工業(yè)機器人智能化應(yīng)用關(guān)鍵共性技術(shù)綜述?

孫立寧，許 輝，王振華，陳國棟

（蘇州大學(xué)機器人與微系統(tǒng)研究中心 蘇州，215000）

引言

近年來，人工智能、云計算、物聯(lián)網(wǎng)等技術(shù)快速發(fā)展［1］，推動主要工業(yè)國家提出了面向智能制造的戰(zhàn)略規(guī)劃，包括德國的“工業(yè)4.0”、美國的“工業(yè)互聯(lián)網(wǎng)”、中國的“中國制造2025”等［2-3］，助推制造業(yè)從數(shù)字制造向智能制造轉(zhuǎn)型升級，在以數(shù)據(jù)和信息處理為核心的數(shù)字制造系統(tǒng)的基礎(chǔ)上，自動化裝備融合智能感知、智能規(guī)劃、智能控制等技術(shù)，構(gòu)成以知識和推理為核心的智能制造系統(tǒng)［4-5］。在具體的轉(zhuǎn)型升級方式上，工業(yè)機器人作為一種自動化裝備，通過與智能技術(shù)、工藝數(shù)字化技術(shù)等先進(jìn)技術(shù)融合，實現(xiàn)了面向不同作業(yè)場景、作業(yè)任務(wù)、作業(yè)工藝的智能化應(yīng)用，加快了制造業(yè)的轉(zhuǎn)型升級進(jìn)程。因此，從單臺柔性工作站到大型柔性流水生產(chǎn)線，工業(yè)機器人已發(fā)展成為智能制造系統(tǒng)的核心和主體裝備［6］，在工業(yè)生產(chǎn)和社會發(fā)展中正發(fā)揮越來越重要的作用。

在制造業(yè)中作業(yè)方式單一、重復(fù)等簡單工序上，傳統(tǒng)的工業(yè)機器人已得到廣泛應(yīng)用。從技術(shù)角度劃分，這類工業(yè)機器人仍然屬于第1代（Robotics 1.0）示教再現(xiàn)型機器人［7］，其不足之處是缺乏智能性，主要應(yīng)用于周圍環(huán)境狀態(tài)已知、變化小的結(jié)構(gòu)化工作場景中，如標(biāo)準(zhǔn)化的流水線生產(chǎn)、組裝和機械式重復(fù)作業(yè)等場景。而在汽車零部件、3C電子、陶瓷衛(wèi)浴及五金壓鑄等行業(yè)，還存在大量目標(biāo)工件與環(huán)境都是高度非結(jié)構(gòu)化的作業(yè)場景，如噴涂、拋磨、裝配等自動化程度低、作業(yè)環(huán)境惡劣的工序，仍以人工結(jié)合專用設(shè)備作業(yè)為主，生產(chǎn)效率的提升受到限制?，F(xiàn)有的人工結(jié)合專用設(shè)備的生產(chǎn)模式，不僅嚴(yán)重影響作業(yè)人員的身體健康，而且其生產(chǎn)效率和產(chǎn)品質(zhì)量無法滿足巨大的市場需求。因此，為了解決巨大的市場需求與生產(chǎn)效率低下的矛盾、作業(yè)人員身體健康問題以及其作業(yè)技能無法適應(yīng)高端裝備的矛盾，基于智能化、數(shù)字化技術(shù)對現(xiàn)有的工業(yè)機器人系統(tǒng)進(jìn)行升級改造，使其具備第2代（Robotics 2.0）、第3代（Robotics 3.0）工業(yè)機器人的特性［8］。

隨著我國制造業(yè)向智能制造轉(zhuǎn)型升級的需求不斷增長，以及機器人和相關(guān)智能技術(shù)的成熟，使工業(yè)機器人智能化技術(shù)從研究領(lǐng)域拓展至產(chǎn)業(yè)化應(yīng)用領(lǐng)域，將促進(jìn)機器人從第1代快速發(fā)展至第3代［8-9］，即具備智能屬性的智能機器人?；谥悄芑?shù)字化技術(shù)的工業(yè)機器人應(yīng)用系統(tǒng)，不僅可以解決工業(yè)機器人在傳統(tǒng)制造業(yè)中的智能化應(yīng)用問題，而且還可以解決因產(chǎn)品定制化需求增長而導(dǎo)致的傳統(tǒng)工業(yè)機器人作業(yè)方式無法滿足工藝多樣性要求的問題，使工業(yè)機器人的應(yīng)用范圍拓展至更多的制造業(yè)領(lǐng)域。

1 工業(yè)機器人智能化應(yīng)用的典型技術(shù)路線

制造業(yè)升級改造的目的之一是解放生產(chǎn)力，提高產(chǎn)品質(zhì)量和生產(chǎn)效率。在真實的工業(yè)現(xiàn)場，工業(yè)機器人及其配套設(shè)備正逐漸取代工人以及傳統(tǒng)的自動化裝備，而在數(shù)字世界中，機器人技術(shù)與人工智能、大數(shù)據(jù)、云計算及工業(yè)互聯(lián)網(wǎng)等技術(shù)融合，為傳統(tǒng)的控制策略賦予智能屬性［10］。如圖1所示，通過“云-邊-端”系統(tǒng)的協(xié)同，實現(xiàn)真實的現(xiàn)場與數(shù)字世界的融合。因此，工業(yè)機器人的智能化應(yīng)用的核心是硬件智能化和軟件智能化的融合。硬件智能化的實現(xiàn)方式是通過改變工業(yè)機器人本體形態(tài)或在機器人系統(tǒng)中集成視覺、力覺等智能傳感器，為機器人本體增加感知多模態(tài)信息的硬件設(shè)備；軟件智能化的實現(xiàn)方式是將經(jīng)驗化的產(chǎn)品加工工藝與機器人、人工智能、大數(shù)據(jù)等技術(shù)的融合，轉(zhuǎn)化為可以驅(qū)動機器人硬件執(zhí)行作業(yè)任務(wù)的數(shù)字化工藝。

圖1 工業(yè)機器人與工業(yè)互聯(lián)網(wǎng)融合的技術(shù)路線Fig.1 The technical route of the integration of industrial robot and industrial internet

從生產(chǎn)工藝角度分析，作業(yè)人員通常利用工具或手工，按照生產(chǎn)工藝的要求，對各種原料、材料、半成品進(jìn)行加工或處理，使之成為合格的成品。無論是數(shù)字制造還是傳統(tǒng)手工作業(yè)，在向智能制造升級的過程中，對原有生產(chǎn)工藝的吸收、借鑒以及改進(jìn)，是基礎(chǔ)實施過程中關(guān)鍵的一環(huán)。因此，根據(jù)作業(yè)工藝、作業(yè)人員所處的環(huán)境以及與作業(yè)對象之間的接觸關(guān)系，將工業(yè)現(xiàn)場常見的作業(yè)類型劃分為非接觸式作業(yè)（如噴涂、焊接等）、接觸式作業(yè)（如打磨、拋光、裝配等），二者的區(qū)別在于作業(yè)人員與作業(yè)對象之間是否產(chǎn)生直接的相互作用力。在改造升級的過程中，以工業(yè)機器人替代人工作為執(zhí)行裝備，與配套的智能傳感器、自動化裝備共同組成機器人智能化應(yīng)用系統(tǒng)［10］。

非接觸式和接觸式作業(yè)主要描述的是工業(yè)機器人與作業(yè)對象之間的力接觸關(guān)系。單個制造工序經(jīng)過智能化升級后，可以與其他已升級工序組成標(biāo)準(zhǔn)化生產(chǎn)線，其特點是生產(chǎn)效率高。由于設(shè)備是固定不變的，不需要經(jīng)常換產(chǎn)，相應(yīng)地提高了設(shè)備利用率，降低了生產(chǎn)成本。隨著定制化產(chǎn)品需求的不斷提升，相應(yīng)的產(chǎn)品種類隨之增多，而同一種類的產(chǎn)品數(shù)量需求則以小批量為主［11］，導(dǎo)致生產(chǎn)設(shè)備需要根據(jù)產(chǎn)品類型快速地切換生產(chǎn)工藝，而傳統(tǒng)的標(biāo)準(zhǔn)化、大批量生產(chǎn)模式無法滿足定制化作業(yè)對生產(chǎn)線頻繁換產(chǎn)的要求。作為定制化作業(yè)的解決方案，人機協(xié)作系統(tǒng)能夠滿足多樣化、小規(guī)模、周期可控等特點，是未來制造業(yè)的趨勢。人機協(xié)作系統(tǒng)的核心是人與機器人，人天然具備智能性，可以根據(jù)外部環(huán)境變化做出相應(yīng)的反饋，而機器人需要借助智能傳感器為其賦予智能屬性，感知非結(jié)構(gòu)化場景的變化，結(jié)合運動規(guī)劃算法，配合人類完成作業(yè)任務(wù)。

因此，基于硬件智能化和軟件智能化升級改造的思路，工業(yè)機器人在不同制造業(yè)場景的智能化應(yīng)用可以歸納為圖2所示的技術(shù)路線。首先，根據(jù)現(xiàn)有手工或?qū)C作業(yè)流程，對原有的生產(chǎn)工藝進(jìn)行數(shù)字化轉(zhuǎn)化；其次，基于工業(yè)機器人和智能傳感器的功能特點，研究環(huán)境建模、位姿估計、力/位混合控制等智能化技術(shù)，對數(shù)字化工藝進(jìn)行適配和改造，在保證產(chǎn)品質(zhì)量的前提下提升生產(chǎn)效率。

圖2 工業(yè)機器人智能化應(yīng)用的典型技術(shù)路線Fig.2 Typical technical route of intelligent application of industrial robots

2 工業(yè)機器人智能化應(yīng)用的關(guān)鍵技術(shù)

2.1 面向工業(yè)機器人智能化應(yīng)用的智能感知系統(tǒng)

與人類相比，傳統(tǒng)工業(yè)機器人的應(yīng)用范圍局限于簡單、重復(fù)的一致性、標(biāo)準(zhǔn)化作業(yè)，而人類可以基于眼睛感知視覺信息、皮膚感知力覺信息，從而利用大腦融合并處理視覺和力覺信息以引導(dǎo)手臂完成工藝復(fù)雜的高難度任務(wù)。因此，工業(yè)機器人向智能化發(fā)展的重要硬件基礎(chǔ)是智能傳感器。智能傳感器的感知屬性為工業(yè)機器人賦予了與外部真實世界進(jìn)行交互的能力［12］，一方面，為工業(yè)機器人提供了豐富的工藝數(shù)據(jù)，引導(dǎo)其執(zhí)行自主作業(yè)；另一方面，工業(yè)機器人以感知數(shù)據(jù)作為反饋信息，在作業(yè)過程中實現(xiàn)全局閉環(huán)控制，提升作業(yè)質(zhì)量。

視覺感知系統(tǒng)是機器人集成應(yīng)用系統(tǒng)的重要組成部分，以非接觸的方式為機器人提供豐富的二維和三維信息。在復(fù)雜的三維工業(yè)場景中，引入二維和三維視覺系統(tǒng)，基于視覺重建和理解技術(shù)［13］，完成機器人智能化應(yīng)用環(huán)節(jié)中的環(huán)境建模、位姿估計等任務(wù)。

相較于視覺系統(tǒng)的非接觸屬性，力傳感器則應(yīng)用于打磨、拋光、裝配及人機協(xié)作等接觸式作業(yè)場景。在機器人系統(tǒng)中部署力傳感器，用于感知受力情況，形成力/位置閉環(huán)系統(tǒng)，保護機器人和作業(yè)對象免受機械損傷的同時，提高產(chǎn)品質(zhì)量。同時，在面向多品種、小批量需求的人機協(xié)作場景，安全性是第一位的，基于力傳感器的精確力感知技術(shù)是柔順控制與人機安全保障的基礎(chǔ)。

2.2 基于視覺感知系統(tǒng)的三維環(huán)境重建技術(shù)

三維環(huán)境重建技術(shù)是以數(shù)學(xué)的方式描述真實的三維作業(yè)空間內(nèi)機器人、工件及障礙物的立體信息，是后續(xù)位姿估計、運動規(guī)劃的數(shù)據(jù)基礎(chǔ)。在工業(yè)場景中，根據(jù)建模對象不同，三維重建主要分為兩類：①面向目標(biāo)工件的局部高精度三維重建技術(shù)；②面向全局空間的實時三維重建技術(shù)。

為了提升產(chǎn)品質(zhì)量，獲取高精度的工件模型是前提條件。工業(yè)現(xiàn)場工件的成像質(zhì)量受光照影響較大，可以利用偏振視覺系統(tǒng)采集工件表面反射光強度信息，進(jìn)行三維重建，以減小不穩(wěn)定光源的影響［14］。針對偏振光三維重建方法無法確定模型相對于傳感器的絕對坐標(biāo)信息的問題，通過融合偏振視覺與立體視覺，以坐標(biāo)變換的方式求解重建模型的坐標(biāo)信息，實現(xiàn)對無紋理高反光工件的高精度三維重建［15］。

從工業(yè)機器人三維作業(yè)空間的全局角度分析，需要對非結(jié)構(gòu)化的全局環(huán)境進(jìn)行建模，以確定機器人與障礙物的相對位置關(guān)系。相較于局部的高精度建模，全局建模更注重實時性。隨著Kinect，Intel RealSense等消費級設(shè)備的出現(xiàn)，實質(zhì)性地推動了實時三維重建的研究［16］，三維重建的模型通常是以點云的形式進(jìn)行描述和存儲，研究者通常將基于點云數(shù)據(jù)的建模方法與三維柵格［17］結(jié)合，離散化的柵格可以加快密集點云數(shù)據(jù)的處理［18］。

2.3 基于視覺感知系統(tǒng)的位姿估計技術(shù)

位姿估計是對局部高精度三維重建模型的進(jìn)一步處理，目的是獲取目標(biāo)工件相對于工業(yè)機器人基坐標(biāo)系的立體位姿信息?，F(xiàn)階段，在工業(yè)領(lǐng)域應(yīng)用的位姿估計算法，根據(jù)技術(shù)原理不同，主要分為基于點特征類算法、基于模板匹配類算法及基于深度學(xué)習(xí)類算法。

基于點特征的物體位姿估計算法包含諸多經(jīng)過實驗驗證的算法［19］，其算法流程通常是先根據(jù)待識別的物體外形提取顯著特征點，并構(gòu)建基于點云的特征描述子，然后基于特征描述子在物體原始點云模型中搜索與其特征匹配的點位，利用點云配準(zhǔn)算法（iterative closest point，簡稱ICP［20］）求解二者相對空間變換矩陣［21-22］。

基于模板匹配的物體位姿估計算法以離線與在線融合的方式從全局匹配最優(yōu)解，有效地解決了少紋理或無紋理物體的位姿估計問題?；谀０迤ヅ涞奈矬w位姿估計算法借鑒圖像識別領(lǐng)域的思想，在離線階段，建立待識別物體在不同位姿狀態(tài)下的模板庫，在線階段將視覺傳感器獲取的數(shù)據(jù)與模板庫中的模板快速匹配，獲得相似度最高的模板［23］，從而確定待識別物體的最終位姿［24］。

基于深度學(xué)習(xí)的位姿估計算法包括：①利用端到端的深度學(xué)習(xí)方式對視覺采集的數(shù)據(jù)進(jìn)行訓(xùn)練，輸出工件的位姿［25］；②根據(jù)RGB-D數(shù)據(jù)的特點，利用基于卷積神經(jīng)網(wǎng)絡(luò)的實例分割算法提取目標(biāo)物體的輪廓及像素占據(jù)信息，獲得目標(biāo)物體的點云，再基于點云配準(zhǔn)算法求解目標(biāo)物體的位姿［26］。

2.4 基于力感知系統(tǒng)的柔順控制技術(shù)

機器人的柔順控制主要有被動柔順控制方法和主動柔順控制算法，其中主動控制主要是通過安裝在機器人上的力傳感器或者檢測的關(guān)節(jié)電機輸出的力矩，對機器人與目標(biāo)工件之間的接觸力進(jìn)行實時的監(jiān)測，并通過理想接觸力與實際接觸力之間的誤差修正工業(yè)機器人末端運動軌跡的方式進(jìn)行調(diào)節(jié)［27］。被動柔順控制方法主要是在末端執(zhí)行結(jié)構(gòu)中加入具有柔性的機構(gòu)，比如彈簧或者柔性法蘭，相比主動柔順控制，其具有更直接的儲能效果，降低了力響應(yīng)的帶寬與位置的精準(zhǔn)度。但被動柔順具有局限性，受到安裝環(huán)境的限制，柔性機構(gòu)的反饋速度較慢。

2.5 面向小樣本目標(biāo)的遷移學(xué)習(xí)技術(shù)

遷移學(xué)習(xí)技術(shù)是一種深度學(xué)習(xí)模型訓(xùn)練方法，采用已訓(xùn)練的知識模型對不同但相關(guān)領(lǐng)域問題的期望值進(jìn)行預(yù)測，可以提高深度學(xué)習(xí)模型的泛化性能［28］。當(dāng)在工業(yè)現(xiàn)場中部署深度學(xué)習(xí)模型時，構(gòu)建大規(guī)模的、完善的、標(biāo)注良好的數(shù)據(jù)集非常困難，而且如果對每一種工件從原材料至成品的各個階段進(jìn)行數(shù)據(jù)采集和標(biāo)注，需要投入大量的時間成本，所以構(gòu)建大規(guī)模數(shù)據(jù)集不符合工業(yè)生產(chǎn)對快速部署、高效換產(chǎn)的要求。遷移學(xué)習(xí)技術(shù)不要求當(dāng)前任務(wù)的訓(xùn)練數(shù)據(jù)必須與測試數(shù)據(jù)獨立且同分布，通過利用遷移學(xué)習(xí)技術(shù)，可以解決工業(yè)現(xiàn)場中普遍存在的訓(xùn)練數(shù)據(jù)不足的問題。因此，遷移學(xué)習(xí)技術(shù)積極推動了深度學(xué)習(xí)算法在工業(yè)現(xiàn)場的應(yīng)用進(jìn)程和范圍，在機器人智能化應(yīng)用中發(fā)揮著越來越大的作用。

2.6 面向非結(jié)構(gòu)化環(huán)境的運動規(guī)劃技術(shù)

在建立完成的環(huán)境模型中，基于約束條件在機器人的自由構(gòu)型或工作空間中搜索出一系列中間位姿，使機器人從初始位姿安全地運動到目標(biāo)位姿，這個過程即是機器人運動規(guī)劃，是機器人技術(shù)中的基本問題之一。

目前，面向靜態(tài)非結(jié)構(gòu)化環(huán)境，應(yīng)用于工業(yè)機器人運動規(guī)劃領(lǐng)域的算法主要有隨機采樣算法和基于深度學(xué)習(xí)的運動規(guī)劃算法等。基于隨機采樣的運動規(guī)劃算法［29］可以分為多次查詢算法和單次查詢算法。隨機路圖法（probabilistic roadmaps，簡稱PRM）是典型的多次查詢算法［30］，在工作環(huán)境不變的情況下，在預(yù)處理階段構(gòu)建高維空間的路圖，在查詢階段利用圖搜索算法確定最優(yōu)路徑。與PRM算法不同，快速擴展隨機樹（rapidly-exploring random trees，簡稱RRT）是一種單次查詢算法，具有更高的規(guī)劃效率，因此在高維空間的運動規(guī)劃中應(yīng)用的更加廣泛［31］?；谏疃葟娀瘜W(xué)習(xí)的運動規(guī)劃算法是將深度學(xué)習(xí)與自監(jiān)督學(xué)習(xí)的強化學(xué)習(xí)相結(jié)合，通過機器人自主地與場景互動，觀測并記錄場景反饋，并以行動試錯和獎勵的方式進(jìn)行訓(xùn)練，根據(jù)結(jié)果優(yōu)化行動策略，獲得貼近人類決策方式的結(jié)果［32］。

在動態(tài)非結(jié)構(gòu)化環(huán)境中，尤其是在人機交互的環(huán)境中，預(yù)先規(guī)劃的路徑可能會被障礙物阻擋，如果機器人不能及時在線生成新的運動路徑，則會與障礙物發(fā)生碰撞，導(dǎo)致機器人與障礙物損壞。針對非結(jié)構(gòu)化環(huán)境中的機器人在線運動規(guī)劃問題，通常有兩類方法：反應(yīng)式控制和全局運動規(guī)劃。反應(yīng)式控制通常基于人工勢場法（artificial potential field，簡稱APF）構(gòu)建控制策略［33］，屬于被動式的避障方法，用于局部動態(tài)避障［34］，許多學(xué)者對其進(jìn)行了研究及應(yīng)用［35-36］。全局動態(tài)運動規(guī)劃方法則是在整個機器人構(gòu)型空間內(nèi)搜索可行的路徑，典型的算法是一種基于PRM的動態(tài)路圖法［37］，該方法將大量路圖計算在預(yù)處理階段完成，以縮減在線階段的動態(tài)規(guī)劃時間，達(dá)到實時性要求［38-39］。

3 工業(yè)機器人智能化應(yīng)用典型案例

基于智能化、數(shù)字化、網(wǎng)絡(luò)化等思想，采用以深度學(xué)習(xí)為代表的人工智能技術(shù)，融合工藝數(shù)字化模型，構(gòu)建多種行業(yè)解決方案，對現(xiàn)有的工業(yè)機器人作業(yè)系統(tǒng)進(jìn)行升級改造，圖3所示為總體技術(shù)框架。工業(yè)機器人智能化應(yīng)用為減少工人在現(xiàn)場的高污染、高勞動強度提供了保障，同時提高了生產(chǎn)效率，改變了行業(yè)生產(chǎn)模式，為制造業(yè)轉(zhuǎn)型升級提供堅實的技術(shù)支撐。

3.1 基于智能交互與深度學(xué)習(xí)的噴涂建模技術(shù)與系統(tǒng)應(yīng)用

陶瓷衛(wèi)浴的生產(chǎn)從粉料混合開始，經(jīng)過成型、打磨、噴涂、燒成、分揀及包裝入庫等60余道工序，在智能化升級的過程中，主要面臨如下問題：①產(chǎn)品型號多，且不同產(chǎn)品混合生產(chǎn)；②多臺工業(yè)機器人程序復(fù)用的效率問題；③噴釉等工匠型工人的技術(shù)經(jīng)驗難以傳承。針對上述問題，通過分析工業(yè)機器人作業(yè)工藝存在的不足，利用深度學(xué)習(xí)等人工智能技術(shù)對工業(yè)機器人進(jìn)行升級，改善了工藝流程。在解決以上問題的過程中，主要采用如下智能化技術(shù)。

圖3 典型應(yīng)用案例技術(shù)架構(gòu)Fig.3 Technical architecture of the typical application case

1）針對噴涂過程中涂層厚度分布不規(guī)律的問題，基于自平衡無動力關(guān)節(jié)臂快速示教技術(shù)，提出了融合噴涂工藝參數(shù)進(jìn)行自主學(xué)習(xí)優(yōu)化并快速自動生成機器人程序的方法，如圖4所示。通過對噴涂現(xiàn)場的調(diào)研完成噴涂工藝分析，基于人工智能的大數(shù)據(jù)分析技術(shù)，建立涂料沉積速率模型，選取期望涂層厚度和最大允許涂層厚度偏差為約束條件、涂層分布均勻性作為優(yōu)化目標(biāo)，對噴涂參數(shù)進(jìn)行優(yōu)化，優(yōu)化求解得到的結(jié)果將會以噴涂工藝的形式融合在噴涂路徑規(guī)劃的算法中。

圖4 無動力示教臂工作原理Fig.4 Operating principle of unpowered teaching manipulator

2）針對衛(wèi)浴陶瓷產(chǎn)品噴涂工藝標(biāo)準(zhǔn)不統(tǒng)一以及快速換產(chǎn)的問題，基于自學(xué)習(xí)機器人噴涂工藝及多機器人快速示教技術(shù)，構(gòu)建了工匠技術(shù)數(shù)字化平臺。基于機械式標(biāo)定裝置及機器人標(biāo)定技術(shù)，實現(xiàn)了噴涂技術(shù)的數(shù)字化以及群機器人系統(tǒng)快速示教和程序復(fù)用，降低對群機器人系統(tǒng)的設(shè)備制造和安裝要求，提高系統(tǒng)部署柔性，實現(xiàn)群機器人高效噴涂和大規(guī)模快速換產(chǎn)。

3）針對衛(wèi)浴陶瓷行業(yè)勞動強度大、生產(chǎn)環(huán)境惡劣、效率低、工序多而復(fù)雜、能耗大及管理困難等問題，基于機器人智能生產(chǎn)線集成及智能管控技術(shù)，將機器人噴涂、在線檢測、分級分揀及儲坯輸送等系統(tǒng)有機集成。通過多機器人、多工藝融合智能生產(chǎn)線的混線生產(chǎn)和集成技術(shù)，開發(fā)具有設(shè)備動態(tài)監(jiān)控、智能管控及故障診斷等功能的制造執(zhí)行系統(tǒng)（manufacturing execution system，簡稱MES）系統(tǒng)，使得生產(chǎn)線總體生產(chǎn)效率比傳統(tǒng)人工線提高50%以上，相同產(chǎn)量可以減少一半人員，同時產(chǎn)品優(yōu)等率提高至98.5%。

3.2 基于去材料模型優(yōu)化的機器人打磨自編程技術(shù)應(yīng)用

基于3D點云的機器人自編程是機器人智能化應(yīng)用的關(guān)鍵技術(shù)，尤其在機器人表面修整工藝中應(yīng)用居多。該技術(shù)的應(yīng)用大幅提升了工業(yè)機器人在工業(yè)現(xiàn)場的柔性和智能化水平，如基于3D點云的陶瓷衛(wèi)浴修坯、金屬鑄件的打磨、拋光等，如圖5所示。針對金屬打磨作業(yè)領(lǐng)域的工業(yè)機器人應(yīng)用，主要采用如下智能化技術(shù)。

1）基于高精度3D視覺系統(tǒng)，開發(fā)了面向工件表面的三維點云數(shù)據(jù)采集系統(tǒng)，提出基于數(shù)據(jù)高速采集系統(tǒng)、三維模型重建與局部特征識別、模型工藝分解的在線打磨軌跡生成技術(shù)。針對不同批次工件不一致及修整過程磨料磨損的問題，采用主動恒力裝置的力反饋技術(shù)實時對打磨軌跡進(jìn)行全局修整，降低對現(xiàn)場工人的機器人示教及離線編程等的技術(shù)要求，并基于結(jié)構(gòu)光高速掃描技術(shù)與精確配準(zhǔn)算法，重建工件三維模型，融合在線三維局部特征目標(biāo)識別技術(shù)，實現(xiàn)局部軌跡修整要求。

2）針對復(fù)雜曲面自動路徑規(guī)劃困難的問題，提出了基于曲面分片算法和點云切片技術(shù)進(jìn)行智能路徑規(guī)劃的方法。對于簡單曲面融合相關(guān)的打磨工藝要求直接采用點云切片技術(shù)進(jìn)行打磨路徑規(guī)劃，如果曲面比較復(fù)雜，則采用曲面分片算法得到一系列分片，然后在每個分片上使用點云切片算法完成打磨路徑規(guī)劃。

圖5 機器人三維感知曲面并柔性打磨過程Fig.5 Three-dimensional surface perception and flexible polishing process

3）針對金屬鑄件打磨的工藝問題，選取材料去除量作為衡量打磨質(zhì)量的關(guān)鍵指標(biāo)，基于Preston方程和赫茲接觸理論對材料去除量進(jìn)行建模和仿真，基于人工智能技術(shù)統(tǒng)計分析打磨工藝參數(shù)對材料去除量的影響，選取期望打磨深度和材料去除的均勻性作為約束條件，求取打磨過程中最優(yōu)參數(shù)。通過三維點云數(shù)據(jù)與點云模型進(jìn)行比對處理，建立物理模型與虛擬模型的差異化模型，構(gòu)建工具、工藝、材料及3D差異模型之間的映射關(guān)系，實現(xiàn)打磨工藝數(shù)字化，從而為機器人軌跡自動生成提供工藝依據(jù)，結(jié)合機器人動力學(xué)模型，實現(xiàn)機器人自動表面修整。

3.3 基于力位混合控制的智能裝配技術(shù)應(yīng)用

針對精密裝配中感知信息不全及機器人力控柔性的問題，提升工業(yè)機器人智能化水平，提出基于視觸覺融合感知機理及機器人變剛度控制的精密裝配理論及方法。該研究針對視觸覺融合感知、機器人變剛度控制及智能操作環(huán)境構(gòu)建等3個核心問題的研究，提升了機器人感知智能、控制智能及應(yīng)用智能等3個方面的智能化水平，對提升工業(yè)機器人在相關(guān)領(lǐng)域的應(yīng)用提供理論依據(jù)和方法支撐，對促進(jìn)我國工業(yè)機器人智能化水平具有重要作用。智能化升級改造過程中，主要采用如下智能化技術(shù)。

1）基于主/被動柔順結(jié)合的設(shè)計思想，設(shè)計了一種具有被動柔順性且可以結(jié)合工業(yè)機器人實現(xiàn)主動柔順控制功能的軸孔柔順裝配裝置。首先，結(jié)合自研的柔順裝置，提出一種基于融合目標(biāo)多模態(tài)特征的視觸覺融合感知方法，解決視觸覺融合中的模態(tài)信息弱配對問題；其次，搭建一種融合感知與控制的智能裝配操作環(huán)境，從而實現(xiàn)機器人裝配任務(wù)的智能操作。

2）通過對軸孔裝配過程的分析，提出了一種基于可變?nèi)犴樦行牡妮S孔裝配策略。該策略基于力/位/視覺混合控制算法，規(guī)劃工業(yè)機器人的裝配流程，機器人僅根據(jù)反饋信號進(jìn)行主動位置控制，即可在一個軸徑的偏差內(nèi)完成裝配任務(wù)。同時，基于該策略開發(fā)了一個柔順裝配控制系統(tǒng)，該系統(tǒng)具有控制簡單、響應(yīng)速度快的特點。如圖6和圖7所示，通過在工業(yè)機器人智能裝配平臺和工業(yè)現(xiàn)場的測試，驗證了所設(shè)計的柔順裝置和裝配策略的有效性。

圖6 軸孔柔順裝配的算法流程圖Fig.6 Algorithm flow chart of shaft-hole compliant assembly

圖7 軸孔裝配作業(yè)流程Fig.7 Process flow of shaft-hole assembly operation

3.4 基于多模態(tài)信息的機器人復(fù)雜操作技能學(xué)習(xí)技術(shù)應(yīng)用

傳統(tǒng)的示教編程、離線編程、遙操作等使得機器人具備一定的作業(yè)操作技能，能夠滿足結(jié)構(gòu)化場景，實現(xiàn)位置和力控制任務(wù)。而面向非結(jié)構(gòu)化工作環(huán)境或頻繁換產(chǎn)場合，甚至復(fù)雜任務(wù)的批量化復(fù)現(xiàn)，機器人操作技能開發(fā)周期較長、效率低、工作量大且不能滿足需求的多樣化。該研究針對上述問題，搭建具有技能在線感知與標(biāo)注的技能學(xué)習(xí)平臺，將多模態(tài)數(shù)據(jù)作為自注意模型輸入，構(gòu)建多模態(tài)信息融合與跨模態(tài)關(guān)系建模，實現(xiàn)復(fù)雜技能分割與學(xué)習(xí)，基于遷移學(xué)習(xí)技術(shù)，開展了跨領(lǐng)域的應(yīng)用研究，驗證了操作技能學(xué)習(xí)方法的魯棒性和泛化性。在機器人實現(xiàn)對復(fù)雜操作技能學(xué)習(xí)的過程中，主要采用如下智能化技術(shù)。

1）基于七軸機器人、雙臂機器人、六軸協(xié)作機器人、仿生手爪以及時空連續(xù)動作捕捉系統(tǒng)、立體視覺和觸覺傳感器，搭建技能在線采集及標(biāo)注平臺。通過層次化任務(wù)分解，將復(fù)雜任務(wù)分解為元任務(wù)，再基于構(gòu)建技能的過程自回歸隱馬爾可夫模型，將感知的環(huán)境信息、機器人軌跡、力感知、觸覺感知以及接近覺感知等多類型數(shù)據(jù)作為自注意模型的輸入，聯(lián)合多模態(tài)數(shù)據(jù)特征更新交互層數(shù)據(jù)，最終形成具有標(biāo)注的技能數(shù)據(jù)，并對技能數(shù)據(jù)實現(xiàn)在連續(xù)、高維空間的自動、魯棒分割及知識化表達(dá)。

2）基于技能層次化分割和基元技能知識化表達(dá)方法，研究機器人智能感知系統(tǒng)獲取的不同模態(tài)信息之間的關(guān)聯(lián)，建立跨模態(tài)關(guān)系模型以融合多模態(tài)信息。圖8所示為基于視觸覺融合的抓取作業(yè)流程，面向由視覺感知、觸覺感知和機器人等關(guān)鍵部件組成的作業(yè)系統(tǒng)，首先，根據(jù)技能采集和標(biāo)注的結(jié)果得到成功抓取所需的抓取姿態(tài)以及抓取力；其次，搭建抓取點檢測神經(jīng)網(wǎng)絡(luò)，將視覺圖像輸入訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)，輸出抓取點信息以及物體所有可能的類別，并根據(jù)觸覺標(biāo)簽獲得預(yù)抓取力。

圖8 基于視觸覺融合的抓取作業(yè)流程Fig.8 Grasping process based on visual and tactile fusion

3）針對機器人作業(yè)類型的多樣化挑戰(zhàn)，基于遷移學(xué)習(xí)技術(shù)，將已訓(xùn)練的機器人操作技能應(yīng)用到新的不同機器人平臺、不同任務(wù)以及不同環(huán)境中。技能學(xué)習(xí)領(lǐng)域的遷移學(xué)習(xí)技術(shù)，目的是在尋找不同平臺、不同任務(wù)以及不同環(huán)境之間的映射關(guān)系。圖9所示為機器人技能遷移流程和新目標(biāo)物體的抓取驗證，首先，根據(jù)任務(wù)目標(biāo)選擇合適的共享源技能，建立目標(biāo)環(huán)境與源技能所在環(huán)境之間的物體映射關(guān)系；其次，使用該映射機制實現(xiàn)從源技能到任務(wù)目標(biāo)的適應(yīng)和改變，成功執(zhí)行改編之后的技能序列，實現(xiàn)了機器人高效、自主、魯棒的技能遷移，提高了機器人智能化水平。

圖9 機器人技能遷移流程及驗證Fig.9 Robotic skills transfer process and Validation

4 結(jié)束語

工業(yè)機器人因其具備的兼容性、適應(yīng)性、可擴展性等特點，成為智能制造的核心設(shè)備，通過與智能技術(shù)、工藝數(shù)字化技術(shù)等先進(jìn)技術(shù)融合，實現(xiàn)了面向不同作業(yè)場景、作業(yè)任務(wù)、作業(yè)工藝的智能化應(yīng)用，加快了制造業(yè)的轉(zhuǎn)型升級進(jìn)程。經(jīng)過分析，制造業(yè)升級改造的流程通常是自下向上、由點及面的逐步推進(jìn)，在單個工作站的生產(chǎn)工藝和作業(yè)方式實現(xiàn)數(shù)字化的基礎(chǔ)上，通過引入工業(yè)機器人、智能傳感器和智能化技術(shù)，實現(xiàn)單個工作站的智能化改造，逐步實現(xiàn)整個流水線或系統(tǒng)的智能化升級，帶動相關(guān)制造行業(yè)的智能化改造。因此，筆者在對相關(guān)智能技術(shù)的研究現(xiàn)狀進(jìn)行綜述分析之后，重點介紹機器人技術(shù)和智能技術(shù)在噴涂、打磨、裝配等典型領(lǐng)域的應(yīng)用情況，對相關(guān)行業(yè)有重要的示范意義。通過推進(jìn)機器人智能化應(yīng)用系統(tǒng)，可以解決普通工人無法操作復(fù)雜工業(yè)機器人的難題，達(dá)到快速推廣機器人系統(tǒng)的目的，大大提高我國傳統(tǒng)產(chǎn)業(yè)的機器人應(yīng)用數(shù)量，提升行業(yè)的自動化水平。隨著應(yīng)用系統(tǒng)的推廣規(guī)模增加，必將吸引其他減速器、控制器、電機及機械加工等配套企業(yè)發(fā)展，進(jìn)而提高我國相關(guān)科技的綜合競爭力。