焊縫跟蹤作為一門綜合性應用技術，具有多學科交叉融合的特點，包括電子技術、計算機、焊接、結構、材料、流體、光學、電磁等學科，國內外眾多研究工作者投入到這一領域進行研究，從示教型焊接機器人到程序控制焊接系統，再到移動式自動焊縫跟蹤技術，焊接自動化的每一次進步都顯著提高了生產效率。焊接技術的自動化、柔性化與智能化是未來焊接技術發展的必然趨勢。

1  焊縫跟蹤傳感器的發展狀況

傳感器是焊縫自動跟蹤系統的關鍵部分。其作用是檢測出焊縫的位置和形狀信息并轉化為電信號。控制系統才能對信號進行處理，并根據檢測結果控制自動調節機構調整焊槍位置，從而實現焊縫自動跟蹤。

弧焊用傳感器一般可分為直接電弧式、接觸式和非接觸式三大類。按工作原理可分為機械、機電、電磁、電容、射流、超聲、紅外、光電、激光、視覺、電弧、光譜及光纖式等。以下是幾種常見的焊縫跟蹤傳感器：

接觸式傳感器是zui早使用的傳感器，其特點為不受電弧干擾、工作可靠、成本低，曾在生產中得到廣泛應用，但由于跟蹤精度不高、磨損大、易變形，不適用于高速焊接，目前正在被其他傳感方法取代。

聲學傳感器尤其是超聲波傳感器結構簡單、精度高、價格便宜。超聲波傳感器由超聲波發生及接收裝置組成。超聲波傳感器的測量精度主要取決于超聲波的頻率，頻率越高，誤差越小，一般超聲波的頻率在1.25-2.5 MHz。超聲波傳感器不怕焊接中的電磁、光、煙塵干擾，但容易受到噪聲干擾，對噪聲比較敏感，如在CO2氣體保護焊等焊接方法的應用中有一定的限制。

電弧傳感器的工作原理是在焊接過程中，當焊槍與工件之間的相對位置發生變化時，會引起電弧電壓和電流的變化，這些變化都可以作為特征信號被提取出來實現焊槍高低和左右兩個方向的跟蹤控制。

電弧傳感器以電弧本身為傳感器, 結構簡單，方便靈活，不受弧光、磁場、飛濺、煙塵等干擾，具有響應快、精度高、抗干擾強等特點。但焊槍的擺動或旋轉機構比較復雜，電弧各參數間耦合性很強，實際得到的波形未達到預期的效果，故需要對所得的數據進行濾波，并根據大量的經驗來確定控制量。對于無對稱側壁或根本無側壁的接頭形式，現有的傳感器則不能識別。

光電傳感器精度高、再現性好，可以實現對坡口形狀、寬度和截面的檢測和焊縫跟蹤，為焊接參數的自適應控制提供依據。光電傳感器又可以分為基于分立光電元件的單點式光電傳感器和能夠獲得坡口圖像信息的視覺傳感器。

視覺傳感器采用的光電轉換器件zui簡單的是單元感光器件，如光電二極管等；其次是一維的感光單元線陣, 如線陣CCD（電荷耦合器件）；應用zui多的是結構zui復雜的二維感光單元面陣，如線陣CCD是二維圖像的常規感光器件，代表著目前傳感器發展的階段，因而應用日益廣泛。在焊接機器人各種視覺傳感器中，CCD傳感器因其性能可靠、體積小、價格低、圖像清晰直觀而受到了普遍重視。根據焊接機器人視覺焊接系統的工作方式不同，可將用于焊接機器人視覺焊縫跟蹤系統的視覺傳感器分為3種：結構光式、激光掃描式和直接拍攝電弧式。其中，結構光式和激光掃描式屬于主動視覺方法，直接拍攝電弧式則屬于被動視覺方法。

2  智能控制方法在焊縫跟蹤中的發展應用狀況

現代智能控制就是主要利用人的操作經驗、知識和推理規則，同時利用控制系統所提供的某些信息得出相應的控制動作，以達到預期控制目的的一種控制方法。在焊縫跟蹤系統中, 發展應用狀況如下：

2.1  模糊控制方法在焊縫跟蹤中的發展應用狀況

模糊控制是吸收了人的思維具有模糊性的特點，使用模糊數學中的隸屬函數、模糊關系、模糊推理和決策等工具得出控制動作。模糊控制zui突出的優點是無需建立控制系統的數學模型，其控制決策表和控制規則是根據經驗預先總結出來的。根據控制規則，誤差及誤差變換率的模糊子集產生控制決策表，通過決策表的直接查詢，可得到每一時刻應施于控制系統的控制動作，從而達到實時控制的目的。在模糊控制中，需要建立模糊控制規則表，一般通過總結實際控制經驗并經過模糊推理得到。

早在1985年，保加利亞的D.Lakov 提出用模糊模型描述弧焊過程的不確定性，借助于配置的非接觸式激光傳感器，它能按示教內容對焊縫進行跟蹤，實驗結果表明，采用模糊集概念可以進行在線評估和控制。

日本的S.Murakami等人研制了基于模糊控制的焊縫跟蹤系統，該控制系統根據焊槍的振幅位置同焊絲與工件的距離關系判別焊點的水平和垂直位移，根據語言規則設計了模糊濾波器和模糊控制器，控制效果很好。

國內北京聯合大學的曹麗婷設計的系統中應用新一代激光焊縫傳感器測量焊縫的位置，并采用Fuzzy-P雙模分段控制進行焊縫的糾偏，獲得較好的實驗效果。

2.2  人工神經網絡控制方法在焊縫跟蹤中的發展應用狀況

人工神經網絡控制是在研究人腦結構和功能的基礎上，通過簡化、抽象和模擬，建立神經網絡模型，再通過相應的計算機系統，實現反映人腦結構和功能來處理問題的過程控制。目前，應用zui廣、基本思想zui直觀的是誤差傳播神經網絡及BP網絡，BP網絡的特點是進行誤差逆傳播，即根據網絡的希望輸出與網絡實際輸出之差的誤差信號，由輸出層經中間層向輸入層逐層修正連接權及各單元的輸出閾值，BP算法再求誤差函數的極小值, 通過樣本的反復訓練并朝減少偏差的方向修改權值，直到達到滿意的精度為止。

日本的Y.Suga等人將神經網絡運用到焊縫跟蹤中，在該系統中采用了視覺傳感器并用神經網絡進行圖像處理以獲得焊縫的形狀數據，實驗結果表明此系統具有較強的魯棒性，能有效地進行焊縫跟蹤。