项关键使能技术，相比传统电弧焊工艺具有显著优势。其高精度、深熔透和极小热变形的能力使其在汽车、航空航天、电子和轻量化结构等高要求领域极具吸引力。激光源的高能量密度可实现更窄的焊缝、更短的循环时间和更低的返工率，而机器人集成则确保了复杂几何结构下的可扩展性和一致性。尽管有这些优势，机器人激光焊接仍受限于其柔性和实际生产鲁棒性方面的不足，因为其工艺要求远比电弧焊严苛。接头几何形状变化、零件定位偏差和热变形常导致错位和焊缝质量下降。传统上，机器人焊接系统依赖离线编程方法，即焊接轨迹在执行前通过人工示教或基于CAD/CAM的方法预先确定。这些方法虽然能在受控条件下保证高精度，但耗时、需要熟练操作人员，并且缺乏对过程中偏差的适应能力。为克服这些问题，人们开发了焊缝跟踪技术。通过将视觉或其他传感器与反馈控制相结合，此类系统能够在执行过程中补偿偏差。然而，即使是焊缝跟踪也依赖于离线生成的预定义名义轨迹，修正相对于该编程路径进行，这意味着工件几何形状的先验知识仍然必不可少。因此，在接头几何形状变化或小批量生产中，柔性和适应性仍然有限，因为机器人运动从根本上受限于离线定义的路径，而在线感知仅限于局部修正而非轨迹生成。此外，间隙变化和材料反射率等挑战进一步增加了工艺复杂性。零件定位或间隙宽度的微小偏差都会强烈影响焊缝成形，尽管已提出空间光束整形等策略来增强公差，但这些策略并未消除对精确预对准的需求。高质量激光焊接所需的定位精度通常非常严格，往往低于100 μm，这超出了大多数工业机器人的固有运动精度。在此背景下，约300 μm的定位误差代表了机器人激光焊接中现实且实际相关的条件，尤其当采用激光束摆动结合间隙宽度估计系统等工艺鲁棒性策略来增强对几何偏差的公差时。尽管基于视觉的焊缝跟踪和学习型感知取得了显著进展，但大多数现有机器人激光焊接系统仍依赖预定义的名义轨迹，在线感知主要用于局部修正。因此，轨迹生成从根本上仍是离线过程，自主适应未知或可变焊缝几何形状的能力有限，特别是在考虑工业机器人控制器、通信延迟和专有控制架构时。本研究基于研究人员前期工作中引入的同轴视觉和学习型焊缝分析方法。前期研究主要集中于从相机图像中提取焊接特征，包括焊缝定位和间隙宽度估计。相比之下，本研究的贡献在于将视觉焊缝感知与增量笛卡尔轨迹生成、在线焊接头姿态适应、事件驱动同步以及通过专有工业机器人控制器的执行相集成。因此，主要贡献在于系统集成和控制层面，而非开发新的神经网络架构。机器人的轨迹不是修正预定义路径，而是根据实时视觉反馈增量生成，并流式传输至工业控制器执行。所提出的框架因此在两个不同层面进行评估。首先，通过直接与人工标注的焊缝中心线进行比较，评估视觉生成轨迹的几何精度。其次，通过比较传输至控制器的笛卡尔目标与测量的机器人反馈轨迹，独立评估工业机器人的执行保真度。重复试验用于量化精度和变异性，同时通过检测主动轨迹执行期间是否发生临时停止来评估运动连续性。
论文解读文章
一、研究背景与问题
激光焊接作为现代先进制造的关键工艺，凭借高能量密度、深熔透、低热变形等优势，在汽车、航空航天、电子等领域广泛应用。然而，机器人激光焊接的实际生产仍面临严峻挑战。传统机器人焊接系统普遍采用离线编程方式，无论是人工示教还是CAD/CAM路径规划，都要求工件具有精确一致的几何位置与装夹状态。实际生产中，接头几何变化、零件定位误差、热变形及上游工序引入的偏差都会导致焊缝偏离预设轨迹，进而产生焊接缺陷。虽然焊缝跟踪技术能够基于视觉或其它传感器对预定路径进行局部修正，但其本质上仍依赖离线生成的名义轨迹，在线感知仅用于补偿偏差，无法真正自主生成运动路径。此外，激光焊接对定位精度要求极高（通常低于100 μm），而一般工业机器人运动精度有限，实际定位误差可达约300 μm，进一步加剧了工艺敏感性。因此，如何在工业机器人控制器封闭、通信延迟不可忽略、控制架构专有的条件下，实现无需预编程的在线自主轨迹生成，是提升机器人激光焊接柔性与鲁棒性的关键问题。
二、研究目的与系统框架
针对上述问题，研究人员提出一种基于视觉的实时自主轨迹规划框架。该框架的核心思想是彻底放弃预定义名义轨迹，转而依靠同轴相机实时采集的焊接区图像，通过深度学习模型提取焊缝几何特征，并增量式生成笛卡尔目标点，经工业机器人控制器插值执行。研究的主要贡献集中在系统集成与控制层面，而非神经网络结构创新。系统由图像采集模块、AI视觉模块、轨迹规划引擎和机器人控制接口四部分组成。同轴相机安装于焊接头上，视野始终对准焊接方向；YOLOv8实例分割模型输出焊缝连续分割掩码；轨迹规划引擎通过骨架化、曲线拟合、切向方向计算，将图像坐标投影至机器人世界坐标系，同时计算焊接头绕Z轴姿态角，保证焊接头与焊缝切向对齐。整个系统在保持工业控制器安全与运动约束的前提下，实现了在线增量轨迹生成。
三、关键技术方法概述
本研究使用的主要技术方法包括：基于YOLOv8实例分割的深度学习焊缝感知模型，训练数据涵盖不锈钢与铝合金、不同激光开关状态、间隙尺寸、摆动频率与幅度、送丝速度等工况，并采用模糊、旋转、噪声注入等数据增强手段提升鲁棒性；同轴视觉系统与窄带滤光、主动照明相结合，实现高对比度焊缝成像（空间分辨率18.2 μm/px，视野37.6 mm×28.1 mm）；手眼标定与激光光斑质心作为几何参考的坐标变换方法，用于将图像坐标转换为机器人世界坐标；增量轨迹规划算法，基于当前焊缝骨架计算切向方向，以固定步长生成下一目标点，并实时计算绕Z轴姿态角；自适应同步策略，依据机器人实测进度触发新图像处理，当执行完当前轨迹段75%时启动下一段预测，以25%重叠余量缓冲处理延迟；已执行点过滤机制，剔除预测结果中对应于机器人已通过位置的过时点，防止反向运动。实验在配备6 kW光纤激光器（IPG Photonics YLS 6000）、D50摆动焊接头及ABB IRB4600六轴机器人的焊接单元上进行，样本材料为AISI 301LN不锈钢与6005-T6铝合金，采用对接接头近零间隙配置，名义焊接速度25 mm/s，目标点间距300 μm。
四、研究结果
4.1 线性焊缝轨迹生成（不锈钢）
在不锈钢线性对接接头试验中，焊接试样前后表面均呈现连续均匀的焊缝形貌。视觉生成轨迹与人工标注焊缝中心线的平均偏差为63.5 μm，RMS为77.2 μm，P95为152.2 μm，最大偏差169.9 μm。机器人执行精度独立评估显示，指令到执行横向偏差平均18.5 μm，RMS 22.4 μm，P95 45.4 μm，最大110.5 μm。焊接头绕Z轴姿态保持稳定。该结果表明系统具备自主对准并精确跟踪直线焊缝的能力。
4.2 左弯曲线焊缝轨迹生成（不锈钢）
在单曲率左弯轨迹试验中，视觉预测与焊缝中心线平均偏差58.7 μm，RMS 69.1 μm，P95 128.2 μm，最大137.9 μm；指令到执行横向偏差平均20.0 μm，RMS 25.4 μm，P95 49.9 μm，最大125.9 μm。焊接头初始姿态约77°，随焊接过程持续调整至超过100°，实现与曲率变化的动态切向对齐。焊缝连续，验证了系统对曲线路径的适应性。
4.3 双弯曲焊缝轨迹生成（不锈钢）
在右弯与左弯组成的双曲率复杂轨迹试验中，机器人起始距焊缝约1.5 mm，自主对准后保持精确跟踪。预测到焊缝平均偏差55.1 μm，RMS 65.6 μm，P95 115.6 μm，最大137.5 μm；指令到执行横向偏差平均29.2 μm，RMS 42.4 μm，P95 92.0 μm，最大218.2 μm。执行过程中未出现运动中断或暂停，证明自适应同步策略在实测延迟下有效保障了连续运动。
4.4 自主导航框架重复性评估
每种不锈钢几何形状进行了5次完整在线引导运行（第1次激光开启，第2至5次激光关闭），激光开启结果在激光关闭结果范围内，因此全部纳入重复性分析。三种几何形状下，预测到焊缝平均偏差在50.3~59.8 μm之间，RMS在60.6~72.2 μm之间，所有评估点最大偏差低于180 μm。指令到执行平均偏差从直线轨迹的17.7 μm增加到双弯轨迹的30.7 μm，P95均低于96 μm。平均绝对姿态误差在直线、单弯、双弯轨迹中分别为0.003°、0.134°和0.280°。15次运行均未检测到运动中断。这表明图像级轨迹估计误差并未随曲率增加而系统性增大，而机器人执行误差随轨迹复杂度增加略有上升。
4.5 同步策略消融研究
将自适应同步策略替换为基于名义执行时间的固定间隔触发策略，在双弯不锈钢轨迹上各进行5次运行。结果显示，固定间隔策略在5次试验中均出现运动中断，平均每次中断2.0次，平均中断时长0.36 s/次；而自适应策略无中断。与固定间隔策略相比，自适应策略将平均和RMS横向偏差降低约11%，P95偏差降低约17%。这表明基于执行状态触发不仅提高了轨迹段可用性，还改善了指令到执行的偏差分布。
4.6 铝合金试验
为验证系统在更高反射率、更高热导率材料上的鲁棒性，将单弯和双弯轨迹在6005-T6铝合金上重复。单弯铝合金轨迹预测到焊缝平均偏差52.8±3.7 μm，指令到执行平均偏差29.0±2.0 μm，与不锈钢相当。双弯铝合金轨迹预测到焊缝平均偏差47.1±5.9 μm，但指令到执行平均偏差增至74.2±2.2 μm，RMS 101.6±6.3 μm，P95 213.2±21.9 μm，平均绝对姿态误差达1.085°。所有铝合金运行均无运动中断，焊缝连续。该结果表明双弯铝合金是所测试条件下对机器人执行和姿态跟踪最为苛刻的工况。
五、系统局限与讨论
系统的主要失效模式涉及焊缝感知、轨迹可用性和几何标定三个方面。强反射、局部遮挡、对比度不足或过程扰动可能导致分割掩码缺失；无效预测被拒绝后，若连续无效预测导致轨迹缓冲区耗尽，机器人将进入停止状态，目前尚无正式优化的安全停止阈值。通信或处理延迟增大、预测段过短、机器人速度相对过高也可能造成缓冲耗尽，自适应同步与重叠策略可有效抑制该风险。此外，焊缝必须保持在相机视野内且标定有效，初始偏差过大或标定漂移会导致目标点错误。讨论部分指出，将感知精度与执行保真度作为两个独立贡献分别评估至关重要。不锈钢试验中预测到焊缝偏差与执行误差的差异表明，机器人控制器本身能高保真执行视觉生成的轨迹，系统总体精度主要受限于视觉感知环节，而复杂几何和高反射材料工况下执行偏差显著增大，说明运动执行是瓶颈之一。本研究未对焊缝进行定量金相表征，也未评估生产效率，这些留待未来工作。
六、研究结论
本研究提出了一种在真实工业约束下运行的机器人激光焊接增量式在线轨迹生成框架。基于前期焊缝感知方法，本研究的主要贡献在于将视觉焊缝定位与笛卡尔目标生成、焊接头姿态适应、事件驱动同步以及专有工业机器人控制器执行相集成。与依赖预定义名义路径和局部修正策略的传统焊缝跟踪方法不同，所提方法根据实时视觉反馈在线增量生成焊接轨迹，无需离线编程完整名义路径。在测试硬件上，从图像采集到控制器首次响应的软件时间戳标称延迟约为35 ms。自适应时空同步策略能够适应该延迟及其运行时变化。基于工业控制器内部插值与运动执行能力，系统在保持安全与运动约束的同时实现了平滑连续运动。在工业机器人激光焊接单元上的实验验证表明，该框架在直线和曲线对接接头几何形状下均能可靠生成轨迹并稳定执行。不锈钢试验中，预测到焊缝平均偏差为50.3~59.8 μm，最大偏差179.8 μm；指令到执行平均横向偏差为17.7~30.7 μm，P95低于96 μm，但存在超过200 μm的孤立峰值。铝合金试样上获得了相当的预测到焊缝偏差，但双弯铝合金工况下控制器报告的执行与姿态误差显著增大，平均指令到执行偏差74.2 μm，P95 213.2 μm，为所测条件中最苛刻的情况。总体而言，研究证明在标准传感硬件和专有控制器条件下，机器人激光焊接平台可以实际实现基于视觉的在线轨迹生成，为几何多变和装配偏差严重的应用提供了一种替代传统预定义路径焊接流程的有效方案。
