基于機器人的自動化檢測技術(shù)在航空制造中的應(yīng)用進(jìn)展

黨仁俊，李志虎，錢泓宇，陳 睿，徐 靜

（清華大學(xué)，北京 100084）

隨著現(xiàn)代航空工業(yè)的發(fā)展，飛機的應(yīng)用場景越來越廣泛，性能也日益提升。檢測技術(shù)用于飛機制造和裝配的各個環(huán)節(jié)，是飛機安全性的重要保證。

現(xiàn)代航空工業(yè)起步時，由于檢測設(shè)備的匱乏，工人只能通過目視或者觸摸的方式確定飛機的生產(chǎn)質(zhì)量；隨著測量技術(shù)的發(fā)展，人工手持測量儀器的檢測方法逐漸占據(jù)主導(dǎo)。但是，人工手持的方法無法確定測量儀器的自身定位，難以滿足大型場景的測量需求。因此，隨著機器人技術(shù)的日漸成熟，基于機器人的自動化檢測技術(shù)開始在航空工業(yè)中得到廣泛應(yīng)用。機器人系統(tǒng)可以突破傳統(tǒng)測量方法單點測量、柔性差的局限，為數(shù)字化測量系統(tǒng)提供足夠的靈活性，便于構(gòu)建大尺寸的測量場。相比于傳統(tǒng)的人工檢測技術(shù)，自動化檢測技術(shù)還可以避免人為錯誤的影響，大幅度提高檢測的精度和效率[1]。

自動化檢測技術(shù)已經(jīng)滲透到飛機制造和檢修的各個環(huán)節(jié)。首先，在零部件加工過程中，激光測距、雙目視覺等檢測設(shè)備配合機器人系統(tǒng)能夠完成對于制孔、銑削和打磨過程的位置和法向校準(zhǔn)[2–4]；其次，在零部件成品的質(zhì)量檢測環(huán)節(jié)中，與機器人結(jié)合的超聲波、X 射線等檢測設(shè)備能夠完成對于材料的無損檢測，搭載三維掃描儀的機器人系統(tǒng)常用于零部件外形的整體質(zhì)量檢測；最后，在飛機檢修過程中，搭載非接觸式測量設(shè)備的爬壁機器人、無人機等可以完成對于整機的缺陷檢測。

針對以上飛機制造及檢修過程中的檢測問題，本文總結(jié)了近10 年自動化檢測技術(shù)在飛機零件加工過程、成品質(zhì)量檢測及飛機整機維護(hù)檢修等各個環(huán)節(jié)中的應(yīng)用情況，為自動化檢測技術(shù)在航空制造工業(yè)中的應(yīng)用提供參考。

1 飛機零件加工過程

1.1 表面制孔加工過程檢測

隨著現(xiàn)代飛機性能的增強，以及航空制造對穩(wěn)定性和精度的要求不斷提高，高精度檢測技術(shù)在構(gòu)件制造過程中的重要性日漸凸顯。飛機蒙皮表面制孔任務(wù)是航空工業(yè)制造的重要一環(huán)，隨著自動化技術(shù)的發(fā)展，傳統(tǒng)手工制孔向全自動化、數(shù)字化升級迭代。飛機具有表面積大、質(zhì)量要求高等特點，若制孔方向出現(xiàn)偏差，不僅孔的軸線會出現(xiàn)偏差，疊層材料的孔位也會產(chǎn)生錯位 （圖1[2]），嚴(yán)重影響飛機壽命。Gao 等[3]測量了制孔軸線與材料曲面法線偏斜一定角度時鈦合金鉚釘?shù)钠趬勖l(fā)現(xiàn)制孔方向和加工曲面的垂直度對鉚釘使用壽命具有決定性影響。因此，在制孔加工中曲面法矢的檢測尤為重要。相較于人工方法，機器人自動化檢測技術(shù)能夠降低加工設(shè)備的位姿誤差，提高制孔的垂直度。

圖1 制孔法矢偏差示意圖[2]Fig.1 Drilling method vector deviation diagram[2]

在飛機表面機器人自動化制孔過程中，末端執(zhí)行器靠近目標(biāo)位置時往往會和理想位置產(chǎn)生一定的法向矢量偏差 （圖2[4]），需要測量目標(biāo)表面的法矢以進(jìn)行位姿調(diào)整。常見的手段是依靠激光位移傳感器測量表面法矢與刀具軸向的偏差來調(diào)整方向。畢運波等[5]提出了一種基于4個激光位移傳感器的法向偏差修正技術(shù)，能夠通過標(biāo)定獲得系統(tǒng)的零點位置和激光方向，并測量加工表面實際法矢方向進(jìn)而調(diào)整姿態(tài)，該團(tuán)隊和航空工業(yè)陜西飛機工業(yè) （集團(tuán)）有限公司在2014 年研制了一套集激光測量、離線編程、計算機控制技術(shù)于一體的航空制孔機器人。同年，Chen等[6]采用基于激光測距傳感器的法向測量算法對制孔點的法向進(jìn)行測量，并根據(jù)其法向矢量與轉(zhuǎn)軸矢量之間的夾角調(diào)整兩個偏心盤的轉(zhuǎn)角，能夠滿足飛機裝配的要求。Yu 等[7]在2017 年利用4 個激光位移傳感器實現(xiàn)了快速有效的曲面法向矢量和高度的非接觸測量，并開發(fā)了一個專用數(shù)控機床進(jìn)行法向調(diào)整，還使用了兩個激光干涉儀識別兩個旋轉(zhuǎn)中心距離，調(diào)整后角度偏差能夠小于0.5°，表面高度誤差精度為±0.04 mm。Gao 等[8]在2017 年提出了一種使用4 個激光傳感器測量法線方向的方法并將其應(yīng)用在制孔工作中，并且設(shè)計了一種機械結(jié)構(gòu)來優(yōu)化其安裝精度。張贏等[9]在2021 年提出了基于多激光傳感器的自適應(yīng)自由曲面法線檢測技術(shù)，能夠達(dá)到較高的法向精度。表1 將以上基于多激光位移傳感器的法向矢量測量技術(shù)進(jìn)行了總結(jié)和對比分析。

表1 激光位移傳感器檢測方法總結(jié)Table 1 Summary of detection methods for laser displacement sensors

圖2 傳感器在光束和刀具軸之間產(chǎn)生不同類型誤差[4]Fig.2 Sensor generates different types of errors between beam and tool axis[4]

國內(nèi)外許多企業(yè)和高校團(tuán)隊針對機器人制孔工作進(jìn)行了獨立的研究，以提高飛機表面蒙皮的加工質(zhì)量。韓鋒等[13]在2015 年針對法向調(diào)姿這一飛機部件自動化鉆鉚的基礎(chǔ)技術(shù)，采用改進(jìn)的Grubler–Kutzbach 算法進(jìn)行自由度分析并設(shè)計出利用并聯(lián)機構(gòu)法向調(diào)姿的輕型自主爬行系統(tǒng)，能夠在滿足虛擬刀尖點不變的條件下，讓末端執(zhí)行器進(jìn)行期望的位姿調(diào)整，得到所需位置調(diào)整量的逆解算法，并在MATLAB 中進(jìn)行了仿真驗證。張晉等[14]在2017 年基于Beckhoff控制系統(tǒng)設(shè)計了一套以機器人為載體的自動鉆鉚設(shè)備，其硬件組態(tài)如圖3所示，并在此前研發(fā)出了一款模塊化多功能航空制孔機器人[15]，使用2D 激光輪廓儀實現(xiàn)基準(zhǔn)孔的輪廓檢測，采用空間相似性原理對機器人的絕對位置誤差進(jìn)行補償，孔位置誤差±0.5 mm、法向測量誤差±0.3°。魏顯奎[16]在2021 年研制出多功能末端執(zhí)行器，集成了視覺定位與補償、孔位法向檢測、壓緊力檢測與控制、機器人自動制孔等關(guān)鍵技術(shù)，形成了機器人自動制孔系統(tǒng)。Frommknecht等[17]研制出一種集成了多種測量傳感器的航空制孔機器人，其平均位置精度達(dá)到了0.285 mm，垂直精度偏差在0.27°以內(nèi)。Zhang 等[18]提出了一種用于自動化裝配機器人的多功能末端執(zhí)行器，用于飛機裝配的CFRP部件和鋁部件的鉆孔及鉚接過程，該執(zhí)行器能夠在±0.5 mm 的各向同性精度水平內(nèi)定位每個孔，垂直精度在0.3°以內(nèi)。Tao 等[19]通過同步提取變換 （Synchro extracting transform，SET）方法獲得了被測物體振動信號的時頻信息，提出了一種基于同步提取的機器人鉆孔作業(yè)振動檢測方法。Guo 等[20]提出了一種全方向移動機器人鉆孔系統(tǒng)，該機器人配有激光測距和位移測量傳感器，能夠?qū)崿F(xiàn)自主移動的鉆孔。Zhang 等[4]提出了基于自適應(yīng)對準(zhǔn)方法的法線方向檢測技術(shù)，建立了姿態(tài)對準(zhǔn)的數(shù)學(xué)模型，并研究了檢測裝置的校準(zhǔn)方法和機理，如圖4 所示。

圖3 常見集成系統(tǒng)硬件組態(tài)[14]Fig.3 Common integrated system hardware configurations[14]

圖4 自適應(yīng)校準(zhǔn)方法試驗[4]Fig.4 Adaptive calibration method test[4]

1.2 大型、異形及復(fù)雜構(gòu)件加工過程檢測

除了飛機制孔任務(wù)，在飛機生產(chǎn)中還存在大型構(gòu)件、異形構(gòu)件及復(fù)雜構(gòu)件制造難題，機器人在生產(chǎn)此類構(gòu)件的過程中能夠做到實時檢測工件狀態(tài)并閉環(huán)調(diào)整生產(chǎn)刀具位姿。Kurc 等[21]通過比較測量結(jié)果并將偏差發(fā)送給神經(jīng)網(wǎng)絡(luò)決策系統(tǒng)來調(diào)整機器人的加工力度，將此方案在航空組件上進(jìn)行了驗證，并且已經(jīng)應(yīng)用于擴散器和ADT 齒輪箱的過程參數(shù)優(yōu)化。Tsuzki[22]建立了一種自動化焊接系統(tǒng)，能夠利用機器人獲取焊接位置的相機圖像，利用基于多層神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)方法實時分析焊接過程圖像的合理性。謝福貴等[23]在2020 年針對大型復(fù)雜構(gòu)件尺寸大、形狀復(fù)雜、剛性弱等特點提出了一種基于移動式和吸附式機器人的多機協(xié)同原位加工新模式，利用集成了檢測設(shè)備的多機器人系統(tǒng)自主定位、精確加工和原位檢測的方式來實現(xiàn)多方位的銑削、孔加工和打磨等作業(yè)。Li 等[24]在2021 年提出了一種加工異形薄壁工件的機器人自動化系統(tǒng)，在測量時，利用基于種子點的點云特征提取方法解決點云特征提取過程中的耗時問題；在加工時，機器人采用阻抗控制，根據(jù)安裝在工具上的4個傳感器的反饋進(jìn)行補償。馬建偉等[25]在2022 年針對特征關(guān)聯(lián)異形構(gòu)件難以保證待加工關(guān)聯(lián)特征間精度的問題，提出了一種集激光刻蝕加工和加工質(zhì)量原位檢測為一體的機器人一體化加工系統(tǒng)，該系統(tǒng)使用了機器視覺進(jìn)行起始點精準(zhǔn)對刀，然后進(jìn)行后續(xù)的激光刻蝕和加工檢測。將以上典型檢測方法進(jìn)行總結(jié)，如表2 所示。本節(jié)所描述的應(yīng)用場景與加工方式較制孔過程更為多元化，因此僅使用激光位移傳感器獲取單點距離數(shù)據(jù)已經(jīng)無法滿足要求，使用三維光學(xué)測量手段或多種傳感器獲取更多信息的方式成為主流。

表2 復(fù)雜構(gòu)件加工過程檢測方法總結(jié)Table 2 Summary of the inspection methods for complex component processing

總的來說，現(xiàn)有機器人在飛機加工中的制孔檢測場景往往通過測量末端執(zhí)行器在空間中的相對位置進(jìn)行實時調(diào)姿，其中3 個或者4 個激光傳感器測量法線的方式對傳感器安裝位置具有較高的要求，但是不受物體表面紋理信息的影響。而通過結(jié)構(gòu)光投影的方式能夠增加物體表面紋理信息，進(jìn)而直接生成物體點云以進(jìn)行調(diào)姿，在一定條件下精度更高，但是需要更多的計算量。基于單目或者雙目的工業(yè)機器人在檢測場景中的應(yīng)用也逐漸成熟，未來隨著視覺傳感器硬件分辨率和魯棒性的提高，通過視覺方式進(jìn)行調(diào)姿或許是一個更為理想的方案。大型、異形、復(fù)雜構(gòu)件的檢測任務(wù)與制孔場景類似，根據(jù)不同的加工場景要求進(jìn)行自主測量，近年來很多團(tuán)隊將機器學(xué)習(xí)和圖像處理方法應(yīng)用在機器人實時檢測場景中，實現(xiàn)了更加智能的檢測，也是未來的研究熱點問題。

2 成品質(zhì)量檢測

成品質(zhì)量檢測泛指對航空制造流程中成品構(gòu)件的各類檢測過程。下文將重點關(guān)注基于機器人的自動化檢測技術(shù)在內(nèi)部材質(zhì)無損檢測和外形結(jié)構(gòu)檢測中的應(yīng)用，前者主要使用各類無損檢測設(shè)備檢測材料內(nèi)部缺陷，后者則主要使用各類光學(xué)檢測手段檢測零部件表面各類指標(biāo)。

2.1 內(nèi)部材質(zhì)的無損檢測

現(xiàn)有航空零件的制造材料主要分為金屬和各類新興復(fù)合材料。金屬的制造工藝已十分成熟，一個較為典型的例子：萬芳[26]在國家科技重大專項支持下開發(fā)了航空發(fā)動機葉片自動化無損檢測系統(tǒng)，該系統(tǒng)使用機器人結(jié)合檢測設(shè)備，重點研究了葉片表面檢測機器人路徑規(guī)劃算法，可以對葉片缺陷和厚度進(jìn)行無損評估。

復(fù)合材料包括CFRP、玻璃纖維增強塑料 （Glass fibre reinforced plastics，GFRP）和環(huán)氧樹脂材料等[27]。相對于金屬材料具有重量輕、工程設(shè)計靈活，以及可在所需尺寸內(nèi)實現(xiàn)高強度等優(yōu)點，已經(jīng)成為新型機身的主要材料。但在制造過程中，復(fù)合材料可能會出現(xiàn)皺紋和孔隙，削弱結(jié)構(gòu)強度，導(dǎo)致材料失效，因此對復(fù)合材料制成的飛機零件的檢測是十分重要的。傳統(tǒng)的檢測方法通常需要人工操作無損檢測設(shè)備來對零部件進(jìn)行檢測，使得數(shù)據(jù)記錄和損傷評估變得極其困難[28]。并且由于檢測過程通常不能中斷，因此需要操作人員24 小時待命，對檢測效果和工作效率都構(gòu)成了巨大挑戰(zhàn)。然而，基于機器人的自動化檢測方法可以有效克服這些挑戰(zhàn)。這類方法往往包括完整的檢測路徑模擬、數(shù)據(jù)采集優(yōu)化以及評估過程，從而極大地提高了無損檢測的效果和工作效率[28–29]。早期的相關(guān)研究主要關(guān)注如何使用機器人實現(xiàn)檢測過程自動化。在這一階段，檢測系統(tǒng)通常以集成的相控超聲檢測 （Phased array ultrasonic testing，PAUT）設(shè)備為主。英國TWI 公司主持的IntACOM 項目[30–31]致力于開發(fā)一種基于機器人的快速、自動化的復(fù)雜形狀復(fù)合材料檢測系統(tǒng)，目標(biāo)是將檢測效率提升至原來的4 倍，這一系統(tǒng)由兩個庫卡 KR16 六軸機器人組成，配合噴水式PAUT 作為檢測模塊。Mineo 等[32]使用MATLAB 開發(fā)了針對六軸機器人的規(guī)劃控制程序，可以導(dǎo)入零部件的CAD 文件規(guī)劃表面檢測路徑，并在檢測點同步觸發(fā)檢測系統(tǒng)實現(xiàn)完整的規(guī)劃與檢測功能，如圖5 所示。這一程序同時提供了面向一線生產(chǎn)人員的友好用戶界面，以減輕操作負(fù)擔(dān)，實現(xiàn)在工廠內(nèi)的落地使用。然而這一階段的工作主要關(guān)注路徑規(guī)劃方法，實現(xiàn)自動化，沒有考慮到超聲檢測復(fù)合材料時的特點，導(dǎo)致檢測結(jié)果不佳。Mineo等[33–34]在之后的研究中進(jìn)一步使用超聲波回波信號來調(diào)整機器人路徑以實現(xiàn)反射表面回波的最小變化，并更新了機器人和測量系統(tǒng)，達(dá)到了更好的監(jiān)測效果。

圖5 六軸機器人規(guī)劃控制程序[32]Fig.5 Six-axis robot planning control program[32]

Macleod 等[35]介紹了旨在加強飛機部件設(shè)計和制造效能的STeM計劃及其具體成果，這一計劃使用超聲自動相控陣技術(shù)配合庫卡機器人，實現(xiàn)對大型復(fù)合材料部件的內(nèi)部缺陷檢測，并詳細(xì)計算了其在工廠內(nèi)的效能。歐盟的VIEWS 計劃[36]也實現(xiàn)了類似的功能，不過，該計劃將檢測系統(tǒng)更換為輪式探頭執(zhí)行檢測，提高了檢測速率，并新增了實時機器人路徑矯正功能以實現(xiàn)最佳超聲耦合。國內(nèi)，鄒志剛[37]使用雙機械臂增加移動軸和延長桿，實現(xiàn)了對一端封閉的復(fù)合材料回轉(zhuǎn)體的5 mm 分辨率超聲檢測，可以滿足一般復(fù)合材料曲面工件缺陷檢測的要求。王鑫[38]則使用移動機器人搭載UR10 機械臂和超聲相控陣檢測裝置組成無損檢測系統(tǒng)對翼面進(jìn)行自動化檢測，拓展了無損檢測的靈活性。表3 總結(jié)了上文提到的各類基于機器人的PAUT無損檢測的主要效果，可以發(fā)現(xiàn)，研究人員的目標(biāo)已經(jīng)由實現(xiàn)機器人檢測自動化，向更快的檢測速度和更優(yōu)的檢測質(zhì)量邁進(jìn)。

表3 基于機器人的PAUT 檢測主要效果總結(jié)Table 3 Summary of robot-based PAUT technology

在自動化檢測技術(shù)日益成熟之后，研究人員開始探索不同的新型檢測手段以獲得更好的檢測結(jié)果。Galisson 等[39]在ACCURATe計劃中研究了將工業(yè)機器人與激光超聲檢測 （Laser ultrasonic testing，LUT）設(shè)備結(jié)合用于大型CFRP 飛機結(jié)構(gòu)的快速非接觸式檢測，效果良好。Lim 等[40]則重點研究了使用穿透式超聲波 （Through-transmission ultrasonic，TTU）方法檢測復(fù)合材料時雙機器人系統(tǒng)的精確調(diào)姿問題，提出了一種用于校正轉(zhuǎn)向架部件變形和錯位的算法，并在雙機器人掃描人工設(shè)計有缺陷的樣本場景中進(jìn)行了驗證，如圖6 所示。Evangelista等[41]在Spirit 計劃中提出了一種基于 X 射線傳感器和機器人操縱器的復(fù)合材料零件檢測系統(tǒng)，用于檢查碳纖維部件六邊形核心單元結(jié)構(gòu)。Khodayar 等[42–43]則研究了機器人結(jié)合線掃描熱成像 （Line scan thermography，LST）技術(shù)，用以檢測大型 CFRP 樣品，使用COMSOL 軟件模擬了樣品的傳熱過程以修正機器人運動和熱源的各類參數(shù)，實現(xiàn)了3.5 mm 的檢測深度。Miranda[44]和Ma[45]等則將目光轉(zhuǎn)向較新的基于Lamb 波的檢測技術(shù)。不同的是，后者基于庫卡機器人設(shè)計了一套采用脈沖激光 （Pulsed laser，PL）和掃描激光多普勒測振儀（Scanning laser doppler vibrometer，SLDV）進(jìn)行非接觸和遠(yuǎn)程Lamb 波驅(qū)動與波場傳感的監(jiān)測系統(tǒng)；前者則使用散射Lamb波來繪制金屬 （各向同性）和準(zhǔn)各向同性復(fù)合板結(jié)構(gòu)，以實現(xiàn)移動機器人在被檢測物周圍的定位。Dimoka等[46]提出了一種名為脈沖相位鎖定熱成像 （Pulsed phase-informed lockin thermography，PPLIT）的新型熱成像技術(shù)，能夠快速、精確地檢測評估材料損傷，并結(jié)合機器學(xué)習(xí)和圖像處理技術(shù)，逐層剝離材料進(jìn)行修復(fù)。表4 總結(jié)了本節(jié)提到的各類新型檢測手段的特點，這類新型檢測手段通常以原型機或?qū)崿F(xiàn)原有PAUT 無法實現(xiàn)的功能為主，仍然處于實驗室探索階段，未實現(xiàn)落地應(yīng)用。

6．祁承燁(1563—1628)《澹生堂書目》：“《嵇中散集》三冊。(十卷，嵇康)《嵇中散集略》一冊。(一卷)”

表4 基于機器人的新型檢測方法特點總結(jié)Table 4 Summary of robot-based novel inspection technology

圖6 掃描具有人工缺陷的參考樣本[40]Fig.6 Scanning for reference specimens with artificial defects[40]

2.2 結(jié)構(gòu)外形的檢測

近10 年來，針對這一領(lǐng)域的早期研究主要集中于機器人在大型復(fù)雜曲面表面的運動路徑規(guī)劃。李浩[47]研究了面掃描測量機器人在測量復(fù)雜曲面時的自動路徑規(guī)劃問題及其3 類基礎(chǔ)算法：曲面的最小包圍盒算法、視點規(guī)劃算法，以及視場內(nèi)曲面的可視性分析算法，并使用C++編寫程序?qū)σ恍?fù)雜曲面的路徑規(guī)劃結(jié)果做了展示，但是，這些結(jié)果僅限于仿真測試，并未在實際環(huán)境中進(jìn)行測試。梁延德[48]和張曉蕾等[49]針對未知曲面表面形貌和形狀的測量場景，提出了在單次掃描結(jié)束后，根據(jù)掃描結(jié)果中缺失點云位置規(guī)劃二次掃描路徑，對缺失點云進(jìn)行補充的方法，并使用商用三維掃描儀搭配UR5 機器人對小型曲面的掃描做了實驗室驗證。趙安安等[50]也提出了一種二次掃描方法，但與前者不同的是，研究人員以飛機零件上各類槽特征、筋特征生成二次掃描路徑，并對實際飛機壁板的掃描過程做了仿真模擬，結(jié)果十分接近人工標(biāo)定結(jié)果。Sharifzadeh 等[51]針對不同掃描儀在實際環(huán)境中應(yīng)用的不同結(jié)果，提出了魯棒性更強的表面掃描方案。Xie等[52]開發(fā)了一種靈活掃描系統(tǒng)，使用預(yù)先定義的路徑對飛機零件表面進(jìn)行測量，與前面的研究不同的是，該系統(tǒng)集成了神經(jīng)網(wǎng)絡(luò)，可以更好地計算蒙皮表面鉚釘平齊度。與之相似的還有針對蒙皮對縫檢測的相關(guān)研究，張洪瑤等[53]基于機器人和3D激光掃描儀對固定蒙皮對縫進(jìn)行了測量，依賴于其較高精度的手眼標(biāo)定實現(xiàn)了最大誤差不超過0.05 mm 的結(jié)果，但這一試驗依舊為實驗室結(jié)果。王文輝等[54]設(shè)計出圖7 所示的移動機器人，搭載結(jié)構(gòu)光系統(tǒng)對地面上的蒙皮對縫進(jìn)行檢測，開發(fā)了移動機器人的自主調(diào)姿方法，實現(xiàn)對縫跟蹤位置誤差5.81 mm、角度誤差3.52°的結(jié)果。史有志[55]開展了超過5 m的大型回轉(zhuǎn)體檢測的機器人掃描軌跡與仿真研究，針對大型回轉(zhuǎn)體空間尺度大、軸向長度長的特點，結(jié)合激光掃描儀和所使用的庫卡KR–210 機器人的特點對回轉(zhuǎn)體表面進(jìn)行切分，盡可能拓展可達(dá)區(qū)域，實現(xiàn)了回轉(zhuǎn)體表面全覆蓋，并進(jìn)行了仿真模擬。

圖7 移動機器人結(jié)構(gòu)圖[54]Fig.7 Mobile robot structure diagram[54]

但是，針對這類大型物體，固定式的機器人無法靈活覆蓋，且往往只搭載單一種類的檢測設(shè)備，缺點明顯。因此，研究人員開始使用移動機器人搭載各類測量設(shè)備進(jìn)行檢測。Zhou 等[56]為移動平臺搭載機械臂，該系統(tǒng)架構(gòu)可在非結(jié)構(gòu)化環(huán)境中與人類同事一起工作，詳細(xì)介紹了機器人的硬件規(guī)格及安全的軟件架構(gòu)，并且考慮了機器人的效率和負(fù)載平衡問題。最為突出的是，這是第1 個在實際工業(yè)環(huán)境中進(jìn)行測試應(yīng)用的案例，且研究人員提供了圖形用戶界面來驗證系統(tǒng)設(shè)計。陳允全[57]和熊濤等[58]則提出了針對大型結(jié)構(gòu)外形測量的檢測系統(tǒng)，前者針對大型結(jié)構(gòu)搭建了一整套檢測系統(tǒng) （圖8[57]），包含激光掃描儀、移動機器人及激光跟蹤儀，并研究了系統(tǒng)的軌跡規(guī)劃、掃描仿真和數(shù)據(jù)處理，對構(gòu)建大尺寸測量場做出了貢獻(xiàn)；后者則專注于檢測系統(tǒng)內(nèi)激光跟蹤儀的站位優(yōu)化，實現(xiàn)了在規(guī)劃站位下測量耗時減少80%以上。Wang 等[59–60]開發(fā)了一套移動機器人測量系統(tǒng)，包括六自由度機器人、自主移動平臺、條紋投影掃描儀和立體視覺系統(tǒng)，提出了用于精確點云配準(zhǔn)的FOA–IICP 精細(xì)對準(zhǔn)算法，并結(jié)合跟蹤編碼標(biāo)記 （TCM）與定位編碼標(biāo)記 （PCM）的機器人移動測量方法，實現(xiàn)了對2.88 m 的大型結(jié)構(gòu)較好的測量效果。李強等[61]則提出了對飛機蒙皮裝配間隙與階差進(jìn)行測量的全向機器人檢測平臺，開發(fā)了蚊群算法，并采用視覺測量傳感器與全向機器人輔助執(zhí)行機構(gòu)協(xié)同配合的測量方式，用于在廣域大尺度測量場中精確測量。

圖8 機器人掃描系統(tǒng)組成[57]Fig.8 Composition of robot scanning system[57]

目前已報道的文獻(xiàn)中出現(xiàn)最多的技術(shù)路線是采用類似六軸機器人的通用多關(guān)節(jié)機器人配合噴水式PAUT 或三維激光掃描這類十分成熟的檢測技術(shù)，用于代替人工手段，實現(xiàn)檢測自動化。僅使用移動機器人，或移動機器人與通用多關(guān)節(jié)機器人結(jié)合使用的案例，在現(xiàn)有文獻(xiàn)中較少出現(xiàn)，主要是因為移動機器人的移動精度還無法滿足精度較高的檢測技術(shù)，強行結(jié)合追求移動范圍的靈活性反而會導(dǎo)致檢測精度下降，目前依舊缺乏有效方案的文獻(xiàn)報道。

3 飛機整機維護(hù)檢修中的檢測技術(shù)

飛機整機維護(hù)檢修由飛機維修技術(shù)人員或機長在飛行前執(zhí)行，識別可能的缺陷，如污損、凹痕、裂紋、泄漏、零件斷裂或缺失等 （圖9[62]），確保飛機的各項功能滿足飛行要求，是飛行安全的重要保障。目前，目視檢測是使用最廣泛、速度快且成本相對較低的飛機整機檢修技術(shù)，超過80%的大型運輸類飛機的檢查是基于直接或者相機協(xié)助的目視檢測[63]。傳統(tǒng)的人工檢測過程在地面進(jìn)行或使用伸縮平臺在機庫進(jìn)行，通常需要長達(dá)1 d 的時間，而且目視檢測容易出現(xiàn)遺漏缺陷的問題。由于機場的時間限制，目視檢測需要快速進(jìn)行[64]，使用自動化的裝置 （爬壁機器人、移動機器人、無人機 （圖10[63]）等）進(jìn)行輔助可以有效提高目視檢測的效率，并且減少人為因素導(dǎo)致的錯誤[65]。

圖9 飛機表面缺陷問題[62]Fig.9 Captured stain and defect[62]

圖10 無人機平臺[63]Fig.10 Unmanned aircraft[63]

蒙皮是飛機表面面積最大的組成部分，容易出現(xiàn)腐蝕、裂紋，以及漏油、油脂、污垢沉積物等污漬引起的表面缺陷。由于飛機蒙皮表面的平整性，真空吸附式爬壁機器人是飛機蒙皮檢測最常見的機器人種類，如圖11 所示[66]。爬壁機器人的運動控制問題是該領(lǐng)域的研究重點。牛國臣等[67]針對飛機蒙皮非對稱變曲率的特點，提出了蒙皮檢修爬行機器人的總體設(shè)計方案，設(shè)計了電動及氣動相結(jié)合的控制系統(tǒng)，并研制了搭載渦流傳感器及導(dǎo)航攝像機的機器人樣機。姜俊俊[68]分析了機器人在飛機蒙皮表面的運動步態(tài)，針對其單步連續(xù)運動控制建立了多輸入多輸出的動力學(xué)模型，并設(shè)計了一種滑膜軌跡跟蹤控制方法。沈桂鵬等[69]通過分析機器人在飛機表面的受力情況，基于牛頓–歐拉法建立了機器人非完整約束動力學(xué)模型，提出了一種反演–滑膜控制方法。Ramalingam 等[62]提出了一種可重構(gòu)爬壁機器人和基于深度強化學(xué)習(xí)算法的飛機表面缺陷和污漬檢測模型，其工作場景如圖12 所示。Hagiwara 等[70]利用單元膨脹收縮傳播的方式，推動爬壁機器人的前進(jìn)。飛機蒙皮檢測機器人在蒙皮表面順利運動的關(guān)鍵是吸附過程的穩(wěn)定性，Jiang 等[66]針對機器人結(jié)構(gòu)模型進(jìn)行受力分析，得到吸盤組控制分配矩陣，并在此基礎(chǔ)上設(shè)計控制分配器；然后考慮吸盤組出現(xiàn)故障的情況，采用改變吸盤優(yōu)先級的故障適應(yīng)策略改變吸盤的加權(quán)系數(shù)。然而，由于吸氣和放氣過程的存在，吸盤式爬壁機器人的爬行速度受到嚴(yán)重影響，為此，諸葛晶昌等[71]提出了一種螺旋槳反推式的履帶機器人，通過在履帶結(jié)構(gòu)中加入變形結(jié)構(gòu)，使機器人具備良好爬壁性能的同時，提升運動效率。表5 將現(xiàn)有的蒙皮檢測機器人進(jìn)行了匯總，其中，移動方式主要分為框架式、履帶式、輪式和行波式，框架式和行波式在速度和靈活性上受到限制，履帶式和輪式雖然更靈活，但也存在損傷蒙皮表面的風(fēng)險。貼附方式主要分為真空吸盤和螺旋槳推力式，真空吸盤式貼附更加穩(wěn)定，但也增加了氣驅(qū)的機構(gòu)，同時限制了運動速度和檢測效率。

表5 典型蒙皮檢測機器人原理總結(jié)Table 5 Summary of principles of typical skin inspection robots

圖11 雙框架飛機蒙皮檢測機器人[66]Fig.11 Aircraft skin inspection robot with double frame[66]

圖12 爬壁機器人應(yīng)用場景[62]Fig.12 Wall-climbing robot application scenario[62]

然而，爬壁機器人只能用于蒙皮結(jié)構(gòu)的檢查，對于飛機其他復(fù)雜結(jié)構(gòu)的檢查，使用移動機器人和無人機是更為便捷的方式。如圖13 所示，Aleshin 等[72]研究了無人機在極端風(fēng)作用下的復(fù)雜操作模式，通過系鏈機構(gòu)的控制確保了無人機在極端風(fēng)作用下不會與飛機相撞。Papa等[63]提出使用自主的小型四旋翼配合高清攝像機和超聲距離保持系統(tǒng) （Ultrasonic distance keeper system，UDKS）組成硬件平臺，配合避障和路徑規(guī)劃算法，使目視檢查人員能夠在電腦端進(jìn)行數(shù)據(jù)收集和處理。Sun等[73]提出了一個配備RGB – D 相機的無人機、無人地面車和配備高精度3D 掃描儀的機械手組成的機器人系統(tǒng)，用于執(zhí)行自動掃描，利用強化學(xué)習(xí)技術(shù)和蒙特卡洛樹搜索算法，基于飛機的低分辨率點云來規(guī)劃最佳掃描軌跡，從而獲取飛機的3D 模型。

圖13 無人機和無人地面車組成的機器人系統(tǒng)[72]Fig.13 Robotic system consisting of UAV and UGV[72]

同時，對于使用無人機或者移動機器人檢查，通常需要飛機的數(shù)字模型來規(guī)劃機器人的路徑，但是生成準(zhǔn)確的飛機數(shù)字模型是非常耗時耗力的。在飛機原始CAD 模型不可用的情況下，Sun 等[74]提出了一種兩階段的掃描方法：首先使用配備RGB–D 相機的無人機系統(tǒng)沿著遠(yuǎn)離飛機表面的預(yù)定義路徑快速掃描飛機并生成飛機的粗略模型；基于粗略模型，使用蒙特卡洛樹搜索的方法，計算覆蓋飛機全部表面的最佳掃描路徑，使得飛行距離最短 （圖14），從而生成密集、精確的飛機三維模型，該方法可以在1 h 內(nèi)掃描70%的飛機表面。

圖14 掃描路徑示意圖[74]Fig.14 Scanning paths diagram[74]

自動化裝置不僅可以提供目視檢查的原始圖片數(shù)據(jù)，還可以根據(jù)知識庫得出檢測結(jié)果，以進(jìn)一步提高檢測效率。Leiva[64]和Donadio[75]等構(gòu)建了協(xié)作移動機器人搭配變焦相機的系統(tǒng)。該機器人能夠在飛機附近自主導(dǎo)航，將相機指向目標(biāo)檢測區(qū)域，并利用圖片處理算法得出診斷結(jié)果，將錯誤信息提供給操作者以便快速處置。最后，操作者會對機器人做出的每個診斷進(jìn)行驗證。Jovan?evi?等[76]研究了配備攝像頭的移動機器人的導(dǎo)航任務(wù)，通過相似函數(shù)將圖片特征和飛機CAD 模型進(jìn)行匹配，進(jìn)而完成定位和檢查，并介紹了靜壓孔和進(jìn)氣口的檢測方法。Jovan?evi?等[77]還研究了用于檢測飛機外部不同物品的圖像處理框架，使用搭載變焦相機并且能夠圍繞飛機自主移動的機器人進(jìn)行圖片采集，首先通過規(guī)則形狀的檢測 （圓角矩形、圓形、橢圓形）使相機指向需要檢查的位置，然后利用圖片特征分析得到檢測結(jié)果，應(yīng)用于空客A320 飛機的氧氣艙手柄、進(jìn)氣口、靜態(tài)端口和風(fēng)扇葉片檢查。Cazzato 等[78]研究了使用無人機進(jìn)行飛機檢查時的定位和姿態(tài)控制技術(shù)，將安裝在無人機上的RGB 相機采集的圖像與機身表面上的特征點數(shù)據(jù)庫進(jìn)行比較，試驗表明，該方案能夠獲取高精度的無人機的位姿信息。

除了飛機表面質(zhì)量的檢查外，飛機的大部分內(nèi)部系統(tǒng)只能通過狹窄的檢查口進(jìn)行檢查和維修，因此需要開發(fā)高柔性的專業(yè)機器人完成該任務(wù)。Alatorre 等[79]開發(fā)了一種五自由度的機器人系統(tǒng)，可以通過狹窄的檢查口執(zhí)行準(zhǔn)確的檢查和維修任務(wù)，并對機器人的運動學(xué)進(jìn)行了分析以實現(xiàn)精確的路徑規(guī)劃。對于飛機油箱檢測任務(wù)，Heilemann 等[80]介紹了一種新型內(nèi)窺鏡系統(tǒng)，能夠通過狹窄的通道進(jìn)入飛機油箱，實現(xiàn)全數(shù)字化的檢查和三維結(jié)構(gòu)數(shù)據(jù)的生成，如圖15 所示。常用的連續(xù)型機器人具有運動靈活性，但冗余自由度導(dǎo)致了三維空間規(guī)劃的多解性，增加了算法的復(fù)雜度。牛國臣等[81]通過降低維度的方式，將三維空間轉(zhuǎn)化為二維平面進(jìn)行規(guī)劃，降低了規(guī)劃算法的復(fù)雜度。對于航空發(fā)動機原位檢測任務(wù)，針對傳統(tǒng)單芯柱骨架連續(xù)體機器人控制困難、容易扭曲的問題，Niu 等[82]提出了一種基于強化學(xué)習(xí)算法的路徑規(guī)劃方法，生成從初始點到目標(biāo)點的路徑。向立清等[83]設(shè)計了一種交錯排列的雙芯柱冗余自由度連續(xù)體機器人，基于幾何分析方法建立其正逆運動學(xué)模型，通過運動試驗驗證了其完成發(fā)動機檢測任務(wù)的可行性。Dong 等[84]設(shè)計了一種25 自由度的高度柔性細(xì)長連續(xù)體機器人，該機器人能夠進(jìn)入非常受限的環(huán)境完成進(jìn)給運動和復(fù)雜的軌跡，通過配備攝像頭的末端執(zhí)行器，能夠完成發(fā)動機壓縮機的原位檢測。

圖15 油箱維護(hù)概念圖及維護(hù)過程演示[80]Fig.15 Fuel tank maintenance concept diagram and maintenance process demonstration[80]

此外，在飛機發(fā)動機中還存在復(fù)雜的管路系統(tǒng)，空間更加狹窄，難以進(jìn)入。Tang 等[85]提出了一種智能材料驅(qū)動的管道檢測機器人，直徑小于10 mm，可以適應(yīng)亞厘米直徑和不同曲率的管道，該機器人使用長壽命電介質(zhì)彈性體作為驅(qū)動器，高效錨固裝置作為傳動器，使用數(shù)量可調(diào)的磁鐵快速組裝部件，可以適應(yīng)不同的管道幾何形狀。

4 現(xiàn)有工業(yè)機器人檢測技術(shù)的不足

總結(jié)本文提及的近10 年內(nèi)文獻(xiàn)報道中出現(xiàn)的檢測技術(shù)與機器人類型 （表6）。根據(jù)機器人類型進(jìn)行對比，僅使用通用多關(guān)節(jié)機器人或結(jié)合線性軌道實現(xiàn)一定范圍內(nèi)的移動的方式依舊是主流；根據(jù)檢測技術(shù)進(jìn)行對比，技術(shù)較為成熟，有成套商用設(shè)備的激光掃描儀和視覺測量系統(tǒng)占比最多。將表格中的技術(shù)與3 類任務(wù)的要求進(jìn)行對比，總結(jié)出現(xiàn)有機器人檢測技術(shù)存在著一些共性不足。

表6 近10 年機器人檢測技術(shù)總結(jié)Table 6 Summary of robot inspection technology in recent 10 years

（1）靈活性不足。現(xiàn)有文獻(xiàn)報道中，占比最高的通用多關(guān)節(jié)機器人配合線性軌道的方法占地面積大，且需要設(shè)置專用工裝輔助機器人運動。例如文獻(xiàn)[34]中提到的系統(tǒng)，占地60 m2，且有一個長7 m 的專用工裝用來放置復(fù)合材料機翼。使用移動機器人進(jìn)行檢測的技術(shù)目前仍在發(fā)展中，應(yīng)用廣泛程度相比前者仍較少。同時，目前部分專用檢測設(shè)備受限于技術(shù)發(fā)展，本身體積較大，也對檢測靈活性造成影響，例如無損檢測中最常使用的噴水式PAUT 需要配置專門的水循環(huán)系統(tǒng)。這些不足都限制了機器人自動化檢測向靈活的柔性檢測發(fā)展。

（2）算法智能程度不足。目前發(fā)展迅速的各類涉及智能學(xué)習(xí)的方法對相關(guān)算法起到了極大的輔助作用，但面對復(fù)雜的工廠環(huán)境，其魯棒性差的缺點也為實際應(yīng)用帶來了巨大的挑戰(zhàn)。算法智能程度不足不僅影響著檢測技術(shù)的進(jìn)步，也對機器人理解任務(wù)、規(guī)劃軌跡、執(zhí)行操作的精度與效率有顯著影響。針對整機復(fù)雜內(nèi)部環(huán)境檢測對于效率及魯棒性的需求，使用智能算法實現(xiàn)路徑規(guī)劃、導(dǎo)航、避障及故障檢測，也是未來研究的重點方向。

（3）人機交互研究不足。目前的航空制造檢修現(xiàn)場仍需大量人工參與，面對這類人與機器共存的場景，一般的解決方案是設(shè)立專門的安全區(qū)，例如文獻(xiàn)[36]中提到，為機器人系統(tǒng)設(shè)置了帶兩道安全門的103 m2的專用工作空間。然而隨著移動機器人的發(fā)展，在尚未完全達(dá)到無人化前，人與機器人在同一空間中工作是必然會出現(xiàn)的場景。Zhou 等[56]設(shè)計了機器人控制架構(gòu)、安全控制架構(gòu)和人機交互架構(gòu)等三大軟件架構(gòu)，囊括了移動平臺、機械臂、安全監(jiān)控系統(tǒng)、觸覺傳感系統(tǒng)和末端執(zhí)行器等全部硬件系統(tǒng)，以便于移動機器人與人一同工作在非結(jié)構(gòu)化環(huán)境中，相關(guān)研究仍十分缺少。

5 結(jié)論

（1）本文梳理了近10 年來航空制造及檢修過程中，基于機器人的自動化檢測技術(shù)應(yīng)用在飛機零件加工、零部件質(zhì)量檢測和整機檢修3 個過程中的進(jìn)展。

（2）現(xiàn)有基于機器人的自動化檢測已經(jīng)可以完成部分在固定場景的檢測，但仍有靈活性不足、算法智能程度不足、人機交互研究不足等缺點。

基于機器人的自動化檢測技術(shù)可以極大提高航空制造領(lǐng)域的精度與效率，目前仍需繼續(xù)推進(jìn)相關(guān)領(lǐng)域的研究，以實現(xiàn)航空制造效率與質(zhì)量的提高。