integración de celdas robotizadas de soldadura con ... · inferior al costo de los sistemas...
TRANSCRIPT
Integración de celdas robotizadas de soldadura con compensación automática de trayectorias
Integration of robotic welding cells with automatic path compensation
Ignacio Dávila-Ríos e Ismael López-Juárez*
Corporación Mexicana de Investigación en Materiales S.A. de C.V.
Ciencia y Tecnología No 790 Col. Saltillo 400, C.P. 25290 Saltillo, Coahuila. México. Tel: +52 844 411-3200
*Centro de Investigación y Estudios Avanzados del IPN, Unidad Saltillo
Carretera Saltillo-Monterrey Km 13, CP 25900. Ramos Arizpe, Coahuila. México. Tel +52 844 4389600
RESUMEN
Dentro de la industria de manufactura, en particular en procesos de soldadura de
arco con robots industriales, es común la necesidad de modificar la trayectoria de
soldadura debido al desajuste de posición de los componentes a soldar. Estos errores
de posicionamiento en las partes es debida al envejecimiento de los componentes en
el tren de alimentación, utillajes, perturbaciones, etc. Esta situación deriva en una
práctica común de reprogramación de los robots; sin embargo esto conlleva un
consecuente paro de la línea e incremento en los costos de producción. En este
artículo presentamos una alternativa práctica de solución a este problema que
incluye el uso de iluminación estructurada utilizando un haz laser de bajo costo, una
cámara CCD y un controlador difuso de posición. La metodología fue probada en el
diseño de una celda de soldadura de placas metálicas, cuyo controlador es capaz de
corregir en línea los parámetros del proceso como son: errores de trayectoria,
arranque/paro de la fuente de alimentación, velocidad y posición del recorrido de la
antorcha, distancia de la punta de la antorcha a la placa de soldadura, voltaje y
corriente del arco de soldadura. El método fue evaluado experimentalmente
empleando un robot industrial KUKA KR16 mediante pruebas de corrección de error
lateral y vertical en un rango de +/- 10mm. En el artículo se presenta la descripción
de la metodología incluyendo el diseño, simulación de la celda, descripción de los
algoritmos de procesamiento de imagen, control Difuso de posición y análisis
estadístico de los resultados experimentales lo que demuestra la efectividad del
método.
Palabras Claves: Lógica Difusa, Soldadura GMAW, Robótica Industrial, Iluminación Estructurada,
Visión Artificial, Control de trayectoria de robots.
ABSTRACT
During robotic welding operations in the manufacturing industry there is a need to
modify the welding path due to a mismatch in the position of the components to be
welded. These positioning errors are due to the ageing of the components in the part
conveyor system, clamp fixtures, disturbances, etc. This situation results in a
common practice of robot reprogramming that requires the stop of the production
line with an increment in production costs. In this article we present an alternative
solution to this problem that involves the use of structured lighting through the use
of a low-cost laser beam, a CCD camera and a Fuzzy Controller. The methodology was
tested in the design of a welding cell of metal plates whose cell controller is capable
of correcting online the process parameters such as: path error, start/stop of the
power source, position and speed of the welding torch, distance from the torch tip to
the plate, voltage and current of welding arc. The method was evaluated
experimentally using an industrial KUKA KR16 robot tested under lateral and vertical
position errors within +/- 10mm range. The article presents the description of the
methodology including design, cell simulation, image processing algorithms, Fuzzy
Control and statistical analysis of experimental results which demonstrates the
method’s effectiveness.
Keywords: Fuzzy Logic, GMAW, Industrial Robotics, Structured lighting, Artificial Vision, Robot
Path Control.
1. Introducción
Los procesos de soldadura robotizados son cada vez más utilizados por la industria; especialmente
es el caso de la industria de manufactura dado que esta aplicación implica riesgo y trabajo hostil
para los soldadores. Existen diversas fuentes de error que afectan la precisión del proceso y que
son mayormente debidos al posicionamiento de las piezas a soldar. Estos errores son debidos al
envejecimiento de los mecanismos del sistema de transporte en la línea de producción, en los
utillajes de fijación de las piezas, etc. Esta situación resulta en una incertidumbre de operación en
los robots soldadores y genera un entorno no estructurados de movimiento. El propósito central
de este artículo es el desarrollar una metodología de compensación de errores de posicionamiento
generados durante el proceso y que el sistema de control de la celda de soldadura debe superar
para satisfacer la especificación de calidad requerida del producto.
Se presenta una propuesta de solución al problema mencionado que incluye la simulación del
proceso con lo que se pretende mostrar algunas directrices para la conformación de celdas de
soldadura robotizadas. Seguido de ello se propone una herramienta de control difuso para ajustar
las trayectorias del robot en respuesta a un desajuste en la posición de las piezas a soldar.
Trabajo Relacionado y Contribución
Existe una variedad de investigaciones que tratan de resolver este problema, basándose la
mayoría en el uso de herramientas tales como sensores láser y visión computacional. Algunos
autores emplean también algoritmos basados en herramientas de Inteligencia Artificial, como se
muestra por Tian y Collins quienes emplean un método eficaz de ruta de planificación mediante
algoritmos genéticos en la que el robot guarda posiciones de obstáculos encontrados [1]. La
aplicación de PID y Control Difuso en el proceso de soldadura de MIG ha sido demostrado por Shi
Yu et al., quienes mejoran la calidad de la soldadura con el uso de sensores de visión y filtros
múltiples [2]. Por otro lado el enfoque neuro-fuzzy para la variable de velocidad de alimentación
del alambre ha sido explorado por l. Carrino et al. [3] y en general, existen esfuerzos importantes
en el área de planificación de trayectoria automatizada, lo que es vital para el desarrollo de robots
autónomos en soldadura [4,5] especialmente cuando se busca sistemas de control en tiempo real
[6].
Por otro lado existen sistemas comerciales de seguimiento de trayectoria [7, 8], los cuales tienen
la característica de incluir montado el sistema de visión y el sistema laser en una misma unidad, lo
que facilita el procesamiento de la información porque las no-linealidades que se encuentran en el
procesamiento de la imagen debidas al error de perspectiva no se presentan. En nuestra
propuesta se considera la cámara y sensor laser colocados en sentidos opuestos, no en línea con la
antorcha, lo que genera un error de perspectiva que es compensado por el sistema difuso, además
se emplea en nuestro método elementos de bajo costo y cuya solución es del orden de 30 veces
inferior al costo de los sistemas comerciales mencionados.
La organización del artículo es como sigue. En la Sección de Introducción se revisa el trabajo
relacionado y el proceso de soldadura GMAW. En la Sección 2 correspondiente a Materiales, se
describen los componentes de la celda de soldadura robotizada. En la Sección 3, se presentan los
Métodos empleados en el trabajo en términos de simulación para el diseño de la celda,
procesamiento de imagen empleado iluminación estructurada así como la descripción del sistema
difuso empleado para el control de la trayectoria. En la Sección 4 se presentan los resultados
obtenidos durante pruebas experimentales con el manipulador bajo diversas condiciones de error
experimental y finalmente en la Sección 5 se indican las conclusiones y trabajo futuro.
1.1 Proceso de Soldadura de Metal por Arco y Gas
En el proceso de soldadura de metal por arco y gas (GMAW, por sus siglas en inglés), se establece
un arco eléctrico entre un electrodo consumible (alambre) y la pieza de trabajo. Cuando se inicia el
proceso, el alambre es alimentado continuamente en el charco de soldadura y el arco generado es
protegido por un gas inerte, dando al proceso también la denominación popular de Soldadura de
metal por gas inerte (MIG, por sus siglas en inglés). Este proceso se utiliza ampliamente en la
aplicación industrial debido a sus numerosos beneficios. Pueden soldar casi todos los materiales
metálicos, en una amplia gama de espesores (por encima de 1 mm hasta 30 mm o más) y es eficaz
en todas las posiciones.
El proceso de soldadura GMAW es un proceso muy económico también porque tiene tasas más
altas de deposición que por ejemplo el proceso manual de arco con electrodo recubierto ya que
no se requieren frecuentes paradas para cambiar los electrodos. Se requiere menos habilidad del
operador comparado con otros procesos convencionales ya que el alambre del electrodo se
alimenta automáticamente (proceso semiautomático) y un mecanismo de auto-ajuste mantiene la
longitud de arco aproximadamente constante incluso cuando la distancia de la antorcha a la pieza
de trabajo varía dentro de ciertos límites. Lo anterior establece una ventaja al proceso, ya que se
puede automatizar de forma particular en aplicaciones de soldadura robotizada.
2. MATERIALES
Este apartado describe los Materiales utilizados en el desarrollo
de la celda robotizada en términos de software de simulación durante la etapa de diseño,
en la construcción e integración de la misma.
2.1. Simulación de Celda de Soldadura Robotizada.
Para el diseño del sistema automatizado
construcción física de la celda, por lo que se
paso fue la ubicación física de la c
la nave industrial. Algunos elementos
mesa de soldadura, la banda transportadora, el control del robot KRC2, la estructura fí
celda (paredes, ventanas), etc. Estos componentes fueron diseñados
los archivos fueron exportados a la herramienta de simulación.
todos los accesorios y equipos necesarios en la celda de soldadura, el diseño final fue completado
y construido tal como se muestra en la figura
Figura 1. (a)
2.2. Sistema de Soldadura Robotizada
El equipo básico de una celda robotizada comprende los siguientes equipos:
• Robot
• Estación de soldadura
• Alimentador de alambre
• Antorcha, que alimenta el alambre y gas
• Tanque de gas
A estos elementos básicos se agregaron dispositivos auxiliares como son cámara de visión, laser,
tarjeta de adquisición de datos y PC que conformaron nuestro caso de estudio
experimental de soldadura robotizada
Materiales utilizados en el desarrollo, tanto en la parte de integración
de la celda robotizada en términos de software de simulación durante la etapa de diseño,
integración de la misma.
Celda de Soldadura Robotizada.
Para el diseño del sistema automatizado se trató de considerar todos los aspectos antes de la
, por lo que se utilizó el software Delmia Robotics V5.
sica de la celda de soldadura, así como sus dimensiones de área
Algunos elementos tuvieron que ser diseñados por separado. Por ejemplo, la
mesa de soldadura, la banda transportadora, el control del robot KRC2, la estructura fí
celda (paredes, ventanas), etc. Estos componentes fueron diseñados en el software
a la herramienta de simulación. Finalmente, después de considerar
todos los accesorios y equipos necesarios en la celda de soldadura, el diseño final fue completado
y construido tal como se muestra en la figura 1a y 1b, respectivamente [9].
(a) Simulación. (b) Construcción Final
2.2. Sistema de Soldadura Robotizada
El equipo básico de una celda robotizada comprende los siguientes equipos:
lambre, que controla el abastecimiento de alambre a la antorcha.
limenta el alambre y gas.
A estos elementos básicos se agregaron dispositivos auxiliares como son cámara de visión, laser,
tarjeta de adquisición de datos y PC que conformaron nuestro caso de estudio
robotizada integrado por los elementos que se muestran
, tanto en la parte de integración
de la celda robotizada en términos de software de simulación durante la etapa de diseño, así como
considerar todos los aspectos antes de la
utilizó el software Delmia Robotics V5. Cuyo primer
de soldadura, así como sus dimensiones de área dentro de
tuvieron que ser diseñados por separado. Por ejemplo, la
mesa de soldadura, la banda transportadora, el control del robot KRC2, la estructura física de la
en el software SolidWorks® y
Finalmente, después de considerar
todos los accesorios y equipos necesarios en la celda de soldadura, el diseño final fue completado
controla el abastecimiento de alambre a la antorcha.
A estos elementos básicos se agregaron dispositivos auxiliares como son cámara de visión, laser,
tarjeta de adquisición de datos y PC que conformaron nuestro caso de estudio en el sistema
n en la figura 2.
Figura 2. Celda de soldadura
El elemento central de control reside en el Controlador Maestro de la celda, mismo que fue
integrado en un PC Intel Xeon @1,86 GHz con 3GB de RAM y que tiene las siguientes funciones:
1. Comunicación serial de modificación de trayectoria de soldadura en bajo nivel con el
controlador KRC2 del robot KUKA KR16 mediante el protocolo de 3964a.
2. Procesamiento de imagen para modificación de trayectoria empleando una cámara CMOS
Basler A602fc de 656 x 490 pixeles de resolución.
3. Modificación de Corriente y Voltaje de Arco a través de la tarjeta de adquisición de datos
Sensoray 626, misma que a través de señales I/O controla el encendido/apagado de la antorcha,
alimentación de alambre (incluye apertura/cierre de válvula del tanque de gas) y encendido del
haz laser.
El robot se utiliza en modo esclavo. Durante operaciones un programa esclavo de movimiento
corre en lenguaje KPL y se ejecuta en el controlador KRC2. Este programa de movimiento está a
cargo, entre otras opciones, de los movimientos incrementales del robot, selección de
coordenadas de herramienta/mundo, distancia de movimiento y velocidad. El otro programa de
comunicación reside en el Controlador Maestro y forma parte del controlador Difuso de
corrección de trayectoria durante las operaciones de soldadura. Las operaciones de
procesamiento de imagen: filtrado, segmentación y binarización son ejecutadas también en el
Controlador Maestro de forma tal, que permiten cuantificar y corregir en línea el desajuste
encontrado.
3. MÉTODOS
3.1. Simulación de soldadura robotizada
Esta parte importante de la integración de la celda implicó la simulación del robot de soldadura
con el fin de analizar el espacio de trabajo para evitar cualquier accidente o colisión en el espacio
de trabajo. Se trata de una etapa importante fuera de línea ya que el usuario aprende como mover
el robot durante operaciones y más tarde, si es necesario, el programa mismo puede traducirse al
lenguaje de otro fabricante. A pesar de la adecuación en la distribución de los componentes en la
celda todavía es posible hacer contactos o colisiones con otros componentes. El simulador
proporciona una matriz de contactos y colisiones de tal forma de reprogramar las trayectorias si es
necesario. La figura 3 muestra un ejemplo de los resultados de las colisiones relevantes entre la
antorcha y la mesa de trabajo. En la misma figura aparece en el lado izquierdo un gráfico de la
zona afectada por la colisión entre el robot y la antorcha con un producto llamado "pieza a
soldar". En el lado derecho, se muestra la matriz de la relación de colisiones y contactos entre
todos los dispositivos. En nuestro caso de estudio, la simulación resultó en un total de 19
interferencias, de las cuales 9 fueron colisiones y 10 contactos, mismos que fueron corregidos para
establecer la configuración final de la celda con lo que se evitan colisiones y daños eventuales a
dispositivos y al robot.
All Types No filter on value All Statuses
Number of interferences: 19 (Clash:9, Contact:10, Clearance:0)
Interference, 3
Contact + Clash
Between all components
Results
All Types No filter on value All Statuses
Number of interferences: 19 (Clash:9, Contact:10, Clearance:0)
Interference, 3
Contact + Clash
Between all components
Results
10166934 (10166904.1)
10166924pp (10166934pp.1)Máquina de soldar (maqui)Ensamble_final (ensamble)Tanque3 (tanque3.1)Area1 (Area-0022)KR16:kr16.0 (kr16.0.1)KR16:kr16.1 (kr16.1.1)
KR
16
:kr1
6.6
(kr1
6.6
.1)
Se
ve
nth
_a
xis
_to
p(s
ev
en
)K
R1
6:k
r16
.1(k
r16
.1.1
)K
R1
6:k
r16
.0(k
r16
.0.1
)A
rea
1(A
rea
-C0
22
)T
an
qu
e3
(tan
qu
e3
.1)E
ns
am
ble
_fin
al
(en
sa
mb
le)
Ma
qu
ina
_d
e_
so
lda
r(m
aq
u)
10
16
69
34
pp
()
KR
16
:kr1
6.5
.6(k
r16
.6.5
.1)
KR
16
:kr1
6.4
.6(k
r16
.6.4
.1)
KR
16
:kr1
6.3
.6(k
r16
.3.6
.1)
KR
16
:kr1
6.2
.6(k
r16
.6.2
.1)
10
16
693
4p
p.1
10
16
69
34
(10
16
69
34
.1)
All Types No filter on value All Statuses
Number of interferences: 19 (Clash:9, Contact:10, Clearance:0)
Interference, 3
Contact + Clash
Between all components
Results
All Types No filter on value All Statuses
Number of interferences: 19 (Clash:9, Contact:10, Clearance:0)
Interference, 3
Contact + Clash
Between all components
Results
10166934 (10166904.1)
10166924pp (10166934pp.1)Máquina de soldar (maqui)Ensamble_final (ensamble)Tanque3 (tanque3.1)Area1 (Area-0022)KR16:kr16.0 (kr16.0.1)KR16:kr16.1 (kr16.1.1)
KR
16
:kr1
6.6
(kr1
6.6
.1)
Se
ve
nth
_a
xis
_to
p(s
ev
en
)K
R1
6:k
r16
.1(k
r16
.1.1
)K
R1
6:k
r16
.0(k
r16
.0.1
)A
rea
1(A
rea
-C0
22
)T
an
qu
e3
(tan
qu
e3
.1)E
ns
am
ble
_fin
al
(en
sa
mb
le)
Ma
qu
ina
_d
e_
so
lda
r(m
aq
u)
10
16
69
34
pp
()
KR
16
:kr1
6.5
.6(k
r16
.6.5
.1)
KR
16
:kr1
6.4
.6(k
r16
.6.4
.1)
KR
16
:kr1
6.3
.6(k
r16
.3.6
.1)
KR
16
:kr1
6.2
.6(k
r16
.6.2
.1)
10
16
693
4p
p.1
10
16
69
34
(10
16
69
34
.1)
Figura 3. Matriz de resultados de colisión
En la figura 4a se muestra una imagen de la configuración final producto de la simulación y en la
figura 4b la celda final de trabajo.
Figura 4. (a) simulación
Se verificaron también los aspectos de seguridad y programación de acuerdo al estándar
(Certified Robotic Arc Welding, Operator and Technician)
para asegurar una operación confiable antes de proceder a la operación de la estación de
soldadura. Algunos aspectos del estándar
comparación con una unidad de trabajo real se muestran en la tabla 1.
Aspectos
Puesta en marcha
Proceso de soldadura
Verificación de soldadura
Definiciones y terminología
Seguridad
Pruebas destructivas
Conversión y cálculos
Programación del robot
Procedimientos de soldadura
Programación lógica
Conceptos de cinemática
Componentes de soldadura de Arco
Tabla 1. Comparación entre la unidad de trabajo
De la tabla 1 puede resaltarse el hecho de que
simulador como es el caso de la puesta en marcha, verificación de soldadura y pruebas
destructivas mismas que solo con la operación real pueden ser verificadas. Con el proceso de
simulación se produjo un programa
robot para realizar un ciclo verdadero
Durante el ciclo de operaciones de soldadura en esta investigación se decidió efectuar la soldadura
de unión entre dos placas metálicas,
(a) simulación (b) unidad de trabajo real.
los aspectos de seguridad y programación de acuerdo al estándar
(Certified Robotic Arc Welding, Operator and Technician) de la AWS (American Welding
una operación confiable antes de proceder a la operación de la estación de
soldadura. Algunos aspectos del estándar CRAW-OT que pueden evaluarse en el simulador en
con una unidad de trabajo real se muestran en la tabla 1.
Aspectos Celda Real Celda Simulada
�
Proceso de soldadura � �
Verificación de soldadura �
Definiciones y terminología � �
� �
�
Conversión y cálculos � �
obot � �
soldadura � �
� �
Conceptos de cinemática � �
oldadura de Arco � �
Tabla 1. Comparación entre la unidad de trabajo real y el simulador virtual
De la tabla 1 puede resaltarse el hecho de que algunos aspectos no pueden ser verificados con el
simulador como es el caso de la puesta en marcha, verificación de soldadura y pruebas
destructivas mismas que solo con la operación real pueden ser verificadas. Con el proceso de
ograma de robot mismo que fue cargado en el controlador
verdadero de soldadura.
Durante el ciclo de operaciones de soldadura en esta investigación se decidió efectuar la soldadura
placas metálicas, por lo que para efectos de corrección de trayectoria se
los aspectos de seguridad y programación de acuerdo al estándar CRAW-OT
(American Welding Society)
una operación confiable antes de proceder a la operación de la estación de
OT que pueden evaluarse en el simulador en
Celda Simulada
algunos aspectos no pueden ser verificados con el
simulador como es el caso de la puesta en marcha, verificación de soldadura y pruebas
destructivas mismas que solo con la operación real pueden ser verificadas. Con el proceso de
controlador KRC2 del
Durante el ciclo de operaciones de soldadura en esta investigación se decidió efectuar la soldadura
por lo que para efectos de corrección de trayectoria se
produjeron desajustes aleatorios
resultados.
3.2. Procesamiento de Imagen
El objetivo de la etapa de procesamiento
desajuste espacial de las placas a soldar. Una vez determinada esta magnitud se envía
hacia el controlador para efectuar la corrección.
El sistema de visión que se emplea consiste en la utilización
y longitud de onda de 656nm que se hace incidir en
Figura 5. Reconocimiento de desajuste de trayectoria de soldadura
Al hacer incidir el haz laser sobre ambas placas como se observa en la figura resulta en una
discontinuidad en la línea que es capturada por la cámara misma que es tomada como referencia.
En el caso de ocurrir un desajuste lateral y/o en altura este desajuste se verá reflejad
imagen. Para efectuar una medición confiable del desajuste es necesario efectuar algunas
operaciones de pre-procesamiento de imagen como se indica
Preprocesamiento
A la imagen original se le aplica
medición de trayectoria. Se efectuó
promedio, con el objeto de reducir la presencia de ruido
operaciones de filtrado de máximos y filtrado d
considerablemente.
aleatorios de posición como se describirá más adelante en la sección de
procesamiento de imagen es la determinación de la magnitud de
desajuste espacial de las placas a soldar. Una vez determinada esta magnitud se envía
hacia el controlador para efectuar la corrección.
El sistema de visión que se emplea consiste en la utilización de un haz laser con potencia de
que se hace incidir en ambas placas como se muestra en la figura 5
. Reconocimiento de desajuste de trayectoria de soldadura
haz laser sobre ambas placas como se observa en la figura resulta en una
que es capturada por la cámara misma que es tomada como referencia.
En el caso de ocurrir un desajuste lateral y/o en altura este desajuste se verá reflejad
. Para efectuar una medición confiable del desajuste es necesario efectuar algunas
procesamiento de imagen como se indica a continuación.
a una serie de filtros de tal forma de mejorar la imagen para la
medición de trayectoria. Se efectuó primeramente un suavizamiento a través de un filtro
reducir la presencia de ruido. Posteriormente se efectu
operaciones de filtrado de máximos y filtrado de mínimos, con lo que mejor
más adelante en la sección de
de imagen es la determinación de la magnitud de
desajuste espacial de las placas a soldar. Una vez determinada esta magnitud se envía el dato
de un haz laser con potencia de 50mw
ambas placas como se muestra en la figura 5.
haz laser sobre ambas placas como se observa en la figura resulta en una
que es capturada por la cámara misma que es tomada como referencia.
En el caso de ocurrir un desajuste lateral y/o en altura este desajuste se verá reflejado en la
. Para efectuar una medición confiable del desajuste es necesario efectuar algunas
de mejorar la imagen para la
a través de un filtro
. Posteriormente se efectuaron las
mejora la imagen
Segmentación
Posteriormente y para efectuar las mediciones en la
segmentación para operar únicamente
encuentra la información necesaria. De esta forma se incrementa
procesamiento ya que la imagen a trabajar es de un
es tomar una imagen de dimensión
I (KxL) < I (IxJ).
i
Origen de
la imagen
En la Figura 7 se muestra la Región de Interés (ROI) de imagen
líneas discontinuas en donde se puede observar las placas A y B, así como la separación entre
ellas. Esta imagen fue obtenida después de efectuar un suavizamiento (
máximo, filtro mínimo y binarización.
Posteriormente, se determina la
la Placa A y en la Placa B, respectivamente como se muestra en la figura 8.
Posteriormente y para efectuar las mediciones en la imagen, se realiza una
nicamente en el área de interés (pixel Ii,j en la Figura
necesaria. De esta forma se incrementa también la velocidad
ya que la imagen a trabajar es de un tamaño menor a la original. La idea
dimensión KxL de la imagen original I de dimensión IxJ, donde
j
Imagen I(i,j)
Pixel Iij
kini , lini kini , lfin
kfin , lini kfin , lfin
Origen de
la imagen
Figura 6. Segmentación de la imagen
la Región de Interés (ROI) de imagen segmentada como se indica por
líneas discontinuas en donde se puede observar las placas A y B, así como la separación entre
ellas. Esta imagen fue obtenida después de efectuar un suavizamiento (filtro promedio
binarización.
Figura 7. ROI con imagen segmentada
se determina la Discontinuidad1 y Discontinuidad2 del patrón laser capturado
la Placa A y en la Placa B, respectivamente como se muestra en la figura 8.
realiza una operación de
Figura 6), donde se
la velocidad de
menor a la original. La idea principal
, donde la imagen
como se indica por
líneas discontinuas en donde se puede observar las placas A y B, así como la separación entre
ltro promedio), filtro
laser capturado en
En condiciones de producción normal y sin error de posicionamiento, la antorcha del robot deberá
situarse en el punto intermedio de las placas como se indica en la figura 9a. En caso de existir un
desajuste lateral o en altura dicho patrón (punto de unión
consecuentemente. En esta situación, la posición del robot siempre es conocida y existirá una
nueva posición unión en la cual
situación se ilustra en la figura 9b.
utilizó un algoritmo de lógica difusa tipo 1 como se describirá en la siguiente sección.
Figura 9. (a) Punto si
3.3 Sistemas Difusos
Los sistemas de control difuso se
cerebro razona empleando variables lingüísticas
como, estatura media, temperatura baja
difusos ó imprecisos. Los conjuntos
tanto, los sistemas de control basados
en términos de conjuntos difusos)
de salida [10,11].
En términos de la celda de soldadura
posicionamiento en las piezas debido a la variación que se presente entre un par de piezas
y las siguientes. En esta situación de desajuste
el proceso de soldadura de forma tal
Figura 8. Discontinuidad entre placas
En condiciones de producción normal y sin error de posicionamiento, la antorcha del robot deberá
situarse en el punto intermedio de las placas como se indica en la figura 9a. En caso de existir un
desajuste lateral o en altura dicho patrón (punto de unión entre placas) será desplazado
consecuentemente. En esta situación, la posición del robot siempre es conocida y existirá una
en la cual el robot deberá posicionarse para corregir dicho
situación se ilustra en la figura 9b. Para la corrección de desplazamiento horizontal y vertical se
utilizó un algoritmo de lógica difusa tipo 1 como se describirá en la siguiente sección.
9. (a) Punto sin desajuste (b) Desajuste de posición de antorcha
se basan en el control de procesos de la misma manera
variables lingüísticas que permiten tratar información
temperatura baja o mucha fuerza, todo esto en términos de
conjuntos difusos se combinan en reglas para definir acciones
basados en lógica difusa combinan variables de entrada
difusos) a través de grupos de reglas que producen uno o
celda de soldadura robotizada, es posible que exista un error de
debido a la variación que se presente entre un par de piezas
En esta situación de desajuste de posición es deseable que el usuario implement
de forma tal, que sea posible calcular si el robot tiene que
En condiciones de producción normal y sin error de posicionamiento, la antorcha del robot deberá
situarse en el punto intermedio de las placas como se indica en la figura 9a. En caso de existir un
entre placas) será desplazado
consecuentemente. En esta situación, la posición del robot siempre es conocida y existirá una
dicho error. Esta
Para la corrección de desplazamiento horizontal y vertical se
utilizó un algoritmo de lógica difusa tipo 1 como se describirá en la siguiente sección.
(b) Desajuste de posición de antorcha
la misma manera como el
información imprecisa, tal
términos de conjuntos
acciones. Por lo
de entrada (definidas
uno o varios valores
s posible que exista un error de
debido a la variación que se presente entre un par de piezas a soldar
usuario implemente
tiene que moverse un
poco hacia la derecha, izquierda, arriba ó abajo, de tal forma de corregir los desajustes de posición
encontrados. En la lógica difusa, estos valores lingüísticos de “poco” o “mucho” se incluyen en
conjuntos difusos cuyo valor de membresía tiene un valor entre 0 y 1. Para crear una aplicación de
lógica difusa se requieren de los siguientes pasos: Normalización, Fuzzificación, formación de
reglas difusas, Defuzzificación y De-normalización que se describirán con mayor detalle en la
siguiente sección.
3.3.1 Sistema de Control Difuso
Como se mencionó anteriormente para la implementación del control difuso se requieren los
pasos de normalización, Fuzzificación, Reglas difusas, Defuzzificación y De-normalización. En el
primer paso, la información es proporcionada por un sensor (en este caso proveniente del patrón
laser detectado por la cámara). Este valor es leído como valor real y debe seguir una entrada
codificada dentro de un rango [0, 1] lo que se conoce como normalización. El siguiente paso
conocido como fuzzificación, toma un dato del sistema y lo transforma en un dato difuso para
calcular el grado de membresía o pertenencia de ese valor contra una serie de conjuntos difusos.
Por ejemplo, supongamos que la variable dependerá de los movimientos de la pieza de trabajo o
la distancia de movimiento entonces debemos encontrar las funciones de membresía o
pertenencia en los conjuntos siguientes: a la izquierda, muy Izquierda, derecha o muy a la derecha,
etc.
Una vez que los datos son normalizados y fuzzificados, estos se utilizan para construir las reglas
difusas, lo que constituyen nuestros antecedentes de control. Estas reglas se construyen de
acuerdo a las necesidades de nuestro sistema. Después de ser evaluadas, sabemos qué grado de
pertenencia le corresponde a cada uno en relación a la salida (consecuente). Por último, es
necesario devolver el conjunto de datos de control a valor real (defuzzificación) para obtener la
nueva coordenada del robot previa De-normalización de los mismos datos para enviarlos al
controlador del robot y corregir finalmente la trayectoria.
Diseño e Implementación del Control
El sistema de seguimiento está diseñado para compensar desajustes en líneas de producción
automáticas en donde las piezas a soldar son transportadas por pallets a las estaciones de
soldadura. Típicamente los errores ocurren en los ejes Y y Z, por lo que los desajustes de posición
se realizaron en estos ejes coordenados, lo que implica desajustes no solo laterales sino en altura.
Nuestro sistema de control de posición compensa el movimiento sobre los ejes Y y Z de las
coordenadas del robot. No se considera la compensación para el eje X, dado que ésta es la
dirección de movimiento de la antorcha de soldadura. De esta forma se tienen dos variables de
entrada por dos variables de salida. El intervalo definido para el rango de operación del sistema es
de [-10, 10] mm en el eje Y y de [-5, 5] mm en el eje Z. Donde el valor de cero se considera como
valor de referencia para la trayectoria a soldar. En la figura 10 se muestra el conjunto de datos de
entrada en los ejes Y y Z durante las operaciones de evaluación de nuestro sistema de corrección.
Figura 10
Estos valores indican los diferentes
presentarse en el proceso de soldadura, el eje horizontal muestra el movimiento sobre el eje
eje vertical muestra el movimiento sobre el eje
5) esto significa que la pieza tuvo un desajus
crear los conjuntos difusos es necesario usar dos tipos de funciones de membresía, la trapezoidal y
la triangular como se indica en la
ura 10. Rango de movimientos de error en las piezas
los diferentes errores en posicionamiento considerados y
presentarse en el proceso de soldadura, el eje horizontal muestra el movimiento sobre el eje
eje vertical muestra el movimiento sobre el eje Z; por ejemplo si el sensor detecta un punto (10,
tuvo un desajuste de 10 mm a la derecha y -5 mm hacía abajo. Para
crear los conjuntos difusos es necesario usar dos tipos de funciones de membresía, la trapezoidal y
como se indica en la Figura 11 que muestra los conjuntos difusos empleados.
Fig. 11 Conjuntos Difusos
considerados y que pueden
presentarse en el proceso de soldadura, el eje horizontal muestra el movimiento sobre el eje Y y el
; por ejemplo si el sensor detecta un punto (10, -
5 mm hacía abajo. Para
crear los conjuntos difusos es necesario usar dos tipos de funciones de membresía, la trapezoidal y
empleados.
Una vez creados los conjuntos difusos y que conocemos el grado de membresía de cada uno de los
valores de entrada del sistema, ahora es necesario crear los antecedentes a través de las reglas
difusas, las cuales son por ejemplo:
Si Yref esta muy a la izquierda Entonces Decrementa mucho Posrobot Si Yref esta a la izquierda Entonces Decrementa Posrobot
Si Yref esta poco a la izquierda Entonces Decrementa poco Posrobot
.
.
.
etc.
Las reglas establecidas resultan en un conjunto de salida difuso donde todas las reglas se han
cumplido en algún grado. Para obtener el valor de salida (no difusa), se requiere convertirlo en un
valor real durante la Defuzzificación. Existen dos técnicas comunes de defuzzificación: (1) el
método de la media de máximos (MOM) y (2) el método de centro de área (COA) o método de
centroide. El método de defuzzificación de la media de máximos, calcula el promedio de todos los
valores de las variables con el máximo grado de membresía mientras que el método de centroide
(ó COA) calcula la media ponderada del conjunto difuso. Se decidió emplear para defuzzificar el
método COA como conclusión difusa "Y es A" que puede ser expresada en el caso discreto por la
ecuación:
∑
∑ ×
=
i
iA
i
iiA
y
yy
y)(
)(
µ
µ (1)
y en el caso continuo:
∫∫ ×
=dyy
dyyyy
iA
iiA
)(
)(
µ
µ
(2)
donde µA(yi) es la función de membresía.
Una vez que los datos fueron Defuzzificados el último paso es De-normalizar los datos para
obtener un número real y ser usado como una nueva coordenada del robot.
3.3.2 Diseño del experimento
La metodología de diseño de experimentos permite de forma consistente la determinación de
parámetros clave de diseño del producto que afectan el desempeño del mismo [12]. En nuestro
caso es deseable caracterizar el proceso de seguimiento de trayectorias en el rango de operación
especificado (+/- 10 mm en eje Y, +/- 5 mm en eje Z) para analizar el comportamiento ante la
variación del cualquiera de estos factores de forma individual o combinada para identificar sus
interacciones.
Dos principios fundamentales del diseño experimental son la realización de replicas y la
aleatorización. En primer instancia es importante la realización de replicas para poder estimar el
error experimental y por otro lado la aleatorización permite que los supuestos estadísticos
referentes a la independencia de las distribuciones de probabilidad en las variables aleatorias sea
válido. Considerando lo anterior, en nuestro caso de estudio se tiene como variables de entrada al
sistema los valores de posición enviados al robot en la dirección Y y Z (DistY, DistZ) y como salida la
distancia real observada en ambos ejes (DistY real, DistZ real).
El diseño experimental comúnmente considera observaciones con variables aleatorias de dos o
tres niveles con k factores referidos como 2k o 3k respectivamente. En este caso en particular se
corrió un diseño de experimentos 32 a dos réplicas. La decisión de tomar 3 niveles fue con el
objetivo también de evaluar el punto medio dentro del rango de desplazamiento del robot tanto
en el eje Y como en el eje Z.
4. Resultados
La implementación de la metodología de seguimiento de trayectoria fue desarrollada en lenguaje
C++ que junto con los algoritmos para procesamiento de imagen y de comunicación con el robot
residen en el Controlador Maestro de la celda. Una vez establecido el orden de las corridas
experimentales, se indujo un valor de desajuste (DistY, DistZ), mismo que el controlador difuso
corrigió y cuya salida se evaluó como la distancia real observada de cambio en los ejes principales
(DistY real, DistZ real). La figura 12 muestra el sistema robótico así como la orientación de los ejes
principales. Es importante señalar que el cordón de soldadura se efectúa a lo largo del eje X.
La tabla 2 contiene los resultados de las
corresponden a la primer réplica y las corridas 10 a 18 a la
DistY (mm)
DistY Real (mm)
-10 -10.2
-10 -10.4
-10 -10.4
0 0.47
0 -0.43
0 -1.3
10 10.6
10 10.6
10 9.6
-10 -9.5
-10 -10.2
-10 -11.6
0 -0.53
0 0
Fig. 12 Sistema Experimental
los resultados de las 18 corridas experimentales realizadas.
réplica y las corridas 10 a 18 a la segunda réplica.
Error Y (mm)
DistZ (mm)
DistZ Real (mm)
Error Z (mm)
Error Y Absoluto
(mm)
Error Z Absoluto
(mm)
0.2 -5 -5 0 0.2 0
0.4 0 -0.4 0.4 0.4 0.4
0.4 5 4.4 0.6 0.4 0.6
-0.47 -5 -5.26 0.26 0.47 0.26
0.43 0 -0.42 0.42 0.43 0.42
1.3 5 5.28 -0.28 1.3 0.28
-0.6 -5 -5.2 0.2 0.6 0.2
-0.6 0 0.6 -0.6 0.6 0.6
0.4 5 5.2 -0.2 0.4 0.2
-0.5 -5 -4.95 -0.05 0.5 0.05
0.2 0 -0.2 0.2 0.2 0.2
1.6 5 4.9 0.1 1.6 0.1
0.53 -5 -5.3 0.3 0.53 0.3
0 0 -0.1 0.1 0 0.1
Las primeras 9
Error Z Absoluto
(mm)
0.4
0.6
0.26
0.42
0.28
0.2
0.6
0.2
0.05
0.2
0.1
0.3
0.1
0 -0.33 0.33 5 5.27 -0.27 0.33 0.27
10 10.5 -0.5 -5 -5 0 0.5 0
10 9.6 0.4 0 -0.4 0.4 0.4 0.4
10 9.6 0.4 5 5 0 0.4 0
Tabla 2. Resultados experimentales y evaluación de error
En la figuras 13 y 14 se muestran gráficamente los resultados obtenidos en la compensación de
desajuste lateral y en altura así como el error medido.
Los valores de error muestran que el controlador difuso efectuó una corrección en todos los casos
teniendo un error máximo de 1.6mm en el eje Y, que se considera adecuada para efectos prácticos
de soldadura industrial considerando además que muy probablemente los errores de
posicionamiento en línea de producción sean inferiores al rango máximo probado (+/- 10 mm en
eje Y, +/- 5 mm en eje Z).
Fig. 13 Relación entre el desajuste y ajuste de la pieza a lo largo del eje “y”
-15
-10
-5
0
5
10
15
1 4 7 10 13 16
Dis
t Y
re
al (
mm
)
No. de prueba
Corrección Lateral
Dist Y
Dist Y real
-15
-10
-5
0
5
10
15
1 4 7 10 13 16
Erro
r la
tera
l
No. prueba
Error Lateral
Error Dist Y real
Fig. 14 Relación entre el desajuste y ajuste de la pieza a lo largo del eje “z”
Desde el punto de vista estadístico los resultados no son concluyentes, por lo que procedió a
realizar pruebas de hipótesis para determinar si el controlador responde a las expectativas
estadísticas requeridas. Los parámetros de prueba fueron la media del error Y y la media del error
Z. Esto significa probar que las medias de los errores de cada uno de los ejes “y” y “z” sean cero en
cada caso. Las hipótesis asociadas a este proceso se muestran en las expresiones (3) y (4)
Hipótesis para el error en Y
Ho: μerror Y = 0
H1: μerror Y ≠ 0 (3)
Hipótesis para el error en Z
Ho: μerror Z = 0
H1: μerror Z ≠ 0 (4)
-15
-10
-5
0
5
10
15
1 4 7 10 13 16D
ist
Z re
al (
mm
)
No. de prueba
Corrección en Altura
Dist Z
Dist Z real
-15
-10
-5
0
5
10
15
1 4 7 10 13 16
Erro
r e
n a
ltu
ra (
mm
)
No. de prueba
Error en Altura
Error Dist Z real
Con el uso de los estadísticos �� = (� − ��) (�/��)⁄ para la prueba de hipótesis en el error en Y,
donde ��=0, y � es la desviación estándar en el error en Y, y �� = (� − ��) (�/��)⁄ para la
prueba de hipótesis en el error en Z, donde se consideran ��=0 y � la desviación estándar en el
error en Z, y en ambas pruebas, un nivel de significancia del 0.01, se tiene que �� = 1.52 y �� =
1.24. Dado que las pruebas de hipótesis son bilaterales se tiene que el valor teórico de tα/2,n-1 para
comparar a �� y �� es 2.898, debiendo ser los valores absolutos de �� y �� mayores a 2.898 para
rechazar las hipótesis nulas de (3) y (4). Como �� = 1.52 y �� = 1.24 son ambos menores a 2.898,
entonces no hay evidencia estadística suficiente para rechazar las hipótesis de que los errores en Y
y en Z no sean 0. Se hace mención que al valor de α = 0.01, las pruebas de hipótesis sobre la
normalidad de los datos del error en Y y en Z conducen a no rechazar la hipótesis de normalidad,
por lo que el sustento estadístico de normalidad de las pruebas de hipótesis (3) y (4) está dado.
Esto se efectuó mediante el estadístico y prueba Anderson-Darling. Los valores p de la prueba
Anderson-Darling son 0.017 y 0.807.
5. Conclusiones y Discusión
En este artículo se presentó una metodología para la corrección de trayectorias de soldadura
debidas a errores de posición empleando iluminación estructurada y lógica difusa tipo 1. Los
resultados en la implementación empleando un robot industrial demuestran la factibilidad del
método. Se validó experimentalmente con errores en el rango +/- 10mm para el eje Y y +/-5mm en
el eje Z. El análisis en los resultados indica que existe evidencia estadística para considerar una
media del error de cero en ambos ejes con α = 0.01.
El trabajo futuro que se vislumbra es en dos áreas: Inspección de cordón y lógica difusa tipo II. En
términos de inspección se pretende expandir el alcance del proyecto incluyendo también la
verificación de ancho y alto del cordón empleando una cámara CMOS con mayor rango dinámico
(aproximadamente 120 dB), y el empleo de algoritmos logarítmicos que disminuyan la alta
luminancia que se tienen durante el proceso de soldadura. Por otro lado se pretenden utilizar
funciones de membresía tipo Gaussiano que incluyan el valor de la media y de la desviación
estándar respectiva, con lo que se estima se podrá modelar el proceso incluyendo las
incertidumbres (ruido) de los sensores empleados en el proceso; por ejemplo, el número de
pixeles detectados durante el procesamiento de la imagen, los cuales varían con los diferentes
niveles de iluminación.
Agradecimientos
Los autores desean agradecer al Consejo Nacional de Ciencia y Tecnología (CONACyT) por la beca
de estudios doctorales del Sr. Ignacio Dávila-Ríos, así como del apoyo al proyecto CONACyT No.
61373 y de la Corporación Mexicana de Investigación en Materiales proyecto No. GDH-IE-2007.
Particularmente se agradece el apoyo de José Luis Navarro-González, por su apoyo en el desarrollo
del sistema de visión y del procesamiento de imágenes.
Referencias
[1] Lianfang Tian, Curtis Collins. "An effective robot trajectory planning method using a
genetic algorithm," Mechatronics, Vol.14, 2004. p. 455-470.
[2] Shi Yu, Zhang Yuyao, Fan Ding, Chen Jianhong. “Development of a visual-based welding
pool width control system for AI-P-MIG welding process”, Robot, Weld., Intelligent &
Automation, LNCIS 362, Springer-Verlag Berlin Heidelberg. 2007. p. 267-273.
[3] L. Carrino, U. Natale, L. Nele, M. et al. “A neuro-fuzzy approach for increasing productivity
in gas metal arc welding processes”, International Journal of Advanced Manufacturing
Technology, Vol. 32. No. 5-6, 2007. p. 459-467
[4] G. F. Marshall, L. Tarassenko. “Robot path planning using resistive grids”, Proceedings of
the 2nd International Conference on Artificial Neural Networks. 1991. p. 149–152.
[5] C. W. Warren. “A vector-based approach to robot path planning”, Proc. of the IEEE
International Conference on Robotics and Automation, 1991. p. 1021–1026.
[6] Hongyunn Shen, Tao Lin, Shanben Chen, et al. “Real-Time seam tracking technology of
welding robot with visual sensing”. Journal of Intelligent and Robotic Systems, Vol.59. No.
3-4. 2010. p. 283-298.
[7] http://www.meta-mvs.com/ (visitado Abril 07, 2011)
[8] http://www.servorobot.com/ (visitado Abril 07, 2011)
[9] I. Davila-Rios, I. Lopez Juarez, et al. “Implementation of an Intelligent Robotized GMAW
Welding Cell, Part 1: Design and Simulation.” In Robot Manipulators, Trends and
Development, In-Tech. 2010. p. 543-562. ISBN 978-953-307-073-5.
[10] Bonifacio Martín del Brío, Alfredo Sanz Molina. Redes Neuronales y Sistemas Difusos, Edit.
Alfaomega, Ra-Ma. 2002. ISBN 958-68-2442-X, pp. 243-244.
[11] John Yen, Reza Langari Fuzzy Logic: Intelligence, Control, and Information, Prentice Hall.
1998. ISBN 0135258170.
[12] Montgomery Douglas C. Diseño y Análisis de Experimentos. 2a edición, 2007.