大型零件多机器人协同电弧增材制造层内沉积路径的分配与调度

来源：WAAM电弧增材

增材制造（AM）目前应用广泛，其中大型金属零件的增材制造已被确定为一个有前景的研究方向。电弧增材制造（WAAM）由于具有成本低和效率高的优点，更适合用于制造具有大尺寸几何形状和结构较为复杂的零件。此外，WAAM可以很容易地集成到工业机器人中，这有利于提高制造的自由度，并减小了制造零件的尺寸限制。

然而，通过单个增材制造系统，制造米尺度下的零件仍然需要数周甚至更长时间。长期沉积工艺需要高水平的系统稳定性，以确保生产零件无缺陷。为了提高制造效率，多机器人协作WAAM（MRC-）已经被推广，这需要多个机器人AM系统协同工作。

在此基础上，东南大学李永哲副教授及其团队在知名期刊 Virtual and Physical Prototyping（IF=10.6）上发表题目为 “Allocation and scheduling of deposition paths in a layer for multi-robot coordinated wire and arc additive manufacturing of large-scale parts”的研究论文。基本步骤是在执行实际沉积工艺之前，为每层分配和调度机器人沉积路径。为机器人分配沉积路径并且在考虑最短总工作时间、工作量和安全的情况下调度沉积过程。其难点来自算法的高时间复杂度。在这些难点的驱动下，此研究提到的方法旨在开发一种算法解决方案，以促进MRC-WAAM过程规划。

研究目的
本研究旨在解决多机器人协同电弧增材制造（MRC-WAAM）系统中的关键问题：如何有效地分配和调度每层的沉积路径。这一挑战源于优化机器人工作时间、任务量和沉积顺序时面临的高时间复杂性。研究团队创新开发了一种的“top k%”方法，通过迭代方式将k%长度的路径从任务库分配给当前工作任务量最少的机器人，直到所有路径被分配完毕。这一方法能够使各机器人的任务量均等，同时提高分配结果中路径的相邻性，从而提高MRC-WAAM的成形质量。

研究方法
本研究提出的“top k%”方法在数学上通过一个执行成本矩阵来定义。该方法通过计算工作时间和路径距离来分配任务，并以最小化所有机器人的总工作时间为目标。研究中还考虑了路径的邻接性和机器人间的安全距离，以确保沉积过程中不会发生机器人之间的碰撞。

  为了验证算法的有效性，研究团队构建了一个包含三个YASKAWA AR1730工业6轴机器人和MEGMEET Artsen Plus 500Q焊接电源的测试平台。使用了特定的材料和参数，通过MATLAB R2021b实现了分配和调度算法。实验分为两个阶段：一是在四个不同长度和路径数量的大型零件模型上验证算法的可行性，二是选取一个模型进行实际的沉积验证。结果表明，该方法在减少转折点次数和起弧点方面优于现有解决方案，验证了其在实际应用中的有效性。

论文图片

图1.直接将切片分割成子区域来进行MRC-AM的路径规划示意

图2.为MRC-WAAM分配沉积路径的总体工作流程

图3.使用“top k%”方法进行多机器人沉积路径分配算法流程

图4. 沉积任务生成算法流程

图5.定义沉积计划的工作阶段（WPs）

图6.检查WP内机器人扫过区域是否发生干涉

图7. MRC-WAAM系统调度生成沉积任务顺序的算法流程

图8. 实验验证平台

图9.机器人与零件中心之间的空间位置关系

图10.用于验证的增材制造切片模型

图11.k取值对算法性能的影响

图12. 使用“top k%”方法得到的路径分配结果

图13. 按道分配得到的路径分配的结果

图14：沉积过程的甘特图

图15：沉积任务生成和调度的结果

图16. 每个工作阶段各机器人扫过面积之间的距离

图17. 沉积切片的外观

图18.使用Bhatt等人[31]提出的策略生成的分沉积路径配结果

图19.采用Shen等人[33]提出的策略生成的沉积路径分配结果

关键结论
本文介绍了一种“top-k%”方法，该方法有助于大型金属零件的多机器人协调电弧增材制造（MRC-WAAM）的路径分配和调度。结论如下：

(i)经研究证实，每次分配的最接近的k%的路径量自然地彼此相邻，这增强了分配给每个机器人的路径的邻接性。

（ii）在所进行的案例研究中，沉积计划的进度效率度量达到了92.1%，这证实了所提出的方法可以保持机器人任务的均等性。

（iii）实验结果表明，top k%方法在减少转折点数量和起始弧点方面优于直接分割方法，提高了MRC-WAAM的成形质量。

（iv）从计算的角度来看，“topk%”方法降低了分配和调度问题的计算复杂度。它有可能解决可能需要多机器人协作的运行时自适应的动态场景中的相关问题。
第一作者

李永哲，副教授，博士生导师。2019年获荷兰代尔夫特理工大学与哈尔滨工业大学双博士学位。东南大学至善青年学者（A层次），江苏省科协青年托举人才，江苏省双创博士。长期围绕金属增材制造智能系统理论与应用开展研究工作，包括机器视觉与多源融合传感、多机器人群体协同控制、机器学习与软体驱动金属增材、极地现场增材修复装备等。主持国家自然科学基金、江苏省重大科技基础设施预研项目课题、江苏省自然科学基金等项目10余项，发表SCI/EI论文20余篇，授权/受理发明专利10余项，主编省重点规划教材1部，出版英文学术专著1部。



论文引用



Yongzhe Li, Lingyi Meng, Minglang Li, Yijun Zhou, Xiaochao Liu, Xinlei Li &Guangjun Zhang (2024) Allocation and scheduling of deposition paths in a layer for multi-robot coordinated wire and arc additive manufacturing of large-scale parts, Virtual and Physical Prototyping, 19:1, DOI: 10.1080/17452759.2023.2300680