CN110883403B - 一种用于电弧增材制造的焊道建模方法、设备及系统 - Google Patents

Abstract

本发明属于电弧送丝増材制造领域，公开了一种用于电弧增材制造的焊道建模方法、设备及系统。该方法采用动态参数法，在一次电弧增材制造过程中、同一条焊道内采用不同的焊接工艺参数，从而得到一条形貌随焊接工艺参数的动态变化而同步动态变化的焊道；使用线激光传感器扫描获得加工后的焊道分段形貌，并将每一段焊道形貌与该段焊接工艺参数一一对应，作为训练数据，对神经网络进行训练，从而得到能够根据输入的焊接工艺参数获得相应焊道形貌的焊道建模模型。本发明能够通过一次加工实验获得多组实验数据，在减少实验次数与实验成本的情况下提供足够的训练数据，同时解决传统正交实验法和相应曲面法需要复杂的回归方程选择和参数优化的技术问题。

Description

一种用于电弧增材制造的焊道建模方法、设备及系统

技术领域

本发明属于电弧增材制造领域，涉及一种用于电弧增材制造的焊道建模方法、设备及系统，更具体地，是一种新型的焊道形貌建模的方法，提出一种动态参数法并用其设计实验及进行焊道建模。

背景技术

电弧增材制造技术(Wire-Arc Additive Manufacture，WAAM)是以熔化极惰性气体保护焊接(MIG)、钨极惰性气体保护焊接(TIG)以及等离子体焊接电源(PA)等焊机产生的电弧为热源，通过金属丝材的添加，在程序的控制下，按设定成形路径在基板上堆积层片，层层堆敷直至金属零件近净成形。目前，常规的电弧增材制造焊道模型的建立主要使用的是正交实验法和响应曲面法。

正交实验法即通过设计正交实验来研究输入参数与输出参数之间的变化关系。这种建模方法实验次数多，并且实验方法不当容易出现错误的参数，同时为了得到最优参数，通常需要多次实验不断缩小参数范围，以达到最优参数。这种实验方法通常不能得到输入参数与输出参数之间的数学关系，只能进行参数最优趋势研究。

另外一种使用比较多的方法为响应曲面法，通过构建输入参数与输出参数之间的关系模型，用回归方程得到输入与输出之间的关系表达式。这种建模方法虽然比正交实验法科学可靠，但实验数量增大，同时由于其参数较少，实验的不稳定或者误差容易导致参数误差较大。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种用于电弧增材制造的焊道建模方法、设备及系统，其目的在于，利用深度学习模型表示成形工艺参数和焊道形状之间的关系，同时在离线训练过程中采用动态参数法，实现在同一条焊道中采用不同的焊接参数，从而能够通过一次加工实验获得多组实验数据，避免每组实验数据均需要设计一组实验，在减少实验次数与实验成本的情况下为神经网络训练建模提供足够的训练数据，同时解决传统正交实验法和相应曲面法需要复杂的回归方程选择和参数优化的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种用于电弧增材制造的焊道建模方法，包括离线训练阶段和在线建模阶段；

所述离线训练阶段包括如下步骤：

步骤1：动态加工及数据采集

采用动态参数法，在一次电弧增材制造过程中、同一条焊道内采用不同的焊接工艺参数，从而得到一条形貌随焊接工艺参数的动态变化而同步动态变化的焊道；所述焊接工艺参数包括焊道温度、焊接电流、焊接电压、送丝速度和行走速度；焊接过程中通过红外热像仪实时采集焊道温度；

使用线激光传感器扫描获得使用动态参数法得到的焊道分段形貌，并将每一段焊道形貌与该段焊接工艺参数一一对应，作为训练数据；所述焊道形貌包括焊道高度和焊道宽度；

步骤2：模型训练

将焊接工艺参数作为神经网络的输入，将输入的焊接工艺参数对应的焊道形貌作为神经网络的输出，对神经网络进行训练，从而得到能够根据输入的焊接工艺参数获得相应焊道形貌的焊道建模模型；

所述在线建模阶段包括如下步骤：

步骤3：在电弧增材制造过程中实时采集焊接工艺参数，将采集的焊接工艺参数输入步骤2离线训练得到的焊道建模模型中，获得焊道形貌。

进一步地，步骤1中，略过焊缝的起弧头部和熄弧尾部的焊接工艺参数和焊道形貌，只采集起弧头部和熄弧尾部之间一段焊道的焊接工艺参数和焊道形貌作为步骤2中模型训练的有效数据。

进一步地，步骤1中，起弧头部和熄弧尾部之间一段焊道的范围内，焊接工艺参数从弧起点到弧终点，分段进行动态变化，从而通过一次焊接试验获得大量有效的训练数据。

进一步地，步骤1中，焊接电压由焊机根据焊接电流自动调节，温度也在焊接过程中随焊接电流的变化而被动地改变；行进速度、送丝速度和焊接电流三个参数按照预设方式动态地主动改变。

为实现上述目的，按照本发明的另一个方面，提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如前任一项所述的方法。

为实现上述目的，按照本发明的另一个方面，提供了一种用于电弧增材制造的焊道建模的设备，包括前所述的计算机可读存储介质以及处理器，处理器用于调用和处理计算机可读存储介质中存储的计算机程序。

为实现上述目的，按照本发明的另一个方面，提供了一种用于电弧增材制造的焊道建模的系统，包括红外热像仪、霍尔传感器、数控机床、焊机、电流传感器、焊机控制板、线激光传感器以及如前所述的设备；

所述红外热像仪用于采集焊道的温度，所述霍尔传感器用于采集焊接电压，所述数控机床用于控制所述焊机的行走速度，所述电流传感器用于采集焊接电流，所述焊机控制板用于控制焊机的送丝速度，所述线激光传感器用于扫描焊道获得焊道形貌。

总体而言，本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

(1)本发明通过使用神经网络建立焊道输入参数与输出参数之间的焊道建模模型，可以避免传统正交实验法和相应曲面法复杂的回归方程选择和参数优化，同时，神经网络在后期不断的实验及实际建模操作中，均可以持续不断地对当前模型进行训练与优化，得到一个较好的深度学习网络。

(2)由于传统的神经网络训练需要大量的样本数据，而大量进行电弧增材制造实验无论是时间成本还是材料成本都是较大的支出，本发明创新地提出了动态参数实验法来设计焊道数据采集的实验过程，通过分段动态改变加工参数，只通过几组参数实验，即可以得到焊道形貌输入参数与输出参数的大量数据，避免每组实验参数均需要设计一组实验，减少实验次数与实验成本，极大的缩短了焊道模型建立的时间与门槛。

附图说明

图1是本发明优选实施例的整体流程及系统框架示意图；

图2是本发明优选实施例使用的卷积神经网络模型结构图；

图3是本发明优选实施例的焊接方向及焊接有效数据区域；

图4是本发明优选实施例的动态参数法的实验设计思路图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明提出一种新的焊道形貌建模的方法，其中建模采用基于神经网络的深度学习模型，深度学习模型已被证实是建立复杂关系的有效工具，无需在多个输入和输出之间进行任何假设，尤其是对于非线性系统。在本发明中，深度学习模型用于表示成形工艺参数和焊道形状之间的关系。本发明在实验设计中采用动态参数法，利用数控机床与焊机，实现在同一条焊道中采用不同的焊接参数，避免每组实验参数均需要设计一组实验，减少实验次数与实验成本，为神经网络建模提供足够的训练数据。

请参照图1，本发明所优选的实验系统和建模系统，包括红外热像仪、霍尔传感器、数控机床、焊机、电流传感器、焊机控制板以及线激光扫描。所述红外热像仪用于采集焊道的温度，所述霍尔传感器用于采集焊接电压，所述数控机床用于控制所述焊机的行走速度，所述电流传感器用于采集焊接电流，所述焊机控制板用于控制焊机的送丝速度，所述线激光传感器用于扫描焊道获得焊道形貌。

其焊缝形貌模型训练及建模，可以基于计算机调用卷积神经网络程序进行训练来实现，具体地，包括离线训练阶段和在线建模阶段；

所述离线训练阶段包括如下步骤：

步骤1：动态加工及数据采集

采用动态参数法，在一次电弧增材制造过程中、同一条焊道内采用不同的焊接工艺参数，从而得到一条形貌随焊接工艺参数的动态变化而同步动态变化的焊道；所述焊接工艺参数包括焊道温度、焊接电流、焊接电压、送丝速度和行走速度；焊接过程中通过红外热像仪实时采集焊道温度；

使用线激光传感器扫描获得使用动态参数法得到的焊道分段形貌，并将每一段焊道形貌与该段焊接工艺参数一一对应，作为训练数据；所述焊道形貌包括焊道高度和焊道宽度；

步骤2：模型训练

将焊接工艺参数作为神经网络的输入，将输入的焊接工艺参数对应的焊道形貌作为神经网络的输出，对神经网络进行训练，从而得到能够根据输入的焊接工艺参数获得相应焊道形貌的焊道建模模型；

所述在线建模阶段包括如下步骤：

步骤3：在电弧增材制造过程中实时采集焊接工艺参数，将采集的焊接工艺参数输入步骤2离线训练得到的焊道建模模型中，获得焊道形貌。

优选地，步骤1中，略过焊缝的起弧头部和熄弧尾部的焊接工艺参数和焊道形貌，只采集起弧头部和熄弧尾部之间一段焊道的焊接工艺参数和焊道形貌作为步骤2中模型训练的有效数据。

优选地，步骤1中，起弧头部和熄弧尾部之间一段焊道的范围内，焊接工艺参数从弧起点到弧终点，分段进行动态变化，从而通过一次焊接试验获得大量有效的训练数据。

优选地，步骤1中，焊接电压由焊机根据焊接电流自动调节，温度也在焊接过程中随焊接电流的变化而被动地改变；行进速度、送丝速度和焊接电流三个参数按照预设方式动态地主动改变。

下面以一个更为具体的案例对本发明的建模方法进行详细介绍：

如图2所示，在本发明中建模方法采用深度学习模型，深度学习模型用于表示成形工艺参数和焊道形状之间的关系。深度学习模型优选为卷积神经网络，由输入层，三个隐藏层和输出层组成。神经元在层之间完全连接，并且在输入参数和响应参数之间进行非线性映射。其中成形工艺参数为温度、电流、电压、送丝速度和行走速度，对焊道形状的描述则用的是焊道的宽度和高度。然后需要为深度学习模型挑选训练数据。

在WAAM的沉积过程中，电弧起始点和电弧终点的焊缝几何形状通常是不稳定的。为了避免焊缝两端的异常区域，本实施例在焊缝上增加了两端20mm的间隔。只有焊缝的中间区域(100mm)对数据采集有效，如图3所示。本实施例中整个路径的长度为140mm，仅使用100mm来保证采集的数据的可靠性。

使用本发明所提出的动态参数实验(DPE)方法充分利用该100mm长度，WAAM的成形参数从弧起点到弧终点分段动态变化。成形参数的变化会导致焊缝宽度和高度的变化，之后通过使用线激光传感器测量焊道成形后的几何形状信息，从而使输入数据(焊接参数)和响应数据(焊道形貌)可以逐个匹配，以这种方式就可以获得大量的深度学习模型的训练数据。

在本实施例中，为确保焊接的稳定，通过焊机根据焊接电流自行调整参数修改焊接电压，同样的温度也在焊接过程中被动地改变着。因此只有行进速度(S，mm/min)、送丝速度(F，m/min)、焊接电流(C，A)三个参数以动态方式主动改变，如图4所示。

上述系统及实验方法的操作流程如下：

步骤1：建立数控机床与焊机之间的通信，以保证能通过数控代码改变焊机的工艺参数，且易于直接根据数控代码获得焊机的行进速度；

步骤2：根据图4，采用动态参数法设计实验，在同一条焊道里，向前行走的过程中不断的改变焊接工艺参数，并将其写成数控代码；

步骤3：使用步骤2中的变参数数控代码进行实验，在实验过程中使用霍尔电压传感器、霍尔电流传感器、焊机控制板分别采集电压、电流、送丝速度，以及红外热像仪采集焊道温度，然后通过高速采集卡将数据反馈给计算机；此过程中只采集图3有效数据区域内的数据；

步骤4：在每次焊道实验完成后，使用图中的线激光传感器对完成的焊道进行形貌扫描并提取各部分的焊道宽度与焊道高度，然后根据图1，将各段焊道的高度、宽度与对应段的工艺参数一一对应，组成训练数据；

步骤5：利用训练数据对图2中的卷积神经网络进行训练得到焊缝建模模型；

步骤6：对于实际的加工过程，按照步骤3采集焊接参数，输入步骤5训练好的焊缝建模模型中，对焊缝进行建模。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种用于电弧增材制造的焊道建模方法，其特征在于，包括离线训练阶段和在线建模阶段；

所述离线训练阶段包括如下步骤：

步骤1：动态加工及数据采集

采用动态参数法，在一次电弧增材制造过程中、同一条焊道内采用不同的焊接工艺参数，从而得到一条形貌随焊接工艺参数的动态变化而同步动态变化的焊道；所述焊接工艺参数包括焊道温度、焊接电流、焊接电压、送丝速度和行走速度；焊接过程中通过红外热像仪实时采集焊道温度；

使用线激光传感器扫描获得使用动态参数法得到的焊道分段形貌，并将每一段焊道形貌与该段焊接工艺参数一一对应，作为训练数据；所述焊道形貌包括焊道高度和焊道宽度；

步骤2：模型训练

将焊接工艺参数作为神经网络的输入，将输入的焊接工艺参数对应的焊道形貌作为神经网络的输出，对神经网络进行训练，从而得到能够根据输入的焊接工艺参数获得相应焊道形貌的焊道建模模型；

所述在线建模阶段包括如下步骤：

步骤3：在电弧增材制造过程中实时采集焊接工艺参数，将采集的焊接工艺参数输入步骤2离线训练得到的焊道建模模型中，获得焊道形貌。

2.如权利要求1所述的一种用于电弧增材制造的焊道建模方法，其特征在于，步骤1中，略过焊缝的起弧头部和熄弧尾部的焊接工艺参数和焊道形貌，只采集起弧头部和熄弧尾部之间一段焊道的焊接工艺参数和焊道形貌作为步骤2中模型训练的有效数据。

3.如权利要求2所述的一种用于电弧增材制造的焊道建模方法，其特征在于，步骤1中，起弧头部和熄弧尾部之间一段焊道的范围内，焊接工艺参数从弧起点到弧终点，分段进行动态变化，从而通过一次焊接试验获得大量有效的训练数据。

4.如权利要求1～3任意一项所述的一种用于电弧增材制造的焊道建模方法，其特征在于，步骤1中，焊接电压由焊机根据焊接电流自动调节，温度也在焊接过程中随焊接电流的变化而被动地改变；行走速度、送丝速度和焊接电流三个参数按照预设方式动态地主动改变。

5.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求1～4任一项所述的方法。

6.一种用于电弧增材制造的焊道建模的设备，其特征在于，包括如权利要求5所述的计算机可读存储介质以及处理器，处理器用于调用和处理计算机可读存储介质中存储的计算机程序。

7.一种用于电弧增材制造的焊道建模的系统，其特征在于，包括红外热像仪、霍尔传感器、数控机床、焊机、电流传感器、焊机控制板、线激光传感器以及如权利要求6所述的设备；

所述红外热像仪用于采集焊道的温度，所述霍尔传感器用于采集焊接电压，所述数控机床用于控制所述焊机的行走速度，所述电流传感器用于采集焊接电流，所述焊机控制板用于控制焊机的送丝速度，所述线激光传感器用于扫描焊道获得焊道形貌。

Images