CN116026841A - 一种基于深度学习的智能焊接缺陷在线检测系统 - Google Patents
一种基于深度学习的智能焊接缺陷在线检测系统 Download PDFInfo
- Publication number
- CN116026841A CN116026841A CN202310031215.9A CN202310031215A CN116026841A CN 116026841 A CN116026841 A CN 116026841A CN 202310031215 A CN202310031215 A CN 202310031215A CN 116026841 A CN116026841 A CN 116026841A
- Authority
- CN
- China
- Prior art keywords
- welding
- acquisition
- weldment
- signal acquisition
- system based
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明通过缺陷分析和复盘学习可以实现自主学习,提高焊接成功率的功能,数据提取包括焊接成功时相同数据提取,以及焊接成功时不同数据区分,焊接失败时的相同数据提取和焊接失败时不同数据区分,经过多次的焊接试验,不断地对成功因素和失败因素进行提取总结分析,并将总结的数据应用在各个控制部件中,实现不断地学习总结,提高焊接成功率。
Description
技术领域
本发明涉及焊接系统技术领域,具体为一种基于深度学习的智能焊接缺陷在线检测系统。
背景技术
焊接,也称作熔接,是一种以加热、高温或者高压的方式接合金属或其他热塑性材料如塑料的制造工艺及技术,现代焊接的能量来源有很多种,包括气体焰、电弧、激光、电子束、摩擦和超声波等。除了在工厂中使用外,焊接还可以在多种环境下进行,如野外、水下和太空。无论在何处,焊接都可能给操作者带来危险,所以在进行焊接时必须采取适当的防护措施。焊接给人体可能造成的伤害包括烧伤、触电、视力损害、吸入有毒气体、紫外线照射过度等。
现有的焊接系统存在的缺陷是:
1、专利文件CN109530841A公开了一种焊接系统,保护的权项“包括:支撑架;夹具结构,其滑动设置在所述支撑架上,用于对工件进行固定;出丝装置,其设置在所述支撑架上,且位于所述夹具结构的一侧,用于输出焊锡丝;及焊接装置,其转动设置在所述支撑架上,且位于所述夹具结构的设置有所述出丝装置的一侧,用于通过焊锡丝将所述引线焊接于所述工件上。本发明公开的焊接系统通过夹具结构对工件进行固定,通过出丝装置输出焊锡丝,然后通过焊接装置将引线焊接在工件上,该焊接系统实现了引线与工件的焊接,提高了焊接精度及工作效率,降低了生产成本”;
2、专利文件CN108705228A公开了一种焊接系统,保护的权项“包括转盘、电池夹具、防烧蚀盖组装子系统和第一焊接子系统;所述电池夹具用于夹持电池,且固定于所述转盘上,所述防烧蚀盖组装子系统用于将防烧蚀盖盖合到电池顶部,所述防烧蚀盖组装子系统和所述第一焊接子系统围绕设置于所述转盘外周;所述第一焊接子系统包括焊接头和位于所述焊接头下方的电池定位机构;所述电池定位机构包括焊接平台和至少两个定位组件,所述焊接平台位于所述电池夹具上方,所述焊接平台设置有中空孔道,所述定位组件固定于所述焊接平台上,且分布于所述中空孔道的相对两侧。本发明的焊接系统,结构紧凑,电池焊接质量和效率高”;
3、专利文件CN106891531A公开了一种焊接系统,保护的权项“本申请描述并且要求保护一种用于沿着纵向方向将细长元件焊接到部件上的系统。该系统包括具有支撑表面的支撑元件、产生预定磁场的磁场产生装置、具有接触装置的托架、固定地连接到所述托架的超导元件、用于将超导元件冷却到其转变温度以下的元件冷却装置、可操作以线性移动所述托架的移动装置、以及用于将细长元件焊接到所述部件上的焊接装置,所述接触装置用于支撑细长元件以防止沿着所述部件的表面在垂直于所述纵向方向的方向中移动。当超导元件具有低于其转变温度的温度时,所述预定磁场限定了用于所述超导元件的沿着支撑表面的线性路径”;
4、专利文件CN113579582A公开了一种焊接系统,保护的权项“包括支架、焊接装置、支撑组件、动力组件、加固组件;支架包括竖直支撑部、与竖直支撑部顶端相连的上安装部;焊接装置与上安装部固定相连;支撑组件包括横支撑、横支撑顶部的支撑滚轮、活动支撑,支撑滚轮、活动支撑朝上设置;动力组件贯穿上安装部,能够相对于上安装部上下移动,动力组件包括安装壳、动力部、主动轮、以及与安装壳底部相连的连接板;动力部用于带动主动轮转动;加固组件包括上滚轮、滚轮固定板、推动装置;上滚轮朝下设置,上滚轮通过滚轮固定板与连接板铰接;推动装置设于上安装部的侧壁上,推动装置的活动端与滚轮固定板相连接”,但是综上所述,焊接系统并没有关于系统自主学习提高焊接成功率的功能,为了提高焊接的成功率,需要焊接系统能够学习和提高。
发明内容
本发明的目的在于提供一种基于深度学习的智能焊接缺陷在线检测系统,以解决上述背景技术中提出的缺少学习提高功能的问题。
为实现上述目的,本发明提供如下技术方案:一种基于深度学习的智能焊接缺陷在线检测系统,包括声信号采集、图像信号采集、传感信号采集、缺陷分析和复盘学习,其特征在于:所述声信号采集包括采集频率、采集范围和采集时间;
所述采集频率为44.1KHz-48KHz,所述采集范围为声信号采集设备与焊件之间的距离,以焊件的中心为原点,声信号的采集范围距离焊件的距离为1-1.5M,所述采集时间为焊接前3-5秒至焊接结束后4-6秒。
优选的,所述图像信号采集包括焊件形状图像采集、焊缝形状图像采集和焊接后的焊缝形状图像采集,所述图像信号采集设备的像素为1400万-3200万像素,所述图像信号采集设备的拍摄范围是以焊件为原点向四周延伸40CM-60CM,所述图像信号采集设备的拍摄时间为焊接前5-10秒-焊接结束后的10-30秒。
优选的,所述焊件形状图像采集为拍摄焊件的主体,使其能够清晰的显示出焊件的形状,通过过个角度进行拍摄,保证图像的完整性;
焊缝形状图像采集对焊缝两侧3-5CM范围内的图像进行采集;
焊接后的焊缝形状采集对焊缝两侧3-5CM范围内的图像采集。
优选的,所述传感信号采集包括焊件厚度传感器、焊缝深度、宽度传感器和焊接温度传感器,焊件厚度传感器精度级别为0.1-0.3MM,在焊接前和焊接后对焊件的厚度进行检测。
优选的,所述焊缝深度、宽度传感器精度级别为0.1-0.3MM,在焊接前对焊缝各部分的深度、宽度进行测量,记录焊缝的深度、宽度数据;
焊接温度传感器主要检测焊件焊接过程中的焊缝温度以及焊接结束后的焊件温度,保存数据记录。
优选的,所述缺陷分析包括对焊接失败的焊件进行数据采集,分析焊接失败的成因,通过对比总结得出容易发生焊接失败的方式。
优选的,所述复盘学习包括数据提取和规律总结;
所述数据提取包括焊接成功时相同数据提取,以及焊接成功时不同数据区分,焊接失败时的相同数据提取和焊接失败时不同数据区分,经过多次的焊接试验,不断地对成功因素和失败因素进行提取总结分析,并将总结的数据应用在各个控制部件中,实现不断地学习总结,提高焊接成功率。
与现有技术相比,本发明的有益效果是:
本发明通过缺陷分析和复盘学习可以实现自主学习,提高焊接成功率的功能,数据提取包括焊接成功时相同数据提取,以及焊接成功时不同数据区分,焊接失败时的相同数据提取和焊接失败时不同数据区分,经过多次的焊接试验,不断地对成功因素和失败因素进行提取总结分析,并将总结的数据应用在各个控制部件中,实现不断地学习总结,提高焊接成功率。
附图说明
图1为本发明的关系示意图;
具体实施方式
下面将结合本发明实施例中的附图,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。
在本发明的描述中,需要说明的是,术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”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。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“设置有”、“连接”等,应做广义理解,例如“连接”,可以是固定连接,也可以是可拆卸连接,或一体的连接;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。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。
实施例1:请参阅图1,本发明提供的一种实施例:一种基于深度学习的智能焊接缺陷在线检测系统,包括声信号采集、图像信号采集、传感信号采集、缺陷分析和复盘学习,其特征在于:所述声信号采集包括采集频率、采集范围和采集时间,所述采集频率为44.1KHz,所述采集范围为声信号采集设备与焊件之间的距离,以焊件的中心为原点,声信号的采集范围距离焊件的距离为1M,所述采集时间为焊接前3秒至焊接结束后4秒,所述图像信号采集包括焊件形状图像采集、焊缝形状图像采集和焊接后的焊缝形状图像采集,所述图像信号采集设备的像素为1400万像素,所述图像信号采集设备的拍摄范围是以焊件为原点向四周延伸40CM-60CM,所述图像信号采集设备的拍摄时间为焊接前5秒-焊接结束后的10秒,所述焊件形状图像采集为拍摄焊件的主体,使其能够清晰的显示出焊件的形状,通过过个角度进行拍摄,保证图像的完整性,焊缝形状图像采集对焊缝两侧3-5CM范围内的图像进行采集,焊接后的焊缝形状采集对焊缝两侧3-5CM范围内的图像采集,所述传感信号采集包括焊件厚度传感器、焊缝深度、宽度传感器和焊接温度传感器,焊件厚度传感器精度级别为0.1MM,在焊接前和焊接后对焊件的厚度进行检测,所述焊缝深度、宽度传感器精度级别为0.1MM,在焊接前对焊缝各部分的深度、宽度进行测量,记录焊缝的深度、宽度数据,焊接温度传感器主要检测焊件焊接过程中的焊缝温度以及焊接结束后的焊件温度,保存数据记录,所述缺陷分析包括对焊接失败的焊件进行数据采集,分析焊接失败的成因,通过对比总结得出容易发生焊接失败的方式,所述复盘学习包括数据提取和规律总结,数据提取包括焊接成功时相同数据提取,以及焊接成功时不同数据区分,焊接失败时的相同数据提取和焊接失败时不同数据区分,经过多次的焊接试验,不断地对成功因素和失败因素进行提取总结分析,并将总结的数据应用在各个控制部件中,实现不断地学习总结,提高焊接成功率。
实施例2:请参阅图1,本发明提供的一种实施例:一种基于深度学习的智能焊接缺陷在线检测系统,包括声信号采集、图像信号采集、传感信号采集、缺陷分析和复盘学习,其特征在于:所述声信号采集包括采集频率、采集范围和采集时间,所述采集频率为48KHz,所述采集范围为声信号采集设备与焊件之间的距离,以焊件的中心为原点,声信号的采集范围距离焊件的距离为1.5M,所述采集时间为焊接前5秒至焊接结束后6秒,所述图像信号采集包括焊件形状图像采集、焊缝形状图像采集和焊接后的焊缝形状图像采集,所述图像信号采集设备的像素为3200万像素,所述图像信号采集设备的拍摄范围是以焊件为原点向四周延伸60CM,所述图像信号采集设备的拍摄时间为焊接前10秒-焊接结束后的30秒,所述焊件形状图像采集为拍摄焊件的主体,使其能够清晰的显示出焊件的形状,通过过个角度进行拍摄,保证图像的完整性,焊缝形状图像采集对焊缝两侧5CM范围内的图像进行采集,焊接后的焊缝形状采集对焊缝两侧5CM范围内的图像采集,所述传感信号采集包括焊件厚度传感器、焊缝深度、宽度传感器和焊接温度传感器,焊件厚度传感器精度级别为0.1-0.3MM,在焊接前和焊接后对焊件的厚度进行检测,所述焊缝深度、宽度传感器精度级别为0.1-0.3MM,在焊接前对焊缝各部分的深度、宽度进行测量,记录焊缝的深度、宽度数据,焊接温度传感器主要检测焊件焊接过程中的焊缝温度以及焊接结束后的焊件温度,保存数据记录,所述缺陷分析包括对焊接失败的焊件进行数据采集,分析焊接失败的成因,通过对比总结得出容易发生焊接失败的方式,所述复盘学习包括数据提取和规律总结,数据提取包括焊接成功时相同数据提取,以及焊接成功时不同数据区分,焊接失败时的相同数据提取和焊接失败时不同数据区分,经过多次的焊接试验,不断地对成功因素和失败因素进行提取总结分析,并将总结的数据应用在各个控制部件中,实现不断地学习总结,提高焊接成功率。
实施例3:请参阅图1,本发明提供的一种实施例:一种基于深度学习的智能焊接缺陷在线检测系统,包括声信号采集、图像信号采集、传感信号采集、缺陷分析和复盘学习,其特征在于:所述声信号采集包括采集频率、采集范围和采集时间,所述采集频率为48KHz,所述采集范围为声信号采集设备与焊件之间的距离,以焊件的中心为原点,声信号的采集范围距离焊件的距离为1-1.5M,所述采集时间为焊接前4秒至焊接结束后5秒,所述图像信号采集包括焊件形状图像采集、焊缝形状图像采集和焊接后的焊缝形状图像采集,所述图像信号采集设备的像素为3200万像素,所述图像信号采集设备的拍摄范围是以焊件为原点向四周延伸40CM-60CM,所述图像信号采集设备的拍摄时间为焊接前8秒-焊接结束后的25秒,所述焊件形状图像采集为拍摄焊件的主体,使其能够清晰的显示出焊件的形状,通过过个角度进行拍摄,保证图像的完整性,焊缝形状图像采集对焊缝两侧3-5CM范围内的图像进行采集,焊接后的焊缝形状采集对焊缝两侧3-5CM范围内的图像采集,所述传感信号采集包括焊件厚度传感器、焊缝深度、宽度传感器和焊接温度传感器,焊件厚度传感器精度级别为0.3MM,在焊接前和焊接后对焊件的厚度进行检测,所述焊缝深度、宽度传感器精度级别为0.3MM,在焊接前对焊缝各部分的深度、宽度进行测量,记录焊缝的深度、宽度数据,焊接温度传感器主要检测焊件焊接过程中的焊缝温度以及焊接结束后的焊件温度,保存数据记录,所述缺陷分析包括对焊接失败的焊件进行数据采集,分析焊接失败的成因,通过对比总结得出容易发生焊接失败的方式,所述复盘学习包括数据提取和规律总结,数据提取包括焊接成功时相同数据提取,以及焊接成功时不同数据区分,焊接失败时的相同数据提取和焊接失败时不同数据区分,经过多次的焊接试验,不断地对成功因素和失败因素进行提取总结分析,并将总结的数据应用在各个控制部件中,实现不断地学习总结,提高焊接成功率。
实施例4:请参阅图1,本发明提供的一种实施例:一种基于深度学习的智能焊接缺陷在线检测系统,包括声信号采集、图像信号采集、传感信号采集、缺陷分析和复盘学习,其特征在于:所述声信号采集包括采集频率、采集范围和采集时间,所述采集频率为44.1KHz,所述采集范围为声信号采集设备与焊件之间的距离,以焊件的中心为原点,声信号的采集范围距离焊件的距离为1-1.5M,所述采集时间为焊接前3秒至焊接结束后6秒,所述图像信号采集包括焊件形状图像采集、焊缝形状图像采集和焊接后的焊缝形状图像采集,所述图像信号采集设备的像素为3200万像素,所述图像信号采集设备的拍摄范围是以焊件为原点向四周延伸50CM,所述图像信号采集设备的拍摄时间为焊接前9秒-焊接结束后的15秒,所述焊件形状图像采集为拍摄焊件的主体,使其能够清晰的显示出焊件的形状,通过过个角度进行拍摄,保证图像的完整性,焊缝形状图像采集对焊缝两侧5CM范围内的图像进行采集,焊接后的焊缝形状采集对焊缝两侧3-5CM范围内的图像采集,所述传感信号采集包括焊件厚度传感器、焊缝深度、宽度传感器和焊接温度传感器,焊件厚度传感器精度级别为0.1-0.3MM,在焊接前和焊接后对焊件的厚度进行检测,所述焊缝深度、宽度传感器精度级别为0.1-0.3MM,在焊接前对焊缝各部分的深度、宽度进行测量,记录焊缝的深度、宽度数据,焊接温度传感器主要检测焊件焊接过程中的焊缝温度以及焊接结束后的焊件温度,保存数据记录,所述缺陷分析包括对焊接失败的焊件进行数据采集,分析焊接失败的成因,通过对比总结得出容易发生焊接失败的方式,所述复盘学习包括数据提取和规律总结,数据提取包括焊接成功时相同数据提取,以及焊接成功时不同数据区分,焊接失败时的相同数据提取和焊接失败时不同数据区分,经过多次的焊接试验,不断地对成功因素和失败因素进行提取总结分析,并将总结的数据应用在各个控制部件中,实现不断地学习总结,提高焊接成功率。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (7)
1.一种基于深度学习的智能焊接缺陷在线检测系统,包括声信号采集、图像信号采集、传感信号采集、缺陷分析和复盘学习,其特征在于:所述声信号采集包括采集频率、采集范围和采集时间;
所述采集频率为44.1KHz-48KHz,所述采集范围为声信号采集设备与焊件之间的距离,以焊件的中心为原点,声信号的采集范围距离焊件的距离为1-1.5M,所述采集时间为焊接前3-5秒至焊接结束后4-6秒。
2.根据权利要求1所述的一种基于深度学习的智能焊接缺陷在线检测系统,其特征在于:所述图像信号采集包括焊件形状图像采集、焊缝形状图像采集和焊接后的焊缝形状图像采集,所述图像信号采集设备的像素为1400万-3200万像素,所述图像信号采集设备的拍摄范围是以焊件为原点向四周延伸40CM-60CM,所述图像信号采集设备的拍摄时间为焊接前5-10秒-焊接结束后的10-30秒。
3.根据权利要求2所述的一种基于深度学习的智能焊接缺陷在线检测系统,其特征在于:所述焊件形状图像采集为拍摄焊件的主体,使其能够清晰的显示出焊件的形状,通过过个角度进行拍摄,保证图像的完整性;
焊缝形状图像采集对焊缝两侧3-5CM范围内的图像进行采集;
焊接后的焊缝形状采集对焊缝两侧3-5CM范围内的图像采集。
4.根据权利要求1所述的一种基于深度学习的智能焊接缺陷在线检测系统,其特征在于:所述传感信号采集包括焊件厚度传感器、焊缝深度、宽度传感器和焊接温度传感器,焊件厚度传感器精度级别为0.1-0.3MM,在焊接前和焊接后对焊件的厚度进行检测。
5.根据权利要求4所述的一种基于深度学习的智能焊接缺陷在线检测系统,其特征在于:所述焊缝深度、宽度传感器精度级别为0.1-0.3MM,在焊接前对焊缝各部分的深度、宽度进行测量,记录焊缝的深度、宽度数据;
焊接温度传感器主要检测焊件焊接过程中的焊缝温度以及焊接结束后的焊件温度,保存数据记录。
6.根据权利要求1所述的一种基于深度学习的智能焊接缺陷在线检测系统,其特征在于:所述缺陷分析包括对焊接失败的焊件进行数据采集,分析焊接失败的成因,通过对比总结得出容易发生焊接失败的方式。
7.根据权利要求1所述的一种基于深度学习的智能焊接缺陷在线检测系统,其特征在于:所述复盘学习包括数据提取和规律总结;
所述数据提取包括焊接成功时相同数据提取,以及焊接成功时不同数据区分,焊接失败时的相同数据提取和焊接失败时不同数据区分,经过多次的焊接试验,不断地对成功因素和失败因素进行提取总结分析,并将总结的数据应用在各个控制部件中,实现不断地学习总结,提高焊接成功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310031215.9A CN116026841A (zh) | 2023-01-10 | 2023-01-10 | 一种基于深度学习的智能焊接缺陷在线检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310031215.9A CN116026841A (zh) | 2023-01-10 | 2023-01-10 | 一种基于深度学习的智能焊接缺陷在线检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116026841A true CN116026841A (zh) | 2023-04-28 |
Family
ID=86070541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310031215.9A Pending CN116026841A (zh) | 2023-01-10 | 2023-01-10 | 一种基于深度学习的智能焊接缺陷在线检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116026841A (zh) |
-
2023
- 2023-01-10 CN CN202310031215.9A patent/CN116026841A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2674342C (en) | Method and device for quality control of a weld bead | |
EP0708326B1 (en) | Arrangement for the inspection of welded plate sections | |
JP4843502B2 (ja) | 管の圧潰及び封止のための方法 | |
KR20190085313A (ko) | 블루 레이저 결합형 레이저 용접 및 모니터링 시스템 | |
CN109297976B (zh) | 基于激光焊接能量分配的激光穿透焊缺陷检测平台及方法 | |
CN110214058A (zh) | 纵向管道装焊机 | |
CN116026841A (zh) | 一种基于深度学习的智能焊接缺陷在线检测系统 | |
CN110681998A (zh) | 一种焊点检测方法及焊接装置 | |
CN110385551B (zh) | 用于焊接变压器用波纹油箱的激光视觉焊缝跟踪使用方法 | |
CN110487890B (zh) | 用于j焊缝检测的涡流阵列扫查装置 | |
CN110026703B (zh) | 一种可快速检测钢筋电渣压力焊接头质量的工具及方法 | |
WO2022035924A1 (en) | Self leveling stack assembly with front-loaded amplitude uniform ultrasonic welding horn | |
CN106271043B (zh) | 一种激光焊接系统及方法 | |
CN210649034U (zh) | 激光封口焊接机 | |
CN215066223U (zh) | 一种移动式可局部放大的焊接损伤检测装置 | |
CN221134594U (zh) | 一种管式结构焊接支撑装置 | |
TW402535B (en) | Method of laser welding overlapping sheets and corresponding railway vehicle body | |
Mnich | Development of a synchronized, high-speed, stereovision system for in situ weld pool measurement | |
CN221572437U (zh) | 一种钢结构工程用焊缝检测设备 | |
CN218533183U (zh) | 一种能量光束熔接电池接线柱的自动化设备 | |
CN218311435U (zh) | 一种惯性摩擦焊机数据检测装置 | |
KR102297178B1 (ko) | 냉연강판 심용접 초음파 검사장치 | |
CN211915893U (zh) | 用于铜管接口的焊接设备 | |
CN220006429U (zh) | 一种焊接压紧工装 | |
CN216783521U (zh) | 一种钢轨探伤组件及钢轨探伤车 |
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 |