CN113878227A - 一种智能焊接方法、智能焊接系统及计算机存储介质 - Google Patents
一种智能焊接方法、智能焊接系统及计算机存储介质 Download PDFInfo
- Publication number
- CN113878227A CN113878227A CN202111135482.8A CN202111135482A CN113878227A CN 113878227 A CN113878227 A CN 113878227A CN 202111135482 A CN202111135482 A CN 202111135482A CN 113878227 A CN113878227 A CN 113878227A
- Authority
- CN
- China
- Prior art keywords
- laser
- target
- welded
- prediction result
- data
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 204
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000000694 effects Effects 0.000 claims description 115
- 230000003287 optical effect Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003631 expected effect Effects 0.000 claims description 5
- 229910052782 aluminium Inorganic materials 0.000 claims description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 4
- 239000010935 stainless steel Substances 0.000 claims description 4
- 229910001220 stainless steel Inorganic materials 0.000 claims description 4
- 230000015654 memory Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000002310 reflectometry Methods 0.000 description 4
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 239000011701 zinc Substances 0.000 description 3
- 229910052725 zinc Inorganic materials 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000010583 slow cooling Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910001335 Galvanized steel Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- -1 galvanized plates Substances 0.000 description 1
- 239000008397 galvanized steel Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000011787 zinc oxide Substances 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/20—Bonding
- B23K26/21—Bonding by welding
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/04—Automatically aligning, aiming or focusing the laser beam, e.g. using the back-scattered light
- B23K26/046—Automatically focusing the laser beam
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/06—Shaping the laser beam, e.g. by masks or multi-focusing
- B23K26/064—Shaping the laser beam, e.g. by masks or multi-focusing by means of optical elements, e.g. lenses, mirrors or prisms
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
Landscapes
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明公开了一种智能焊接方法、智能焊接系统及计算机存储介质，属于焊接技术领域，为解决现有技术焊接精度低的技术问题而设计。包括：通过线性模型对线性数据进行预测，得到第一预测结果；和/或通过非线性模型对非线性数据进行预测，得到第二预测结果；基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，并通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接。本发明可提高焊接精度。
Description
技术领域
本发明创造属于激光器技术领域，尤其是涉及一种智能焊接方法、智能焊接系统及计算机存储介质。
背景技术
目前，对于有色金属的激光焊接，普通的激光器及焊接方法不足以满足焊接需求，在焊接镀锌板材、铜、铝等高反光材料时，内部极易产生裂纹、气孔等激光焊接缺陷，且飞溅较大，表面成型质量差，焊接高反光材料时存在能源消耗大，焊接效率低的技术问题。
发明内容
有鉴于此，本发明创造旨在克服现有技术中存在的焊接精度低的缺陷，提出一种智能焊接方法、智能焊接系统及计算机存储介质。
提供一种智能焊接方法，包括：
通过线性模型对线性数据进行预测，得到第一预测结果；
和/或通过非线性模型对非线性数据进行预测，得到第二预测结果；
基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，并通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接，即通过线性模型根据期望的焊接效果数据获取与所述期望的焊接效果数据存在线性关系的第一运行参数（即第一预测结果），通过非线性模型根据期望的焊接效果数据获取与所述期望的焊接效果数据存在非线性关系的第二运行参数（即第二预测结果），再根据第一运行参数和第二运行参数获取目标运行参数，然后通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接；在这之前，可预先对不同的数据进行打标分类，以标记A数据和B数据之间的关系是线性还是非线性的，然后再通过不同的模型对其中的数据进行预测。
其中，第一线性模型由可处理线性数据的算法构建；第二非线性模型由可处理非线性数据的算法构建；
所述线性数据包括焊接中在一定条件下呈线性关系的数据，能够为激光器的电流和功率数据；所述非线性数据包括焊接中在一定条件下呈非线性关系的数据，能够为待焊接物由激光束作用而升高的温度和所述待焊接物由于温度变化而发生变化的应力。
提供一种智能焊接方法，包括：
接收期望的效果参数；
根据所述效果参数获取技术参数，判断所述技术参数所属的类别；
若所述技术参数所属的类别为线性数据，则通过线性模型对所述线性数据进行预测，得到第一预测结果；若所述技术参数所属的类别为非线性数据，则通过非线性模型对所述线性数据进行预测，得到第二预测结果；
基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接；
其中，所述当前数据为用于实现焊接过程的技术参数和用于实现焊接结果的效果参数。
提供一种智能焊接方法，包括：
步骤S10：基于预置算法构建初始线性模型和初始非线性模型；
步骤S20：将预先采集到的原始数据集输入所述初始非线性模型进行预测训练，训练后分别得到第一线性模型和第一非线性模型；
其中，所述原始数据包括所述待焊接物形变量、激光束与所述待焊接物交接处的温度、焊接宽度、激光束能量密度、光斑大小、激光束与待焊接物之间的角度；
步骤S30：采集当前工况数据，所述当前工况数据包括第一线性数据和第一非线性数据，将所述第一线性数据输入所述第一线性模型，将所述第一非线性数据输入第一非线性模型；
通过所述第一线性模型对所述第一线性数据进行预测，得到第一预测结果，通过第一非线性模型对所述第二非线性数据进行预测，得到第二预测结果；
其中，所述工况数据包括在实际焊接中所述待焊接物形变量、激光束与所述待焊接物交接处的温度、焊接宽度、激光束能量密度、光斑大小、激光束与待焊接物之间的角度；
步骤S40：基于所述第一预测结果和所述第二预测结果获取目标运行参数，并通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接，对焊接后的所述待焊接物的图像信息进行采集，获得焊接效果数据；所述实际运行参数包括，激光系统的功率、脉冲、激光束摆动的角度、激光镜片相较于激光束的入射端的角度和距离；
步骤S50：判断所述焊接效果数据是否小于或等于预期值；
步骤S60：若焊接效果数据小于或等于预期值，则返回执行将预先采集到的原始数据集输入所述初始非线性模型进行预测训练，训练后分别得到第一线性模型和第一非线性模型的步骤，直至所述焊接效果数据大于所述预期值，得到符合预期值的焊接效果数据，完成焊接。
所述基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，并通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接的步骤包括：
调整所述第一预测结果和/或所述第二预测结果所占的权重，得到目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接。
可选的，所述步骤S40包括：
步骤S401：通过所述智能焊接系统对当前待焊接物进行焊接的步骤包括：
步骤S402：由激光器本体发射出第一激光光束，所述第一激光光束通过准直镜准直，得到准直激光，所述准直激光通过带空孔的圆柱透镜，实现对激光能量的重新排布，得到重排激光；
步骤S403：所述重排激光通过可发生位移的反射镜反射后，得到空间位置可发生改变的摆动激光；
步骤S404：所述摆动激光通过场镜聚焦后，形成目标激光，通过所述目标激光对当前待焊接物进行焊接；
或，所述步骤S40包括：
步骤S405：由激光器本体发射出第一激光光束和第二激光光束，所述第一激光光束和第二激光光束通过准直镜准直，得到准直激光，所述准直激光通过带空孔的圆柱透镜，实现对激光能量的重新排布，得到重排激光；
步骤S406：所述重排激光通过可发生位移的反射镜反射后，得到空间位置可发生改变的摆动激光；
步骤S407：所述摆动激光通过场镜聚焦后，形成目标激光，通过所述目标激光对当前待焊接物进行焊接。
可选的，所述步骤S404包括：
步骤S4041，所述摆动激光通过场镜后形成目标激光，所述目标激光的焦点位置可沿着所述场镜的主光轴的轴向或径向方向发生移动；
步骤S4042，通过所述目标激光对当前待焊接物进行焊接。
可选的，所述待焊接物和目标激光之间设有填充丝。
提供一种智能焊接系统：
第一预测模块，用于通过线性模型对线性数据进行预测，得到第一预测结果；
和/或，第二预测模块，用于通过非线性模型对非线性数据进行预测，得到第二预测结果；
第一焊接模块，用于基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接。
提供一种智能焊接系统：
第一接收模块，用于接收期望的效果参数和初始技术参数集合；
第一接收模块，用于根据所述效果参数获取目标技术参数集合，遍历所述目标技术参数集合，依次判断所述目标技术参数集合中的每个目标技术参数与所述效果参数之间的对应关系；
第二焊接模块，用于在所述目标技术参数与所述效果参数之间为线性关系时，则通过线性模型对所述目标技术参数的具体数值进行预测，得到第一预测结果，根据所述第一预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第一目标运行参数，通过激光器本体根据所述第一目标运行参数发出目标激光对当前待焊接物进行焊接；
用于在所述目标技术参数与所述效果参数之间为非线性关系时，则通过非线性模型对所述目标技术参数的具体数值进行预测，得到第二预测结果，根据所述第二预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第二目标运行参数，通过激光器本体根据所述第二目标运行参数发出目标激光对当前待焊接物进行焊接。
提供一种智能焊接系统，：
第二接收模块，用于接收期望的效果参数和初始技术参数集合，根据所述效果参数获取目标技术参数集合，其中，所述初始技术参数集合由多个初始技术参数构成，所述目标技术参数集合由多个目标技术参数构成；
第二判断模块，用于将每个目标技术参数与初始技术参数进行比较，判断所述目标技术参数是否符合预设条件；
第三判断模块，若目标技术参数符合预设条件，则判断所述目标技术参数与所述效果参数之间的对应关系；
第三焊接模块，用于在所述目标技术参数与所述效果参数之间为线性关系时，则通过线性模型对所述目标技术参数的具体数值进行预测，得到第一预测结果，根据所述第一预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第一目标运行参数，通过激光器本体根据所述第一目标运行参数发出目标激光对当前待焊接物进行焊接；
用于在所述目标技术参数与所述效果参数之间为非线性关系时，则通过非线性模型对所述目标技术参数的具体数值进行预测，得到第二预测结果，根据所述第二预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第二目标运行参数，通过激光器本体根据所述第二目标运行参数发出目标激光对当前待焊接物进行焊接。
提供一种智能焊接系统，能够实现如上述所述的智能焊接方法，包括硬件部件和软件部件，所述软件部件和所述硬件部件电连接或通讯连接，软件部件和所述硬件部件均与主控模块相连接；
所述硬件部件包括用于输出激光束的激光器本体、旋转式螺线管、沿激光的传输方向依次设有准直透镜、带空孔的圆柱透镜、反射镜、场镜，所述旋转式螺线管由内部或外部电源提供驱动力，所述旋转式螺线管用于带动所述反射镜进行旋转或摆动，所述圆柱透镜的激光束入射端具有曲率，所述激光束经过所述圆柱透镜后形成聚光点和激光点；
所述软件部件包括：
构建模块，用于基于预置算法构建初始线性模型和初始非线性模型；
训练模块，用于将预先采集到的原始数据集输入所述初始非线性模型进行预测训练，训练后分别得到第一线性模型和第一非线性模型；
其中，所述原始数据包括所述待焊接物形变量、激光束与所述待焊接物交接处的温度、焊接宽度、激光束能量密度、光斑大小、激光束与待焊接物之间的角度；
采集模块，用于采集当前工况数据，所述当前工况数据包括第一线性数据和第一非线性数据，将所述第一线性数据输入所述第一线性模型，将所述第一非线性数据输入第一非线性模型；
预测模块，用于通过所述第一线性模型对所述第一线性数据进行预测，得到第一预测结果，通过第一非线性模型对所述第二非线性数据进行预测，得到第二预测结果；
其中，所述工况数据包括在实际焊接中所述待焊接物形变量、激光束与所述待焊接物交接处的温度、焊接宽度、激光束能量密度、光斑大小、激光束与待焊接物之间的角度；
获取模块，用于基于所述第一预测结果和所述第二预测结果获取目标运行参数，并通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接，对焊接后的所述待焊接物的图像信息进行采集，获得焊接效果数据；所述实际运行参数包括，激光系统的功率、脉冲、激光束摆动的角度、激光镜片相较于激光束的入射端的角度和距离；
预期判断模块，用于判断所述焊接效果数据是否小于或等于预期值；
预测训练模块，用于若所述焊接效果数据小于或等于预期值，则执行将预先采集到的原始数据集输入所述初始非线性模型进行预测训练，训练后分别得到第一线性模型和第一非线性模型的步骤，直至所述焊接效果数据大于所述预期值。
提供一种智能焊接系统，能够实现如权利要求5所述的智能焊接方法，第一焊接模块包括调整单元，所述调整单元用于调整所述第一预测结果和/或所述第二预测结果所占的权重，得到目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接。
可通过弹簧对由旋转式螺线管带动的部件进行限位，控制其摆动的最大角度，弹簧的一端与所述部件连接，另一端与驱动电机连接，通过驱动电机来对弹簧进行拉伸，从而减小最大角，驱动电机与主控模块相连接。
可选的，沿激光的传输方向依次设有准直透镜、带空孔的圆柱透镜、反射镜、场镜，所述反射镜连接有旋转电机，所述旋转电机用于驱动所述反射镜按照预设角度进行旋转，所述圆柱透镜与激光束入射方向相对的一侧具有一定的曲率，激光束经过所述圆柱透镜后形成聚光点和激光点。
可选的，所述圆柱透镜呈曲面的一端可与所述激光束光路方向垂直。
可选的，具有曲率的位置可以为凸形也可以为凹形。
当所述圆柱透镜具有曲率的位置为凹形时，激光束通过所述圆柱透镜的空孔部分能够形成聚光点，激光束通过所述圆柱透镜的非空孔部分能够形成激光点，所述聚光点落入所述激光点内部，所述聚光点用于匙孔焊接，所述聚光点用于预热或缓冷。
可选的，还包括激光处理模块，所述激光处理模块还包括输出单元，所述输出单元用于根据所述第一预测结果和所述第二预测结果向旋转螺线管供给连续的正弦波电压；所述激光处理模块电连接有激光源，在旋转螺线管带动所述旋转螺线管的旋转轴旋转成正弦波状的同时，所述激光处理模块控制所述激光源发出激光束，所述激光束先经过准直镜准直，后经过带空孔的圆柱透镜，所述激光束一部分从空孔内穿过，另一部分穿过所述空孔的四周，后到达反射镜，此时所述旋转轴带动所述反射镜转动或摆动，由所述反射镜反射的所述激光束也随之摆动、旋转，最终通过场镜聚焦为由中心光和环形光组成的光斑，所述中心的最大内径小于圆心至所述环形光最外边缘的最大内径，所述光斑摆动或旋转地作用于待焊接物；
或，所述输出单元用于向旋转螺线管供给间断的正弦波电压；在所述输出单元工作时包括：
每次供给正弦波电压的时长是0.1ms，频率是300Hz；
或，当所述待焊接物为铝板时，供给正弦波电压的频率是50Hz；当待所述处理物为不锈钢时，供给正弦波电压的频率是100Hz。
可选的，所述预期值判断模块具体用于检测所述待焊接物的处理效果，并获取实际焊接效果数据，所述焊接效果数据能够为用于测距的激光雷达单元，也能够为用于采集图像信息的图像采集单元，也能够为用于感应温度信息的温度采集单元；还包括相似度判断模块，所述相似度判断模块用于通过相似度算法计算当前焊接效果数据与预置数据之间的相似度。
可选的，所述圆柱透镜41所带的空孔的数量为一个或多个。
可选的，所述相似度判断模块包括排序单元，所述排序单元用于通过权重算法对所述原始数据进行优先级排序。
可选的，所述判断模块用于检测所述待焊接物的处理效果，并获取实际焊接效果数据，所述焊接效果数据能够为用于测距的激光雷达单元，也能够为用于采集图像信息的图像采集单元，也能够为用于感应温度信息的温度采集单元；还包括判断模块，所述判断模块用于通过相似度算法计算当前焊接效果数据与预置数据之间的相似度。
可选的，所述圆柱透镜所带的空孔的数量为一个或多个。
可选的，所述判断模块包括排序单元，所述排序单元用于通过权重算法对所述原始数据进行优先级排序。
提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的智能焊接方法步骤。
本发明的有益效果为：通过线性模型和非线性模型可以分别对具有线性关系和非线性关系的数据进行预测和分类，可避免不同类型数据之间的互相干扰，增大预测和分类效果的准确度，为实现更精准的激光焊接提供数据支撑，因此可提高焊接质量，实现高精度焊接。
附图说明
图1是本发明方法执行步骤示意图；
图2是本发明系统的模块示意图；
图3是本发明系统一实施例示意图；
图4是本发明计算机设备示意图。
具体实施方案
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。在本发明的描述中，需要理解的是，术语“内”、“上”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
下面结合附图对本发明进行进一步说明：
在本实用新型的一实施例中，提供一种智能焊接方法，包括：
通过线性模型对线性数据进行预测，得到第一预测结果，指的是，通过完成训练的线性模型对线性数据进行预测，线性数据指的是与期望的焊接效果数据呈线性关系的数据，例如，当前激光器输出功率为1W，期望功率即期望的焊接效果数据是10W，功率和电流呈线性关系，则可以通过线性模型基于期望功率获得当前的工作电流，例如10A；
和/或，通过非线性模型对非线性数据进行预测，得到第二预测结果，非线性数据指的是与期望的焊接效果数据呈非线性关系的数据，例如，温度和应力呈非线性关系，现期望待焊接物的应力为5Pa,可通过非线性模型对非线性数据5Pa进行预测，得到101℃，其中，上述的10A和101℃均为目标运行参数，由于可以控制应力的大小，因此可防止待焊接物内部产生裂纹、焊接表面产生气孔，由于可以控制功率的大小，因此可防止焊接飞溅的产生、降低能量消耗，可提高焊接质量；
用于预测或分类的模型随着训练能力的提高，由于学习到过多的训练样本细节，预测能力反而会下降，即出现“过拟合”现象，为了使预测能保持较高的水平，因此先从具有复杂的关系的海量参数中区分出具有线性关系和非线性关系的数据，从而实现对不同关系数据的降噪，提高预测的精准度。
基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，并通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接，目标运行参数指的是在焊接时，激光器实际工作的参数，所述实际参数直接影响焊接质量；即通过线性模型根据期望的焊接效果数据获取与所述期望的焊接效果数据存在线性关系的第一运行参数（即第一预测结果），通过非线性模型根据期望的焊接效果数据获取与所述期望的焊接效果数据存在非线性关系的第二运行参数（即第二预测结果），再根据第一运行参数和第二运行参数获取目标运行参数，然后通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接；在这之前，可预先对不同的数据进行打标分类，以标记A数据和B数据之间的关系是线性还是非线性的，然后再通过不同的模型对其中的数据进行预测，即通过期望的效果数据获取目标运行参数，例如，期望激光器输出的两束激光斑之间的中心距离为0.6微米，则可以根据光斑之间的中心距离与两个激光源径向相对位置之间呈线性关系，通过线性模型对线性数据0.6微米进行预测，得到第一预测结果0.1微米。
其中，第一线性模型由可处理线性数据的算法构建；第二非线性模型由可处理非线性数据的算法构建；
所述线性数据包括焊接中在一定条件下呈线性关系的数据，能够为激光器的电流和功率数据；所述非线性数据包括焊接中在一定条件下呈非线性关系的数据，能够为待焊接物由激光束作用而升高的温度和所述待焊接物由于温度变化而发生变化的应力。
在一实施例中，提供一种智能焊接方法，包括：
接收期望的效果参数；
根据所述效果参数获取技术参数，判断所述技术参数所属的类别；
若所述技术参数所属的类别为线性数据，则通过线性模型对所述线性数据进行预测，得到第一预测结果；若所述技术参数所属的类别为非线性数据，则通过非线性模型对所述线性数据进行预测，得到第二预测结果；
基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接；
其中，所述当前数据为实现焊接过程的技术参数和实现焊接结果的效果参数；
期望的焊接宽度为1mm，则1mm为效果参数，上述的第一预测结果10A和第二预测结果101℃均为实现焊接过程的技术参数，在本实施例中可将技术参数直接作为目标运行参数，也可以对技术参数进行处理后再得到目标运行参数；效果参数和技术参数之间可以是一对多的关系，因此为了实现根据效果参数获取技术参数的目的，因此需要预先建立效果参数和技术参数之间映射关系。
在一个实施例中，接收期望的效果参数和初始技术参数集合；
根据所述效果参数获取目标技术参数集合，遍历所述目标技术参数集合，依次判断所述目标技术参数集合中的每个目标技术参数与所述效果参数之间的对应关系；
若所述目标技术参数与所述效果参数之间为线性关系，则通过线性模型对所述目标技术参数的具体数值进行预测，得到第一预测结果，根据所述第一预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第一目标运行参数，通过激光器本体根据所述第一目标运行参数发出目标激光对当前待焊接物进行焊接；
若所述目标技术参数与所述效果参数之间为非线性关系，则通过非线性模型对所述目标技术参数的具体数值进行预测，得到第二预测结果，根据所述第二预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第二目标运行参数，通过激光器本体根据所述第二目标运行参数发出目标激光对当前待焊接物进行焊接。
在一个实施例中，所述基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，并通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接的步骤包括：
调整所述第一预测结果和/或所述第二预测结果所占的权重，得到目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接。
参照图1，在本实用新型的一实施例中，提供一种智能焊接方法，包括：
步骤S10：基于预置算法构建初始线性模型和初始非线性模型；
步骤S20：将预先采集到的原始数据集输入所述初始非线性模型进行预测训练，训练后分别得到第一线性模型和第一非线性模型；
其中，所述原始数据包括所述待焊接物形变量、激光束与所述待焊接物交接处的温度、焊接宽度、激光束能量密度、光斑大小、激光束与待焊接物之间的角度；
步骤S30：采集当前工况数据，所述当前工况数据包括第一线性数据和第一非线性数据，将所述第一线性数据输入所述第一线性模型，将所述第一非线性数据输入第一非线性模型；
通过所述第一线性模型对所述第一线性数据进行预测，得到第一预测结果，通过第一非线性模型对所述第二非线性数据进行预测，得到第二预测结果；
其中，所述工况数据包括在实际焊接中所述待焊接物形变量、激光束与所述待焊接物交接处的温度、焊接宽度、激光束能量密度、光斑大小、激光束与待焊接物之间的角度；
步骤S40：基于所述第一预测结果和所述第二预测结果获取目标运行参数，并通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接，对焊接后的所述待焊接物的图像信息进行采集，获得焊接效果数据；所述实际运行参数包括，激光系统的功率、脉冲、激光束摆动的角度、激光镜片相较于激光束的入射端的角度和距离；
在本实施例中，可以通过平方差匹配法对采集到的图像信息与目标图像信息进行特征比对，例如相似度要大于90%时，则认为达到理想的焊接效果；目标图像即表面平整的理想的焊接物，将采集到的图像处理成与目标图像同样大小的尺寸，若目标图像是由多块小图拼接而成的，那么也要将采集到的图像按照相同的尺寸分割成多个小图，然后计算目标图像与采集到的图像信息之间每一行或者每一块小图中的像素平均值，计算上述平均值的方差值，方差值越小，则说明相似度越大；
本申请中的线性关系和非线性关系并非数学意义上概念，而是在焊接中能够形成的一种近似关系，例如，激光光束的产生与电压之间呈非线性关系、电压较小的时候光向四面八方发射，而当电压增加到达一定值时，则发射出相位和方向都一致的单色光，即激光光束；又例如，泵浦电流和输出功率之间是呈线性关系的；又例如，焦距和光斑直径大小在一定范围内是线性的，在输出激光是平顶光斑前提下，光斑直径大小和焊接宽度是呈线性的，而高斯光斑和环形光斑不适用；又例如，在环境温度、受到的冲击力的作用下待焊接物所产生的应力与上述各种条件呈非线性关系，应力在直观上对应的是待焊接物形变大小值；又例如，待焊接物的温度在1000W功率激光照射下，在0-5秒的时间内温度逐步上升，在上升阶段时间和温度之间是呈近似的线性关系，在5-10秒开始在待焊接物表面形成熔池，而熔池的温度会维持在相对稳定的状态，不再上升，如果仅取0-5秒内的数据，则可以给0-5秒内温度数据打上线性数据的标签，如果仅取0-10秒内的数据，则可以给0-10秒内的温度数据打上非线性数据的标签。由于不同的算法模型对线性问题和非线性问题的分类能力各不相同，为了达到更精确的分类效果，因此，在本实施例中，用存在线性关系的数据训练初始线性模型，采用存在非线性关系的数据训练初始非线性模型，初始非线性模型可通过例如梯度下降算法的非线性算法来构建，初始线性模型可通过例如支持向量机的线性算法来构建，因此可以通过由梯度下降算法构建并训练后的模型来预测待焊接物应力为20Pa时，环境温度需要调整至多少；通过训练完成的支持向量机预测要达到1000W的功率需要将电流调整至多少。具体的，可以通过CCD相机采集当前焊缝宽度图片，通过平方差匹配法判断焊缝宽度与目标焊缝之间是否满足预设条件，若不满足，则通过支持向量机根据目标焊缝宽度数据获取光斑直径数据，然后根据光斑直径数据获取焦距数据，或者直接根据焊缝宽度数据获取焦距数据，再根据焦距数据调节光学镜片与激光源之间的距离，以得到目标焊缝宽度；具体的，通过温度感应器采集焊接点的温度，通过完成训练的梯度下降算法模型预测出从第几秒开始温度保持相对稳定；
在对同一时间段、同一空间内的数据进行预测时，对线性数据和非线性数据进行独立处理，防止不同性质的数据之间产生干扰，相较于采用单一模型对所有数据都进行分类或预测的方案，本申请提供的方案能排除干扰因素，获取更优质的分类或预测效果，获得预测效果可以发送CPU主控系统，为进一步提升焊接质量和效率提供决策数据支撑；
步骤S50：判断所述焊接效果数据是否小于或等于预期值；
步骤S60：若所述焊接效果数据小于或等于预期值，则返回执行步骤S20，直至所述焊接效果数据大于所述预期值，得到符合预期值的焊接效果数据，完成焊接。
在一实施例中，参照图2-3，提供一种智能焊接系统，能够实现如上述所述的智能焊接方法，包括硬件部件和软件部件，所述软件部件和所述硬件部件电连接或通讯连接，软件部件和所述硬件部件均与主控模块101相连接。
在一实施例中，所述基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，并通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接的步骤包括：
调整所述第一预测结果和/或所述第二预测结果所占的权重，得到目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接，为获得1mm的焊接宽度，温度数据和电流数据都能起到作用，根据实验结果可以对温度数据和电流数据设置不同的权重，例如温度数据所占的权重为0.4，电流数据所占的权重为0.6，在调整权重后，可获取更精确的焊接焊接宽度。
在一实施例中，所述步骤S40包括：
步骤S401：通过所述智能焊接系统对当前待焊接物进行焊接的步骤包括：
步骤S402：由激光器本体发射出第一激光光束，所述第一激光光束通过准直镜准直，得到准直激光，所述准直激光通过带空孔的圆柱透镜，实现对激光能量的重新排布，得到重排激光；由于准直激光的第一部分穿过圆柱透镜的空孔，第二部分经过圆柱透镜的曲面进行发散，因此，第一部分最终的焦点位置要远于第二部分的焦点位置，由于空孔位于圆柱透镜中心部，因此所得到的中心光束的能量密度要大于周边的能量密度，因此，可通过中心光束进行深熔焊接，可通过周边激光进行预热或缓冷。第一部分即聚光点，第二部分即激光点。
步骤S403：所述重排激光通过可发生位移的反射镜反射后，得到空间位置可发生改变的摆动激光；
步骤S404：所述摆动激光通过场镜聚焦后，形成目标激光，通过所述目标激光对当前待焊接物进行焊接；
或，所述步骤S40包括：
步骤S405：由激光器本体发射出第一激光光束和第二激光光束，所述第一激光光束和第二激光光束通过准直镜准直，得到准直激光，所述准直激光通过带空孔的圆柱透镜，实现对激光能量的重新排布，得到重排激光；
步骤S406：所述重排激光通过可发生位移的反射镜反射后，得到空间位置可发生改变的摆动激光；
步骤S407：所述摆动激光通过场镜聚焦后，形成目标激光，通过所述目标激光对当前待焊接物进行焊接。
所述步骤S404包括：
步骤S4041，所述摆动激光通过场镜后形成目标激光，所述目标激光的焦点位置可沿着所述场镜的主光轴的轴向或径向方向发生移动；
步骤S4042，通过所述目标激光对当前待焊接物进行焊接。
所述待焊接物和目标激光之间设有填充丝。
提供一种智能焊接系统：
第一预测模块，用于通过线性模型对线性数据进行预测，得到第一预测结果；
和/或，第二预测模块，用于通过非线性模型对非线性数据进行预测，得到第二预测结果；
第一焊接模块，用于基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接。
提供一种智能焊接系统：
第一接收模块，用于接收期望的效果参数和初始技术参数集合；
第一接收模块，用于根据所述效果参数获取目标技术参数集合，遍历所述目标技术参数集合，依次判断所述目标技术参数集合中的每个目标技术参数与所述效果参数之间的对应关系；
第二焊接模块，用于在所述目标技术参数与所述效果参数之间为线性关系时，则通过线性模型对所述目标技术参数的具体数值进行预测，得到第一预测结果，根据所述第一预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第一目标运行参数，通过激光器本体根据所述第一目标运行参数发出目标激光对当前待焊接物进行焊接；
用于在所述目标技术参数与所述效果参数之间为非线性关系时，则通过非线性模型对所述目标技术参数的具体数值进行预测，得到第二预测结果，根据所述第二预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第二目标运行参数，通过激光器本体根据所述第二目标运行参数发出目标激光对当前待焊接物进行焊接。
提供一种智能焊接系统，：
第二接收模块，用于接收期望的效果参数和初始技术参数集合，根据所述效果参数获取目标技术参数集合，其中，所述初始技术参数集合由多个初始技术参数构成，所述目标技术参数集合由多个目标技术参数构成；
第二判断模块，用于将每个目标技术参数与初始技术参数进行比较，判断所述目标技术参数是否符合预设条件；
第三判断模块，若目标技术参数符合预设条件，则判断所述目标技术参数与所述效果参数之间的对应关系；
第三焊接模块，用于在所述目标技术参数与所述效果参数之间为线性关系时，则通过线性模型对所述目标技术参数的具体数值进行预测，得到第一预测结果，根据所述第一预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第一目标运行参数，通过激光器本体根据所述第一目标运行参数发出目标激光对当前待焊接物进行焊接；
用于在所述目标技术参数与所述效果参数之间为非线性关系时，则通过非线性模型对所述目标技术参数的具体数值进行预测，得到第二预测结果，根据所述第二预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第二目标运行参数，通过激光器本体根据所述第二目标运行参数发出目标激光对当前待焊接物进行焊接。
一种智能焊接系统，能够实现如上述所述的智能焊接方法，包括硬件部件和软件部件，所述软件部件和所述硬件部件电连接或通讯连接，软件部件和所述硬件部件均与主控模块相连接；
所述硬件部件包括用于输出激光束的激光器本体、旋转式螺线管10、沿激光的传输方向依次设有准直透镜5、带空孔的圆柱透镜41、反射镜8、场镜11，所述旋转式螺线管10由内部或外部电源提供驱动力，所述旋转式螺线管10用于带动所述反射镜8进行旋转或摆动，所述圆柱透镜41的激光束入射端具有曲率，激光束经过所述圆柱透镜41后形成聚光点和激光点，聚光点位于所述激光点内，聚光点的能量密度大于所述激光点的能量密度；
在本实施例中，激光束先经过带空孔的圆柱透镜41，所述激光束一部分从空孔内穿过，另一部分穿过所述空孔的四周，后到达反射镜8，此时所述旋转轴带动所述反射镜8转动或摆动，由所述反射镜反射的所述激光束也随之摆动、旋转，最终通过场镜11聚焦为由中心光和环形光组成的光斑，所述中心的最大内径小于圆心至所述环形光最外边缘的最大内径，所述光斑连续地摆动或旋转作用于待焊接物；可以向旋转螺线管供给间断的正弦波电压，在旋转螺线管带动所述旋转螺线管的旋转轴旋转成正弦波状的同时，控制激光源发出激光束，所述激光束先经过准直镜准直，后经过带空孔的圆柱透镜41，所述激光束一部分从空孔内穿过，另一部分穿过所述空孔的四周，后到达反射镜8，此时所述旋转轴带动所述反射镜8转动或摆动，由所述反射镜反射的所述激光束也随之摆动、旋转，最终通过场镜11聚焦为由中心光和环形光组成的光斑，所述中心的最大内径小于圆心至所述环形光最外边缘的最大内径，所述光斑间断地摆动或旋转作用于待焊接物，其中，具体参数包括：每次供给正弦波电压的时长是0.1ms，频率是300Hz，或，每次供给正弦波电压的频率是50Hz，当待所述处理物为不锈钢时，每次供给正弦波电压的频率是100Hz。
所述软件部件包括：
构建模块，用于基于预置算法构建初始线性模型和初始非线性模型；
训练模块，用于将预先采集到的原始数据集输入所述初始非线性模型进行预测训练，训练后分别得到第一线性模型和第一非线性模型；
其中，所述原始数据包括待焊接物形变量、激光束与所述待焊接物交接处的温度、焊接宽度、激光束能量密度、光斑大小、激光束与待焊接物之间的角度；
采集模块，用于采集当前工况数据，所述当前工况数据包括第一线性数据和第一非线性数据，将所述第一线性数据输入所述第一线性模型，将所述第一非线性数据输入第一非线性模型；
预测模块，用于通过所述第一线性模型对所述第一线性数据进行预测，得到第一预测结果，通过第一非线性模型对所述第二非线性数据进行预测，得到第二预测结果；
其中，所述工况数据包括在实际焊接中所述待焊接物形变量、激光束与所述待焊接物交接处的温度、焊接宽度、激光束能量密度、光斑大小、激光束与待焊接物之间的角度；
获取模块，用于基于所述第一预测结果和所述第二预测结果获取目标运行参数，并通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接，对焊接后的所述待焊接物的图像信息进行采集，获得焊接效果数据；所述实际运行参数包括，激光系统的功率、脉冲、激光束摆动的角度、激光镜片相较于激光束的入射端的角度和距离；
预期判断模块，用于判断所述焊接效果数据是否小于或等于预期值；
预测训练模块，用于若所述焊接效果数据小于或等于预期值，则执行将预先采集到的原始数据集输入所述初始非线性模型进行预测训练，训练后分别得到第一线性模型和第一非线性模型的步骤，直至所述焊接效果数据大于所述预期值。
在本实施例中，可通过弹簧对由旋转式螺线管10带动的部件进行限位，控制其摆动的最大角度，弹簧的一端与所述部件连接，另一端与驱动电机连接，通过驱动电机来对弹簧进行拉伸，从而减小最大角，驱动电机与主控模块101相连接；
当预测到若要获得到熔宽为4mm时，需要将激光束摆动的角度由当前的60°调整为30°，可以通过拉伸弹簧，将部件摆动的幅度调小，直至激光束摆动的角度变为30°，为了判断是否调节成功，可以通过红外温度检测等装置获取激光束射入待焊接物的位置信息，从而获取角度是否合格。同样的还可以为获取预定的激光摆动频率而调整施加至所述旋转式螺线管10的电压参数；
在镀锌钢板时，由于锌的沸点为907℃，远远低于铁的熔点1538℃，锌蒸发后变成粉末状的氧化锌，从金属变成像土一样的混合物，难以将锌蒸气排出的间隙控制在0.5mm以内，为了解决这一问题本实施例可将空孔圆柱透镜401追加到光路内。准直后的激光束一部分从空孔中穿过，另一部分从空孔周围穿过，再经过所述场镜11聚焦后，形成的激光束由聚光点和沿聚光点线性扩展的激光点，激光点能量低，而聚光点能量高，可对待加工物可起到预热或缓冷的作用。
在一个实施例中，第一焊接模块包括调整单元，所述调整单元用于调整所述第一预测结果和/或所述第二预测结果所占的权重，得到目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接。
在一个实施例中，参照图2，提供另外一种智能焊接系统，在上述智能焊接系统的软件部件（图3）的基础上，还包括：沿激光的传输方向依次设有准直透镜5、带空孔的圆柱透镜41、反射镜8、场镜11，场镜11由于可以将不同焦点的激光整合至同一平面，因此激光束能量更为稳定，焊接效果也会更加稳定，所述反射镜8连接有旋转电机102，所述旋转电机102用于驱动所述反射镜8按照预设角度进行旋转，所述圆柱透镜41与激光束入射方向相对的一侧具有一定的曲率，激光束经过所述圆柱透镜41后形成聚光点和激光点；激光束先经过准直镜5准直后，依次经过上述所有透镜，旋转电机102可起到与上个实施例中旋转式螺线管10的作用是相同的，可根据实际场景选择其中的一种，例如，在大功率激光器中，发热速度快，且希望减低能耗，则采用旋转式螺线管10对部件进行间隙性的驱动，在需要精准获取部件摆动角度的场景下，可采用旋转电机102来驱动部件摆动。
在一个实施例中，所述圆柱透镜41呈曲面的一端可与所述激光束光路方向垂直。
在一个实施例中，具有曲率的位置可以为凸形也可以为凹形。
在本实施例中，当所述圆柱透镜41具有曲率的位置为凹形时，激光束通过所述圆柱透镜41的空孔部分能够形成聚光点，激光束通过所述圆柱透镜41的非空孔部分能够形成激光点，所述聚光点落入所述激光点内部，所述聚光点用于匙孔焊接，所述聚光点用于预热或缓冷。
在一个实施例中，还包括激光处理模块，所述激光处理模块还包括输出单元，所述输出单元用于根据所述第一预测结果和所述第二预测结果向旋转螺线管供给连续的正弦波电压；所述激光处理模块电连接有激光源，在旋转螺线管带动所述旋转螺线管的旋转轴旋转成正弦波状的同时，所述激光处理模块控制所述激光源发出激光束，所述激光束先经过准直镜准直，后经过带空孔的圆柱透镜41，所述激光束一部分从空孔内穿过，另一部分穿过所述空孔的四周，后到达反射镜8，此时所述旋转轴带动所述反射镜8转动或摆动，由所述反射镜反射的所述激光束也随之摆动、旋转，最终通过场镜11聚焦为由中心光和环形光组成的光斑，所述中心的最大内径小于圆心至所述环形光最外边缘的最大内径，所述光斑摆动或旋转地作用于待焊接物；
或，所述输出单元用于向旋转螺线管供给间断的正弦波电压；在所述输出单元工作时包括：
每次供给正弦波电压的时长是0.1ms，频率是300Hz；
或，当所述待焊接物为铝板时，供给正弦波电压的频率是50Hz；当待所述处理物为不锈钢时，供给正弦波电压的频率是100Hz。
在一个实施例中，所述预期值判断模块具体用于检测所述待焊接物的处理效果，并获取实际焊接效果数据，所述焊接效果数据能够为用于测距的激光雷达单元，也能够为用于采集图像信息的图像采集单元，也能够为用于感应温度信息的温度采集单元；还包括相似度判断模块，所述相似度判断模块用于通过相似度算法计算当前焊接效果数据与预置数据之间的相似度。
在一个实施例中，所述圆柱透镜41所带的空孔的数量为一个或多个。
在一个实施例中，所述相似度判断模块包括排序单元，所述排序单元用于通过权重算法对所述原始数据进行优先级排序。
在一个实施例中，所述判断模块用于检测所述待焊接物的处理效果，并获取实际焊接效果数据，所述焊接效果数据能够为用于测距的激光雷达单元，也能够为用于采集图像信息的图像采集单元，也能够为用于感应温度信息的温度采集单元；还包括判断模块，所述判断模块用于通过相似度算法计算当前焊接效果数据与预置数据之间的相似度。
在本实施例中，判断模块用于判断所述相似度是否小于或等于预设阈值；在所述相似度小于或等于预设阈值时，说明第一线性模型或第一非线性模型未能达到理想的预测或分类效果，因此需要将更多组原始数据输入第一线性模型或第一非线性模型中进行预测训练，直至所述相似度大于预设阈值，当相似度大于预设阈值时，其预测的准确度也会相应提升。
在一个实施例中，所述圆柱透镜41所带的空孔的数量为一个或多个。
在一个实施例中，所述判断模块包括排序单元，所述排序单元用于通过权重算法对所述原始数据进行优先级排序。
在本实施例中，由于决定焊接宽度的参数有很多，因此需要排序机制筛选出最相关的参数，从而可避免其他相关度不高的参数的影响。提高模型训练效率，从而提高焊接质量。
在一个实施例中，参照图4，提供了一种计算机设备，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，处理器执行计算机程序时实现上述实施例中智能焊接方法中的步骤，例如图1所示的步骤，或者，处理器执行计算机程序时实现上述实施例中智能焊接系统的各模块/单元的功能，例如图2中模块的功能。
在一个实施例中，提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述智能焊接方法步骤。本发明实施例中的存储器用于存储各种类型的数据以支持该智能焊接系统的操作。所述计算机存储介质中存储有计算机程序，计算机存储介质可以是只读存储器(ROM，Read Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)等存储器；也可以是包括上述存储器之一或任意组合的各种设备。
尽管通过以上实施例对本发明进行了揭示，但是本发明的范围并不局限于此，在不偏离本发明构思的条件下，以上各构件可用所属技术领域人员了解的相似或等同元件来替换。
Claims (21)
1.一种智能焊接方法，其特征在于，包括：
通过线性模型对线性数据进行预测，得到第一预测结果；
和/或，通过非线性模型对非线性数据进行预测，得到第二预测结果；
基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接。
2.一种智能焊接方法，其特征在于，包括：
接收期望的效果参数和初始技术参数集合；
根据所述效果参数获取目标技术参数集合，遍历所述目标技术参数集合，依次判断所述目标技术参数集合中的每个目标技术参数与所述效果参数之间的对应关系；
若所述目标技术参数与所述效果参数之间为线性关系，则通过线性模型对所述目标技术参数的具体数值进行预测，得到第一预测结果，根据所述第一预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第一目标运行参数，通过激光器本体根据所述第一目标运行参数发出目标激光对当前待焊接物进行焊接；
若所述目标技术参数与所述效果参数之间为非线性关系，则通过非线性模型对所述目标技术参数的具体数值进行预测，得到第二预测结果，根据所述第二预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第二目标运行参数，通过激光器本体根据所述第二目标运行参数发出目标激光对当前待焊接物进行焊接。
3.一种智能焊接方法，其特征在于，包括：
接收期望的效果参数和初始技术参数集合，根据所述效果参数获取目标技术参数集合，其中，所述初始技术参数集合由多个初始技术参数构成，所述目标技术参数集合由多个目标技术参数构成；
将每个目标技术参数与初始技术参数进行比较，判断所述目标技术参数是否符合预设条件；
若是，则判断所述目标技术参数与所述效果参数之间的对应关系；
若所述目标技术参数与所述效果参数之间为线性关系，则通过线性模型对所述目标技术参数的具体数值进行预测，得到第一预测结果，根据所述第一预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第一目标运行参数，通过激光器本体根据所述第一目标运行参数发出目标激光对当前待焊接物进行焊接；
若所述目标技术参数与所述效果参数之间为非线性关系，则通过非线性模型对所述目标技术参数的具体数值进行预测，得到第二预测结果，根据所述第二预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第二目标运行参数，通过激光器本体根据所述第二目标运行参数发出目标激光对当前待焊接物进行焊接。
4.根据权利要求1所述的智能焊接方法，其特征在于,所述基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，并通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接的步骤包括：
调整所述第一预测结果和/或所述第二预测结果所占的权重，得到目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接。
5.一种智能焊接方法，其特征在于，包括：
步骤S10：基于预置算法构建初始线性模型和初始非线性模型；
步骤S20：将预先采集到的原始数据集输入所述初始非线性模型进行预测训练，训练后分别得到第一线性模型和第一非线性模型；
其中，所述原始数据包括待焊接物形变量、激光束与所述待焊接物交接处的温度、焊接宽度、激光束能量密度、光斑大小、激光束与待焊接物之间的角度；
步骤S30：采集当前工况数据，所述当前工况数据包括第一线性数据和第一非线性数据，将所述第一线性数据输入所述第一线性模型，将所述第一非线性数据输入第一非线性模型；
通过所述第一线性模型对所述第一线性数据进行预测，得到第一预测结果，通过第一非线性模型对所述第二非线性数据进行预测，得到第二预测结果；
其中，所述工况数据包括在实际焊接中所述待焊接物形变量、激光束与所述待焊接物交接处的温度、焊接宽度、激光束能量密度、光斑大小、激光束与待焊接物之间的角度；
步骤S40：基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，并通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接，对焊接后的所述待焊接物的图像信息进行采集，获得焊接效果数据；所述实际运行参数包括，激光系统的功率、脉冲、激光束摆动的角度、激光镜片相较于激光束的入射端的角度和距离；
步骤S50：判断所述焊接效果数据是否小于或等于预期值；
步骤S60：若是，则返回执行S20的步骤，直至所述焊接效果数据大于所述预期值，得到符合预期值的焊接效果数据，完成焊接。
6.根据权利要求5所述的智能焊接方法，其特征在于，所述步骤S40包括：
步骤S401：通过所述智能焊接系统对当前待焊接物进行焊接的步骤包括：
步骤S402：由激光器本体发射出第一激光光束，所述第一激光光束通过准直镜准直，得到准直激光，所述准直激光通过带空孔的圆柱透镜，实现对激光能量的重新排布，得到重排激光；
步骤S403：所述重排激光通过可发生位移的反射镜反射后，得到空间位置可发生改变的摆动激光；
步骤S404：所述摆动激光通过场镜聚焦后，形成目标激光，通过所述目标激光对当前待焊接物进行焊接；
或，所述步骤S40包括：
步骤S405：由激光器本体发射出第一激光光束和第二激光光束，所述第一激光光束和第二激光光束通过准直镜准直，得到准直激光，所述准直激光通过带空孔的圆柱透镜，实现对激光能量的重新排布，得到重排激光；
步骤S406：所述重排激光通过可发生位移的反射镜反射后，得到空间位置可发生改变的摆动激光；
步骤S407：所述摆动激光通过场镜聚焦后，形成目标激光，通过所述目标激光对当前待焊接物进行焊接。
7.根据权利要求6所述的智能焊接方法，其特征在于，所述步骤S404包括：
步骤S4041，所述摆动激光通过场镜后形成目标激光，所述目标激光的焦点位置可沿着所述场镜的主光轴的轴向或径向方向发生移动；
步骤S4042，通过所述目标激光对当前待焊接物进行焊接。
8.根据权利要求1-7中的任意一项智能焊接方法，其特征在于，包括：在所述待焊接物和目标激光之间设填充丝。
9.一种智能焊接系统，其特征在于，能够实现如权利要求1所述的智能焊接方法：
第一预测模块，用于通过线性模型对线性数据进行预测，得到第一预测结果；
和/或，第二预测模块，用于通过非线性模型对非线性数据进行预测，得到第二预测结果；
第一焊接模块，用于基于所述第一预测结果和/或所述第二预测结果获取目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接。
10.一种智能焊接系统，其特征在于，能够实现如权利要求2所述的智能焊接方法：
第一接收模块，用于接收期望的效果参数和初始技术参数集合；第一接收模块，用于根据所述效果参数获取目标技术参数集合，遍历所述目标技术参数集合，依次判断所述目标技术参数集合中的每个目标技术参数与所述效果参数之间的对应关系；
第二焊接模块，用于在所述目标技术参数与所述效果参数之间为线性关系时，则通过线性模型对所述目标技术参数的具体数值进行预测，得到第一预测结果，根据所述第一预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第一目标运行参数，通过激光器本体根据所述第一目标运行参数发出目标激光对当前待焊接物进行焊接；
用于在所述目标技术参数与所述效果参数之间为非线性关系时，则通过非线性模型对所述目标技术参数的具体数值进行预测，得到第二预测结果，根据所述第二预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第二目标运行参数，通过激光器本体根据所述第二目标运行参数发出目标激光对当前待焊接物进行焊接。
11.一种智能焊接系统，其特征在于，能够实现如权利要求3所述的智能焊接方法：
第二接收模块，用于接收期望的效果参数和初始技术参数集合，根据所述效果参数获取目标技术参数集合，其中，所述初始技术参数集合由多个初始技术参数构成，所述目标技术参数集合由多个目标技术参数构成；
第二判断模块，用于将每个目标技术参数与初始技术参数进行比较，判断所述目标技术参数是否符合预设条件；
第三判断模块，若目标技术参数符合预设条件，则判断所述目标技术参数与所述效果参数之间的对应关系；
第三焊接模块，用于在所述目标技术参数与所述效果参数之间为线性关系时，则通过线性模型对所述目标技术参数的具体数值进行预测，得到第一预测结果，根据所述第一预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第一目标运行参数，通过激光器本体根据所述第一目标运行参数发出目标激光对当前待焊接物进行焊接；
用于在所述目标技术参数与所述效果参数之间为非线性关系时，则通过非线性模型对所述目标技术参数的具体数值进行预测，得到第二预测结果，根据所述第二预测结果调整所述初始技术参数，将调整后的所述初始技术参数作为第二目标运行参数，通过激光器本体根据所述第二目标运行参数发出目标激光对当前待焊接物进行焊接。
12.一种智能焊接系统，其特征在于，能够实现如权利要求5所述的智能焊接方法，包括硬件部件和软件部件，所述软件部件和所述硬件部件电连接或通讯连接，软件部件和所述硬件部件均与主控模块相连接；
所述硬件部件包括用于输出激光束的激光器本体、旋转式螺线管、沿激光的传输方向依次设有准直透镜、带空孔的圆柱透镜、反射镜、场镜，所述旋转式螺线管由内部或外部电源提供驱动力，所述旋转式螺线管用于带动所述反射镜进行旋转或摆动，所述圆柱透镜的激光束入射端具有曲率，所述激光束经过所述圆柱透镜后形成聚光点和激光点；
所述软件部件包括：
构建模块，用于基于预置算法构建初始线性模型和初始非线性模型；
训练模块，用于将预先采集到的原始数据集输入所述初始非线性模型进行预测训练，训练后分别得到第一线性模型和第一非线性模型；
其中，所述原始数据包括待焊接物形变量、激光束与所述待焊接物交接处的温度、焊接宽度、激光束能量密度、光斑大小、激光束与待焊接物之间的角度；
采集模块，用于采集当前工况数据，所述当前工况数据包括第一线性数据和第一非线性数据，将所述第一线性数据输入所述第一线性模型，将所述第一非线性数据输入第一非线性模型；
预测模块，用于通过所述第一线性模型对所述第一线性数据进行预测，得到第一预测结果，通过第一非线性模型对所述第二非线性数据进行预测，得到第二预测结果；
其中，所述工况数据包括在实际焊接中所述待焊接物形变量、激光束与所述待焊接物交接处的温度、焊接宽度、激光束能量密度、光斑大小、激光束与待焊接物之间的角度；
获取模块，用于获取所述第一预测结果和所述第二预测结果，并基于所述第一预测结果和所述第二预测结果对智能焊接系统的实际运行参数进行调节，并通过由所述智能焊接系统发出的目标激光对当前待焊接物进行焊接，对所述待焊接物焊接后的图像信息进行采集，获得焊接效果数据；所述实际运行参数包括，激光系统的功率、脉冲、激光束摆动的角度、激光镜片相较于激光束的入射端的角度和距离；
预期值判断模块，用于判断所述焊接效果数据是否小于或等于预期值；
预测训练模块，用于若所述焊接效果数据小于或等于预期值，则执行将预先采集到的原始数据集输入所述初始非线性模型进行预测训练，训练后分别得到第一线性模型和第一非线性模型的步骤，直至所述焊接效果数据大于所述预期值。
13.一种智能焊接系统，其特征在于，能够实现如权利要求4所述的智能焊接方法，第一焊接模块包括调整单元，所述调整单元用于调整所述第一预测结果和/或所述第二预测结果所占的权重，得到目标运行参数，通过激光器本体根据所述目标运行参数发出目标激光对当前待焊接物进行焊接。
14.根据权利要求9-13任意一项所述的智能焊接系统，其特征在于，沿激光的传输方向依次设有准直透镜（5）、带空孔的圆柱透镜（41）、反射镜（8）、场镜（11），所述反射镜（8）连接有旋转电机，所述旋转电机用于驱动所述反射镜（8）按照预设角度进行旋转，所述圆柱透镜（41）与激光束入射方向相对的一侧具有一定的曲率，激光束经过所述圆柱透镜（41）后形成聚光点和激光点。
15.根据权利要求14所述的智能焊接系统，其特征在于，所述圆柱透镜（41）呈曲面的一端可与所述激光束光路方向垂直。
16.根据权利要求15所述的智能焊接系统，其特征在于，具有曲率的位置可以为凸形也可以为凹形。
17.根据权利要求14所述的智能焊接系统，其特征在于，还包括激光处理模块，所述激光处理模块还包括输出单元，所述输出单元用于根据所述第一预测结果和所述第二预测结果向旋转螺线管供给连续的正弦波电压；所述激光处理模块电连接有激光源，在旋转螺线管带动所述旋转螺线管的旋转轴旋转成正弦波状的同时，所述激光处理模块控制所述激光源发出激光束，所述激光束先经过准直镜准直，后经过带空孔的圆柱透镜（41），所述激光束一部分从空孔内穿过，另一部分穿过所述空孔的四周，后到达反射镜（8），此时所述旋转轴带动所述反射镜（8）转动或摆动，由所述反射镜反射的所述激光束也随之摆动、旋转，最终通过场镜（11）聚焦为由中心光和环形光组成的光斑，所述中心的最大内径小于圆心至所述环形光最外边缘的最大内径，所述光斑摆动或旋转地作用于待焊接物；
或，所述输出单元用于向旋转螺线管供给间断的正弦波电压；在所述输出单元工作时包括：
每次供给正弦波电压的时长是0.1ms，频率是300Hz；
或，当所述待焊接物为铝板时，供给正弦波电压的频率是50Hz；当待所述处理物为不锈钢时，供给正弦波电压的频率是100Hz。
18.根据权利要求13、15-17中任意一项所述的智能焊接系统，其特征在于，所述预期值判断模块具体用于检测所述待焊接物的处理效果，并获取实际焊接效果数据，所述焊接效果数据能够为用于测距的激光雷达单元，也能够为用于采集图像信息的图像采集单元，也能够为用于感应温度信息的温度采集单元；还包括相似度判断模块，所述相似度判断模块用于通过相似度算法计算当前焊接效果数据与预置数据之间的相似度。
19.根据权利要求14所述的智能焊接系统，其特征在于，所述圆柱透镜（41）所带的空孔的数量为一个或多个。
20.根据权利要求18所述的智能焊接系统，其特征在于，所述相似度判断模块包括排序单元，所述排序单元用于通过权重算法对所述原始数据进行优先级排序。
21.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8中任意一项所述的智能焊接方法步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111135482.8A CN113878227A (zh) | 2021-09-27 | 2021-09-27 | 一种智能焊接方法、智能焊接系统及计算机存储介质 |
| PCT/CN2022/077353 WO2023045237A1 (zh) | 2021-09-27 | 2022-02-23 | 一种智能焊接方法、智能焊接系统及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111135482.8A CN113878227A (zh) | 2021-09-27 | 2021-09-27 | 一种智能焊接方法、智能焊接系统及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113878227A true CN113878227A (zh) | 2022-01-04 |
Family
ID=79006908
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111135482.8A Pending CN113878227A (zh) | 2021-09-27 | 2021-09-27 | 一种智能焊接方法、智能焊接系统及计算机存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113878227A (zh) |
| WO (1) | WO2023045237A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114523203A (zh) * | 2022-03-13 | 2022-05-24 | 扬州沃盛车业制造有限公司 | 一种激光智能焊接方法及系统 |
| CN114871577A (zh) * | 2022-05-13 | 2022-08-09 | 武汉锐科光纤激光技术股份有限公司 | 齿轮刀盘的焊接方法和装置、存储介质及电子装置 |
| CN114951996A (zh) * | 2022-05-27 | 2022-08-30 | 长沙理工大学 | 一种激光能量时空协同调制的激光深熔焊接方法与系统 |
| WO2023045237A1 (zh) * | 2021-09-27 | 2023-03-30 | 深圳市联赢激光股份有限公司 | 一种智能焊接方法、智能焊接系统及计算机存储介质 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116475577B (zh) * | 2023-06-26 | 2023-09-12 | 杭州凯龙医疗器械有限公司 | 一种用于ct管与钛窗焊接过程的焊缝控制方法 |
| CN116900582B (zh) * | 2023-07-19 | 2024-02-02 | 西咸新区大熊星座智能科技有限公司 | 一种具有参数预测功能的焊接机器人 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1978114A (zh) * | 2005-11-30 | 2007-06-13 | 陈大可 | 弧焊电源的电弧功率控制方法及装置 |
| CN108027911A (zh) * | 2015-07-29 | 2018-05-11 | 伊利诺斯工具制品有限公司 | 促进焊接即服务软件的系统及方法 |
| CN110722285A (zh) * | 2019-09-30 | 2020-01-24 | 湖南科技大学 | 一种激光热丝焊接焊缝成形质量预测方法、系统及介质 |
| CN111283307A (zh) * | 2018-12-06 | 2020-06-16 | 中国商用飞机有限责任公司 | 一种仿真焊接的方法、装置、终端设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7911816B2 (en) * | 2006-09-13 | 2011-03-22 | Hypertherm, Inc. | Linear, inductance based control of regulated electrical properties in a switch mode power supply of a thermal processing system |
| US8354608B2 (en) * | 2009-05-14 | 2013-01-15 | B6 Sigma, Inc. | Methods for control of a fusion welding process by maintaining a controlled weld pool volume |
| CN110405343B (zh) * | 2019-08-15 | 2021-06-29 | 山东大学 | 一种基于Bagging集成的预测模型与粒子群优化算法的激光焊接工艺参数优化方法 |
| CN111461398A (zh) * | 2020-02-27 | 2020-07-28 | 季华实验室 | 焊接工艺参数优化方法、设备及可读存储介质 |
| CN113878227A (zh) * | 2021-09-27 | 2022-01-04 | 深圳市联赢激光股份有限公司 | 一种智能焊接方法、智能焊接系统及计算机存储介质 |
-
2021
- 2021-09-27 CN CN202111135482.8A patent/CN113878227A/zh active Pending
-
2022
- 2022-02-23 WO PCT/CN2022/077353 patent/WO2023045237A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1978114A (zh) * | 2005-11-30 | 2007-06-13 | 陈大可 | 弧焊电源的电弧功率控制方法及装置 |
| CN108027911A (zh) * | 2015-07-29 | 2018-05-11 | 伊利诺斯工具制品有限公司 | 促进焊接即服务软件的系统及方法 |
| CN111283307A (zh) * | 2018-12-06 | 2020-06-16 | 中国商用飞机有限责任公司 | 一种仿真焊接的方法、装置、终端设备及存储介质 |
| CN110722285A (zh) * | 2019-09-30 | 2020-01-24 | 湖南科技大学 | 一种激光热丝焊接焊缝成形质量预测方法、系统及介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023045237A1 (zh) * | 2021-09-27 | 2023-03-30 | 深圳市联赢激光股份有限公司 | 一种智能焊接方法、智能焊接系统及计算机存储介质 |
| CN114523203A (zh) * | 2022-03-13 | 2022-05-24 | 扬州沃盛车业制造有限公司 | 一种激光智能焊接方法及系统 |
| CN114871577A (zh) * | 2022-05-13 | 2022-08-09 | 武汉锐科光纤激光技术股份有限公司 | 齿轮刀盘的焊接方法和装置、存储介质及电子装置 |
| CN114951996A (zh) * | 2022-05-27 | 2022-08-30 | 长沙理工大学 | 一种激光能量时空协同调制的激光深熔焊接方法与系统 |
| CN114951996B (zh) * | 2022-05-27 | 2024-03-22 | 长沙理工大学 | 一种激光能量时空协同调制的激光深熔焊接方法与系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023045237A1 (zh) | 2023-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113878227A (zh) | 一种智能焊接方法、智能焊接系统及计算机存储介质 | |
| US20200248315A1 (en) | Laser clad layer forming method and laser cladding device | |
| CN108526142A (zh) | 一种基于光束圆周扫描实现激光清洗的方法与装置 | |
| KR102272649B1 (ko) | 작업 품질 검사 기능을 구비한 레이저 클리닝 장치 및 그 방법 | |
| CN101733556A (zh) | 一种激光切割机 | |
| CN111390377B (zh) | 一种用于激光加工的表面自动聚焦方法及系统、存储介质 | |
| CN112475638B (zh) | 一种基于轴锥透镜的激光微孔加工系统和方法 | |
| JP2008030091A5 (zh) | ||
| CN115519238A (zh) | 采用动态光斑的激光焊接系统及其方法 | |
| US11486822B2 (en) | Specimen inspection device and specimen inspection method | |
| JP2007222902A (ja) | レーザ加工装置及びレーザ加工方法 | |
| CN113102901A (zh) | 材料加工方法、装置和存储介质及电子设备 | |
| CN114535834B (zh) | 钻孔设备的控制方法、装置、存储介质和电子装置 | |
| CN113977078B (zh) | 协同控制激光位置和功率的手持式激光焊接设备及方法 | |
| CN115194345A (zh) | 一种针对激光切割设备自动检测调整方法、设备及介质 | |
| CN102046323B (zh) | 利用光束截面成形和多面镜的激光表面处理设备及方法 | |
| CN114054943A (zh) | 一种螺旋动态往复扫描光学系统 | |
| CN104780317B (zh) | 基于多传感器集成的工业照相机自动快速对焦装置与方法 | |
| CN111398272B (zh) | 一种太赫兹波转镜连续成像方法及系统 | |
| JP2008006467A5 (zh) | ||
| KR100650922B1 (ko) | 레이저 용접장치 | |
| JP2021513463A (ja) | 表面をレーザ処理する方法及びレーザ処理システム | |
| CN107976803A (zh) | 一种基于摇杆实现光束扫描的方法与装置 | |
| CN102649194A (zh) | 一种光学盲点的激光加工方法及激光加工装置 | |
| CN107861239A (zh) | 一种基于两节连杆实现光束扫描的方法与装置 |
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 |