CN115268266A - 一种用于推力室焊接的质量评价体系 - Google Patents
一种用于推力室焊接的质量评价体系 Download PDFInfo
- Publication number
- CN115268266A CN115268266A CN202210869948.5A CN202210869948A CN115268266A CN 115268266 A CN115268266 A CN 115268266A CN 202210869948 A CN202210869948 A CN 202210869948A CN 115268266 A CN115268266 A CN 115268266A
- Authority
- CN
- China
- Prior art keywords
- module
- welding
- information
- molten pool
- controller
- 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 88
- 238000013441 quality evaluation Methods 0.000 title abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004891 communication Methods 0.000 claims abstract description 27
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 230000033228 biological regulation Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000005137 deposition process Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 claims description 8
- 230000001934 delay Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000010891 electric arc Methods 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims 3
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 4
- 239000002131 composite material Substances 0.000 abstract description 2
- 230000004927 fusion Effects 0.000 abstract description 2
- 239000000463 material Substances 0.000 abstract description 2
- 239000007921 spray Substances 0.000 description 7
- 238000001816 cooling Methods 0.000 description 2
- 239000002737 fuel gas Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000010953 base metal Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005219 brazing Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000005323 electroforming Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/095—Monitoring or automatic control of welding parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/095—Monitoring or automatic control of welding parameters
- B23K9/0953—Monitoring or automatic control of welding parameters using computing means
-
- 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
- B23K9/133—Means for feeding electrodes, e.g. drums, rolls, motors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Arc Welding Control (AREA)
Abstract
本发明公开了一种用于推力室焊接的质量评价体系，属于火箭发动机制造技术领域。包括数据采集模块、控制模块、通信模块、数据库模块和控制器自学习模块，其中，所述数据采集模块、控制模块连接和控制器自学习模块依次连接，所述数据采集模块与数据库模块连接，所述数据库模块分别与控制模块和控制器自学习模块连接。本发明提出的方法并不局限于特定的材料和焊接工艺方法，适应性强。使用红外图像，被动视觉传感和主动视觉传感多信息融合输入，以及前馈加反馈复合控制，对于高度非线性和强时变特征的推力室焊接过程质量评定来说具有较高的可靠性。同时可以进一步提高其焊接质量。
Description
技术领域
本发明涉及一种用于推力室焊接的质量评价体系，属于火箭发动机制造技术领域。
背景技术
喷管是液体火箭发动机中负责将燃气膨胀加速喷出，获得反推力的部件。其一般采用冷却夹套结构，保证喷管结构金属材料不被燃气烧蚀、烧毁。喷管的冷却夹套结构由铣槽内壁和外壁组成，该结构的各部分可以采用焊接、螺栓连接等方式连接在一起。现有的喷管制造过程中需要多套工装来保证各部分的焊接。所用工装包括压合工装、钎焊工装、焊接工装与电铸工装等一系列的配套工装。在现有喷管的生产过程中，这些工装各自承担其自身的功能，不具有通用性，从而导致喷管的制造过程中存在以下问题：焊接前的准备工序多、工艺复杂、实现难度较大、设备昂贵、调试/试制周期长、生产能耗较大、接头力学性能低于母材等。
因此希望根据沉积过程中的工况的变化，自适应调整工艺参数来保证焊接质量。然而焊接中的高度复杂性尚不能通过普适的数学模型来描述，过程控制的实现难度较大，提出可行的自适应控制方法是目前亟待解决的问题。
发明内容
本发明提出了一种用于推力室焊接的质量评价体系，以解决现有技术中存在的问题。
一种用于推力室身部焊接的自适应控制系统，所述用于推力室身部焊接的自适应控制系统包括数据采集模块、控制模块、通信模块、数据库模块和控制器自学习模块，其中，所述数据采集模块、控制模块连接和控制器自学习模块依次连接，所述数据采集模块与数据库模块连接，所述数据库模块分别与控制模块和控制器自学习模块连接。
进一步的，所述数据采集模块，用于采集熔池图像和焊缝的轮廓信息，同时存储焊接不良的标准样式和亮度的标准样式；
所述控制模块，用于处理数据采集模块传输的数据信息，并对电弧能量和送丝速度进行前馈控制，将前馈控制信号发送至所述通信模块；
所述通信模块，用于将前馈控制信号传输至电源和送丝机，实现对电弧能量的实时调节和对送丝速度的实时调节；
所述数据库模块，用于将数据采集模块采集得到的数据和数据库中存储的数据进行比对，再给到所述控制模块进行反馈；同时将数据采集模块采集得到的数据存储进入数据库，为所述控制器自学习模块提供数据样本；
所述控制器自学习模块，用于用于前馈控制器人工智能模型的训练。
进一步的，所述数据采集模块包括前置式相机、前置式结构光传感器、前置红外热成像仪和存储器，所述前置式相机、前置式结构光传感器和前置红外热成像仪均与存储器连接，所述前置式相机、前置式结构光传感器、前置红外热成像仪和存储器均与控制模块连接。
进一步的，所述前置式相机，用于采集熔池图像并传输至所述控制模块；
所述前置式结构光传感器，用于采集焊缝的轮廓信息并传输至所述控制模块；
所述前置红外热成像仪，用于采集温度场信息并传输至所述控制模块，所述温度场信息包括熔池前方温度场和温度梯度场；
所述存储器，用于存储焊接不良的标准样式和亮度的标准样式，然后将从所述前置式相机输入的视频信号中提取的RGB值和亮度值，与存储器中存储的标准RGB值和亮度值相比较，并公布输出焊接不良或焊接良好的数量至所述控制模块。
进一步的，所述控制模块，包括数据处理器、前馈控制器和反馈控制器，所述数据处理器连接前馈控制器和反馈控制器。
进一步的，所述数据处理器，用于处理数据采集模块传输的数据信息，所述数据信息包括从所述前置红外热成像仪传输的温度场信息中提取熔池前方温度场和温度梯度场；从所述前置式相机传输的熔池图像中提取熔池的实时尺寸；从所述前置式结构光传感器提取焊缝的轮廓信息，基于人工智能模型处理所述数据信息，向所述前馈控制器和反馈控制器发送命令；
所述前馈控制器，用于根据所述熔池前方温度场和温度梯度场信息对电弧能量进行前馈控制，根据所述焊缝的轮廓信息对送丝速度进行前馈控制；
所述反馈控制器，用于根据熔池的实时尺寸对电弧能量进行反馈控制。
进一步的，所述控制器自学习模块，用于通过有限元数值模拟获得大量随机结构的喷管焊接过程温度场理论数据，通过迭代学习使所述前馈控制器的人工智能模型达到理想的精度。
一种用于推力室身部焊接的自适应控制方法，所述用于推力室身部焊接的自适应控制方法基于上述的一种用于推力室身部焊接的自适应控制系统，所述用于推力室身部焊接的自适应控制方法包括以下步骤：
步骤一、在焊接过程过程开始之前，所述控制器自学习模块利用训练数据进行迭代学习，直至人工智能模型具备一定的精度，能够准确根据熔池前方温度场和温度梯度场信息预测沉积过程进行至该处时所需的电弧能量增量，根据焊缝尺寸信息预测焊接过程进行至该处时所需的送丝速度增量；利用存储器实现焊接质量快速识别；
步骤二、在焊接过程中，所述数据采集模块通过前置式红外热成像仪采集熔池前方的温度信息并传输至控制模块，通过前置式相机采集熔池图像并传输至控制模块，通过前置式结构光传感器采集焊缝的轮廓信息并传输至控制模块，通过超声探伤采集内部缺陷情况；
步骤三、所述控制模块中的数据处理器对数据采集模块传输的数据进行实时处理，从前置式红外热成像仪传输的温度场信息中提取熔池前方温度场和温度梯度场，从前置式相机传输的熔池图像中提取熔池的实时尺寸，从前置式结构光传感器传输的焊缝的轮廓信息中提取焊缝的尺寸；
步骤四、所述控制模块的前馈控制器根据熔池前方温度场和温度梯度场信息预测沉积过程进行至该处时所需的电弧能量增量，延迟输出给通信模块，根据焊缝的尺寸信息预测沉积过程进行至该处时所需的送丝速度增量，延迟输出给通信模块；
步骤五、所述控制模块的反馈控制器根据熔池的实时尺寸判断保证尺寸精度所需的电弧能量增量，实时输出给通信模块；
步骤六、所述通信模块将控制模块的控制信号传输至电源，实现对电弧能量的实时调节，将控制模块的控制信号传输至送丝机，实现对送丝速度的实时调节。
进一步的，在步骤一中，所述控制器自学习模块采用随机算法生成大量变散热条件的几何模型，对这些几何模型进行分层和路径规划后采用有限元数值模拟进行温度场仿真，得到每个几何模型。
一种存储介质，该存储介质上储存有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
本发明的有益效果：本发明提出了一种用于推力室焊接的质量评价体系，本发明提出的方法并不局限于特定的材料和焊接工艺方法，适应性强。使用红外图像，被动视觉传感和主动视觉传感多信息融合输入，以及前馈加反馈复合控制，对于高度非线性和强时变特征的推力室焊接过程质量评定来说具有较高的可靠性。同时可以进一步提高其焊接质量。
具体实施方式
下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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，都属于本发明保护的范围。
一种用于推力室身部焊接的自适应控制系统，所述用于推力室身部焊接的自适应控制系统包括数据采集模块、控制模块、通信模块、数据库模块和控制器自学习模块，其中，所述数据采集模块、控制模块连接和控制器自学习模块依次连接，所述数据采集模块与数据库模块连接，所述数据库模块分别与控制模块和控制器自学习模块连接。
进一步的，所述数据采集模块，用于采集熔池图像和焊缝的轮廓信息，同时存储焊接不良的标准样式和亮度的标准样式；
所述控制模块，用于处理数据采集模块传输的数据信息，并对电弧能量和送丝速度进行前馈控制，将前馈控制信号发送至所述通信模块；
所述通信模块，用于将前馈控制信号传输至电源和送丝机，实现对电弧能量的实时调节和对送丝速度的实时调节；
所述数据库模块，用于将数据采集模块采集得到的数据和数据库中存储的数据进行比对，再给到所述控制模块进行反馈；同时将数据采集模块采集得到的数据存储进入数据库，为所述控制器自学习模块提供数据样本；
所述控制器自学习模块，用于用于前馈控制器人工智能模型的训练。
进一步的，所述数据采集模块包括前置式相机、前置式结构光传感器、前置红外热成像仪和存储器，所述前置式相机、前置式结构光传感器和前置红外热成像仪均与存储器连接，所述前置式相机、前置式结构光传感器、前置红外热成像仪和存储器均与控制模块连接。
进一步的，所述前置式相机，用于采集熔池图像并传输至所述控制模块；
所述前置式结构光传感器，用于采集焊缝的轮廓信息并传输至所述控制模块；
所述前置红外热成像仪，用于采集温度场信息并传输至所述控制模块，所述温度场信息包括熔池前方温度场和温度梯度场；
所述存储器，用于存储焊接不良的标准样式和亮度的标准样式，然后将从所述前置式相机输入的视频信号中提取的RGB值和亮度值，与存储器中存储的标准RGB值和亮度值相比较，并公布输出焊接不良或焊接良好的数量至所述控制模块。
进一步的，所述控制模块，包括数据处理器、前馈控制器和反馈控制器，所述数据处理器连接前馈控制器和反馈控制器。
进一步的，所述数据处理器，用于处理数据采集模块传输的数据信息，所述数据信息包括从所述前置红外热成像仪传输的温度场信息中提取熔池前方温度场和温度梯度场；从所述前置式相机传输的熔池图像中提取熔池的实时尺寸；从所述前置式结构光传感器提取焊缝的轮廓信息，基于人工智能模型处理所述数据信息，向所述前馈控制器和反馈控制器发送命令；
所述前馈控制器，用于根据所述熔池前方温度场和温度梯度场信息对电弧能量进行前馈控制，根据所述焊缝的轮廓信息对送丝速度进行前馈控制；
所述反馈控制器，用于根据熔池的实时尺寸对电弧能量进行反馈控制。
进一步的，所述控制器自学习模块，用于通过有限元数值模拟获得大量随机结构的喷管焊接过程温度场理论数据，通过迭代学习使所述前馈控制器的人工智能模型达到理想的精度。
一种用于推力室身部焊接的自适应控制方法，所述用于推力室身部焊接的自适应控制方法基于上述的一种用于推力室身部焊接的自适应控制系统，所述用于推力室身部焊接的自适应控制方法包括以下步骤：
步骤一、在焊接过程过程开始之前，所述控制器自学习模块利用训练数据进行迭代学习，直至人工智能模型具备一定的精度，能够准确根据熔池前方温度场和温度梯度场信息预测沉积过程进行至该处时所需的电弧能量增量，根据焊缝尺寸信息预测焊接过程进行至该处时所需的送丝速度增量；利用存储器实现焊接质量快速识别；
步骤二、在焊接过程中，所述数据采集模块通过前置式红外热成像仪采集熔池前方的温度信息并传输至控制模块，通过前置式相机采集熔池图像并传输至控制模块，通过前置式结构光传感器采集焊缝的轮廓信息并传输至控制模块，通过超声探伤采集内部缺陷情况；
步骤三、所述控制模块中的数据处理器对数据采集模块传输的数据进行实时处理，从前置式红外热成像仪传输的温度场信息中提取熔池前方温度场和温度梯度场，从前置式相机传输的熔池图像中提取熔池的实时尺寸，从前置式结构光传感器传输的焊缝的轮廓信息中提取焊缝的尺寸；
步骤四、所述控制模块的前馈控制器根据熔池前方温度场和温度梯度场信息预测沉积过程进行至该处时所需的电弧能量增量，延迟输出给通信模块，根据焊缝的尺寸信息预测沉积过程进行至该处时所需的送丝速度增量，延迟输出给通信模块；
步骤五、所述控制模块的反馈控制器根据熔池的实时尺寸判断保证尺寸精度所需的电弧能量增量，实时输出给通信模块；
步骤六、所述通信模块将控制模块的控制信号传输至电源，实现对电弧能量的实时调节，将控制模块的控制信号传输至送丝机，实现对送丝速度的实时调节。
进一步的，在步骤一中，所述控制器自学习模块采用随机算法生成大量变散热条件的几何模型，对这些几何模型进行分层和路径规划后采用有限元数值模拟进行温度场仿真，得到每个几何模型。
一种存储介质，该存储介质上储存有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
具体的，本发明为一种推进器喷管焊接过程的焊接质量评价体系，包括数据采集模块，控制模块，数据库模块和控制器自学习模块；
所述数据采集模块通过前置式红外热成像仪采集熔池前方的温度信息并传输至控制模块，通过前置式相机采集熔池图像并传输至控制模块，通过前置式结构光传感器采集上一沉积层的轮廓信息并传输至控制模块；
所述控制模块包括数据处理器，前馈控制器和反馈控制器；所述数据处理器用于处理数据采集模块传输的数据信息，从红外热成像仪传输的温度场信息中提取熔池前方温度场和温度梯度场，通过图像处理从相机传输的熔池图像中提取熔池的实时尺寸，通过图像处理从结构光传感器传输的此前焊缝的轮廓信息中提取焊缝尺寸；所述前馈控制器基于人工智能模型根据熔池前方温度场和温度梯度场信息对沉积过程进行至温度场和温度梯度场采样位置时所需的电弧能量增量进行预测，并延迟输出至通信模块，实现对电弧能量的前馈控制，根据此前焊缝的尺寸对对沉积过程进行至焊缝尺寸采样位置时所需的送丝速度增量进行预测，并延迟输出至通信模块，实现对送丝速度的前馈控制；所述反馈控制器根据熔池的实时尺寸判断保证尺寸精度所需的电弧能量增量，并实时输出至通信模块，实现对电弧能量的反馈控制；所述通信模块用于将控制模块的控制信号传输至电源，实现对电弧能量的实时调节，将控制模块的控制信号传输至送丝机，实现对送丝速度的实时调节；所述控制器自学习模块用于前馈控制器人工智能模型的训练。
通过超声探伤进一步探明内部孔隙缺陷，优选地，所述前馈控制器基于人工神经元网络，所述人工神经元网络通过熔池前方温度场和温度梯度场信息预测沉积过程进行至该处时所需的电弧能量增量。
Claims (10)
1.一种用于推力室身部焊接的自适应控制系统，其特征在于，所述用于推力室身部焊接的自适应控制系统包括数据采集模块、控制模块、通信模块、数据库模块和控制器自学习模块，其中，所述数据采集模块、控制模块连接和控制器自学习模块依次连接，所述数据采集模块与数据库模块连接，所述数据库模块分别与控制模块和控制器自学习模块连接。
2.根据权利要求1所述的一种用于推力室身部焊接的自适应控制系统，其特征在于，
所述数据采集模块，用于采集熔池图像和焊缝的轮廓信息，同时存储焊接不良的标准样式和亮度的标准样式；
所述控制模块，用于处理数据采集模块传输的数据信息，并对电弧能量和送丝速度进行前馈控制，将前馈控制信号发送至所述通信模块；
所述通信模块，用于将前馈控制信号传输至电源和送丝机，实现对电弧能量的实时调节和对送丝速度的实时调节；
所述数据库模块，用于将数据采集模块采集得到的数据和数据库中存储的数据进行比对，再给到所述控制模块进行反馈；同时将数据采集模块采集得到的数据存储进入数据库，为所述控制器自学习模块提供数据样本；
所述控制器自学习模块，用于用于前馈控制器人工智能模型的训练。
3.根据权利要求2所述的一种用于推力室身部焊接的自适应控制系统，其特征在于，所述数据采集模块包括前置式相机、前置式结构光传感器、前置红外热成像仪和存储器，所述前置式相机、前置式结构光传感器和前置红外热成像仪均与存储器连接，所述前置式相机、前置式结构光传感器、前置红外热成像仪和存储器均与控制模块连接。
4.根据权利要求3所述的一种用于推力室身部焊接的自适应控制系统，其特征在于，
所述前置式相机，用于采集熔池图像并传输至所述控制模块；
所述前置式结构光传感器，用于采集焊缝的轮廓信息并传输至所述控制模块；
所述前置红外热成像仪，用于采集温度场信息并传输至所述控制模块，所述温度场信息包括熔池前方温度场和温度梯度场；
所述存储器，用于存储焊接不良的标准样式和亮度的标准样式，然后将从所述前置式相机输入的视频信号中提取的RGB值和亮度值，与存储器中存储的标准RGB值和亮度值相比较，并公布输出焊接不良或焊接良好的数量至所述控制模块。
5.根据权利要求4所述的一种用于推力室身部焊接的自适应控制系统，其特征在于，所述控制模块，包括数据处理器、前馈控制器和反馈控制器，所述数据处理器连接前馈控制器和反馈控制器。
6.根据权利要求5所述的一种用于推力室身部焊接的自适应控制系统，其特征在于，
所述数据处理器，用于处理数据采集模块传输的数据信息，所述数据信息包括从所述前置红外热成像仪传输的温度场信息中提取熔池前方温度场和温度梯度场；从所述前置式相机传输的熔池图像中提取熔池的实时尺寸；从所述前置式结构光传感器提取焊缝的轮廓信息，基于人工智能模型处理所述数据信息，向所述前馈控制器和反馈控制器发送命令；
所述前馈控制器，用于根据所述熔池前方温度场和温度梯度场信息对电弧能量进行前馈控制，根据所述焊缝的轮廓信息对送丝速度进行前馈控制；
所述反馈控制器，用于根据熔池的实时尺寸对电弧能量进行反馈控制。
7.根据权利要求6所述的一种用于推力室身部焊接的自适应控制系统，其特征在于，所述控制器自学习模块，用于通过有限元数值模拟获得大量随机结构的喷管焊接过程温度场理论数据，通过迭代学习使所述前馈控制器的人工智能模型达到理想的精度。
8.一种用于推力室身部焊接的自适应控制方法，其特征在于，所述用于推力室身部焊接的自适应控制方法基于权利要求1-7任一项所述的一种用于推力室身部焊接的自适应控制系统，其特征在于，所述用于推力室身部焊接的自适应控制方法包括以下步骤：
步骤一、在焊接过程过程开始之前，所述控制器自学习模块利用训练数据进行迭代学习，直至人工智能模型具备一定的精度，能够准确根据熔池前方温度场和温度梯度场信息预测沉积过程进行至该处时所需的电弧能量增量，根据焊缝尺寸信息预测焊接过程进行至该处时所需的送丝速度增量；利用存储器实现焊接质量快速识别；
步骤二、在焊接过程中，所述数据采集模块通过前置式红外热成像仪采集熔池前方的温度信息并传输至控制模块，通过前置式相机采集熔池图像并传输至控制模块，通过前置式结构光传感器采集焊缝的轮廓信息并传输至控制模块，通过超声探伤采集内部缺陷情况；
步骤三、所述控制模块中的数据处理器对数据采集模块传输的数据进行实时处理，从前置式红外热成像仪传输的温度场信息中提取熔池前方温度场和温度梯度场，从前置式相机传输的熔池图像中提取熔池的实时尺寸，从前置式结构光传感器传输的焊缝的轮廓信息中提取焊缝的尺寸；
步骤四、所述控制模块的前馈控制器根据熔池前方温度场和温度梯度场信息预测沉积过程进行至该处时所需的电弧能量增量，延迟输出给通信模块，根据焊缝的尺寸信息预测沉积过程进行至该处时所需的送丝速度增量，延迟输出给通信模块；
步骤五、所述控制模块的反馈控制器根据熔池的实时尺寸判断保证尺寸精度所需的电弧能量增量，实时输出给通信模块；
步骤六、所述通信模块将控制模块的控制信号传输至电源，实现对电弧能量的实时调节，将控制模块的控制信号传输至送丝机，实现对送丝速度的实时调节。
9.根据权利要求8所述的一种用于推力室身部焊接的自适应控制方法，其特征在于，在步骤一中，所述控制器自学习模块采用随机算法生成大量变散热条件的几何模型，对这些几何模型进行分层和路径规划后采用有限元数值模拟进行温度场仿真，得到每个几何模型。
10.一种存储介质，该存储介质上储存有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求8至9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210869948.5A CN115268266A (zh) | 2022-07-22 | 2022-07-22 | 一种用于推力室焊接的质量评价体系 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210869948.5A CN115268266A (zh) | 2022-07-22 | 2022-07-22 | 一种用于推力室焊接的质量评价体系 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115268266A true CN115268266A (zh) | 2022-11-01 |
Family
ID=83769407
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210869948.5A Pending CN115268266A (zh) | 2022-07-22 | 2022-07-22 | 一种用于推力室焊接的质量评价体系 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115268266A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103231162A (zh) * | 2013-04-17 | 2013-08-07 | 柳州市自动化科学研究所 | 机器人焊接质量视觉检测装置及其检测方法 |
| US20170151634A1 (en) * | 2015-12-01 | 2017-06-01 | General Electric Company | System for automated in-process inspection of welds |
| WO2020205998A1 (en) * | 2019-04-05 | 2020-10-08 | Arconic Technologies Llc | Non-destructive evaluation and weld-to-weld adaptive control of metal resistance spot welds via topographical data collection and analysis |
| CN112620652A (zh) * | 2020-11-27 | 2021-04-09 | 哈尔滨工业大学 | 一种电弧增材制造过程的自适应控制系统及方法 |
| EP3843006A1 (de) * | 2019-12-23 | 2021-06-30 | Fronius International GmbH | Verfahren und system zum klassifizieren einer schweissnaht |
-
2022
- 2022-07-22 CN CN202210869948.5A patent/CN115268266A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103231162A (zh) * | 2013-04-17 | 2013-08-07 | 柳州市自动化科学研究所 | 机器人焊接质量视觉检测装置及其检测方法 |
| US20170151634A1 (en) * | 2015-12-01 | 2017-06-01 | General Electric Company | System for automated in-process inspection of welds |
| WO2020205998A1 (en) * | 2019-04-05 | 2020-10-08 | Arconic Technologies Llc | Non-destructive evaluation and weld-to-weld adaptive control of metal resistance spot welds via topographical data collection and analysis |
| EP3843006A1 (de) * | 2019-12-23 | 2021-06-30 | Fronius International GmbH | Verfahren und system zum klassifizieren einer schweissnaht |
| CN112620652A (zh) * | 2020-11-27 | 2021-04-09 | 哈尔滨工业大学 | 一种电弧增材制造过程的自适应控制系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114289934B (zh) | 一种基于三维视觉的大型结构件自动化焊接系统及方法 | |
| CN105478976B (zh) | 基于动态系统辨识的端接微束等离子焊接成形控制方法 | |
| CN112916987B (zh) | 一种电弧增材制造在线监测及实时控制方法和系统 | |
| CN111745267A (zh) | 一种基于激光位移传感器的坡口焊缝实时跟踪系统及方法 | |
| CN107649804B (zh) | 一种增材制造熔深在线检测和控制系统 | |
| CN109291048B (zh) | 一种磨抛工业机器人实时在线编程系统及方法 | |
| CN111151751B (zh) | 一种三激光束智能增减材复合制造系统 | |
| CN110170996B (zh) | 一种基于立体视觉的机器人快速示教系统 | |
| CN106737688A (zh) | 一种基于多传感器的集箱管座机器人自动装配系统和方法 | |
| CN105478975B (zh) | 基于远心视觉传感的端接微束等离子焊接成形控制方法 | |
| CN112207482A (zh) | 一种用于焊接质量控制的多元信息监控和控制系统及方法 | |
| CN115070298A (zh) | 一种高效双丝焊接路径生成系统及路径生成方法 | |
| CN114273494A (zh) | 一种智能旋压加工控制方法 | |
| CN114131141A (zh) | 一种大型结构件变位置焊接质量在线监测方法及系统 | |
| CN102728932A (zh) | 一种自动优化电弧焊工艺参数的方法及其装置 | |
| CN107717168A (zh) | 一种实时热成像红外回流焊系统及检测方法 | |
| CN117788446A (zh) | 基于领域自适应的等离子弧焊接缺陷预测方法及系统 | |
| CN111331225A (zh) | 一种用于锅炉内圆管焊接的焊缝跟踪方法 | |
| CN114453709A (zh) | 一种基于边缘计算的机器人焊接现场智能监控系统 | |
| CN115268266A (zh) | 一种用于推力室焊接的质量评价体系 | |
| CN114386303B (zh) | 一种激光熔化沉积残余应力数值预测模型的建立方法 | |
| CN116377370A (zh) | 一种基于数字孪生的等离子喷涂控制系统及方法 | |
| Gao et al. | Prediction of weld widths for laser-MIG hybrid welding using informer model | |
| Dehaghani et al. | System identification and closed-loop control of laser hot-wire directed energy deposition using the parameter-signature-quality modeling scheme | |
| CN105618888A (zh) | 制冷管路高频感应自动化焊接系统 |
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 |