CC BY
26Научно-образовательный журнал для студентов и преподавателей «StudNet» №10/2020
РАЗРАБОТКА ГИБКОИ РОБОТОТЕХНИЧЕСКОИ СИСТЕМЫ ДЛЯ
НАНЕСЕНИЯ ПОКРЫТИЙ
DEVELOPMENT OF A FLEXIBLE ROBOTECHNICAL SYSTEM FOR
COATING
УДК 007.52
Якимчук А. В.
студент
факультет «Специальное машиностроение» Московский государственный технический университет им. Н. Э. Баумана Россия, г. Москва
Yakimchuk A.V. artyakim@yandex.ru
Аннотация
Данная статья посвящена разработке адаптивной системы управления роботизированным комплексом для технологических операций таких как покраска и газотермическое напыление. Данная система способна подстраивать траекторию нанесения покрытий под заранее не известное расположение заготовки в рабочем пространстве робота благодаря системе технического зрения. Системы данного типа являются востребованными в сфере автоматизации процессов покраски, газотермического напыления и других видов нанесения покрытий.
Annotation
This article is devoted to the development of an adaptive control system for a robotic complex for technological operations such as painting and thermal spraying.
This system can adjust the trajectory of the coating to a previously unknown location of the object in the working space of the robot due to the vision system. Systems of this type are in demand in the field of automation of painting processes, thermal spraying and other kinds of coating.
Ключевые слова: система технического зрения, позиция объекта, алгоритм, режим реального времени, автоматизация, адаптивность, индустрия 4.0.
Keywords: computer vision, 6-DOF pose estimation, algorithm, real-time, automation, flexible robotic cell, Industry 4.0.
Вступление
Большинство предыдущих исследований было сосредоточено на автоматическом распылении на предметы известной формы и ориентации [1], и методы были либо путем ручного обучения на реальной поверхности цели, либо на основе CAD-модели объекта, а также ее обработки в оффлайн системах [2]. Однако при нынешней тенденции создания высокомодульной и индивидуальной производственной линии необходимо проектировать решения, которые можно было бы быстро адаптировать для автоматического распыления на различные неизвестные детали и поверхности [3].
До сих пор использование роботов в производстве ограничивалось тем, что робота нужно было настраивать для каждой конкретной детали. Соответственно, экономическая рентабельность от автоматизации производства может быть достигнута при крупномасштабном производстве [4]. Кроме того, в настоящее время на предприятии приходится поддерживать штат программистов, которые могут настраивать роботов, знать функции их контроллеров и т. д. Такой подход увеличивает время, необходимое для начала производства новых деталей. Но гибкие системы позволяют компаниям автоматизировать задачи, такие как напыление или нанесение покрытий, на мелко-серийных производствах.
Именно разработка и моделирование такой системы для робототехнического комплекса (РТК) рассмотрены в данной статье.
Разработка алгоритма для системы автоматического управления
РТК
Как и было сказано ранее, в 99% случаев [5], при проектировании автоматических систем с использованием робототехнических комплексов на различных типах производств, используют оффлайн системы для задания и корректировки траекторий манипуляционных роботов. Алгоритм действий при задании траектории для нанесения покрытий показан на рисунке 1 [6].
Рисунок 1 - Генерация оффлайн траектории
Программирование с использованием систем CAD / CAM оффлайн систем требует геометрии CAD-модели для создания траекторий робота. Поэтому первым шагом является приобретение трехмерной геометрической модели. Если нет доступной исходной модели CAD, она должна быть
спроектирована в системах, после которых возможно будет создать тректорию для нанесения покрытий. Сделать это можно в САПР, например: Catia (Dassault Systèmes), SolidWorks (Dassault Systems), Pro / Engineer (Parametric Technology Corporation) и т. д. Если заготовка слишком сложна, чтобы ее можно было воссоздать с помощью программного обеспечения САПР, необходимо рассмотреть вопрос о получении геометрической модели другим способом, так называемым обратным проектированием. Геометрическая информация о заготовке может быть получена с помощью различных ощупывающих устройств или системы лазерного сканирования. Затем трехмерную модель можно восстановить из этих измеренных точек. Этот метод особенно эффективен для сложных деталей при отсутствии CAD-модели. Тем не менее, на каждом шаге данного алгоритма требуется вмешательство профессиональных инженеров, специализирующихся на конкретной CAM/CAD системе. При использовании современных систем компьютерного зрения и способов обработки информации, был предложен метод способный упростить или полностью убрать вмешательство профессиональных инженеров при перепрограммировании манипуляционных роботов под задачу формирования новых траекторий для манипуляторов при замене технологического процесса или обрабатываемого объекта.
На рисунке 2 представлена функциональная схема системы управления (СУ) РТК.
Рисунок 2 - Функциональная схема СУ РТК
Как показано на рисунке выше, разработанная система состоит из трех основных частей. Во-первых, в роботизированной системе для распознавания объектов данные поступают в систему технического зрения, где они обрабатываются в основном встроенными программными средствами, а затем, согласно протоколу USB, передаются управляющей программе на ПК. Кроме того, эта информация обрабатывается программным обеспечением на основе роботизированного фреймворка. На основании предоставленных данных вносится корректировка в финальную траекторию. В результате через Ethernet данные о траектории передаются на управляющий контроллер робота. На стороне контроллера полученные координаты выполняются в соответствии с инструкциями.
Далее, для более подробного представления внутренних процессов, мы рассмотрим структурную схему, показанную на рисунке 3.
Рисунок 3 - Структурная схема СУ РТК
После получения обработанного изображения из системы компьютерного зрения изображение поступает на ПК и вычисляется текущее положение объекта. Затем этот объект помещается в виртуальную сцену, где происходит кинематическая обработка и построение траектории для покрытия этого объекта. Здесь мы предполагаем, что путь для обработки объекта известен заранее и должен быть отрегулирован для поддержания качества
покрытия. При моделировании сцены и построении траектории базовая программа использует ресурсы существующих роботизированных фреймворков. Их основным преимуществом является наличие алгоритмов планирования движения, где на основе встроенной системы проверки на наличие коллизий формируется траектория, которая предотвращает контакт с жесткими объектами в создаваемой сцене. После формирования траектории данные преобразуются в необходимый формат для отправки по протоколу TCP / IP. Контроллер робота получает этот пакет, где он затем распаковывает его и выполняет заданные инструкции.
На основании предложенных функциональной и структурной схем, был разработан алгоритм для СУ РТК показанный на рисунке 4.
Получение первич-ых да-ных
Определение позиции объе-гга
I
Загрузка CAD-модели
I
Пл а н и рс ва н ие трае ктори и +
Симуляция I
Подтверждение +
Исполнение задачи
Рисунок 4 - Алгоритм СУ РТК
Моделирование и реализация данного алгоритма был проведена на базе фреймворка Robotic Operation System. Главным приоритетом при создании траектории на основании нового объекта является следование технологическому процессу при покраске или газотермическом напылении, а именно:
1) Сохранение перпендикулярности к поверхности рабочего инструмента.
2) Контролирование скорости рабочего инструмента при нанесении покрытия.
Далее рассмотрим разработанный алгоритм в действии поэтапно. Во-первых, после проектирования ячейки необработанная информация в виде облака точек входит в сцену моделирования. На рисунке 5 показано, как информация о внешнем мире будет отображаться при подключенной камере.
Рисунок 5 - Необработанная сцена.
После этого вступает в действие алгоритм определения координат объекта в рабочей области (рисунок 6).
\ ■
оЬ^^роэе сатега_йер1К^орйс ю
•Лс1Ьч ||| )К
Рисунок 6 - Нахождение объекта.
На рисунке позиция изображена в виде системы координат с прикрепленным именем, где XYZ - красный, зеленый и синий соответственно. После нахождения координат объекта модель CAD загружается в сцену (рисунок 7).
obje'Jí^pose
camera_depth_optic
Рисунок 7 - CAD-модель в сцене.
Как только сцена загружена, необходимо проверить, правильно ли выровнен данный объект относительно облака точек. Если нет, необходимо повторить процесс обнаружения объекта.
После успешного определения координат объекта формируется траектория покрытия, как показано на рисунке 8. Затем эта траектория проверяется симулятором. После проверки точки отправляются непосредственно на контроллер робота. В этом случае первоначальное моделирование было выполнено в ROS.
Рисунок 8 - Исполнение траектории.
На рисунке выше траектория изображена зелеными линиями. В конце каждой строки для информативности изображено преобразование путевых точек, то есть положение и ориентация TCP робота во время выполнения траектории.
Далее мы строим профили положения, скорости и ускорения (рисунок 8). Ось абсцисс показывает время с момента начала движения робота; другая ось показывает значения в шарнирах в радианах. Затем, чтобы проверить правильность выполнения траектории, необходимо сравнить профили траектории во время моделирования и во время фактического выполнения роботом. На данный момент система функционирует как запланировано, а также соответствует поставленным ранее целям и задачам.
- —*- joint s posi —•- joint © velo ion
lity
1
d «-¡«в ■ о »
D „-¡?® - О»
Рисунок 9 - Профили 6ого джоинта робота. Заключение
Таким образом был разработан и протестирован алгоритм для автоматизации процесса переналадки и создания новых траекторий для
манипуляционного робота при процессе нанесения покрытий. Разработанная система позволяет сократить время, затрачиваемое на перенастройку и перепрограммирование РТК для новых объектов обработки. В то же время, система зрения позволяет адаптировать траекторию к ранее неизвестному местоположению объекта. Более того, эта система является начальной стадией более сложного продукта, который может упростить и снизить стоимость использования роботизированных систем для нанесения покрытий в области мелкосерийного производства.
Литература
1. L. Sabattini, A. Levratti, F. Venturi, E. Amplo, C. Fantuzzi and C. Secchi, "Experimental comparison of 3D vision sensors for mobile robot localization for industrial application: Stereo-camera and RGB-D sensor," 2012 12th International Conference on Control Automation Robotics & Vision (ICARCV), Guangzhou, 2012, pp. 823-828, doi: 10.1109/ICARCV.2012.6485264.
2. Howard Mahe, Denis Marraud, Andrew I. Comport. Real-time RGB-D semantic keyframe SLAM based on image segmentation learning from industrial CAD models. International Conference on Advanced Robotics, Dec 2019, Belo Horizonte, Brazil.
3. E. Asadi, B. Li and I. Chen, "Pictobot: A Cooperative Painting Robot for Interior Finishing of Industrial Developments," in IEEE Robotics & Automation Magazine, vol. 25, no. 2, pp. 82-94, June 2018.
4. Deng, S., Liang, H., Cai, Z. et al. Kinematic Optimization of Robot Trajectories for Thermal Spray Coating Application. J Therm Spray Tech 23, 13821389 (2014)] [Bolot, R., Deng, S., Cai, Z. et al. A Coupled Model Between Robot Trajectories and Thermal History of the Workpiece During Thermal Spray Operation. J Therm Spray Tech 23, 296-303 (2014).
5. H. Chen and N. Xi, "Automated tool trajectory planning of industrial robots for painting composite surfaces," in The International Journal of Advanced Manufacturing Technology, vol. 35, no. 7-8, pp. 680-696, Jan. 2008.
6. B. Zhou, X. Zhang, Z. Meng and X. Dai, "Off-line programming system of industrial robot for spraying manufacturing optimization," Proceedings of the 33rd Chinese Control Conference, Nanjing, 2014, pp. 8495-8500.
