CN113732558B - 机器人焊接典型质量问题在线检测方法及装置 - Google Patents
机器人焊接典型质量问题在线检测方法及装置 Download PDFInfo
- Publication number
- CN113732558B CN113732558B CN202111039213.1A CN202111039213A CN113732558B CN 113732558 B CN113732558 B CN 113732558B CN 202111039213 A CN202111039213 A CN 202111039213A CN 113732558 B CN113732558 B CN 113732558B
- Authority
- CN
- China
- Prior art keywords
- welding
- sensing information
- typical
- quality problem
- typical quality
- 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
Links
- 238000003466 welding Methods 0.000 title claims abstract description 339
- 238000001514 detection method Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 claims abstract description 61
- 230000008569 process Effects 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 16
- 239000002893 slag Substances 0.000 claims description 12
- 230000035515 penetration Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 229910000746 Structural steel Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000006247 magnetic powder Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012795 verification 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
- B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
- B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
- B23K31/125—Weld quality monitoring
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/005—Manipulators for mechanical processing tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明提供一种机器人焊接典型质量问题在线检测方法及装置。所述方法包括：构建焊接规则知识库，所述焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息、所述传感信息特征和传感信息特征阈值；采集机器人焊接作业过程中的传感信息；根据所述传感信息和所述焊接规则知识库，进行焊接典型质量问题检测，得到焊接典型质量问题检测结果，并根据焊接典型质量问题检测结果，进行报警、停止作业或动态调整焊接作业参数。本发明针对各种焊接典型质量问题可以实现自主识别，为焊接作业提供了质量保障。
Description
技术领域
本发明涉及焊接技术领域，尤其涉及一种机器人焊接典型质量问题在线检测方法及装置。
背景技术
焊接是装备制造业最主要的生产工艺，以轨道交通装备生产为例，无论是铝合金材质的车体还是结构钢材质的转向架，均是由焊接工艺制造完成，因此，焊接工艺质量对于装备制造业非常重要。目前，在装备制造业已经应用了大量焊接机器人，对于焊接生产效率与产品质量一致性均由一定提升，但是跑偏、烧穿、未焊透、未熔合、气孔、夹渣、错边、咬边以及其它成型不好等质量问题还是时有发生。
目前，焊缝质量检测的手段较多，按照原理不同，可分为目视检测、超声波检测、磁粉检测、射线检测、试剂渗透检测等，然而这些检测手段都只能用于焊接作业完成之后，不能在焊接作业过程中进行在线检测。
发明内容
本发明提供一种机器人焊接典型质量问题在线检测方法及装置，用以解决现有技术中无法实现机器人焊接质量在线实时检测的缺陷，实现焊接质量的在线判别。
本发明提供一种机器人焊接典型质量问题在线检测方法，包括：
构建焊接规则知识库，所述焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息、所述传感信息特征和传感信息特征阈值；
采集机器人焊接作业过程中的传感信息；
根据所述传感信息和所述焊接规则知识库，进行焊接质量检测，得到焊接质量检测结果；
根据所述焊接典型质量问题检测结果，进行报警、停止作业或动态调整焊接作业参数。。
根据本发明提供的一种机器人焊接典型质量问题在线检测方法，根据所述传感信息和所述焊接规则知识库进行焊接典型质量问题检测，包括：
针对所述焊接规则知识库中的每一种焊接典型质量问题，根据实时采集的传感信息，实时计算与所述焊接典型质量问题对应的传感信息特征值；
将各个所述传感信息特征值分别与预设阈值进行差值计算，若差值大于预设偏移允许值，则对当前传感信息特征进行标记；
在完成各个传感信息特征的标记后，对当前焊接典型质量问题进行可信度计算，得到当前焊接典型质量问题对应的实时可信度，若所述实时可信度大于预设可信度标准，则判定当前焊接典型质量问题存在，若所述实时可信度小于或等于预设可信度标准，则判定当前焊接典型质量问题不存在。
根据本发明提供的一种机器人焊接典型质量问题在线检测方法，还包括：
将实时采集的传感信息、焊接质量检测结果、焊接作业人员录入的焊缝相关信息和人为质量检测结果作为所述焊接规则知识库更新的参考进行存储。
根据本发明提供的一种机器人焊接典型质量问题在线检测方法，所述在完成各个传感信息特征的标记后，对当前焊接典型质量问题进行可信度计算，得到当前焊接典型质量问题对应的实时可信度，包括：
根据下面公式对当前焊接典型质量问题进行可信度计算，得到当前焊接典型质量问题对应的实时可信度，所述公式为：
其中，p1表示焊接典型质量问题1，
表示焊接典型质量问题1对应的传感信息特征j的可信度系数，d1j焊接典型质量问题1对应的传感信息特征j的标记值。
根据本发明提供的一种机器人焊接典型质量问题在线检测方法，所述焊接规则知识库是焊接典型质量问题与传感信息、传感信息特征以及传感信息特征阈值的对应关系的集合；
其中，所述焊接典型质量问题包括烧穿、跑偏、未焊透、未熔合、气孔、夹渣、错边和咬边中的一种或多种；
所述传感信息包括熔池图像、电弧声音、实际电流、实际电压、保护气体流量、送丝速度、焊枪倾角和焊接速度中的一种或多种；
其中，所述熔池图像的特征包括熔池长宽比、熔池面积、熔池灰度、前端熔孔直径、焊丝干伸长、熔池前端偏离和熔池后端偏离中的一种或多种，所述电弧声音的特征包括时域强度均值、均方根、标准差、峰度因子和频率平均值中的一种或多种，其它信息特征包括平均值、均方差、标准差和脉冲系数中的一种或多种。
本发明还提供一种机器人焊接典型质量问题在线检测装置，包括：
第一处理模块，用于构建焊接规则知识库，所述焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息、所述传感信息特征和传感信息特征阈值；
采集模块，用于采集机器人焊接作业过程中的传感信息；
第二处理模块，用于根据所述传感信息和所述焊接规则知识库，进行焊接典型质量问题检测，得到焊接典型质量问题检测结果；
第三处理模块，用于根据所述焊接典型质量问题检测结果，进行报警、停止作业或动态调整焊接作业参数。
传感信息特征阈值本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述机器人焊接典型质量问题在线检测方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其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上述任一种所述机器人焊接典型质量问题在线检测方法的步骤。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述机器人焊接典型质量问题在线检测方法的步骤。
本发明提供的机器人焊接典型质量问题在线检测方法及装置，通过采集机器人焊接作业过程中的传感信息，然后根据所述传感信息和焊接规则知识库，进行焊接质量检测，得到焊接质量检测结果。其中，焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息特征和传感信息特征阈值。由此可见，本发明基于焊接作业大师经验知识总结的焊接规则知识库，并利用机器人焊接作业过程中产生的传感信息，对焊接典型质量问题进行实时检测，从而实现焊接质量的自主在线判别，相比于传统基于焊接作业参数进行质量检测的方法有较高的识别准确率，能够满足生产车间的使用需求。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的机器人焊接典型质量问题在线检测方法的流程示意图；
图2是本发明提供的熔池图像信息特征示意图；
图3是本发明提供的机器人焊接典型质量问题在线检测装置的结构示意图；
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1是本发明提供的机器人焊接典型质量问题在线检测方法的流程示意图，图2是本发明提供的熔池图像信息特征示意图。下面结合图1和图2描述本发明的机器人焊接典型质量问题在线检测方法，包括：
步骤101：构建焊接规则知识库，所述焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息、所述传感信息特征和传感信息特征阈值；
在本步骤中，需要说明的是，本发明提供的机器人焊接典型质量问题在线检测方法以焊接规则知识库为基础。焊接规则知识库包括各种焊接典型质量问题、焊接典型质量问题对应的传感信息、传感信息特征和传感信息特征阈值，可选的，可以为焊接作业大师的经验知识总结，也可以通过对历史检测数据进行分析挖掘来获取，此处不作具体限制。其中，焊接典型质量问题包括但不限于烧穿、跑偏、未焊透、未熔合、气孔、夹渣、错边、咬边等。对于烧穿问题，与其对应的传感信息包括但不限于电流、电压、弧声强度、熔池灰度，传感信息特征包括但不限于电流均值升高、电压均值升高、弧声强度均值升高、熔池灰度升高、前端熔孔直径扩大、熔池面积减小(熔池中出现窟窿)和焊丝干伸长变大。对于上述的每一种传感信息特征均预先设置对应的传感信息特征阈值，例如每一种传感信息特征的阈值、每一种传感信息特征的允许偏移值、每一种焊接典型质量问题对应的可信度标准。
步骤102：采集机器人焊接作业过程中的传感信息；
在本步骤中，可选的，采集的传感信息包括但不限于熔池图像、电弧声音数据、电流值数据、电压值数据。
步骤103：根据所述传感信息和所述焊接规则知识库，进行焊接质量检测，得到焊接质量检测结果。
在本步骤中，基于焊接规则知识库，依次对每种焊接典型质量问题进行分析判断。具体的，首先从焊接规则知识库中获取一种焊接典型质量问题和其对应的传感信息特征和传感信息特征阈值。例如，焊接典型质量问题为：烧穿，传感信息特征为电流均值升高、电压均值升高、弧声强度均值升高、熔池灰度升高、前端熔孔直径扩大、熔池面积减小(熔池中出现窟窿)和焊丝干伸长变大。传感信息特征阈值为：预设电流均值阈值和允许偏移值、电压均值阈值和允许偏移值、弧声强度均值阈值和允许偏移值、熔池灰度阈值和允许偏移值、前端熔孔直径阈值和允许偏移值、熔池面积阈值和允许偏移值、焊丝干伸长阈值和允许偏移值、烧穿问题对应的预设可信度标准。此时，由于目的是判断焊接作业是否存在烧穿问题，因此，需要对步骤102中获取的传感信息计算，从而得到电流的均值、电压的均值、弧声强度的均值、熔池灰度值、前端熔孔直径、熔池面积和焊丝干伸长。在确定每一种传感信息特征值后，将每一种传感信息特征值分别与预设阈值进行差值计算，若差值大于预设偏移允许值，则对当前传感信息特征进行标记。例如，将计算得到的电流均值与预设电流均值阈值进行差值计算，若差值大于预设电流均值的允许偏移值，则超差标记电流为1，否则标记为0。在完成各个传感信息特征的标记后，对烧穿问题进行可信度计算，得到当前焊接典型质量问题对应的实时可信度，若所述实时可信度大于预设可信度标准，则判定当前焊接典型质量问题存在，若所述实时可信度小于或等于预设可信度标准，则判定当前焊接典型质量问题不存在。类似的，也可以对跑偏、未焊透、未熔合、气孔、夹渣、错边、咬边以及其它质量问题进行分析和检测，如果不存在质量问题，则判定为质量良好；
步骤104：根据所述焊接典型质量问题检测结果，进行报警、停止作业或动态调整焊接作业参数。
本发明提供的机器人焊接典型质量问题在线检测方法，通过采集机器人焊接作业过程中的传感信息，然后根据所述传感信息和焊接规则知识库，进行焊接质量检测，得到焊接质量检测结果。其中，焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息特征和传感信息特征阈值。由此可见，本发明基于焊接作业大师经验知识总结的焊接规则知识库，并利用机器人焊接作业过程中产生的传感信息，对焊接典型质量问题进行实时检测，从而实现焊接质量的自主在线判别，相比于传统基于焊接作业参数进行质量检测的方法有较高的识别准确率，能够满足生产车间的使用需求。
基于上述实施例的内容，在本实施例中，根据所述传感信息和所述焊接规则知识库进行焊接典型质量问题检测，包括：
针对所述焊接规则知识库中的每一种焊接典型质量问题，根据实时采集的所述传感信息，实时计算与所述焊接典型质量问题对应的传感信息特征值；
将各个所述传感信息特征值分别与预设阈值进行差值计算，若差值大于预设偏移允许值，则对当前传感信息特征进行标记；
在完成各个传感信息特征的标记后，对当前焊接典型质量问题进行可信度计算，得到当前焊接典型质量问题对应的实时可信度，若所述实时可信度大于预设可信度标准，则判定当前焊接典型质量问题存在，若所述实时可信度小于或等于预设可信度标准，则判定当前焊接典型质量问题不存在。
基于上述实施例的内容，在本实施例中，还包括：
将实时采集的传感信息、焊接质量检测结果、焊接作业人员录入的焊缝相关信息和人为质量检测结果作为所述焊接规则知识库更新的参考进行存储。
基于上述实施例的内容，在本实施例中，所述在完成各个传感信息特征的标记后，对当前焊接典型质量问题进行可信度计算，得到当前焊接典型质量问题对应的实时可信度，包括：
根据下面公式对当前焊接典型质量问题进行可信度计算，得到当前焊接典型质量问题对应的实时可信度，所述公式为：
其中，p1表示焊接典型质量问题1，
表示焊接典型质量问题1对应的传感信息特征j的可信度系数，d1j焊接典型质量问题1对应的传感信息特征j的标记值。
基于上述实施例的内容，在本实施例中，所述焊接规则知识库是焊接典型质量问题与传感信息、传感信息特征以及传感信息特征阈值的对应关系的集合；
其中，所述焊接典型质量问题包括烧穿、跑偏、未焊透、未熔合、气孔、夹渣、错边和咬边中的一种或多种；
所述传感信息包括熔池图像、电弧声音、实际电流、实际电压、保护气体流量、送丝速度、焊枪倾角和焊接速度中的一种或多种；
其中，所述熔池图像的特征包括熔池长宽比、熔池面积、熔池灰度、前端熔孔直径、焊丝干伸长、熔池前端偏离和熔池后端偏离中的一种或多种，所述电弧声音的特征包括时域强度均值、均方根、标准差、峰度因子和频率平均值中的一种或多种，其它信息特征包括平均值、均方差、标准差和脉冲系数中的一种或多种。
下面通过具体实施例对本发明提供的机器人焊接质量在线检测方法进行说明：
实施例一：
在本实施例中，需要说明的是，熔池图像的特征包括但不限于熔池长宽比、熔池面积、熔池灰度、前端熔孔直径、焊丝干伸长、熔池前端偏离、熔池后端偏离等，电弧声音的特征包括但不限于时域强度均值、均方根、标准差、峰度因子以及频率平均值等，电流值的特征包括但不限于平均值、均方差、标准差、脉冲系数等，电压值的特征包括但不限于平均值、均方差、标准差、脉冲系数等，每一种焊接工艺质量问题可以与其中一种或多种信息特征相关。
在本实施例中，对于每一种传感信息特征，均需要先设置阈值、偏移允许值以及可信度标准，焊接质量在线检测系统每间隔一定时间，进行一次质量分析和检测，例如0.1s，设置图像采集间隔与此相同，则在此时间间隔内，可以获得一张熔池图像以及一定数量的电弧声音数据、电流值数据、电压值数据(如果采集频率为10000Hz，则0.1s内可获得1000个数据值)。然后，针对每一种质量问题，分别计算与其密切相关的信息特征值，并与置阈值、偏移允许值进行比较，如果其与阈值的差值大于允许偏移值，则判定此信息特征超差。最后，计算此种质量问题的实时可信度，如果实时可信度大于可信度标准，则判定存在此种质量问题。在此时间间隔内，需要分别判定每一种质量问题是否存在，如果均不存在，则判定为质量正常。
例如，对于烧穿问题，与其密切相关的传感信息特征包括但不限于电流均值a11升高、电压均值a12升高、弧声强度均值a13升高、熔池灰度a14升高、前端熔孔直径a15扩大、熔池面积a16减小(熔池中出现窟窿)、焊丝干伸长a17变大。设置每一种信息特征的阈值分别为
每一种信息特征的允许偏移值为
则对于烧穿问题，在线采集并计算得到信息特征的实时值a1j，如果其与阈值的差值大于允许偏移值，即
则超差标记d1j＝1；反之，则超差标记d1j＝0。设置每一种信息特征的可信度系数分别为
需要满足所有可信度系数之和为1，即
则对于烧穿问题，实时可信度
设置烧穿问题的可信度标准为
如果实时可信度大于可信度标准，即
则判定存在烧穿问题；反之，则判定不存在烧穿问题。类似的，系统也可以针对跑偏、未焊透、未熔合、气孔、夹渣、错边、咬边以及其它质量问题进行分析和检测，如果不存在质量问题，则判定为质量良好。再例如，对于夹渣问题，与其密切相关的信息特征包括但不限于电流标准差a21升高、电压标准差a22升高、弧声能量均值a23升高、熔池灰度a24降低，通过对这些信息特征的在线采集与分析计算，从而判断是否存在夹渣问题。此外，可以理解的是，基于上述信息数据采集与特征计算，也可以结合支持向量机、决策树、模糊控制、神经网络等算法，进行焊接质量在线检测。由此可见，本发明在不改变工艺设备，不影响生产节拍的前提下，基于焊接作业大师经验知识的总结与验证，为焊接机器人添加焊接工艺质量在线检测能力，对于烧穿、跑偏、未焊透、未熔合、气孔、夹渣、错边、咬边以及其它质量问题能够实时自主识别，为焊接工艺作业提供可靠的质量保障，并且可以取代机器人焊接作业质量跟踪人员，可以减少或取代焊后质量检测。
实施例二：
本发明还提供一种机器人焊接典型质量问题在线检测系统，不改变原有工艺设备，不影响生产节拍，是在原有工艺设备的基础上添加焊接过程关键信息传感器、车间控制器、报警器以及服务器。可选的，图像传感器与声音传感器通过高强度轻质支架，安装在焊接机器人作业末端，从而紧邻焊枪，可以清晰获取焊接作业过程的熔池图像与电弧声音；霍尔传感器连接焊接电源输出端，可以准确获取焊接作业的实际电流值与电压值；此外，也可以安装其它传感器，包括但不限于流量计、编码器、位姿传感器等，用来获取保护气体流量、送丝速度、焊枪倾角与焊接速度等信息。所有传感器，分别通过通讯线缆将采集到的信息数据传输至车间控制器，车间控制器内安装有焊接质量在线检测软件，可以实时显示采集到的各类数据信息，也可以进行焊接质量在线检测，如果出现质量问题，则通过报警器进行报警，并可以及时停止焊接作业，从而避免更为严重的质量损失。此外，车间控制器可以将采集的数据信息传输至服务器进行集中存储，一台服务器可以连接多台车间控制器。
在本实施例中，机器人焊接典型质量问题在线检测系统工作流程如下所示：
1)工艺设备与车间控制器上电启动，在线检测系统内部软硬件准备就绪，操作人员可以选择输入焊缝相关信息(例如，焊缝编号、母材材质、设计工艺参数等，也可以不输入)。各个传感器开始采集数据，但未进行数据信息存储与质量分析，等待焊接作业开始。
2)工艺设备开始焊接作业，在线检测系统通过熔池图像、电弧声音、电流值、电压值的变化(未焊接作业时，图像全黑色，电弧声音、电流值、电压值基本为零，开始焊接作业后，图像中出现明亮的熔池，电弧声音、电流值、电压值在某一数值上下波动)，自主判断开始焊接作业，并开始信息数据存储与质量在线分析。
3)在焊接过程中，系统实时采集并显示熔池图像、电弧声音、电流值、电压值等，并实时进行工艺质量分析，并将各种信息数据与自主分析结果存储起来，车间控制器与服务器同步存储，车间控制器存储时间较短，如30天，服务器为长期存储。如果发现焊接工艺质量问题，则通过报警器进行报警，并停止焊接作业，什么样的质量问题进行报警或者停止作业，操作者可以自行设置。
4)一条焊缝作业完成后，焊接质量在线检测系统通过熔池图像、电弧声音、电流值、电压值的变化，自主判断已停止焊接作业，并停止数据存储与质量分析，此时操作人员可以输入与焊缝相关信息(例如，通过目视检测等手段获得的质量检测结果，或者下一条焊缝的焊缝编号、母材材质、工艺设计参数等，也可以不输入)。
由此可见，本发明在不改变工艺设备、不影响生产节拍的基础上，以焊接规则知识为基础，通过实时采集并分析熔池图像、电弧声音、以及电流电压等与质量密切相关信息特征，为焊接机器人添加了质量在线分析能力，为焊接作业提供质量保障，并且可以替代机器人焊接作业的质量跟踪人员，从而促进生产企业提质、降本、增效。
下面对本发明提供的机器人焊接典型质量问题在线检测装置进行描述，下文描述的机器人焊接典型质量问题在线检测装置与上文描述的机器人焊接典型质量问题在线检测方法可相互对应参照。
如图3所示，本发明提供的一种机器人焊接典型质量问题在线检测装置，包括：
第一处理模块1，用于构建焊接规则知识库，所述焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息、所述传感信息特征和传感信息特征阈值；
采集模块2，用于采集机器人焊接作业过程中的传感信息；
第二处理模块3，用于根据所述传感信息和所述焊接规则知识库，进行焊接质量检测，得到焊接质量检测结果；
第三处理模块4，用于根据所述焊接典型质量问题检测结果，进行报警、停止作业或动态调整焊接作业参数。
在本实施例中，需要说明的是，本发明提供的机器人焊接典型质量问题在线检测方法以焊接规则知识库为基础。焊接规则知识库包括各种焊接典型质量问题、焊接典型质量问题对应的传感信息特征和传感信息特征阈值，可选的，可以为焊接作业大师的经验知识总结，也可以通过对历史检测数据进行分析挖掘来获取，此处不作具体限制。其中，焊接典型质量问题包括但不限于烧穿、跑偏、未焊透、未熔合、气孔、夹渣、错边、咬边等。对于烧穿问题，与其对应的传感信息特征包括但不限于电流均值升高、电压均值升高、弧声强度均值升高、熔池灰度升高、前端熔孔直径扩大、熔池面积减小(熔池中出现窟窿)和焊丝干伸长变大。对于上述的每一种传感信息特征均预先设置对应的传感信息特征阈值，例如每一种传感信息特征的阈值、每一种传感信息特征的允许偏移值、每一种焊接典型质量问题对应的可信度标准。
在本实施例中，可选的，采集的传感信息包括但不限于熔池图像、电弧声音数据、电流值数据、电压值数据。
在本实施例中，基于焊接规则知识库，依次对每种焊接典型质量问题进行分析判断。具体的，首先从焊接规则知识库中获取一种焊接典型质量问题和其对应的传感信息特征和传感信息特征阈值。例如，焊接典型质量问题为：烧穿，传感信息特征为电流均值升高、电压均值升高、弧声强度均值升高、熔池灰度升高、前端熔孔直径扩大、熔池面积减小(熔池中出现窟窿)和焊丝干伸长变大。传感信息特征阈值为：预设电流均值阈值和允许偏移值、电压均值阈值和允许偏移值、弧声强度均值阈值和允许偏移值、熔池灰度阈值和允许偏移值、前端熔孔直径阈值和允许偏移值、熔池面积阈值和允许偏移值、焊丝干伸长阈值和允许偏移值、烧穿问题对应的预设可信度标准。此时，由于目的是判断焊接作业是否存在烧穿问题，因此，需要对获取的传感信息计算，从而得到电流的均值、电压的均值、弧声强度的均值、熔池灰度值、前端熔孔直径、熔池面积和焊丝干伸长。在确定每一种传感信息特征值后，将每一种传感信息特征值分别与预设阈值进行差值计算，若差值大于预设偏移允许值，则对当前传感信息特征进行标记。例如，将计算得到的电流均值与预设电流均值阈值进行差值计算，若差值大于预设电流均值的允许偏移值，则超差标记电流为1，否则标记为0。在完成各个传感信息特征的标记后，对烧穿问题进行可信度计算，得到当前焊接典型质量问题对应的实时可信度，若所述实时可信度大于预设可信度标准，则判定当前焊接典型质量问题存在，若所述实时可信度小于或等于预设可信度标准，则判定当前焊接典型质量问题不存在。类似的，也可以对跑偏、未焊透、未熔合、气孔、夹渣、错边、咬边以及其它质量问题进行分析和检测，如果不存在质量问题，则判定为质量良好。
本发明提供的机器人焊接典型质量问题在线检测装置，通过采集机器人焊接作业过程中的传感信息，然后根据所述传感信息和焊接规则知识库，进行焊接质量检测，得到焊接质量检测结果。其中，焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息特征和传感信息特征阈值。由此可见，本发明基于焊接作业大师经验知识总结的焊接规则知识库，并利用机器人焊接作业过程中产生的传感信息，对焊接典型质量问题进行实时检测，从而实现焊接质量的自主在线判别，相比于传统基于焊接作业参数进行质量检测的方法有较高的识别准确率，能够满足生产车间的使用需求。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行机器人焊接典型质量问题在线检测方法，该方法包括：构建焊接规则知识库，所述焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息、所述传感信息特征和传感信息特征阈值；采集机器人焊接作业过程中的传感信息；根据所述传感信息和所述焊接规则知识库，进行焊接质量检测，得到焊接质量检测结果；根据所述焊接典型质量问题检测结果，进行报警、停止作业或动态调整焊接作业参数。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的机器人焊接典型质量问题在线检测方法，该方法包括：构建焊接规则知识库，所述焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息、所述传感信息特征和传感信息特征阈值；采集机器人焊接作业过程中的传感信息；根据所述传感信息和所述焊接规则知识库，进行焊接质量检测，得到焊接质量检测结果；根据所述焊接典型质量问题检测结果，进行报警、停止作业或动态调整焊接作业参数。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的机器人焊接典型质量问题在线检测方法，该方法包括：构建焊接规则知识库，所述焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息、所述传感信息特征和传感信息特征阈值；采集机器人焊接作业过程中的传感信息；根据所述传感信息和所述焊接规则知识库，进行焊接质量检测，得到焊接质量检测结果；根据所述焊接典型质量问题检测结果，进行报警、停止作业或动态调整焊接作业参数。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种机器人焊接典型质量问题在线检测方法，其特征在于，包括：
构建焊接规则知识库，所述焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息、传感信息特征和传感信息特征阈值；
采集机器人焊接作业过程中的传感信息；
根据所述传感信息和所述焊接规则知识库，进行焊接典型质量问题检测，得到焊接典型质量问题检测结果；
根据所述焊接典型质量问题检测结果，进行报警、停止作业或动态调整焊接作业参数；
所述的根据所述传感信息和所述焊接规则知识库，进行焊接典型质量问题检测，包括：
针对所述焊接规则知识库中的每一种焊接典型质量问题，根据实时采集的传感信息，实时计算与所述焊接典型质量问题对应的传感信息特征值；
将各个所述传感信息特征值分别与预设阈值进行差值计算，若差值大于预设偏移允许值，则对当前传感信息特征进行标记；
在完成各个传感信息特征的标记后，对当前焊接典型质量问题进行可信度计算，得到当前焊接典型质量问题对应的实时可信度，若所述实时可信度大于预设可信度标准，则判定当前焊接典型质量问题存在，若所述实时可信度小于或等于预设可信度标准，则判定当前焊接典型质量问题不存在。
2.根据权利要求1所述的机器人焊接典型质量问题在线检测方法，其特征在于，还包括：
将实时采集的传感信息、焊接质量检测结果、焊接作业人员录入的焊缝相关信息和人为质量检测结果作为所述焊接规则知识库更新的参考进行存储。
3.根据权利要求1所述的机器人焊接典型质量问题在线检测方法，其特征在于，所述在完成各个传感信息特征的标记后，对当前焊接典型质量问题进行可信度计算，得到当前焊接典型质量问题对应的实时可信度，包括：
根据下面公式对当前焊接典型质量问题进行可信度计算，得到当前焊接典型质量问题对应的实时可信度，所述公式为：
其中，p1表示焊接典型质量问题1，
表示焊接典型质量问题1对应的传感信息特征j的可信度系数，d1j焊接典型质量问题1对应的传感信息特征j的标记值。
4.根据权利要求1所述的机器人焊接典型质量问题在线检测方法，其特征在于，所述焊接规则知识库是焊接典型质量问题与传感信息、传感信息特征以及传感信息特征阈值的对应关系的集合；
其中，所述焊接典型质量问题包括烧穿、跑偏、未焊透、未熔合、气孔、夹渣、错边和咬边中的一种或多种；
所述传感信息包括熔池图像、电弧声音、实际电流、实际电压、保护气体流量、送丝速度、焊枪倾角和焊接速度中的一种或多种；
其中，所述熔池图像的特征包括熔池长宽比、熔池面积、熔池灰度、前端熔孔直径、焊丝干伸长、熔池前端偏离和熔池后端偏离中的一种或多种，所述电弧声音的特征包括时域强度均值、均方根、标准差、峰度因子和频率平均值中的一种或多种，其它信息特征包括平均值、均方差、标准差和脉冲系数中的一种或多种。
5.一种机器人焊接典型质量问题在线检测装置，其特征在于，包括：
第一处理模块，用于构建焊接规则知识库，所述焊接规则知识库包括各种焊接典型质量问题、所述焊接典型质量问题对应的传感信息、传感信息特征和传感信息特征阈值；
采集模块，用于采集机器人焊接作业过程中的传感信息；
第二处理模块，用于根据所述传感信息和所述焊接规则知识库，进行焊接典型质量问题检测，得到焊接典型质量问题检测结果；
第三处理模块，用于根据所述焊接典型质量问题检测结果，进行报警、停止作业或动态调整焊接作业参数；
所述第二处理模块，具体用于：
针对所述焊接规则知识库中的每一种焊接典型质量问题，根据实时采集的传感信息，实时计算与所述焊接典型质量问题对应的传感信息特征值；
将各个所述传感信息特征值分别与预设阈值进行差值计算，若差值大于预设偏移允许值，则对当前传感信息特征进行标记；
在完成各个传感信息特征的标记后，对当前焊接典型质量问题进行可信度计算，得到当前焊接典型质量问题对应的实时可信度，若所述实时可信度大于预设可信度标准，则判定当前焊接典型质量问题存在，若所述实时可信度小于或等于预设可信度标准，则判定当前焊接典型质量问题不存在。
6.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述机器人焊接典型质量问题在线检测方法的步骤。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述机器人焊接典型质量问题在线检测方法的步骤。
8.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述机器人焊接典型质量问题在线检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111039213.1A CN113732558B (zh) | 2021-09-06 | 2021-09-06 | 机器人焊接典型质量问题在线检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111039213.1A CN113732558B (zh) | 2021-09-06 | 2021-09-06 | 机器人焊接典型质量问题在线检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113732558A CN113732558A (zh) | 2021-12-03 |
| CN113732558B true CN113732558B (zh) | 2022-11-11 |
Family
ID=78736136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111039213.1A Active CN113732558B (zh) | 2021-09-06 | 2021-09-06 | 机器人焊接典型质量问题在线检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113732558B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114178653A (zh) * | 2021-12-23 | 2022-03-15 | 唐山松下产业机器有限公司 | 焊接质量检测方法与系统 |
| CN114554090B (zh) * | 2022-02-21 | 2023-11-07 | 天津大学 | 基于电信号监测的可控自触发图像采集系统和方法 |
| CN115018827B (zh) * | 2022-08-03 | 2022-11-04 | 山东亿昌装配式建筑科技有限公司 | 一种建材焊缝质量自动检测方法 |
| CN117475588A (zh) * | 2023-07-24 | 2024-01-30 | 苏州科技大学 | 一种微电子组装过程的预警监测系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013160745A1 (en) * | 2012-04-23 | 2013-10-31 | Lincoln Global, Inc. | System and method for monitoring weld quality |
| CN104907746A (zh) * | 2015-06-11 | 2015-09-16 | 唐山松下产业机器有限公司 | 机器人焊接系统及其焊接质量检测方法 |
| CN204989047U (zh) * | 2015-06-29 | 2016-01-20 | 华中科技大学 | 一种基于红外视觉的焊接质量分析装置 |
| CN111858547A (zh) * | 2020-06-30 | 2020-10-30 | 中国船舶重工集团公司第七一六研究所 | 一种应用于机器人焊接作业的数据库设计方法 |
| CN112091472A (zh) * | 2020-08-19 | 2020-12-18 | 中车工业研究院有限公司 | 焊接过程质量融合判断方法及装置 |
| CN112415017A (zh) * | 2020-10-12 | 2021-02-26 | 上海发那科机器人有限公司 | 一种焊缝质量检测系统 |
-
2021
- 2021-09-06 CN CN202111039213.1A patent/CN113732558B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013160745A1 (en) * | 2012-04-23 | 2013-10-31 | Lincoln Global, Inc. | System and method for monitoring weld quality |
| CN104907746A (zh) * | 2015-06-11 | 2015-09-16 | 唐山松下产业机器有限公司 | 机器人焊接系统及其焊接质量检测方法 |
| CN204989047U (zh) * | 2015-06-29 | 2016-01-20 | 华中科技大学 | 一种基于红外视觉的焊接质量分析装置 |
| CN111858547A (zh) * | 2020-06-30 | 2020-10-30 | 中国船舶重工集团公司第七一六研究所 | 一种应用于机器人焊接作业的数据库设计方法 |
| CN112091472A (zh) * | 2020-08-19 | 2020-12-18 | 中车工业研究院有限公司 | 焊接过程质量融合判断方法及装置 |
| CN112415017A (zh) * | 2020-10-12 | 2021-02-26 | 上海发那科机器人有限公司 | 一种焊缝质量检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113732558A (zh) | 2021-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113732558B (zh) | 机器人焊接典型质量问题在线检测方法及装置 | |
| JP6560707B2 (ja) | 加工面品位評価装置 | |
| JP6453805B2 (ja) | 製品の異常に関連する変数の判定値を設定する生産システム | |
| KR101986400B1 (ko) | 용접 품질을 모니터링하는 시스템 및 방법 | |
| US20180107174A1 (en) | Human collaborative robot system having improved external force detection accuracy by machine learning | |
| CN110866910A (zh) | 一种焊缝质量预测方法及系统、装置、计算机可存储介质 | |
| JP3076548B2 (ja) | 工具摩耗検知装置および方法 | |
| CN108334908B (zh) | 铁路钢轨伤损检测方法及装置 | |
| KR102306269B1 (ko) | 실시간 아크 용접 결함 탐지/분류 방법 및 장치 | |
| CN110072660A (zh) | 用于选择焊接参数的系统和方法 | |
| DE102020115631A1 (de) | Maschinenlernvorrichtung, Robotersystem und Maschinenlernverfahren zum Lernen eines Zustands eines Werkzeugs | |
| CN111738369A (zh) | 基于熔池视觉特征的焊熔透状态及熔深实时预测方法 | |
| CN112091472B (zh) | 焊接过程质量融合判断方法及装置 | |
| CN114871620A (zh) | 一种厚板焊接质量监测与控制系统及其焊接方法 | |
| CN116323088A (zh) | 焊接系统、焊接方法、焊接辅助装置、程序、学习装置及已学习模型的生成方法 | |
| CN113469991A (zh) | 一种锂电池极耳激光焊点视觉在线检测方法 | |
| US8426771B2 (en) | Method of monitoring machine condition | |
| CN114559132A (zh) | 一种基于电弧声信号的焊接质量监测方法 | |
| CN109239301B (zh) | 一种锚链闪光焊质量在线评估方法 | |
| Lin et al. | Intelligent methodology for sensing, modeling, and control of weld penetration in robotic welding system | |
| CN114083091A (zh) | 一种基于云边端协同的窄深空间内部焊接预警监测方法 | |
| JP2023061847A (ja) | 溶接監視方法及び溶接監視装置、並びに積層造形方法及び積層造形装置 | |
| Bolotov et al. | Intelligent welding control system | |
| KR102296578B1 (ko) | 증강 현실을 이용한 용접 보조 장치 | |
| CN117381261B (zh) | 一种自动化焊接机的故障识别装置及方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240329 Address after: Room 701, North block, 6 / F, building 1, yard 1, East Road of Automobile Museum, Fengtai District, Beijing 100160 Patentee after: CRRC ACADEMY Co.,Ltd. Country or region after: China Patentee after: CRRC Technology Innovation (Beijing) Co.,Ltd. Address before: 100070 701, North block, 6th floor, building 1, yard 1, Automobile Museum East Road, Fengtai District, Beijing Patentee before: CRRC ACADEMY Co.,Ltd. Country or region before: China |