＆amp; nbsp;目前使用中的焊接机器人中有90％在“教学与复制”中工作。
模式，以及在轨迹规划中的一些工作。
在焊接过程中，焊炬与焊缝中心之间会有一定的误差，并且焊接过程是一个复杂的，非线性的过程，具有许多干扰因素，例如热变形，咬边，错位等。
工件，焊缝的变化等。
这是无法预料的，这些因素将直接影响焊接质量。
在“教学和复制”的基础上，实时或实时的焊缝校正可以进一步提高焊接精度，特别适用于辅助工程中焊接变形和复杂装配等自动焊接难以控制的工件的生产。
本文以新型航天器油箱的LF6铝合金2毫米薄板的对接焊为背景。
针对脉冲钨极惰性气体保护焊（GT AW）的焊接方法，对平缝和平法兰的焊缝进行了跟踪测试。
传统的“教学复制”是指传统的“教学复制”。
该机器人已发展成为具有实时焊缝跟踪功能的电弧焊机器人系统。
1测试部件1。
1测试系统组成在本实验中，执行器包括日本Yaskawa Electric Company的HP6焊接机器人，两轴翻转定位器，单轴头尾定位器以及日本制造的IN OT C公司。
VERTERELESON 500P AC和DC两用GT AW焊接电源，CM-271送丝机和HC-71送丝控制箱。
控制系统是研华的工业计算机，传感器系统是自行开发的CCD被动式光学视觉系统和图像采集卡。
整个系统如图1所示。
考虑到LF6铝合金板的可焊性，采用交流脉冲焊进行焊接，脉冲频率为2 Hz，基极电流为50 A，峰值电流为125 A，焊接速度为2。
6mm / s。
1 2图像采集和处理1. 2. 1分析方法使用“小窗口”获取焊接特征信息。
在焊接区域中打开一个100帧x 120帧的小窗口。
图像被处理。
该窗口包含了接缝跟踪所需的特征信息，并减少了很多不必要的图像信息。
CCD摄像机和送丝喷嘴固定在焊枪上，也就是说，焊枪，钨电极和送丝喷嘴在像面投影上的相对位置不变。
同时，将CCD摄像机的轴线，焊枪的轴线和焊缝的轴线调整到同一平面，以使焊枪的轴线在图像平面上的投影为水平线。
，这为后续跟踪提供了方便的条件。
1.2.2图像处理算法在实验中，首先提取焊缝的上下边缘，去除伪点后，执行最小二乘拟合法获得焊缝中心线。
图像处理算法流程主要包括图像恢复，中值滤波，边缘发现，伪点去除和最小二乘拟合，如图2所示。
使用逆滤波器方法恢复图像，同时选择3x3模板中值滤波器。
从其8个邻域的像素灰度值的中间值获得当前像素的灰度值。
在观察和分析图像之后，发现焊缝的边缘与其他区域相比具有很大的灰度变化。
因此，根据灰度值的变化率确定焊缝边缘点，即每列中变化率最大的两个点被视为焊缝的上下边缘点。
使用这种边缘检测算法是基于2 mm薄板的特性。
由于没有凹槽，因此很容易在整个图像中捕获焊缝处较大的灰度变化。
同时，这种算法的少量计算不会影响它。
实时图像处理。
经过上述图像处理后，焊缝边缘无法准确获得，并且仍然存在假边缘。
如何去除虚假的边缘点并识别真实的焊缝边缘是图像处理中最困难，最关键的技术。
通过从上，下方向到中间一行逐行扫描24个邻域，可以去除错误的边缘点。
由于焊缝的边缘在不断变化，因此假定在2个像素内存在图像处理错误。
如果在特征点24的附近没有相邻的特征点，则将该点视为伪边缘点