智能化机器人焊接系统(IRWS)是提高传统弧焊在厚板焊接生产中的效率的有效途径之一。厚板机器人全自主弧焊涉及多层多道焊道实时规划、不同焊道下焊接参数和焊枪姿态的自适应在线调整和焊枪偏离跟踪位置下的实时控制等问题,是典型的混杂动态过程,属于混杂动态系统建模与控制问题。因此如何有效建立这一混杂动态过程的描述形式以实现相关问题的在线决策和优化,以及解决这一复杂且高度非线性系统中对焊枪的自动纠偏是控制学科值得研究的问题。论文结合具体的项目背景,以厚板机器人T形接头全自主脉冲MAG焊接为研究对象,运用混杂系统(HS)框架结合人工智能来管理和实现这一复杂过程,为其他焊接方法实现厚板机器人智能化焊接提供了借鉴,也为复杂系统控制问题的解决提供一种新思维和新策略。为此开展了如下具体的研究。针对厚板机器人焊接重复性的焊接过程,论文以典型的连续两道自主焊接过程为代表分析了其混杂特性,将其概括为“找、调”阶段、“跟”阶段和“回”阶段,并建立了宏观MLD模型,即Automaton模型。通过该模型明确了上述焊接过程需要的各型变量及其状态切换条件,有助于外围控制软件对整个焊接过程的宏观管理和监测。为实现不同焊缝下对焊枪的精确纠偏,同时完成焊道在线规划、不同焊道下焊接参数和焊枪姿态的自适应在线调整,论文利用的信息载体包括基于结构光的视觉传感器实时获取的完整电弧信息、焊缝轮廓及其特征信息。为此设计了一种新颖的基于线结构光的视觉传感器,使得在同一帧焊缝图像中能同时呈现规则的电弧形貌和激光条纹。这样做的目的有三点:一是通过激光条纹获取焊缝轮廓特征点,实现在线焊道规划、不同焊道下焊接参数和焊枪主倾角的自调整;二是确定每次焊接焊枪的跟踪点;三是通过电弧的几何中心位置来实时地、近似地反馈焊枪的位置,并由此实时确定焊枪与跟踪点的偏差,最终实现闭环控制。针对采集的激光条纹焊缝图像干扰大的特点,本文提出采用视觉注意机制对激光条纹进行提取。通过模仿人眼观察复杂背景下感兴趣目标的过程和特点,设计了数据驱动(Bottom-up)型的、基于视觉突变性的视觉注意模型(VMVAM)。设计了一种非均匀性度量(Non-Uniformity Measurement,NUM)算法,用以将由多区域多方向Gabor滤波获得的方向特征图转化为方向显著图;设计了一种亮度突变性度量(Intensity Mutation Measurement,IMM)算法获取亮度显著图。上述两种显著图进行线性组合最终生成综合显著图。利用综合显著图并结合OTSU和最近邻聚类算法实时提取激光条纹。大量的不同接头形式下的激光条纹提取试验验证了这一模型的抗干扰性和有效性。针对多层多道焊缝轮廓的多样性和复杂性,设计了一种基于单调斜率区间跨度分割(Span Segmentation of Slope Monotone Intervals,SSSMI)的焊缝轮廓斜率突变点(Slope Mutation Points,SMP)识别算法。其首先获取斜率单调的区间,然后根据这些区间斜率的跨度获取高于平均跨度的区间,接着将这些区间的跨度值进行OTSU分割,将跨度大于阈值的区间识别出来,最终将识别出来的单调区间的中心位置作为斜率突变点。该算法不需要设置任何斜率突变阈值。试验证明这一算法能适合不同焊缝形貌的轮廓的特征点的识别。利用获取的焊缝轮廓特征信息并结合焊接专家经验知识,本文基于Visual C++2008、OpenCV和Matlab软件平台设计了主从式的、简化的专家系统,用以实现实时焊道规划、焊接速度、送丝速度、干伸长和焊枪主倾角自调整的5个推理子系统。各推理子系统将视觉特征信息和焊接知识转化为相应的规则,均采用基于规则的正向推理技术,实现了焊前和焊接中焊枪跟踪点的自判定,从而间接实现多层多道焊道在线规划;在不考虑摆动方式的情况下,实现了在不同焊道焊接中焊接速度、送丝速度、干伸长和焊枪主倾角的在线自适应调整。同时设计了自学习规则,目的是解决SMP提取中出现伪点的情况。上述决策过程处理时间可达毫秒级。通过试验验证了上述各推理系统的有效性,也探讨了基于视觉信息模仿焊接专家指导机器人实现传统弧焊智能化焊接的可能性。针对机器人焊接非线性系统建模难的问题,同时根据预测控制的特点,论文提出采用模型预测控制(MPC)对焊枪在Y和Z方向同时进行纠偏。具体实施中根据焊枪运动具有饱和区域的非线性运动特性以及实时提取的焊枪与跟踪点的偏差量的大小,论文设置了两种在Y和Z方向上给定进给量的方式:小偏差量下进给量即为偏差量,大偏差量下采用MPC决策进给量,并近似给出了两种进给量的表达形式。利用上述两种进给量建立了描述焊枪线性化运动的、能预测焊枪位置的参数时变切换模型(SM);通过引入辅助逻辑变量,将建立的SM转化为统一的微观MLD模型。为了解决MLD-MPC中的MIQP求解问题,提出了利用外点法(EPM)解决不等式约束,利用类似于B&B法来松弛整数约束的混合算法。为在线实现基于MLD模型的MPC优化计算,引入了减少早熟现象的GA算法。通过仿真确立了诸多控制参数,为对焊枪进行控制打下了基础。根据MPC中参考输入的不同设计,提出了两种基于MLD的预测控制方法:基于无弧跟踪轨迹为参考输入的MPC(TTWARI-MPC)和基于优化时域均等的参考输入的MPC(RICOTD-MPC)。为测试上述控制方法的有效性,分别利用T形接头的打底焊和不同填充焊进行了焊枪控制试验,并将上述控制结果与基于增量式PID的控制结果进行了对比。通过焊接试验展示了三种控制方法的优缺点,得出了采用RICOTD-MPC控制方法能更好应用于实际生产的结论。