1 白车身自动装配系统

在机器人技术日益发展的今天，自动化是在现代制造业中不可或缺的一个分支。近年来，机器人技术在汽车生产行业中的运用已经渗透到各个方面，例如在焊装车间里，对于零部件的在线和离线测量检测已经基本实现普及,但实现装配工艺的在线优化控制仍是亟待不断发展优化的工程问题。在机器人技术普及的大背景下，白车身零件多、结构复杂等带来的定位和测量问题，也为车身定位和测量带来了更大挑战。

为了快速且准确地测量白车身装配状态，相关专家进行了大量的探索和实践，并提出了具有建设性的技术方案。例如：来自上海交通大学的学者们研究出了基于线激光扫略的白车身装配特征在线检测技术，提出了摆动式线激光单目视觉测量头白车身装配特征机器人在线检测系统方案；在其他研究中，有技术专家基于实测或仿真等历史数据建立模型，结合装配零部件的在线测量数据，对装配工艺参数进行实时的前馈优化控制；此外，一种基于多线结构光与多机器人协同的白车身间隙面差在线测量系统也在实践中被论证了有效性。

在白车身自动化装配控制中，通过有机利用自动装配系统，可以对每一辆车身主体及其匹配的外覆盖件的装配条件进行前瞻式分析，并实行更匹配的装配方案，最后结合传感器测量结果进行验证和记录，同时也可以为后续的车身装配预测提供参考数据。

2 Bestfit车门自动装配技术

本文所介绍的自动化装配技术，是基于一套完整的Bestfit白车身装配系统来实现的。系统主要包括一套指定的装配逻辑、针对不同类型的外覆盖件和车身的传感器设置和匹配装配过程的机器人程序设定。其中，作为日常使用中开合频率最高的外覆盖件，车门的装配姿态重要性不言而喻。而作为车门与车身骨架的连接元件，车门铰链不仅有固定车门的作用，还需要保证足够合理和稳定的安装位置，才能为车门在车身上的相对位置控制提供良好的基础。

2.1 车门自动化装配过程

白车身的车门自动化装配是装焊车间实现自动化的重要一环，主要依靠机器人和传感器形成的有机配合来实现。首先，待安装车门的车身自动进入相应工位，机器人抓取车门，进行铰链位置判断和打紧。再由Bestfit机器人抓取携带铰链的车门靠近车身，由机器人抓手上的传感器进行测量，寻找能够进行装配的最佳位置并到达。然后将这个位置传输给铰链螺栓拧紧机器人，使其携带拧紧工具到相应的位置并进行铰链螺栓拧紧。最后Bestfit机器人将已安装的车门拉至预设好的开合零位进行测量，测量完成后白车身驶出此工位。

此过程中机器人携带多种类型的传感器对白车身装配尺寸进行测量，拟合计算出车门的最佳安装位置和姿态，最终匹配完成安装。以某款车型的左前门装配为例，其装配控制基本信息如图1所示。根据装配关系，车门安装的自由度有X、Z、B和A方向。Bestfit机器人的反馈控制信号设置在点位1、4、5和6，即前部的车门高度、后部的车门高度、前门与后门的上部间隙和平顺度，以及前门与后门的下部间隙和平顺度。结合已经固定的车门铰链深度，车门的各个自由度已全部被有效覆盖。

图1 左前门装配控制点

2.2 传感器设置与车门铰链深度测量

作为自动化装配系统的基础，传感器在装配过程中相当于装配工人的“眼睛”。在基于Bestfit机器视觉系统的白车身自动化装配线上，大部分传感器都是安装在机器人抓手上的，一般在抓取车门后接近车身时开始进行实时测量。系统使用的传感器类型主要有三种，分别是线传感器、点传感器和照相机传感器。

一般来说，对于车门安装到车身上之后的大部分装配控制点尺寸测量，都与线传感器的布置密切相关。例如，某车型的测量前门与后门的间隙与平顺度的双头线传感器位置设置如图2所示。

图2 双头布置的线传感器

采用双头布置的线传感器的测量原理如图3所示。例如需要测量车门到车身的间隙（gap）和平顺度（flush），可以将线传感器1（Head1）的照射角度调整至从车外为起点扫描车身方向，将线传感器2（Head2）的照射角度调整至从车外为起点扫描车门方向。这样两个线传感器就可以识别到车身和车门的两处外形轮廓，并选取特征值进行间隙与平顺度测量值的计算。

图3 双头布置的线传感器识别的间隙与平顺度

对于装配过程中出现的一些距离的测量需求，Bestfit自动装配系统一般选用点传感器进行相关设置。如车门铰链深度，可以通过最终车门安装到车身上之后，车门外板到车身侧围外板的距离进行体现。其中，测量侧围外板的点传感器如图4所示。点传感器测量并向Bestfit系统返回侧围外板与铰链接触位置的Y向数据。

图4 点传感器测量

车门铰链深度在车门外板上的Y向数据也选取点传感器进行测量。设置此传感器时需要关注车门外板的形状，需要避免点传感器测量点落在Z向曲率较大的弧面上，否则点传感器测量结果会有较大波动。

2.3 虚拟电子垫片调整原理

首先，在Bestfit自动化装配过程中，车门铰链的抓取和安装都是由机器人来完成的。机器人抓手抓取铰链的位置是固定的，通过控制机械结构的开合进行取件，抓取位置如图5所示。

图5 机器人抓手抓取铰链位置

机器人完成铰链抓取后，抓手携带铰链到车门铰链安装工装胎上，通过传感器获取的数据，Bestfit系统拟合计算进行最佳安装位置找寻和确定。之后机器人抓手与工装胎进行结合定位。定位后通过气缸压力使机器人抓手上的机械结构滑移，使上下两个铰链的安装面与车门内板铰链孔位所在面贴合，最后通过另一个机器人进行固定螺栓拧紧。以上步骤中的铰链与车门的位置关系，实际对车门铰链深度起决定作用。

一般来说，当在传统的人工装配线上需要调整铰链深度，以获得不同的车门安装至车身时的Y向距离，需要工装尺寸人员进行铰链安装胎上的垫片调整。在基于Bestfit自动装配系统的白车身自动化装配线上，由于铰链安装过程的自动化和相关工装胎设计的集成化，系统可以通过利用虚拟电子垫片功能（Virtual E-shim）以实现调整铰链深度的操作。

在使用虚拟电子垫片进行铰链深度调整时，操作者首先通过输入铰链调整量进行触发，系统由此生成Y向和C轴方向上各自所需的变化量，对铰链抓手所在机器人的安装位置进行外部信号干预，由此决定铰链到车门的预安装位更新。之后在机器人姿态变化的影响下，铰链实际安装位产生对应变化，最终实现预期的铰链位置变化。

需要明确的是，界面提供的调整量输入功能，并不代表可填任意范围的值，而是根据现场实际状态设置了一定的可调范围。这也是考虑到车门位置人工干预调整后符合实际装配关系，以保证正常装配过程顺利进行，如应满足铰链可以无障碍地进入车身主体的铰链孔位等客观条件。

3 白车身车门铰链深度控制与优化

车门安装及其铰链位置安装是比较典型的白车身自动化装配线工作内容，一般在优化某一方面时产生的附带影响较多，且在调整时涉及的内外部因素较复杂，所以通常优化难度较大。本文选取车门装配作为分析案例，也具有一定的代表性。

3.1 车门铰链自动化安装影响因素

车门作为白车身的一个典型外覆盖件，其与车身骨架的紧固结合是通过铰链完成的。如前文中的车门自动化装配过程介绍，在自动装配线的装配逻辑中，抓取铰链的机器人先携带铰链零件至车门完成位置判断和安装，再由Bestfit机器人抓取携带铰链的车门靠近侧围进行安装。由此，铰链的贴合顺序是先与车门的铰链板进行接触（简称为第一贴合面），剩下自由的一端再与侧围的外板接触（简称为第二贴合面），如图6所示。

图6 车门铰链的两个贴合面

为了实现更好的车门铰链姿态稳定性，铰链的第一和第二贴合面的接触状态需要达到最大限度的平整。这就需要满足一定的客观条件，对于铰链第一贴合面来说，需要满足铰链零件的中轴扭矩和初始角度处于合适范围、铰链抓手向车门推进气缸的气压大小合适且稳定、铰链抓手的前进过程垂直于车门内板接触面、拧紧枪与车门孔位的位置对中等条件。对于铰链第二贴合面来说，需要满足铰链接触面与侧围的平行、Bestfit抓手矫正铰链位置的气缸气压大小合适且稳定、拧紧枪与侧围孔位的位置对中等条件。

3.2 铰链深度及车门装配姿态的分析及验证

为了保证稳定的车门装配姿态，除了使用尺寸稳定的车门单件和车身骨架，还需要使铰链的第一和第二贴合面的接触状态达到平整，这就对Bestfit自动装配系统与现场调试工作的有机配合提出了更高要求。本文通过测量和试验的方式，对铰链深度和车门装配状态的关系进行分析验证。

首先使用法如测量臂对铰链在车门上的安装位置重复性进行测量验证。在已安装状态下在铰链上选取对应的特征点，通过测量臂进行特征点的位置测量，再拆卸铰链换上同批次的下一个铰链并安装和测量。测量位置示意图及试验结果如图7所示。

图7 车门铰链的安装位置重复性验证

从试验结果可以看出，在12次重复试验中，第一次试验的测量结果异常，其他试验的测量结果基本一致。此试验结果说明，在批量生产过程中，铰链在车门上的安装位置可能存在差异。

接下来使用法如测量臂对虚拟E-shim功能参与下的铰链在车门上的安装位置变化及其重复性进行测量验证。结合日常生产使用虚拟E-shim的场景及频次，分为7种情况进行试验，即上铰链E-shim值为0的同时下铰链E-shim值为0、上铰链E-shim值为+1的同时下铰链E-shim值为0、上铰链E-shim值为-1的同时下铰链E-shim值为0、上铰链E-shim值为0的同时下铰链E-shim值为+1、上铰链E-shim值为0的同时下铰链E-shim值为-1、上铰链E-shim值为+1的同时下铰链E-shim值为+1和上铰链E-shim值为-1的同时下铰链E-shim值为-1。每种试验情况重复3次，测量位置示意图及试验结果如图8、图9所示。

图8 车门上铰链虚拟电子垫片功能验证

图9 车门下铰链虚拟电子垫片功能验证

从在GEO工装胎上右前门进行虚拟E-shim调整的试验结果可以看出，在7种情况下的试验中，当上铰链的值虚拟E-shim调整为+1时，选取的Y向各个测量点位的位置效果不一致，偏差达到0.3mm以上，图中标示为黄色。其中，Y12点的一次试验，位置偏差与另外两次达到0.5mm以上，图中标示为红色。从在GEO工装胎上右前门进行虚拟E-shim调整的试验结果可以看出，在7种情况下的试验中，当下铰链的值虚拟E-shim调整为+1时，选取的Y向各个测量点位的位置效果不一致，且差值达到0.5mm以上，图中标示为红色。

另外，当下铰链的值虚拟E-shim调整为0时，Y16和Y25点的一次试验，位置偏差达到0.5mm以上，图中标识为红色，Y16点的两次试验，偏差达到0.3mm以上，图中标示为黄色。

根据试验结果，可以看出在生产中在满足下游客户总装车间装配需求时，如果对车门铰链虚拟E-shim或准备安装铰链的车门Y向等进行调整，就需要在调整后检查GEO铰链安装胎和车门上车身Y向贴平及平行度（上下铰链需同时检查，且避免二者相互影响），随后再按照惯例检查螺栓拧紧枪与铰链和匹配孔位的相对关系。

3.3 车门自动装配稳定性优化结果

根据上一节的试验结论，在批量生产中对车门自动装配过程进行优化，并结合在线测量数据趋势进行分析验证，结果如图10、图11所示。

图10 车门台阶点和下平顺点优化前后在线测量数据

图11 车门上下铰链深度优化前后在线测量数据

当完成自动装配的优化后，在批量生产中随机挑选优化前和优化后的200辆车，其在线测量数据显示车门装配台阶点的sigma在优化前为0.48，在优化后为0.31。同时，在线测量数据显示车门装配中的下控制点平顺度在优化前后也有变化，优化前为0.53，优化后为0.38。

由此可见，优化后的车门装配状态更加稳定。另外，对于车门铰链深度来说，上铰链和下铰链的在线测量数据均在优化后更向中值靠拢，这有利于更稳定的装配状态，也更满足总装车间的客户需求。

4 结语

本文聚焦于分析白车身车门铰链深度和车门自动装配尺寸状态的影响因素及控制优化。基于Bestfit自动装配系统，分析出一些在装配过程中产生的影响因素，建立了一套有效的验证方案，最后通过实际生产试验，得到在线测量数据并进行了有效的分析和论证。从而提高了白车身的间隙平顺度装配质量，同时也实现了下游客户总装车间的尺寸状态优化。

在未来的工作中，我们将会考虑将白车身自动装配线上的来件尺寸和Bestfit自动装配系统进行数据联结，从而完善尺寸控制策略。通过优化白车身尺寸在线测量数据监控系统，来件的实时尺寸测量结果可以被及时分析。

参考文献

[1] 张建波,赵文正,刘丰伯,等.车身输送的尺寸精度管理[J].汽车制造业,2025,(S1):119-124.

[2] 李凌旻.白车身装配特征机器人在线检测技术与系统研究[D].上海:上海交通大学,2014.

[3] 郭允明,张恃铭.考虑不确定性的车身在线装配精度的优化控制研究[J].机械设计与制造,2020(9):7.

[4] 王刚,陈粤林.基于多机器人协同的白车身间隙面差测量系统[J].工具技术,2022,56(6):5.

本文为“AI汽车制造业”首发，未经授权不得转载。版权所有，转载请联系小编授权（VOGEL100）。本文作者：刘艳静 郭东栋 姚森，单位：北京奔驰汽车有限公司。责任编辑龚淑娟，责任校对何发。本文转载请注明来源：AI汽车制造业