CN112518082A - 一种基于多传感信息的机器人热丝tig增材质量监控系统 - Google Patents
一种基于多传感信息的机器人热丝tig增材质量监控系统 Download PDFInfo
- Publication number
- CN112518082A CN112518082A CN202011422955.8A CN202011422955A CN112518082A CN 112518082 A CN112518082 A CN 112518082A CN 202011422955 A CN202011422955 A CN 202011422955A CN 112518082 A CN112518082 A CN 112518082A
- Authority
- CN
- China
- Prior art keywords
- module
- welding
- robot
- hot wire
- accumulation
- 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.)
- Pending
Links
- 239000000463 material Substances 0.000 title claims abstract description 54
- 230000001953 sensory effect Effects 0.000 title claims description 5
- 238000003466 welding Methods 0.000 claims abstract description 147
- 238000009825 accumulation Methods 0.000 claims abstract description 109
- 239000000654 additive Substances 0.000 claims abstract description 34
- 230000000996 additive effect Effects 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 230000000007 visual effect Effects 0.000 claims abstract description 26
- 238000010891 electric arc Methods 0.000 claims abstract description 21
- 238000001816 cooling Methods 0.000 claims abstract description 20
- 238000004519 manufacturing process Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 51
- 230000008569 process Effects 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 21
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 18
- 230000001681 protective effect Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 11
- 230000033001 locomotion Effects 0.000 claims description 10
- 239000011324 bead Substances 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 239000000758 substrate Substances 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 229910052802 copper Inorganic materials 0.000 claims description 6
- 239000010949 copper Substances 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 230000003647 oxidation Effects 0.000 claims description 6
- 238000007254 oxidation reaction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010146 3D printing Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000002844 melting Methods 0.000 claims description 4
- 230000008018 melting Effects 0.000 claims description 4
- 229910052751 metal Inorganic materials 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 4
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000002955 isolation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 239000007769 metal material Substances 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 239000010410 layer Substances 0.000 description 83
- 239000007789 gas Substances 0.000 description 47
- 230000008021 deposition Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 4
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 4
- 239000010937 tungsten Substances 0.000 description 4
- 229910052721 tungsten Inorganic materials 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000017525 heat dissipation Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000009123 feedback regulation Effects 0.000 description 2
- 239000011229 interlayer Substances 0.000 description 2
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000007711 solidification Methods 0.000 description 2
- 230000008023 solidification Effects 0.000 description 2
- 238000010301 surface-oxidation reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- 239000010953 base metal Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011247 coating layer Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000002305 electric material Substances 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000003303 reheating Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
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
- B23K9/12—Automatic feeding or moving of electrodes or work for spot or seam welding or cutting
- B23K9/124—Circuits or methods for feeding welding wire
- B23K9/125—Feeding of electrodes
-
- 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
- B23K9/32—Accessories
- B23K9/325—Devices for supplying or evacuating shielding gas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mechanical Engineering (AREA)
- Plasma & Fusion (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Robotics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Arc Welding In General (AREA)
- Manipulator (AREA)
Abstract
本发明涉及机器人电弧增材制造领域,公开了一种基于多传感信息的机器人热丝TIG增材质量监控系统,组成包括:焊接机器人及其控制柜模块、焊机模块、送丝模块、热丝模块、视觉信息传感模块、红外信息传感模块、焊接控制模块、气体保护和冷却模块。通过搭建一套基于多传感信息的机器人热丝TIG增材质量监控系统,解决了传统基于TIG电弧增材堆积速度慢、堆积效率低的问题;为系统引入视觉信息传感模块、红外信息传感模块和焊接控制模块,提高了增材堆积层尺寸精度和堆积层质量;为机器人焊枪增装气体保护和冷却模块,保证了高层堆积下堆积层具备良好气体保护,解决了高堆积层氧化严重的问题,进一步提高了增材质量。
Description
技术领域
本发明涉及机器人电弧增材制造技术领域,更具体地说,它涉及一种基于多传感信息的机器人热丝TIG增材质量监控系统。
背景技术
丝材电弧增材制造技术具有成形速度快、沉积率高、材料制备简单且利用率高、成本较低等优势,十分适合大尺寸复杂构件的高效快速成形。总的来看,电弧增材制造按不同的电弧来源分类主要包括基于TIG、MIG/MAG、PA(等离子体)几种,基于TIG焊的电弧增材制造具有电弧燃烧稳定、无飞溅、成形件外表美观等优点,研究较为广泛,但基于传统TIG焊的电弧增材制造有着堆积速度慢、堆积效率较低的问题。
此外,不同于激光电子束等低热输入增材制造技术,电弧增材制造由于基于焊接电弧供能,其热输入较大,前一堆积层对后一堆积层具有预热作用,而后一堆积层对前一次层又有重热作用,所以逐层大热输入堆积过程也是一个伴随热积累的逐步增加的过程,这种大的热积累会带来两个需要解决的问题:一是热积累会造成多层堆积下每一堆积层的温度场分布、熔池形态、散热条件等都不一致,外加上喷嘴高度、保护气流量等干扰因素的影响,即使有事先的分层切片与路径规划,逐层堆积下熔敷层堆积的稳定性如何保证仍然是个重要问题(不稳定的堆积会导致堆积层质量和尺寸精度的不稳定);二是它会延缓熔池的凝固过程,这种延缓作用在高堆积层愈发明显,从而会导致原有的气体保护达不到效果,会造成堆积层的高度氧化,最终导致堆积层成型形貌和质量不佳。
发明内容
为了解决上述三个问题,本发明提供了一种基于多传感信息的机器人热丝TIG增材质量监控系统,本发明技术方法侧重以下三点:1、为传统TIG增材制造过程引入热丝模块,搭建了一套基于热丝TIG的机器人电弧增材制造系统;2、为增材过程引入视觉信息传感及红外温度场信息传感两种信息传感手段,搭建了具备多信息传感功能的增材制造质量监控系统;3、为机器人焊枪设计增装了带铜网的气体保护拖罩,为增材过程提供了不同于普通焊接或低层堆焊的更优的气体保护和冷却效果,解决了增材过程中高堆积层表面氧化严重和冷却问题。
本发明的上述发明目的是通过以下技术方案得以实现的:
一种基于多传感信息的机器人热丝TIG增材质量监控系统,包括:
焊接机器人及其控制柜模块,由机器人本体和机器人控制柜组成,所述机器人本体为系统的执行机构,所述机器人控制柜与所述机器人本体通过总线相连控制着所述机器人本体在焊接或增材过程中的运动行为;
焊机模块,用于为焊接及增材堆积过程熔化金属材料提供电弧来源;
送丝模块,由与焊机配套的送丝机、送丝盘以及铜制送丝嘴组成,其中所述送丝机置于所述机器人本体上,其一端通过信号电缆连接焊机和所述送丝盘,另一端通过导管连接所述铜制送丝嘴,所述铜制送丝嘴通过可调节夹具夹持在焊枪上;
热丝模块,与焊接电源聚合为一体,系统中可单独调节热丝电源电流参数对焊丝进行提前加热,并可调节受热程度,为电弧增材制造系统所用丝材提供提前的受热输入;
视觉信息传感模块,基于主被动视觉传感器监控堆积层堆积过程;
红外信息传感模块,基于红外相机来监控堆积层堆积过程温度场,配合工控机对增材过程中各堆积层红外温度场信息进行图像采集;
焊接控制模块,基于对所述视觉信息传感模块和所述红外信息传感模块采集到的图像信息进行处理分析及工控机与焊机、工控机与机器人间的通讯实现,具体包括PLC控制器及电路隔离模块在内的部分的搭建;
气体保护和冷却模块,基于气体保护罩,保护高堆积层避免其被氧化。
其中,所述焊接机器人及其控制柜模块、所述焊机模块、所述送丝模块、所述热丝模块、所述视觉信息传感模块、所述红外信息传感模块、所述焊接控制模块、所述气体保护和冷却模块之间通过控制线或以太网进行连接通信。
进一步地,所述热丝模块,还包括:
所述热丝模块聚合在焊机之中,焊机面板上留有热丝电源正负极接口,热丝电源正极接口应当引线接至所述铜制送丝嘴上,将负极接口接至待焊工件或堆积基板上,形成的热丝电源回路可在焊接或增材过程中提前预热焊丝,可减少电弧热在熔化焊丝上的损耗,提升传统TIG增材制造的堆积速度和堆积效率。
进一步地,所述视觉信息传感模块,还包括:
配合熔池图像处理算法及三维点云重建算法具备用于增材堆积层质量监控的两部分功能:
一是可实时获取堆积过程中各堆积层成形过程中的熔池图像,进行图像处理获取熔池特征参数,实现熔池监控;
二是可获取并处理分析堆积层三维点云数据,实现堆积层尺寸的实时测量。
进一步地,所述主被动视觉传感器,聚合了主动视觉传感器及被动视觉传感器的优势,由CCD相机、CMOS相机、光学镜头、一字线型激光器、减光滤光片、电源模块及3D打印外壳体构成。
进一步地,所述熔池监控,通过所述CMOS相机采集堆积层堆积过程中熔池图像进行;
采集到的熔池图像一方面实时显示在工控机相机采集软件上,支持随时对熔池状态进行在线监测,实现堆积过程的可视化;另一方面,工控机对熔池图像进行图像处理操作,即通过设定包括ROI、二值化、形态学操作、边缘处理及提取在内的手段,得到熔池轮廓,进而结合标定矩阵关系得到表征熔池尺寸大小的特征参数。
进一步地,所述点云数据,通过对CCD相机采集到的激光扫描堆积层各帧条纹图像序列进行三维坐标信息重建得到,点云数据包括堆积层坐标信息和工作空间中其他物体及噪声信息,通过后续对点云数据进行背景减除、滤波和堆积层拟合,分割属于堆积层的点云数据信息;
得到堆积层三维点云数据后,对其进行二维截取得到反映层高的二维点云信息,之后对二维信息进行特征点寻获与提取,得到反映层高的上下特征点,最后通过特征点得到具体的层高大小。
进一步地,所述气体保护和冷却模块,还包括:
所述气体保护罩,为金属钢材质,使用时下沿附有防火耐热橡胶,所述气体保护罩上表面中心处有进气口用于保护气体输入,所述气体保护罩内加有铜网均匀布散保护气至堆积焊道上,所述气体保护罩独立供保护气保护和冷却后方堆积焊道。
与现有技术相比,本发明的有益效果为:
搭建了一套基于多传感信息的机器人热丝TIG增材质量监控系统,采用热丝TIG电增材替代传统TIG增材可进一步提升电弧增材效率;多信息传感手段的加入可实现增材制造形过程监测和增材工艺参数的反馈控制,提升电弧增材零件尺寸精度和成形质量,提升增材过程智能化水平;焊枪上增装的气体保护拖罩可强化气保效果,解决高层堆积下堆积层表面氧化严重的问题。
附图说明
图1为本发明的整体系统示意图;
图2为本发明的整体系统实物图;
图3为本发明视觉信息传感模块采集到的堆积过程中熔池图像实例;
图4为熔池图像处理与特征参数提取流程图;
图5为三维点云数据获取与分析流程图;
图6为本发明红外信息传感模块采集到的堆积过程中红外图像实例;
图7为多信息传感增材过程反馈控制示意图;
图8为本发明中气体保护拖罩立体示意图;
图9为本机器人焊枪与气体保护拖罩装配示意图。
附图标记
1、焊枪夹具;2、气体保护拖罩本体;3、散气铜网;4、拖罩进气口;5、机器人焊枪;6、拖罩本体。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
图1所示,为本发明设计搭建的一种基于多传感信息的机器人热丝TIG增材质量监控系统示意图,本系统采用焊接电源热丝电源一体化焊机,既可作为增材过程中弧焊热源熔化焊丝和基板母材,也可提前加热焊丝,使焊丝在进入熔池之前即为受热状态,达到热丝效果;焊机与机器人控制柜通过信号线相连,可以实现实现焊机与机器人间的通信,如焊机可接收焊机机器人起弧、熄弧、送丝、退丝等信号;焊机接有保护氩气瓶为堆积过程提供气体保护,避免堆积层的氧化;母材基板置于变位机上,焊接机器人夹持焊枪在基板上完成堆积增材过程,变位机与机器人可各自独立运动也可协调运动,两者搭配提供增材过程中的运动自由度;机器人控制柜内装有机器人控制模块及变位机控制模块,用于控制焊接机器人和变位机的运动行为;本系统为了实现对增材制造零件质量的在线监控,为系统搭建了视觉信息传感模块和红外温度场信息模块,所采集到的视觉图像及温度场图像可以通过图像采集模块传送到工控机进行处理与分析,得到堆积层尺寸、温度场分布等信息用于在线监控;工控机经由A/D模块与焊机相连,可以实现对增材过程中堆积工艺参数的采集与反馈调控,工控机与机器人控制柜相连,可以实现对机器人运动参数(如焊接速度)等的反馈控制。
图2为搭建的基于多传感信息的机器人热丝TIG增材质量监控系统实物连接图。本系统采用的焊接机器人型号为MotomanUP20型六轴机器人,在机器人第六轴上固定着TBIAT420型TIG水冷焊枪用于实际增材,焊枪前端可按需连接不同直径钨极;机器人控制柜为YASNACXRCUP20型控制柜,可接收用户输出指令,依据指令控制机器人本体及配套变位机的多自由度运动,示教编程器连于控制柜上用于用户编辑程序指令;焊接电源、热丝电源以及送丝机采用的是一体式的WSM-400RHW机器人专用热丝TIG焊机系统,焊接电源、热丝电源分别是电弧和提前加热焊丝的能量来源,送丝机连有送丝盘向堆积熔池连续送丝;视觉传感器采用的是实验室自研的主被动视觉传感器,由一CCD相机、一CMOS相机、光学镜头、一字线型激光器、减光滤光片、电源模块及3D打印外壳体等构成,内部精心设计了固定结构和散热结构并实现了小型化和轻型化,视觉传感器通过夹具夹持在焊枪上;红外信息传感模块基于NIPPONAVIONICS的R500EX-Pro型红外相机来进行搭建;视觉图像与红外相机温度场图像可通过图像采集卡传送到工控机中以待进一步处理分析;工控机与信息传感模块(视觉传感器和红外相机)、焊接机器人、焊接电源三者相连,主要有提供人机交互界面、采集视觉及温度场图像信息、采集焊接工艺参数信息、采集机器人运动参数信息、进行图像处理与分析、反馈调节机器人与焊机相关参数等作用。本系统各部分之间的通信连接方式也示于了图中。
图3为本系统视觉传感器采集到的增材堆积过程中熔池图像实例,从熔池图像中可清晰辨识出熔池、基板、喷嘴、焊道、电弧等区域,后续熔池图像处理算法可将熔池区域单独分割并提取出来。
图4列出了本系统搭配视觉传感器设计、采用的熔池图像处理算法流程。视觉传感器CMOS相机采集到堆积过程中的熔池图像并通过以太网传输到工控机中,工控机负责对熔池图像作处理分析,主要流程为:(1)去除无关部分,提取出感兴趣区域(ROI,即图像中熔池区域);(2)熔池图像在采样传输过程中会受到电流变换、磁场干扰、信道干扰、工件反光等因素影响,图像中会不可避免存在噪声,在更好进行后续熔池边缘提取,进行滤波去噪操作去除噪点;(3)滤波操作会导致熔池边缘与图像背景对比度降低,此步进行图像增强,突出熔池边缘;(4)采用边缘检测算法(Canny算子等)提取熔池边缘;(5)进行膨胀操作,连接边缘断线;(6)基于边缘点子集,对熔池边缘进行二次曲线拟合,得到误差最小拟合曲线;(7)计算反映熔池尺寸的熔宽、熔池半长、熔池后拖角、熔池后部面积等特征参数值。
图5列出了本系统搭配视觉传感器设计、采用的三维点云数据获取与分析算法流程。视觉传感器CCD相机采集到堆积过程中的堆积层激光条纹图像并通过以太网传输到工控机中,工控机负责对激光图像作点云数据获取与分析,主要流程为:(1)对采集到激光条纹图像进行降采样,消除过于稠密的连续像素点,减轻后续三维重建数据负担;(2)将降采样后得到的二维像素点经标定矩阵转换为相机坐标系下的三维坐标点,之后基于相机坐标与机器人坐标关系,再将相机坐标点转换为实际空间三维坐标点,连续帧图像经过上述类似变换可以最终构建出堆积层的三维空间点云信息;(3)对构建的点云数据中含有的背景点云数据及无关物体点云数据进行减除,得到工件点云数据;(4)对堆积层点云数据进行进一步拟合,消除噪点,得到优化后的堆积层点云数据信息;(5)对三维点云进行二维平面截取,得到相应截平面二维点云数据组合;(6)寻找二维平面点云平均边界点作为堆积层尺寸计算特征点;(7)基于边界特征点,进行堆积层尺寸的计算(如层高等),得到相应尺寸值。
图6为本系统红外相机采集到的增材堆积过程中堆积层红外图像实例,熔池、焊道、基板、喷嘴、送丝嘴等有着不同的温度场分布,可清晰地从红外温度场图像中进行分辨。
图7为本系统实现增材质量监控的原理示意图。电弧增材制造过程主要包括三维CAD模型建立、三维分层切片、路径规划、工艺参数设定、机器码生成并传送到工控机、机器人逐层堆积、后机械加工等步骤,但实际堆积过程中由于各层熔敷层温度场分布、熔池形态、散热条件等不一致,以及喷嘴高度、层间温度和保护气流量等干扰因素影响,即使事先进行了分层切片与路径规划,堆积层成形尺寸与质量稳定性仍然都会受影响,为提高堆积层尺寸精度与成形质量,对堆积层的成形尺寸进行在线监测和控制十分必要。本系统基于视觉信息与红外温度场信息对堆积层成形过程进行实时监测,工控机对获取到的图像进行处理分析,基于并于事先规划的堆积层尺寸信息,通过控制器反馈控制焊机及机器人,调节相应堆积工艺参数(堆积电流、脉冲频率、堆积速度、送丝速度等),实现堆积层的精确成形,可大大提高增材质量。
图8为基于多层堆积下堆积层热积累严重易氧化的问题本发明中增添的夹持在机器人焊枪上的气体保护拖罩三维示意图。其中,夹具1内径与焊枪匹配,可将拖罩夹持在焊枪后方;进气口4接保护气瓶软管,将保护器通入拖罩本体中,为后方待凝固堆积层进行独立气体保护和冷却;3为拖罩底部的铜制网,它可避免保护气体的湍流现象,保持保护气散布到堆积层的均匀性,提升保护和冷却效果。
图9为本系统中机器人焊枪与气体保护拖罩装接三维示意图,拖罩装接在焊枪的后方。
第一实施例
本实施例提供了一种基于多传感信息的机器人热丝TIG增材质量监控系统,包括:
焊接机器人及其控制柜模块,由机器人本体和机器人控制柜组成,所述机器人本体为系统的执行机构,所述机器人控制柜与所述机器人本体通过总线相连控制着所述机器人本体在焊接或增材过程中的运动行为。
所述的焊接机器人本体采用的是MOTOMANUP-20型六轴机器人,支持示教和再现双模式,可在示教模式下对焊接成形路径进行设置,之后在再现模式进行实际焊接再现,利用机器人自带的平移等功能可以减轻示教负担,实现简单的多层堆积。在机器人本体第六轴上固定着TBIAT420型TIG水冷焊枪,在交流状态下其最大工作电流为400A,直流状态下其最大工作电流为500A,焊枪前端可根据实际堆积过程中不同焊接工艺参数方案连接不同直径(1.6~6.4mm)的钨极。
所述的机器人控制柜为YASNACXRCUP20型控制柜,用于接收用户输出指令,依据指令控制机器人本体及配套变位机的多自由度运动。控制柜接受的用户指令可来源于连于其上的示教编程器也可来源于系统中的工控机。在示教编程器上可进行机器人运动程序编写,控制柜接收到程序指令后控制机器人按指令指示运动。工控机也可与控制柜通讯向控制柜发出用户指令(如改变焊接速度等),达到控制机器人焊接行为的目的。
焊机模块,用于为焊接及增材堆积过程熔化金属材料提供电弧来源,稳定的电弧来源是保证增材质量的先决条件。本系统采用的是焊接电源、热丝电源聚合的一体式的WSM-400RHW机器人专用热丝TIG焊机系统。
所述的焊机留有焊接电源正负极接口,可将焊接电源正极接口引电源线接至焊枪钨极上,将负极接口引线接至待焊工件或堆积基板上,形成的焊接电源回路可支撑钨极起弧和提供后续焊接的热输入。
所述的焊机与上述焊接机器人之间的通讯方式为I/O通讯,焊机与机器人控制柜的I/O基板通过信号线相连,可实现焊机与机器人间的通信(如焊机可接收焊机机器人起弧、熄弧、送丝、退丝等信号)。焊机控制面板使用简单,可按需要便捷调节焊接电源、热丝电源、送丝机的各类工艺参数。
送丝模块,由与WSM-400RHW焊机配套的送丝机、送丝盘以及铜制送丝嘴组成,其中所述送丝机置于所述机器人本体上,其一端通过信号电缆连接焊机和所述送丝盘,另一端通过导管连接所述铜制送丝嘴,所述铜制送丝嘴通过可调节夹具夹持在焊枪上。送丝机可接收焊机的送丝速度信号,以焊机设定的送丝速度从送丝盘拉取焊丝连续送入送丝嘴最后送人熔池中。
热丝模块,与焊接电源聚合为一体,系统中可单独调节热丝电源电流参数对焊丝进行提前加热,并可调节受热程度,为电弧增材制造系统所用丝材提供提前的受热输入。
进一步地,所述热丝模块聚合在WSM-400RHW焊机之中,焊机面板上留有热丝电源正负极接口,热丝电源正极接口应当引线接至所述铜制送丝嘴上,将负极接口接至待焊工件或堆积基板上,形成的热丝电源回路可在焊接或增材过程中提前预热焊丝,可减少电弧热在熔化焊丝上的损耗,提升传统TIG增材制造的堆积速度和堆积效率。
视觉信息传感模块,基于主被动视觉传感器监控堆积层堆积过程。
进一步地,视觉信息传感模块,还包括:
配合熔池图像处理算法及三维点云重建算法具备用于增材堆积层质量监控的两部分功能:一是可实时获取堆积过程中各堆积层成形过程中的熔池图像,进行图像处理获取熔池特征参数,实现熔池监控;二是可获取并处理分析堆积层三维点云数据,实现堆积层尺寸的实时测量。工控机可对视觉传感器获取到的熔池图像及点云数据进行进一步处理,得到表征熔池形态的特征参数(熔池宽度、熔池长度、熔池后拖角等)及堆积层层高,并以此反馈调节焊机及机器人相关堆积工艺参数(堆积电流、堆积速度、送丝速度等),实现堆积层堆积尺寸及堆积过程稳定性的反馈控制。
其中,所述的主被动视觉传感器聚合了主动视觉传感器及被动视觉传感器的优势,由CCD相机、CMOS相机、光学镜头、一字线型激光器、减光滤光片、电源模块及3D打印外壳体构成。高动态范围、高帧率的CMOS相机用于堆积过程中熔池监控及熔池图像采集,成像质量高、具备较强抗干扰能力的CCD相机用于采集激光条纹图像及激光点云数据。两个相机和激光器通过插头与电源模块相连,由其进行供电。电源模块内含继电器与工控机相连,在工控机上可通过控制继电器实现对摄像机及激光器启闭的控制。摄像机通过以太网与工控机相连,增材过程中采集到的图像数据由此传输到工控机。视觉传感器通过夹具夹持在机器人焊枪上。
所述的熔池监控是通过CMOS相机采集堆积层堆积过程中熔池图像来进行的,采集到的熔池图像一方面可以实时显示在工控机相机采集软件上,支持我们随时对熔池状态进行在线监测,实现堆积过程的可视化;另一方面,工控机可对熔池图像进行进一步的图像处理操作,即通过设定ROI、二值化、形态学操作、边缘处理及提取等手段,最终得到熔池轮廓,再结合标定矩阵关系可得到表征熔池尺寸大小的特征参数,得到的熔池特征参数是熔池形态的准确表达,可支持对熔池形态的定量分析,进而分析各堆积层间熔合状态以及用于堆积过程堆积工艺参数的反馈调节与控制。
所述的点云数据是通过对CCD相机采集到的激光扫描堆积层各帧条纹图像序列进行三维坐标信息重建得到的,点云数据既包含堆积层坐标信息也包含工作空间中其他物体及噪声信息,通过后续对点云数据进行背景减除、滤波和堆积层拟合,可以分割属于堆积层的点云数据信息。得到堆积层三维点云数据后,可对其进行二维截取得到反映层高的二维点云信息,之后对二维信息进行特征点寻获与提取,可得到反映层高的上下特征点,最后便可通过特征点得到具体的层高大小。通过堆积层点云数据获得的层高大小是堆积层关键尺寸之一,同样可用于反馈调节焊机及机器人相关堆积工艺参数,实现多层堆积下堆积层尺寸的反馈控制。
上述熔池图像采集与显示、三维点云数据的提取与分析都集成在了所开发的软件模块之中,在软件上可便捷实现上述数据的获取,支撑后续的进一步分析。
红外信息传感模块,基于红外相机来监控堆积层堆积过程温度场,配合工控机对增材过程中各堆积层红外温度场信息进行图像采集;实现对焊道各区域温度信息的记录,对采集到的各层温度场信息进行分析处理也可帮助我们对堆积过程中熔池深度进行分析,进而分析各层的层间熔合状态。上述功能用于增材堆积层质量监控。
焊接控制模块,基于对所述视觉信息传感模块和所述红外信息传感模块采集到的图像信息进行处理分析及工控机与焊机、工控机与机器人间的通讯实现,具体包括PLC控制器及电路隔离模块在内的部分的搭建;上述的视觉信息传感和红外信息传感获得的堆积过程熔池和堆积层尺寸信息可通过该控制模块反馈控制焊机和机器人相关堆积工艺参数(焊机包括堆积电流、送丝速度、脉冲频率等,机器人主要包括堆积速度),实现对堆积过程的自动控制,提高增材堆积层成形质量。
气体保护和冷却模块,基于气体保护罩,保护高堆积层避免其被氧化。
进一步地,所述气体保护和冷却模块,还包括:
所述气体保护罩,为金属钢材质,使用时下沿附有防火耐热橡胶,所述气体保护罩上表面中心处有进气口用于保护气体输入,所述气体保护罩内加有铜网均匀布散保护气至堆积焊道上,所述气体保护罩独立供保护气保护和冷却后方堆积焊道。使用时,气体保护拖罩装夹在焊枪上,拖罩体置于焊枪后方,拖罩金属下表面离待堆积工件一定距离,拖罩下沿附有防火耐热橡胶,同时要保证防火耐热橡胶贴近工件以确保气护效果。增装的气体保护拖罩能够提供对后方凝固缓慢堆积区的独立气体保护和冷却,解决热丝TIG电弧增材过程中由大的热输入及热积累造成的高堆积层氧化严重、成型外观与成型质量不佳的问题,进一步提升增材堆积层质量。
其中,所述焊接机器人及其控制柜模块、所述焊机模块、所述送丝模块、所述热丝模块、所述视觉信息传感模块、所述红外信息传感模块、所述焊接控制模块、所述气体保护和冷却模块之间通过控制线或以太网进行连接通信。
一种计算机可读存储介质,计算机可读存储介质存储有计算机代码,当计算机代码被执行时,如上述方法被执行。本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
Claims (7)
1.一种基于多传感信息的机器人热丝TIG增材质量监控系统,其特征在于,包括:
焊接机器人及其控制柜模块,由机器人本体和机器人控制柜组成,所述机器人本体为系统的执行机构,所述机器人控制柜与所述机器人本体通过总线相连控制着所述机器人本体在焊接或增材过程中的运动行为;
焊机模块,用于为焊接及增材堆积过程熔化金属材料提供电弧来源;
送丝模块,由与焊机配套的送丝机、送丝盘以及铜制送丝嘴组成,其中所述送丝机置于所述机器人本体上,其一端通过信号电缆连接焊机和所述送丝盘,另一端通过导管连接所述铜制送丝嘴,所述铜制送丝嘴通过可调节夹具夹持在焊枪上;
热丝模块,与焊接电源聚合为一体,系统中可单独调节热丝电源电流参数对焊丝进行提前加热,并可调节受热程度,为电弧增材制造系统所用丝材提供提前的受热输入;
视觉信息传感模块,基于主被动视觉传感器监控堆积层堆积过程;
红外信息传感模块,基于红外相机来监控堆积层堆积过程温度场,配合工控机对增材过程中各堆积层红外温度场信息进行图像采集;
焊接控制模块,基于对所述视觉信息传感模块和所述红外信息传感模块采集到的图像信息进行处理分析及工控机与焊机、工控机与机器人间的通讯实现,具体包括PLC控制器及电路隔离模块在内的部分的搭建;
气体保护和冷却模块,基于气体保护罩,保护高堆积层避免其被氧化。
其中,所述焊接机器人及其控制柜模块、所述焊机模块、所述送丝模块、所述热丝模块、所述视觉信息传感模块、所述红外信息传感模块、所述焊接控制模块、所述气体保护和冷却模块之间通过控制线或以太网进行连接通信。
2.根据权利要求1所述的基于多传感信息的机器人热丝TIG增材质量监控系统,其特征在于,所述热丝模块,还包括:
所述热丝模块聚合在焊机之中,焊机面板上留有热丝电源正负极接口,热丝电源正极接口应当引线接至所述铜制送丝嘴上,将负极接口接至待焊工件或堆积基板上,形成的热丝电源回路可在焊接或增材过程中提前预热焊丝,可减少电弧热在熔化焊丝上的损耗,提升传统TIG增材制造的堆积速度和堆积效率。
3.根据权利要求1所述的基于多传感信息的机器人热丝TIG增材质量监控系统,其特征在于,所述视觉信息传感模块,还包括:
配合熔池图像处理算法及三维点云重建算法具备用于增材堆积层质量监控的两部分功能:
一是可实时获取堆积过程中各堆积层成形过程中的熔池图像,进行图像处理获取熔池特征参数,实现熔池监控;
二是可获取并处理分析堆积层三维点云数据,实现堆积层尺寸的实时测量。
4.根据权利要求3所述的基于多传感信息的机器人热丝TIG增材质量监控系统,其特征在于,还包括:
所述主被动视觉传感器,聚合了主动视觉传感器及被动视觉传感器的优势,由CCD相机、CMOS相机、光学镜头、一字线型激光器、减光滤光片、电源模块及3D打印外壳体构成。
5.根据权利要求4所述的基于多传感信息的机器人热丝TIG增材质量监控系统,其特征在于,还包括:
所述熔池监控,通过所述CMOS相机采集堆积层堆积过程中熔池图像进行;
采集到的熔池图像一方面实时显示在工控机相机采集软件上,支持随时对熔池状态进行在线监测,实现堆积过程的可视化;另一方面,工控机对熔池图像进行图像处理操作,即通过设定包括ROI、二值化、形态学操作、边缘处理及提取在内的手段,得到熔池轮廓,进而结合标定矩阵关系得到表征熔池尺寸大小的特征参数。
6.根据权利要求4所述的基于多传感信息的机器人热丝TIG增材质量监控系统,其特征在于,还包括:
所述点云数据,通过对CCD相机采集到的激光扫描堆积层各帧条纹图像序列进行三维坐标信息重建得到,点云数据包括堆积层坐标信息和工作空间中其他物体及噪声信息,通过后续对点云数据进行背景减除、滤波和堆积层拟合,分割属于堆积层的点云数据信息;
得到堆积层三维点云数据后,对其进行二维截取得到反映层高的二维点云信息,之后对二维信息进行特征点寻获与提取,得到反映层高的上下特征点,最后通过特征点得到具体的层高大小。
7.根据权利要求1所述的基于多传感信息的机器人热丝TIG增材质量监控系统,其特征在于,所述气体保护和冷却模块,还包括:
所述气体保护罩,为金属钢材质,使用时下沿附有防火耐热橡胶,所述气体保护罩上表面中心处有进气口用于保护气体输入,所述气体保护罩内加有铜网均匀布散保护气至堆积焊道上,所述气体保护罩独立供保护气保护和冷却后方堆积焊道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011422955.8A CN112518082A (zh) | 2020-12-08 | 2020-12-08 | 一种基于多传感信息的机器人热丝tig增材质量监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011422955.8A CN112518082A (zh) | 2020-12-08 | 2020-12-08 | 一种基于多传感信息的机器人热丝tig增材质量监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112518082A true CN112518082A (zh) | 2021-03-19 |
Family
ID=74998179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011422955.8A Pending CN112518082A (zh) | 2020-12-08 | 2020-12-08 | 一种基于多传感信息的机器人热丝tig增材质量监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112518082A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113319452A (zh) * | 2021-05-28 | 2021-08-31 | 南京理工大学 | 一种双电弧双气流保护高强钢熔丝增材装置及方法 |
CN114012210A (zh) * | 2021-12-06 | 2022-02-08 | 上海交通大学 | 电弧增材过程的沉积质量判断系统及方法 |
CN114226916A (zh) * | 2021-12-14 | 2022-03-25 | 沈阳工业大学 | 一种提高电弧增材构件表面成形精度的装置及方法 |
CN114985778A (zh) * | 2022-05-31 | 2022-09-02 | 太原理工大学 | 一种层状异构钢及其电弧增材制造系统和方法 |
CN116000457A (zh) * | 2022-12-06 | 2023-04-25 | 哈尔滨焊接研究院有限公司 | 激光同轴诱导多tig电弧多丝快速增材制造方法及制造系统 |
CN117340403A (zh) * | 2023-12-04 | 2024-01-05 | 陕西鼎益科技有限公司 | 一种熔池热沉积辅热和冷成型的熔丝增材制造系统及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105033408A (zh) * | 2015-05-28 | 2015-11-11 | 西南交通大学 | Gma增材制造双被动视觉传感检测装置及其检测方法 |
CN106141374A (zh) * | 2016-08-17 | 2016-11-23 | 广东工业大学 | 非熔化极气体保护焊3d增材修补装置及修补方法 |
CN107008996A (zh) * | 2017-06-02 | 2017-08-04 | 河南科技大学 | 一种金属冷焊增材制造的方法 |
CN107131844A (zh) * | 2017-04-26 | 2017-09-05 | 西南交通大学 | 一种电弧填丝增材制造表面质量自动检测方法 |
US20170252846A1 (en) * | 2016-03-03 | 2017-09-07 | Michael Thomas Stawovy | Fabrication of metallic parts by additive manufacturing |
CN107414303A (zh) * | 2017-08-10 | 2017-12-01 | 上海交通大学 | 一种激光扫描结合激光热丝tig复合焊接方法 |
CN109909592A (zh) * | 2019-03-15 | 2019-06-21 | 天津大学 | 一种电弧增材制造用可调节式拖尾气体保护罩及其使用方法 |
CN110524092A (zh) * | 2018-05-25 | 2019-12-03 | 南京理工大学 | 非熔化极电弧热丝增材制造丝材温度检测控制装置及方法 |
CN111299760A (zh) * | 2019-12-10 | 2020-06-19 | 上海交通大学 | 基于主被动视觉的机器人焊缝跟踪与熔池监控传感器 |
CN111673235A (zh) * | 2020-07-08 | 2020-09-18 | 上海交通大学 | 一种机器人电弧3d打印层高调控方法及系统 |
CN111716003A (zh) * | 2020-06-23 | 2020-09-29 | 华北水利水电大学 | 铝合金脉冲激光-tig电弧复合增材制造装置及方法 |
-
2020
- 2020-12-08 CN CN202011422955.8A patent/CN112518082A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105033408A (zh) * | 2015-05-28 | 2015-11-11 | 西南交通大学 | Gma增材制造双被动视觉传感检测装置及其检测方法 |
US20170252846A1 (en) * | 2016-03-03 | 2017-09-07 | Michael Thomas Stawovy | Fabrication of metallic parts by additive manufacturing |
CN106141374A (zh) * | 2016-08-17 | 2016-11-23 | 广东工业大学 | 非熔化极气体保护焊3d增材修补装置及修补方法 |
CN107131844A (zh) * | 2017-04-26 | 2017-09-05 | 西南交通大学 | 一种电弧填丝增材制造表面质量自动检测方法 |
CN107008996A (zh) * | 2017-06-02 | 2017-08-04 | 河南科技大学 | 一种金属冷焊增材制造的方法 |
CN107414303A (zh) * | 2017-08-10 | 2017-12-01 | 上海交通大学 | 一种激光扫描结合激光热丝tig复合焊接方法 |
CN110524092A (zh) * | 2018-05-25 | 2019-12-03 | 南京理工大学 | 非熔化极电弧热丝增材制造丝材温度检测控制装置及方法 |
CN109909592A (zh) * | 2019-03-15 | 2019-06-21 | 天津大学 | 一种电弧增材制造用可调节式拖尾气体保护罩及其使用方法 |
CN111299760A (zh) * | 2019-12-10 | 2020-06-19 | 上海交通大学 | 基于主被动视觉的机器人焊缝跟踪与熔池监控传感器 |
CN111716003A (zh) * | 2020-06-23 | 2020-09-29 | 华北水利水电大学 | 铝合金脉冲激光-tig电弧复合增材制造装置及方法 |
CN111673235A (zh) * | 2020-07-08 | 2020-09-18 | 上海交通大学 | 一种机器人电弧3d打印层高调控方法及系统 |
Non-Patent Citations (3)
Title |
---|
邓俊豪: "基于视觉传感的电弧增材成形形貌检测与预测建模研究", 《中国优秀硕士学位论文全文数据库,工程科技I辑》 * |
郭嘉琪等: "电子束熔丝增材制造过程在线监测技术研究现状", 《航空制造技术》 * |
马波等: "激光视觉传感系统的电弧增材制造侧表面成形分析", 《中国激光》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113319452A (zh) * | 2021-05-28 | 2021-08-31 | 南京理工大学 | 一种双电弧双气流保护高强钢熔丝增材装置及方法 |
CN114012210A (zh) * | 2021-12-06 | 2022-02-08 | 上海交通大学 | 电弧增材过程的沉积质量判断系统及方法 |
CN114226916A (zh) * | 2021-12-14 | 2022-03-25 | 沈阳工业大学 | 一种提高电弧增材构件表面成形精度的装置及方法 |
CN114985778A (zh) * | 2022-05-31 | 2022-09-02 | 太原理工大学 | 一种层状异构钢及其电弧增材制造系统和方法 |
CN114985778B (zh) * | 2022-05-31 | 2024-03-15 | 太原理工大学 | 一种层状异构钢及其电弧增材制造系统和方法 |
CN116000457A (zh) * | 2022-12-06 | 2023-04-25 | 哈尔滨焊接研究院有限公司 | 激光同轴诱导多tig电弧多丝快速增材制造方法及制造系统 |
CN116000457B (zh) * | 2022-12-06 | 2024-03-22 | 哈尔滨焊接研究院有限公司 | 激光同轴诱导多tig电弧多丝快速增材制造方法及制造系统 |
CN117340403A (zh) * | 2023-12-04 | 2024-01-05 | 陕西鼎益科技有限公司 | 一种熔池热沉积辅热和冷成型的熔丝增材制造系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112518082A (zh) | 一种基于多传感信息的机器人热丝tig增材质量监控系统 | |
CN105345237B (zh) | 一种直缝埋弧焊自动控制焊缝形貌的装置及其工艺方法 | |
CN104014905A (zh) | Gtaw焊接过程中熔池三维形貌观测装置及方法 | |
US6605795B1 (en) | Control system for depositing powder to a molten puddle | |
CN108856978B (zh) | 基于近红外双目视觉识别的角接接头熔透控制方法 | |
CN106404795A (zh) | 一种基于红外信息的金属增材制造过程控制装置与方法 | |
CN111037062B (zh) | 一种gtaw焊缝成形的自适应控制与自动视觉检测方法 | |
CN106312397A (zh) | 一种激光视觉引导的焊接轨迹自动跟踪系统及方法 | |
CN114260547B (zh) | 一种基于深度学习算法的窄间隙旋转电弧gtaw钨极位置纠偏方法 | |
EP4234244A2 (en) | Airflow control for additive manufacturing | |
CN113042862A (zh) | 基于主被动视觉结合的焊接偏差检测系统及检测方法 | |
JPH0582524B2 (zh) | ||
Ma et al. | Binocular vision system for both weld pool and root gap in robot welding process | |
CN111451604B (zh) | 一种gtaw电弧熔丝增材制造熄弧处补焊监测反馈方法及系统 | |
CN101118430A (zh) | 铝合金熔焊焊接过程的在线监测与工艺参数的优化方法 | |
Hou et al. | A teaching-free welding method based on laser visual sensing system in robotic GMAW | |
CN110193679B (zh) | 一种基于熔池正面视觉传感的焊缝成形控制装置及方法 | |
CN108788467A (zh) | 一种面向航天构件的智能激光焊接系统 | |
Xiong et al. | Virtual binocular vision sensing and control of molten pool width for gas metal arc additive manufactured thin-walled components | |
EP3950180A1 (en) | Computer-implemented correlation between monitoring data and according inspection data in powder-bed additive manufacturing | |
Modaresialam et al. | In-Situ monitoring and defect detection of selective laser melting process and impact of process parameters on the quality of fabricated SS 316L | |
Santangelo et al. | Vibration assisted robotic hot-wire gas tungsten arc welding (GTAW) for additive manufacturing of large metallic parts | |
Zheng et al. | Control for weld penetration in VPPAW of aluminum alloys using the front weld pool image signal | |
KR20210031493A (ko) | 용접 제어 장치, 표시 제어 장치, 용접 시스템, 용접 제어 방법 및 프로그램 | |
Chen et al. | 3D weld pool surface geometry measurement with adaptive passive vision images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210319 |