CN116213884B - 管-法兰微分阵列式划分及自适应焊接路径规划方法 - Google Patents
管-法兰微分阵列式划分及自适应焊接路径规划方法 Download PDFInfo
- Publication number
- CN116213884B CN116213884B CN202310520973.7A CN202310520973A CN116213884B CN 116213884 B CN116213884 B CN 116213884B CN 202310520973 A CN202310520973 A CN 202310520973A CN 116213884 B CN116213884 B CN 116213884B
- Authority
- CN
- China
- Prior art keywords
- groove
- points
- coordinate system
- flange
- axis
- 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 61
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000013598 vector Substances 0.000 claims abstract description 21
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 claims abstract description 17
- 239000010937 tungsten Substances 0.000 claims abstract description 17
- 229910052721 tungsten Inorganic materials 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 230000003044 adaptive effect Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000003754 machining Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 229910000975 Carbon steel Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000010953 base metal Substances 0.000 description 1
- 239000010962 carbon steel Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
- B23K9/095—Monitoring or automatic control of welding parameters
- B23K9/0953—Monitoring or automatic control of welding parameters using computing means
-
- 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了一种管‑法兰微分阵列式划分及自适应焊接路径规划方法,管‑法兰点固后安装在旋转变位机上,焊枪/激光扫描仪固定在工业机器人末端。首先控制变位机实现管‑法兰坡口旋转扫描,并对扫描仪单帧原始数据实时预处理,动态提取坡口轮廓顶部及根部各2个粗定位特征点;其次将坡口周向360°范围按照1°‑5°分段,并将段内所有粗定位特征点拟合获得精确定位特征点,并计算每段内的错边量和根部间隙形成每段特征向量,最终在坡口周向建立特征矩阵;焊接过程中基于每段坡口特征向量从工艺知识库中匹配相应的焊接电流、摆动长度、摆动偏转、左停留时间和右停留时间参数,同时钨极尖端焊接运行轨迹则依据每段坡口的精确定位特征点确定。
Description
技术领域
本发明属于机器人自动焊接领域,具体是一种应管-法兰微分阵列式划分及自适应焊接路径规划方法。
背景技术
管-法兰在装配时存在随机性的错边以及坡口根部间隙不均匀的问题导致坡口轮廓几何尺寸存在较大的差异,因此无法采用单一焊接参数进行高质量管-法兰打底焊。
目前,管-法兰打底焊一般是工人根据经验进行焊枪位姿和焊接参数调节,但是这样会导致生产成本较大以及合格率和生产效率较低的问题。而管-法兰机器人自动打底焊则需要标准化坡口,这会导致成本急剧上升以及生产效率降低。
发明内容
本发明的目的在于提供一种管-法兰微分阵列式划分及自适应焊接路径规划方法。
实现本发明目的的技术解决方案为:一种管-法兰微分阵列式划分及自适应焊接路径规划方法,包括以下步骤:
步骤1:管-法兰点固后安装在旋转变位机上,焊枪/激光扫描仪固定在工业机器人末端,控制变位机以固定的速度转动管-法兰;激光扫描仪扫描前对准坡口中心,同时以固定频率扫描坡口并采集坡口轮廓原始数据。
步骤2:对扫描仪坐标系下的单帧坡口轮廓原始数据实时筛减和滤波,并动态提取管-法兰坡口的4个粗定位特征点。
进一步的,建立扫描仪坐标系,其中X轴、Y轴、Z轴和坐标零点分别是管-法兰的周向扫描运动方向、平行于激光扫描线的方向、平行于扫描仪激光投射方向以及扫描仪镜片中心点。
进一步的,基于坡口预设加工几何尺寸,删除偏离数据,依据Z轴方向以及Y轴方向的阈值进行筛减,如果数据点的Z轴坐标值大于Z轴方向的阈值,以及数据点的Y轴坐标值的绝对值大于Y轴方向的阈值,则删除该数据点;计算公式如下:
其中,Tz、Ty、l、α和δ分别为扫描仪坐标系下数据点在Z轴方向的阈值、数据点的在Y轴方向的阈值、板厚和坡口角度。
进一步的,对删除偏离数据的数据进行高斯滤波,具体公式如下:
其中,y、μ和σ分别为扫描仪坐标系下的Y轴方向的坐标值、标准差和均值。
进一步的,以扫描仪坐标系的Z轴作为对称轴,并将高斯滤波后的数据进行左右两侧划分;基于梯度下降法分别进行左右两侧的直线拟合,并获取直线之间的交点,即坡口轮廓顶部的2个粗定位特征点。
进一步的,根据Z轴坐标值的大小分别获取左右两侧的最小数据点,并基于此确定左右两侧的取点集合。
对于右侧取点集合中的点应满足如下条件:
其中,Pz和Py分别是右侧最小数据点的Z轴坐标值和Y轴坐标值,mz和my分别是所取点的Z轴坐标值和Y轴坐标值。
对于左侧取点集合中的点应满足如下条件:
其中,gz和gy分别是左侧最小数据点的Z轴坐标值和Y轴坐标值。
进一步的,基于数据重心算法分别求得左右两侧取点集合的重心,即坡口轮廓根部的2个粗定位特征点,重心算法如下:
其中,G为向量表示重心点的坐标,n为取点集合的个数,为向量表示取点集合中数据点的坐标。
步骤3:将扫描仪坐标系转换成基坐标系,并将扫描仪接收到的二维原始数据映射
到基坐标系的YOZ平面。其中,欧拉旋转公式求得工具坐标系与基坐标系转换矩阵以及扫
描仪坐标系与机器人工具坐标系的转换矩阵通过以下公式可以将任意已知点SQ变换到
机器人基坐标系下:
其中,BQ、SQ分别为点Q在基坐标系和扫描仪坐标系下的位置坐标。
步骤4:将管-法兰焊接坡口周向360°范围按照1°-5°进行微分分段。
步骤5:将段内所有粗定位特征点分析拟合获得精确定位特征点,并计算错边量和根部间隙形成每段坡口特征向量,最终在管-法兰周向建立坡口特征矩阵。
进一步的,将段内所有相应位置的粗定位特征点进行排序,并取中位数作为每段精确定位特征点。
进一步的,每段坡口轮廓的错边量是通过计算坡口根部2个精确定位特征点的纵坐标之差得出,坡口轮廓的根部间隙是通过计算坡口根部2个精确定位特征点的横坐标之差获得。将得到的错边量和根部间隙作为每段坡口轮廓的特征向量,最终在管-法兰周向建立坡口特征矩阵。
步骤6:焊接过程中基于每段坡口特征向量从工艺知识库中匹配相应的焊接电流、摆动长度、摆动偏转、左停留时间和右停留时间工艺参数,同时钨极尖端焊接运行轨迹则依据每段坡口的精确定位特征点确定。
进一步的,基于每段坡口轮廓的特征向量和工艺知识库,匹配每段坡口的焊接电流、摆动长度、摆动偏转、左停留时间和右停留时间工艺参数,并将工艺参数传递给机器人。
进一步的,钨极尖端焊接运行轨迹依据每段坡口的精确定位特征点确定的;钨极尖端的横坐标Wy是通过每段坡口内4个精确定位特征点的横坐标平均值确定的,钨极尖端的纵坐标Wz是通过每段坡口根部2个精确定位特征点的纵坐标平均值减去偏移量确定的;
式中,Wy和Wz分别为钨极尖端在基坐标下的横坐标和纵坐标,Ay、By、Cy和Dy分别为基坐标系下的4个精确定位特征点的横坐标,Bz和Cz分别为基坐标系下的根部2个精确定位特征点的纵坐标,为偏移量。
本发明与现有技术相比,其显著优点为:本发明基于管-法兰椭圆度和等面积原则将坡口进行微分阵列式划分,并根据每段错边量和根部间隙匹配相应焊接参数,极大提高了管-法兰打底焊焊接质量、合格率和生产效率。
附图说明
图1是本发明管-法兰微分阵列式划分及自适应焊接路径规划方法中的管-法兰自动TIG打底焊实验平台。
图2是管-法兰微分阵列式划分及自适应焊接路径规划方法中的粗定位特征点的流程图。
图3是本发明管-法兰微分阵列式划分及自适应焊接路径规划方法中原始数据的处理效果图。
图4是本发明管-法兰微分阵列式划分及自适应焊接路径规划方法中高斯滤波后的处理效果图。
图5是本发明管-法兰微分阵列式划分及自适应焊接路径规划方法实施例中单帧坡口提取点的拟合结果。
图6是本发明管-法兰微分阵列式划分及自适应焊接路径规划方法实施例中不同帧坡口提取点在扫描仪坐标系下的部分坐标数据。
图7是本发明管-法兰微分阵列式划分及自适应焊接路径规划方法中各坐标系间的关系图。
图8是本发明管-法兰微分阵列式划分及自适应焊接路径规划方法中每段坡口错边量和坡口间隙的部分数据。
图9是本发明管-法兰微分阵列式划分及自适应焊接路径规划方法中钨极尖端坐标的数学模型图。
图10是本发明管-法兰微分阵列式划分及自适应焊接路径规划方法的流程图。
具体实施方式
本发明一种管-法兰微分阵列式划分及自适应焊接路径规划方法,首先,焊前采用线结构光视觉进行坡口扫描,根据采集到的二维信息反求坡口轮廓的三维轮廓信息,从而实现坡口轮廓的三维重建。然后根据获得的坡口轮廓信息可以准确地规划管-法兰打底焊路径和焊接参数选择。
下面结合说明书附图对本发明作进一步说明。
结合图10,本发明管-法兰微分阵列式划分及自适应焊接路径规划方法的一种具体实施方式,按照以下步骤实施:
步骤1:焊接管-法兰母材1选用直径250mm、350mm和450mm碳钢。线结构光视觉系统由激光扫描仪3和计算机4,激光扫描仪使用夹具固定在焊接机器人的焊枪2上,激光扫描仪以固定的频率采集坡口轮廓原始数据,如图1所示。本发明以直径为250mm管-法兰为例,管-法兰点固后安装在旋转变位机上,保持焊枪不动,变位机以1°/s速度转动管-法兰并进行坡口扫描。激光扫描仪扫描前对准坡口中心并以5Hz频率采集坡口轮廓原始数据。
步骤2:对扫描仪坐标系下的单帧坡口轮廓原始数据实时筛减和滤波,并动态提取管-法兰口的4个粗定位特征点,具体流程如图2所示,其中单帧坡口原始数据为坡口的横截面,一个横截面由1280个点组成。
进一步的,建立扫描仪坐标系,其中X轴、Y轴、Z轴和坐标零点分别是管-法兰的周向扫描运动方向、平行于激光扫描线的方向、平行于扫描仪激光投射方向以及扫描仪镜片中心点。
进一步的,激光扫描仪将接收的1280个数据点传输给计算机基于坡口预设加工几何尺寸,需要删除较大偏离数据以免对后续特征点的定位造成影响,主要方法如下:
依据Z轴方向以及Y轴方向的阈值进行筛减,如果数据点的Z轴坐标值大于Z轴方向的阈值以及数据点的Y轴坐标值的绝对值大于Y轴方向的阈值,则删除数据点。计算公式如下:
其中,Tz和Ty分别为扫描仪坐标系下的数据点在Z轴方向和Y轴方向的阈值。
本实例采用250mm的管-法兰并根据上述公式,将Z轴坐标值高于-157mm并且Y轴坐标值的绝对值大于13mm的数据点进行删除。
进一步的,对删除偏离数据的数据进行高斯滤波,处理效果如图3、图4所示。具体公式如下:
其中,y、μ和σ分别为扫描仪坐标系下的Y轴方向的坐标值、标准差和均值。
进一步的,以扫描仪坐标系的Z轴作为对称轴,并将高斯滤波后的数据进行左右两侧划分。基于梯度下降法分别进行左右两侧的直线拟合,并获取直线之间的交点,即坡口轮廓顶部的2个粗定位特征点。
进一步的,根据Z轴坐标值的大小分别获取左右两侧的最小数据点,并基于此确定左右两侧的取点集合。
对于右侧取点集合中的点应满足如下条件:
其中,Pz和Py分别是右侧最小数据点的Z轴坐标值和Y轴坐标值,mz和my分别是所取点的Z轴坐标值和Y轴坐标值;
对于左侧取点集合中的点应满足如下条件:
其中,gz和gy分别是左侧最小数据点的Z轴坐标值和Y轴坐标值。
进一步的,基于数据重心算法分别求得左右两侧取点集合的重心,即坡口轮廓根部的2个粗定位特征点,重心算法如下:
其中,G为向量表示重心点的坐标,n为取点集合的个数,为向量表示取点集合中数据点的坐标。
如图5和6所示,分别为250mm的管-法兰坡口轮廓单帧的拟合结果以及不同帧数下提取点的坐标,包括坡口的4个粗定位特征点以及2个端点。
步骤3:将扫描仪坐标系转换成基坐标系,并将扫描仪接收到的二维原始数据映射
到基坐标系的YOZ平面。其中,欧拉旋转公式求得工具坐标系与基坐标系转换矩阵以及扫
描仪坐标系与机器人工具坐标系的转换矩阵通过以下公式可以将任意已知点SQ变换到
机器人基坐标系下,坐标之间关系如图7所示。
其中,BQ、SQ分别为点Q在基坐标系和扫描仪坐标系下的位置坐标以及基坐标系X轴、Y轴和Z轴分别为管-法兰的周向扫描运动方向、空间水平方向和空间垂直方向。
步骤4:将管-法兰焊接坡口周向360°范围按照3°进行微分分段。
步骤5:将段内所有粗定位特征点分析拟合获得精确定位特征点,并计算错边量和根部间隙形成每段坡口特征向量,最终在管-法兰周向建立坡口特征矩阵,不同段错边量和根部间隙如图8所示。
进一步的,每段包含帧数为15个;将段内相应位置的粗定位特征点进行排序,并取中位数作为每段精确定位特征点。
进一步的,每段坡口轮廓的错边量是通过计算坡口根部2个精确定位特征点的纵坐标之差得出,坡口轮廓的根部间隙是通过计算坡口根部2个精确定位特征点的横坐标之差获得。将得到的错边量和根部间隙作为每段坡口轮廓的特征向量,最终在管-法兰周向建立坡口特征矩阵。
步骤6:焊接过程中基于每段坡口特征向量从工艺知识库中匹配相应的焊接电流、摆动长度、摆动偏转、左停留时间和右停留时间工艺参数,同时钨极尖端焊接运行轨迹则依据每段坡口的精确定位特征点确定。
进一步的,基于每段坡口轮廓的特征向量和工艺知识库,匹配每段坡口的焊接电流、摆动长度、摆动偏转、左停留时间和右停留时间工艺参数,并将工艺参数传递给机器人。
进一步的,如图9所示,钨极尖端焊接运行轨迹依据基坐标系下每段坡口的精确定位特征点确定的;钨极尖端的横坐标Wy是通过每段坡口内4个精确定位特征点的横坐标平均值确定的,钨极尖端的纵坐标Wz是通过每段坡口根部2个精确定位特征点的纵坐标平均值减去偏移量确定的。
式中,Wy和Wz分别为基坐标系下钨极尖端的横坐标和纵坐标,Ay、By、Cy和Dy分别为基坐标系下4个精确定位特征点的横坐标,Bz和Cz分别为基坐标系下根部2个精确定位特征点的纵坐标,为偏移量。
Claims (3)
1.一种管-法兰微分阵列式划分及自适应焊接路径规划方法,其特征在于,包括以下步骤:
步骤1:管-法兰点固后安装在旋转变位机上,焊枪/激光扫描仪固定在工业机器人末端,控制变位机以固定的速度转动管-法兰;激光扫描仪扫描前对准坡口中心,同时以固定频率扫描坡口并采集坡口轮廓原始数据;
步骤2:对扫描仪坐标系下的单帧坡口轮廓原始数据实时筛减和滤波,并动态提取管-法兰坡口的4个粗定位特征点;
步骤3:将扫描仪坐标系转换成焊接机器人对应基坐标系,并将扫描仪接收到的二维原始数据映射到基坐标系的YOZ平面;其中,欧拉旋转公式求得工具坐标系与基坐标系转换矩阵以及扫描仪坐标系与机器人工具坐标系的转换矩阵/>通过以下公式将任意已知点SQ变换到机器人基坐标系下:
,
其中,BQ、SQ分别为点Q在基坐标系和扫描仪坐标系下的位置坐标;
步骤4:将管-法兰焊接坡口周向360°范围按照1°-5°进行微分分段;
步骤5:将段内所有粗定位特征点分析拟合获得精确定位特征点,并计算错边量和根部间隙形成每段坡口特征向量,最终在管-法兰周向建立坡口特征矩阵;
所述的段内所有粗定位特征点分析拟合获得精确定位特征点,并计算错边量和根部间隙形成每段坡口特征向量的过程包括:
步骤(a),将段内相应位置的粗定位特征点进行排序,并取中位数作为每段精确定位特征点;
步骤(b),每段坡口轮廓的错边量是通过计算坡口根部2个精确定位特征点的纵坐标之差得出的,坡口轮廓的根部间隙是通过计算坡口根部2个精确定位特征点的横坐标之差获得;将得到的错边量和根部间隙作为每段坡口轮廓的特征向量,最终在管-法兰周向建立坡口特征矩阵;
步骤6:焊接过程中基于每段坡口特征向量从工艺知识库中匹配相应的焊接电流、摆动长度、摆动偏转、左停留时间和右停留时间这些工艺参数,同时钨极尖端焊接运行轨迹则依据每段坡口的精确定位特征点确定;包括:
步骤(a),基于每段坡口轮廓的特征向量和工艺知识库,匹配每段坡口的焊接电流、摆动长度、摆动偏转、左停留时间和右停留时间这些工艺参数,并将焊接参数传递给机器人;
步骤(b),钨极尖端焊接运行轨迹依据每段坡口的精确定位特征点确定;通过每段坡口内4个精确定位特征点的横坐标平均值确定钨极尖端的横坐标Wy,通过每段坡口根部2个精确定位特征点的纵坐标平均值减去偏移量确定钨极尖端的纵坐标Wz;
,
式中,Wy和Wz分别为钨极尖端横坐标和纵坐标,Ay、By、Cy和Dy分别为4个精确定位特征点的横坐标,Bz和Cz分别为根部2个精确定位的特征点的纵坐标,为偏移量。
2.根据权利要求1所述的管-法兰微分阵列式划分及自适应焊接路径规划方法,其特征在于:步骤2所述的对扫描仪坐标系下的单帧坡口轮廓原始数据实时筛减和滤波,并动态提取管-法兰坡口的4个粗定位特征点的过程包括:
步骤(a),建立扫描仪坐标系,其中X轴、Y轴、Z轴和坐标零点分别是管-法兰的周向扫描运动方向、平行于激光扫描线的方向、平行于扫描仪激光投射方向以及扫描仪镜片中心点;
步骤(b),基于坡口预设加工几何尺寸,删除偏离数据;
步骤(c),对删除偏离数据的数据进行高斯滤波,具体公式如下:
,
其中,y、μ和σ分别为扫描仪坐标系下的Y轴方向坐标值、标准差和均值;
步骤(d),以扫描仪坐标系的Z轴作为对称轴,并将高斯滤波后的数据进行左右两侧划分;基于梯度下降法分别进行左右两侧的直线拟合,并获取直线之间的交点,即坡口轮廓顶部的2个粗定位特征点;
步骤(e),根据Z轴坐标值的大小分别获取左右两侧的最小数据点,并基于此确定左右两侧的取点集合;
对于右侧取点集合中的点应满足如下条件:
,
其中,Pz和Py分别是右侧最小数据点的Z轴坐标值和Y轴坐标值,mz和my分别是所取点的Z轴坐标值和Y轴坐标值;
对于左侧取点集合中的点应满足如下条件:
,
其中,gz和gy分别是左侧最小数据点的Z轴坐标值和Y轴坐标值;
步骤(f),基于数据重心算法分别求得左右两侧取点集合的重心,即坡口轮廓根部的2个粗定位特征点,重心算法如下:
,
其中,G为向量表示重心点的坐标,n为取点集合的个数,为向量表示取点集合中数据点的坐标。
3.根据权利要求2所述的管-法兰微分阵列式划分及自适应焊接路径规划方法,其特征在于,所述步骤(b)中基于坡口预设加工几何尺寸,删除偏离数据的方法为:
依据Z轴方向以及Y轴方向的阈值进行筛减,如果数据点的Z轴坐标值大于Z轴方向的阈值,以及数据点的Y轴坐标值的绝对值大于Y轴方向的阈值,则删除该数据点;计算公式如下:
,
其中,Tz、Ty、l和α分别为扫描仪坐标系下的数据点在Z轴方向的阈值、数据点的在Y轴方向的阈值、板厚和坡口角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310520973.7A CN116213884B (zh) | 2023-05-10 | 2023-05-10 | 管-法兰微分阵列式划分及自适应焊接路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310520973.7A CN116213884B (zh) | 2023-05-10 | 2023-05-10 | 管-法兰微分阵列式划分及自适应焊接路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116213884A CN116213884A (zh) | 2023-06-06 |
CN116213884B true CN116213884B (zh) | 2023-08-22 |
Family
ID=86570093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310520973.7A Active CN116213884B (zh) | 2023-05-10 | 2023-05-10 | 管-法兰微分阵列式划分及自适应焊接路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116213884B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116871632B (zh) * | 2023-09-08 | 2023-11-21 | 南京理工大学 | 基于弧压和熔池视觉的机器人打底焊成形缺陷监测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102699534A (zh) * | 2012-06-26 | 2012-10-03 | 哈尔滨工业大学 | 基于扫描式激光视觉传感的厚板窄间隙深坡口激光自动化多层焊焊接方法 |
CN104057204A (zh) * | 2014-06-11 | 2014-09-24 | 上海交通大学 | 高强钢薄板的激光填丝焊的自适应焊接方法 |
CN106524901A (zh) * | 2015-09-15 | 2017-03-22 | 苏州中启维盛机器人科技有限公司 | 采用ccd光敏器件的成像光斑计算方法 |
CN112659123A (zh) * | 2020-12-14 | 2021-04-16 | 南京工程学院 | 一种基于线结构光视觉的双机器人曲线焊接协同规划方法 |
CN113427168A (zh) * | 2021-05-12 | 2021-09-24 | 广州中国科学院先进技术研究所 | 一种焊接机器人实时焊缝跟踪装置及方法 |
CN114792337A (zh) * | 2022-03-04 | 2022-07-26 | 清华大学 | 一种焊接坡口尺寸和焊枪相对位姿高精度检测方法和装置 |
CN115945767A (zh) * | 2022-11-15 | 2023-04-11 | 厦门航天思尔特机器人系统股份公司 | 一种坡口焊的自适应焊接系统、方法和装置 |
-
2023
- 2023-05-10 CN CN202310520973.7A patent/CN116213884B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102699534A (zh) * | 2012-06-26 | 2012-10-03 | 哈尔滨工业大学 | 基于扫描式激光视觉传感的厚板窄间隙深坡口激光自动化多层焊焊接方法 |
CN104057204A (zh) * | 2014-06-11 | 2014-09-24 | 上海交通大学 | 高强钢薄板的激光填丝焊的自适应焊接方法 |
CN106524901A (zh) * | 2015-09-15 | 2017-03-22 | 苏州中启维盛机器人科技有限公司 | 采用ccd光敏器件的成像光斑计算方法 |
CN112659123A (zh) * | 2020-12-14 | 2021-04-16 | 南京工程学院 | 一种基于线结构光视觉的双机器人曲线焊接协同规划方法 |
CN113427168A (zh) * | 2021-05-12 | 2021-09-24 | 广州中国科学院先进技术研究所 | 一种焊接机器人实时焊缝跟踪装置及方法 |
CN114792337A (zh) * | 2022-03-04 | 2022-07-26 | 清华大学 | 一种焊接坡口尺寸和焊枪相对位姿高精度检测方法和装置 |
CN115945767A (zh) * | 2022-11-15 | 2023-04-11 | 厦门航天思尔特机器人系统股份公司 | 一种坡口焊的自适应焊接系统、方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116213884A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110434671B (zh) | 一种基于特征测量的铸造件表面机加工轨迹校准方法 | |
CN110227876B (zh) | 基于3d点云数据的机器人焊接路径自主规划方法 | |
CN110091333B (zh) | 复杂曲面表面焊缝特征识别和自动磨抛的装置及方法 | |
CN111192307B (zh) | 基于激光切割三维零部件的自适应纠偏方法 | |
CN116213884B (zh) | 管-法兰微分阵列式划分及自适应焊接路径规划方法 | |
CN110480127B (zh) | 一种基于结构光视觉传感的焊缝跟踪系统及方法 | |
CN112529858A (zh) | 一种基于机器视觉的焊缝图像处理方法 | |
US20130060369A1 (en) | Method and system for generating instructions for an automated machine | |
CN111127402A (zh) | 一种机器人焊接质量的视觉检测方法 | |
CN113798634B (zh) | 空间环形焊缝示教与焊缝跟踪方法、系统及设备 | |
CN112365439B (zh) | 一种镀锌钢gmaw焊缝成形特征与焊枪方向同步实时检测方法 | |
CN111398271A (zh) | 一种针对激光近净成形缺陷的检测优化系统及方法 | |
CN110625644A (zh) | 一种基于机器视觉的工件抓取方法 | |
CN115131268A (zh) | 一种基于图像特征提取与三维模型匹配的自动化焊接系统 | |
CN116228652A (zh) | 一种基于三维点云曲率的管道焊缝表面缺陷检测方法 | |
CN113909689B (zh) | 一种激光光条的管道焊接坡口特征提取方法 | |
CN115018813A (zh) | 一种机器人自主识别与精确定位焊缝的方法 | |
CN110608684B (zh) | 一种单层多道焊缝堆积熔敷效果检测方法及系统 | |
CN116765569A (zh) | 一种基于点云的机器人柱钉辊堆焊路径规划方法 | |
CN116542914A (zh) | 基于3d点云的焊缝提取与拟合方法 | |
CN113102297B (zh) | 一种并联机器人快速分拣瑕疵工件的方法 | |
CN113843797B (zh) | 一种基于单双目混合视觉的非结构环境下零件六角螺栓自动拆卸方法 | |
Zhang et al. | A study on seam tracking in robotic GMA welding process | |
CN112129774B (zh) | 一种焊接未熔合缺陷在线检测方法 | |
CN114932292A (zh) | 一种窄间隙被动视觉焊缝跟踪方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |