CN106270963B - 一种基于迭代学习的脉冲gtaw焊接过程控制方法 - Google Patents

一种基于迭代学习的脉冲gtaw焊接过程控制方法 Download PDF

Info

Publication number
CN106270963B
CN106270963B CN201610854096.7A CN201610854096A CN106270963B CN 106270963 B CN106270963 B CN 106270963B CN 201610854096 A CN201610854096 A CN 201610854096A CN 106270963 B CN106270963 B CN 106270963B
Authority
CN
China
Prior art keywords
welding
welding process
kth
weld
bead width
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610854096.7A
Other languages
English (en)
Other versions
CN106270963A (zh
Inventor
卜旭辉
尹艳玲
崔立志
杨俊起
梁嘉琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan University of Technology
Original Assignee
Henan University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Henan University of Technology filed Critical Henan University of Technology
Publication of CN106270963A publication Critical patent/CN106270963A/zh
Application granted granted Critical
Publication of CN106270963B publication Critical patent/CN106270963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00—Arc welding or cutting
    • B23K9/16—Arc welding or cutting making use of shielding gas
    • B23K9/167—Arc welding or cutting making use of shielding gas and of a non-consumable electrode
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00—Arc welding or cutting
    • B23K9/09—Arrangements or circuits for arc welding with pulsed current or voltage
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00—Arc welding or cutting
    • B23K9/095—Monitoring or automatic control of welding parameters
    • B23K9/0956—Monitoring or automatic control of welding parameters using sensing means, e.g. optical

Abstract

一种基于迭代学习的脉冲GTAW焊接过程控制方法，包括如下步骤：步骤1：焊接控制过程初始化；步骤2：开始第k次焊接作业：由视觉传感器测量焊缝的背面熔宽yk(t),然后与期望存储器中的期望值yd(t)相比得到背面熔宽误差ek(t)；步骤3：控制量存储器更新：第k次焊接作业结束后，若背面熔宽满足条件直接进行第k+1次焊接作业；否则，根据PD型迭代控制律得到第k+1次焊接作业的焊接峰值电流；步骤4：令k值自动加1，转到步骤2依次完成接下来的焊接控制任务。本发明充分利用焊接过程重复性的特点，采用PD型迭代学习控制算法，能够使焊缝背面熔宽快速甚至完全达到期望指标。控制器结构简单，并且对焊接过程中的非重复性扰动具有一定的抑制能力。

Description

一种基于迭代学习的脉冲GTAW焊接过程控制方法
技术领域
本发明涉及电弧焊接过程控制技术领域，特别是涉及一种基于迭代学习的脉冲GTAW焊接过程控制方法。
背景技术
脉冲GTAW焊接是指在惰性气体保护下，采用脉冲交流电源通过钨电极焊头和工件之间的电弧进行焊接的方法。电弧焊接过程涉及物理、化学、材料、冶金等多方面的复杂交互作用。从焊接工艺要求可知，完全熔透是形成坚固可靠焊缝的重要前提。因此为实现高效率的自动焊接，对焊缝熔透性的控制一直是焊接控制技术研究的重点。其困难在于：首先，由于焊接过程机理复杂，呈现高度非线性、大滞后以及时变不确定性等特点，难以建立焊接系统的精确模型，所以采用基于模型的控制方法，难以得到有效的控制模型。其次，由于焊接环境极端多变以及存在噪声干扰和负载扰动，造成焊接系统参数甚至结构均会随时间变化，使得经典PID控制算法的参数整定困难较大。除此之外，目前采用的智能控制方法比如无模型自适应控制。虽然其不依赖于焊接系统精确模型，能够抑制外部环境不确定干扰，但是这种方法需要经过一定的过渡时间才能达到期望指标。那么前期过渡阶段形成的焊缝将整体上降低工件的焊接质量。因此，提出一种能够实现焊接过程完全跟踪的控制方法具有实际意义。
发明内容
本发明的目的是提出一种基于迭代学习的脉冲GTAW焊接过程控制方法，在脉冲GTAW焊接的重复作业过程中，利用上次焊接过程的背面熔宽信息和焊接峰值电流修正当次焊接过程的峰值电流，随着焊接过程的不断重复，可以快速实现高精度的背面熔宽。
本发明所采用的技术方案是：本发明的目的是以下述方式实现的：
一种基于迭代学习的脉冲GTAW焊接过程控制方法，该方法包括如下步骤：
步骤1：焊接控制过程初始化，包括如下具体步骤：
步骤1-1)设置焊枪的位置与工件的起始焊接位置相同；
步骤1-2)设置每次焊接的背面熔宽期望值yd(t)，设置焊接作业次数k＝1，设置第1次焊接过程的焊接峰值电流值u1(t)，t为时间变量,t∈[0，T]，T为每次焊接过程完成时的终止时刻；
步骤2：开始第k次焊接作业：
第k次电弧焊接任务开始，工件在电弧作用下形成焊缝，并由视觉传感器测量焊缝的背面熔宽yk(t),然后与期望存储器中的期望值yd(t)相比得到背面熔宽误差ek(t)并将ek(t)储存到误差量存储器：ek(t)＝yd(t)-yk(t)；
步骤3：控制量存储器更新：
第k次焊接作业结束后，判断误差量存储器的数据是否达到背面熔宽误差精度；若背面熔宽达到要求精度即满足条件则直接进行第k+1次焊接作业；否则，根据PD型迭代控制律：uk+1(t)＝uk(t)+kpek(t)+kdek(t+1),得到第k+1次焊接作业的焊接峰值电流，并将uk+1(t)储存到控制量存储器，其中kp,kd分别为比例学习增益和微分学习增益，uk(t)为第k次焊接过程的焊接峰值电流值；
步骤4：令k值自动加1，转到步骤2依次完成接下来的焊接控制任务。
优选地，所述步骤3中，kp的取值范围为[0,1.6],kd的取值范围为[0,2]。
优选地，所述步骤1中，设置第1次焊接过程的焊接峰值电流值u1(t)＝0，t∈[0，T]，即第一次焊接作业时没有输入电流，直接根据视觉传感器测量得到的背面熔宽误差调整u2(t)。
本发明的优点是：充分利用焊接过程重复性的特点，采用PD型迭代学习控制算法，能够使焊缝背面熔宽快速甚至完全达到期望指标。控制器结构简单，不需要建立焊接系统的精确数学模型，只需要上次焊接过程的输入输出信息。并且对焊接过程中的非重复性扰动具有一定的抑制能力。
附图说明
图1是本发明基于迭代学习控制的脉冲GTAW焊接系统原理图。
图2是本发明的算法实施流程图。
图3是焊接过程中焊缝背面熔宽的跟踪曲线。
图4是焊接过程的误差最大值随迭代次数的变化曲线。
具体实施方式
下面结合附图对本发明进一步说明。
如图1所示，基于PD型迭代学习律的脉冲GTAW焊接控制系统运行原理图。
(a)不失一般性，假设正在进行第K次焊接，控制量存储器提供当次运行中每个时刻的焊接峰值电流uk(t)；在焊接过程中电弧作用于工件产生焊缝，通过视觉传感器间接测量焊缝的背面熔宽yk(t)，然后计算背面熔宽误差ek(t)，并储存到误差量存储器；
(b)当第K次焊接过程结束时，控制器根据PD型控制律，利用误差量存储器中的数据包括ek(t)，ek(t+1)以及控制量存储器中的控制输入uk(t)计算第K+1次焊接的峰值电流，并保存到控制量存储器。控制量存储器更新完成后，将第K+1次焊接峰值电流值作为控制输入进行第K+1次焊接任务。
(c)然后重复过程(a)和(b)，依次进行焊接作业并更新控制量存储器。
如图2所示，本发明方法的具体实施步骤如下：
1.焊接系统初始化。首先，初始化控制量存储器，凭借工程经验任意给出首次焊接的焊接峰值电流u1(t),t∈[0,T]。其次，确保每次焊接时焊枪与工件的相对空间位置相同。同时考虑到脉冲GTAW焊接过程是大滞后系统，并且各个工件的焊接又是相互独立的，由此可知焊接系统的初始状态相同且为零即d为最大时滞时刻，满足迭代学习控制的适用条件。
2.第k次焊接作业。经过焊接系统初始化后，令k＝1第k次电弧焊接任务开始，工件在电弧作用下形成焊缝，并由视觉传感器测量焊缝的背面熔宽。然后与期望存储器中的期望值相比得到背面熔宽误差：ek(t)＝yd(t)-yk(t)，并储存到误差量存储器。
3.控制量存储器更新。第k次焊接作业结束后，根据误差量存储器的数据判断背面熔宽误差精度。若背面熔宽达到要求精度即满足条件ε为最大精度值，则直接进行第k+1次焊接作业。否则，根据PD型迭代控制律：
uk+1(t)＝uk(t)+kpek(t)+kdek(t+1)
得到第k+1次焊接的控制输入即焊接峰值电流，并储存到控制量存储器，kp,kd分别为比例学习增益和微分学习增益，kp的取值范围为[0,1.6],kd的取值范围为[0,2]。
4.重复焊接过程。令k＝k+1转到步骤2，依次完成接下来的焊接控制任务。
考虑如下具有重复性的脉冲GTAW焊接模型：
其中yk(t)，uk(t)，wk(t)分别表示焊缝背面熔宽，焊接峰值电流和外部非重复性干扰，i,j是系统时滞量，a为输出回归权重参数，b为输入回归权重参数。并采用下面参数进行仿真试验。
首先给出系统参数和初始状态
i＝5,j＝6,
A＝[a1 a2 a3 a4 a5]＝[1.2245 -0.7935 0.45269 -0.23124 0.11518]
B＝[b1 b2 b3 b4 b5 b6]＝[-0.700 0.0085696 -0.3748 0.0039714 -0.168260.0023674]
wk(t)＝0.001*randn(1,1)，yk(-5)＝…＝yk(-1)＝0,u1(t)＝0
其次设置控制器参数为kp＝-0.3,kd＝-0.25，以及期望背面熔宽yd(t)＝6。仿真结果如图3所示，焊接过程第2次，第5次和第30次的背面熔宽跟踪曲线，可见基于本发明方法的脉冲GTAW焊接过程，在第30次焊接时就能快速达到完全跟踪，并对干扰有一定的抑制能力。图4表示每次焊接过程中误差绝对值的最大值随着焊接次数的变化曲线，由图4可知第20次焊接以后的每次焊接的误差最大值等于零，意味着焊缝的背面熔宽将完全达到期望值，体现了本发明迭代学习算法对脉冲GTAW焊接过程控制的有效性。
以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的技术人员来说，在不脱离本发明整体构思前提下，还可以作出若干改变和改进，这些也应该视为本发明的保护范围。

Claims (3)

1.一种基于迭代学习的脉冲GTAW焊接过程控制方法，其特征在于：该方法包括如下步骤：
步骤1：焊接控制过程初始化，包括如下具体步骤：
步骤1-1)设置焊枪的位置与工件的起始焊接位置相同；
步骤1-2)设置每次焊接的背面熔宽期望值yd(t)，设置焊接作业次数k＝1，设置第1次焊接过程的焊接峰值电流值u1(t)，t为时间变量,t∈[0，T]，T为每次焊接过程完成时的终止时刻；
步骤2：开始第k次焊接作业：
第k次电弧焊接任务开始，工件在电弧作用下形成焊缝，并由视觉传感器测量焊缝的背面熔宽yk(t),然后与期望存储器中的期望值yd(t)相比得到背面熔宽误差ek(t)并将ek(t)储存到误差量存储器：ek(t)＝yd(t)-yk(t)；
步骤3：控制量存储器更新：
第k次焊接作业结束后，判断误差量存储器的数据是否达到背面熔宽误差精度；若背面熔宽达到要求精度即满足条件ε为最大精度值，则直接进行第k+1次焊接作业；否则，根据PD型迭代控制律：uk+1(t)＝uk(t)+kpek(t)+kdek(t+1),得到第k+1次焊接作业的焊接峰值电流，并将uk+1(t)储存到控制量存储器，其中kp,kd分别为比例学习增益和微分学习增益，uk(t)为第k次焊接过程的焊接峰值电流值；
步骤4：令k值自动加1，转到步骤2依次完成接下来的焊接控制任务。
2.根据权利要求1所述的基于迭代学习的脉冲GTAW焊接过程控制方法，其特征在于：所述步骤3中，kp的取值范围为[0,1.6],kd的取值范围为[0,2]。
3.根据权利要求1所述的基于迭代学习的脉冲GTAW焊接过程控制方法，其特征在于：所述步骤1中，设置第1次焊接过程的焊接峰值电流值u1(t)＝0，t∈[0，T]。
CN201610854096.7A 2016-08-25 2016-09-27 一种基于迭代学习的脉冲gtaw焊接过程控制方法 Active CN106270963B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2016107227335 2016-08-25
CN201610722733 2016-08-25

Publications (2)

Publication Number Publication Date
CN106270963A CN106270963A (zh) 2017-01-04
CN106270963B true CN106270963B (zh) 2018-07-24

Family

ID=57715200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610854096.7A Active CN106270963B (zh) 2016-08-25 2016-09-27 一种基于迭代学习的脉冲gtaw焊接过程控制方法

Country Status (1)

Country Link
CN (1) CN106270963B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108536007A (zh) * 2018-03-01 2018-09-14 江苏经贸职业技术学院 一种基于非严格重复的自适应迭代学习控制方法
CN114799600B (zh) * 2022-05-13 2024-03-15 中车工业研究院有限公司 熔宽控制方法、设备、系统、介质及产品

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1881204A (zh) * 2005-06-13 2006-12-20 中国科学院力学研究所 一种嵌入式激光柔性加工过程仿真方法
CN101329169A (zh) * 2008-07-28 2008-12-24 中国航空工业第一集团公司北京航空制造工程研究所 一种电子束焊接熔凝区形状因子的神经网络建模方法
CN102079001A (zh) * 2010-12-31 2011-06-01 广东易事特电源股份有限公司 基于大步距标定和Newton插值的焊接参数调节方法
CN102637235A (zh) * 2012-05-02 2012-08-15 中国石油集团渤海石油装备制造有限公司 一种多丝埋弧焊数值模拟热源模型参数确定方法
CN103996322A (zh) * 2014-05-21 2014-08-20 武汉湾流新技术有限公司 一种基于增强现实的焊接操作训练模拟方法及系统
CN104002019A (zh) * 2014-05-26 2014-08-27 中北大学 基于电弧混沌特性优化算法的焊接材料工艺性评价方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150122781A1 (en) * 2013-11-04 2015-05-07 Illinois Tool Works Inc. System and method for selecting weld parameters

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1881204A (zh) * 2005-06-13 2006-12-20 中国科学院力学研究所 一种嵌入式激光柔性加工过程仿真方法
CN101329169A (zh) * 2008-07-28 2008-12-24 中国航空工业第一集团公司北京航空制造工程研究所 一种电子束焊接熔凝区形状因子的神经网络建模方法
CN102079001A (zh) * 2010-12-31 2011-06-01 广东易事特电源股份有限公司 基于大步距标定和Newton插值的焊接参数调节方法
CN102637235A (zh) * 2012-05-02 2012-08-15 中国石油集团渤海石油装备制造有限公司 一种多丝埋弧焊数值模拟热源模型参数确定方法
CN103996322A (zh) * 2014-05-21 2014-08-20 武汉湾流新技术有限公司 一种基于增强现实的焊接操作训练模拟方法及系统
CN104002019A (zh) * 2014-05-26 2014-08-27 中北大学 基于电弧混沌特性优化算法的焊接材料工艺性评价方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
优化迭代学习控制的边值问题研究;巨圆圆;《中国优秀硕士学位论文全文数据库·信息科技辑》;20141031;第I140-309页 *
优化迭代学习控制算法及其收敛性分析;逢勃;《中国优秀博士学位论文全文数据库》;20140531;第I140-36页 *
非线性系统的PD型迭代学习控制;孙明轩等;《自动化学报》;19980930;第24卷(第5期);第711-714页 *

Also Published As

Publication number Publication date
CN106270963A (zh) 2017-01-04

Similar Documents

Publication Publication Date Title
CN105636734B (zh) 从电压和电流反馈提取电弧长度的系统和方法
US10500668B2 (en) Machine learning device, arc welding control device, arc welding robot system, and welding system
US10391582B2 (en) System and method of welding a workpiece
CN106270963B (zh) 一种基于迭代学习的脉冲gtaw焊接过程控制方法
CN104698842B (zh) 一种基于内点法的lpv模型非线性预测控制方法
CN103264216B (zh) 基于背面小孔视觉检测的受控穿孔等离子弧焊接系统与工艺
CN106037506A (zh) 一种电烤箱的控制方法、装置及电烤箱
CN107803572B (zh) 一种焊接作业的控制方法及装置
Liu et al. Fuzzy approximation-based adaptive finite-time control for nonstrict feedback nonlinear systems with state constraints
Messler et al. An intelligent control system for resistance spot welding using a neural network and fuzzy logic
CN103831513B (zh) 电弧焊机的节能控制方法和装置
US10035209B2 (en) Adaptive GMAW short circuit frequency control
CN108544146A (zh) 一种单面焊接装置及其控制方法
CN107102553B (zh) 基于时滞鲁棒模型算法的并网逆变器控制方法
CN112329322A (zh) 基于卷积神经网络的热喷涂方法及装置
Kolemen et al. Plasma modelling results and shape control improvements for NSTX
CN100449437C (zh) 多焊接电源群控系统
Li et al. Welding process tracking control based on multiple model iterative learning control
CN110866359A (zh) 一种基于修正双椭球热源模型的焊接模拟方法
CN116467806A (zh) 对接环形焊缝焊接数值计算方法及系统
CN104475925B (zh) 姿控发动机氩弧焊焊接电流智能控制方法
Mu et al. MIMO model predictive control of bead geometry in wire arc additive manufacturing
Uematsu et al. Model-error feedback for time-delay systems with communication disturbance observer
Wei et al. Analysis and design of DC-DC buck converter with nonlinear adaptive control
Tzafestas et al. Regulation of GMA welding thermal characteristics via a hierarchical MIMO predictive control scheme assuring stability

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant