CN117961382B - 一种网架杆件智能加工控制系统 - Google Patents
一种网架杆件智能加工控制系统 Download PDFInfo
- Publication number
- CN117961382B CN117961382B CN202410363196.4A CN202410363196A CN117961382B CN 117961382 B CN117961382 B CN 117961382B CN 202410363196 A CN202410363196 A CN 202410363196A CN 117961382 B CN117961382 B CN 117961382B
- Authority
- CN
- China
- Prior art keywords
- welding
- data
- cutting
- unit
- algorithm
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 95
- 238000003466 welding Methods 0.000 claims abstract description 265
- 238000005520 cutting process Methods 0.000 claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 87
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 82
- 230000008569 process Effects 0.000 claims abstract description 62
- 238000009826 distribution Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 238000005516 engineering process Methods 0.000 claims abstract description 5
- 238000003754 machining Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 35
- 238000003066 decision tree Methods 0.000 claims description 25
- 239000000463 material Substances 0.000 claims description 22
- 238000007637 random forest analysis Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000003706 image smoothing Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000004886 process control Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
-
- 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
- B23K9/095—Monitoring or automatic control of welding parameters
- B23K9/0956—Monitoring or automatic control of welding parameters using sensing means, e.g. optical
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Plasma & Fusion (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及机械加工技术领域,具体涉及一种网架杆件智能加工控制系统,包括数据采集模块、尺寸精度控制模块、焊接热影响控制模块以及反馈调整模块;其中,数据采集模块:利用传感器及数据采集技术,收集加工过程中的关键信息;尺寸精度控制模块:通过预设算法评估切割精度,根据评估结果计算出必要的调整指令;焊接热影响控制模块:动态调整焊接参数,以控制焊接区域的温度分布;反馈调整模块:自动优化加工策略和调整参数,进而提升加工效率和产品质量。本发明,通过实现高精度的加工控制、智能化的过程优化以及增强的系统适应性和稳定性,显著提升了加工效率和产品质量,满足了现代制造业对高效、智能化加工技术的迫切需求。
Description
技术领域
本发明涉及机械工程技术领域,尤其涉及一种网架杆件智能加工控制系统。
背景技术
在现代制造业中,网架杆件的加工质量直接影响着结构的稳定性和安全性,随着建筑结构向着更大跨度、更高精度的方向发展,对网架杆件的加工精度和焊接质量提出了更高要求,传统的网架杆件加工方法主要依赖于人工操作和简单机械设备,这不仅效率低下,而且在精度控制和焊接质量上难以满足现代建筑的需求,尤其是在大规模、高精度的网架结构加工中,人工操作的局限性更加明显,如何提高加工效率、确保加工精度和焊接质量,成为了亟待解决的技术难题。
当前,网架杆件加工面临的主要技术难题包括尺寸精度控制不足、焊接过程中温度控制难以精确,以及加工过程优化的缺乏等方面,首先,尺寸精度直接关系到网架结构的装配质量和稳定性,传统加工方式难以实现高精度的尺寸控制,其次,焊接质量的好坏直接影响到结构的安全性,但在传统焊接过程中,如何有效控制焊接区域的温度分布,减少因焊接引起的材料变形,仍然是一个技术挑战,最后,缺乏有效的加工过程优化机制,无法根据加工过程中的实时数据对加工策略进行动态调整,这限制了加工效率的提升和产品质量的改善。
因此,开发一种能够实现高精度控制、高质量焊接,并具备加工过程智能优化能力的网架杆件智能加工控制系统,成为了行业发展的迫切需求。
发明内容
基于上述目的,本发明提供了一种网架杆件智能加工控制系统。
一种网架杆件智能加工控制系统,包括数据采集模块、 尺寸精度控制模块、焊接热影响控制模块以及反馈调整模块;其中:数据采集模块:利用传感器及数据采集技术,收集加工过程中的关键信息,包括杆件的切割尺寸数据、切割和焊接过程的温度数据、焊接速度及焊缝质量数据;尺寸精度控制模块:接收数据采集模块所采集的切割尺寸数据,通过预设算法评估切割精度,根据评估结果计算出必要的调整指令,并实时调整切割设备的操作参数以纠正尺寸偏差;焊接热影响控制模块:利用数据采集模块提供的焊接过程温度和速度数据,动态调整焊接参数,以控制焊接区域的温度分布;反馈调整模块:综合接收尺寸精度控制模块和焊接热影响控制模块的输出结果以及数据采集模块的原始数据,运用机器学习算法深度分析整个加工过程,自动优化加工策略和调整参数,进而提升加工效率和产品质量。
进一步的,所述数据采集模块包括尺寸测量单元、温度监测单元、速度监测单元和焊缝质量检测单元;其中:尺寸测量单元:利用激光位移传感器,测量杆件的切割前后尺寸,以获取切割尺寸数据,激光位移传感器具体是通过发射激光束至杆件表面,并接收反射回来的激光,从而计算出杆件的实际尺寸;温度监测单元:采用红外温度传感器,监控切割和焊接过程中的材料表面温度,该红外温度传感器通过检测材料表面发出的红外辐射强度来测量温度,获得切割和焊接过程的温度数据;速度监测单元:通过安装在焊接设备上的编码器,实时测量焊接头移动的速度,编码器通过转换设备移动距离为电信号,以提供精确的速度数据;焊缝质量检测单元:采用高分辨率摄像头和图像处理技术,对焊缝的形状、尺寸和表面缺陷进行评估,该焊缝质量检测单元通过捕获焊缝的高清图像,利用预设的图像处理算法对焊缝质量进行分析和评估,获得焊缝质量数据。
进一步的,所述焊缝质量检测单元中利用预设的图像处理算法对焊缝质量进行分
析和评估,获得焊缝质量数据具体包括:首先,利用高分辨率摄像头捕获焊缝图像;然后,采
用Canny边缘检测算法作为预设的图像处理算法对捕获的焊缝图像进行处理,Canny算法通
过计算图像的梯度幅值,识别图像中焊缝的边缘,Canny算法的具体公式为:,其中,代表梯度幅值,和分别为图像在水平和垂直方向的一阶导
数,Canny算法通过图像平滑、梯度计算、非极大值抑制和双阈值检测的多个阶段,检测出焊
缝的边缘;接着,利用处理后的焊缝图像,Canny边缘检测算法评估焊缝的连续性、直线度和
均匀性,识别出的焊缝图像清晰、连续边缘表示焊缝质量良好;若边缘断裂、不均匀,则指示
存在焊接缺陷;最后,根据焊缝的边缘特征,通过预设的评分机制对焊缝质量进行量化评
分,以获得焊缝质量数据。
进一步的,所述尺寸精度控制模块包括数据接收单元、精度评估单元和调整指令
生成单元;其中:数据接收单元:用于接收来自数据采集模块的切割尺寸数据,具体通过预
设的通信协议和接口直接与数据采集模块连接进行获取;精度评估单元:采用预设的评估
算法对接收到的切割尺寸数据进行精度分析,具体使用误差分析算法,通过比较实际切割
尺寸与预设切割尺寸之间的差异,计算出尺寸偏差值,该误差分析算法的具体公式为:,其中:调整指令生成单元:根据精度评估单元的分析结果,当检测到尺寸
偏差超出预定允许范围,该调整指令生成单元用于计算出调整指令,该调整指令包括调整
切割速度、激光功率和切割路径,以纠正尺寸偏差,具体计算过程利用预设的控制算法,根
据尺寸偏差的具体值动态调整切割参数。
进一步的,所述调整指令生成单元中利用预设的控制算法具体为PID控制算法,该
PID控制算法将根据尺寸偏差值计算出切割参数的调整指令,具体先通过计算偏差值、偏差
值的累积和偏差值的变化率来动态调整切割参数,PID控制算法为:,其中,是调整指令,是实时偏差
值,、和分别是PID算法的比例、积分和微分系数,分别对应偏差的当前值、过去累
积和未来趋势的调整权重;然后,根据尺寸偏差的具体值,调整指令生成单元首先计算偏差
值,即实际切割尺寸与预设切割尺寸之间的差值,接着利用PID算法计算出针对切割速
度、激光功率和切割路径的参数的调整指令,以减小或消除尺寸偏差,最后利用该预设的
PID控制算法,动态调整切割参数,包括调整切割速度以控制切割进度,调整激光功率以适
应不同厚度的材料,以及微调切割路径以优化切割轨迹。
进一步的,所述焊接热影响控制模块包括温度数据接收单元、速度数据接收单元和焊接参数调整单元;其中:温度数据接收单元:用于从数据采集模块接收焊接过程中的温度数据,该温度数据接收单元具体通过预设的数据通信接口,实时接收红外温度传感器采集的焊接区域温度数据;速度数据接收单元:从数据采集模块接收焊接速度数据,利用预设的数据通信接口,该速度数据接收单元将实时接收编码器采集的焊接头移动速度数据,为焊接参数的调整提供基础信息;焊接参数调整单元:采用预设的热影响控制算法,根据接收到的焊接过程温度和速度数据,动态调整焊接参数,以控制焊接区域的温度分布,减少因焊接引起的材料变形。
进一步的,所述热影响控制算法具体是通过实时监测的温度和速度数据,计算焊
接过程中热输入量的变化,并根据热输入量的变化调整焊接电流、电压和焊接速度的参数,
预设热输入量为,具体计算公式为:,其中,代表焊接电压,代表焊接电流,
是焊接速度,根据焊接过程中温度数据的变化,以及速度数据。
进一步的,所述焊接参数调整单元还包括控制焊接区域的温度分布的策略,该策
略包括调整焊接电流和电压、调整焊接速度和优化焊接路径;其中:调整焊接电流和电压:
当计算出的热输入量表明焊接区域的温度过高导致过度热影响和材料变形时,调整单元
会降低焊接电流和/或焊接电压,以减少热输入,反之,当温度过低导致焊接不透或焊缝
形成不良,调整单元则会增加电流和/或电压,以增加热输入,确保焊接质量;调整焊接速
度:焊接速度是控制焊接区域温度分布的参数,通过增加焊接速度,能减少单位面积的热
输入,从而降低焊接区域的峰值温度,减少热影响区域的宽度,相反,减慢焊接速度会增加
热输入,提高焊接区域的温度,适用于需要更高热输入的焊接场合;优化焊接路径:根据热
输入量和实时监测的温度数据,调整焊接路径,以避免过高的温度堆积在预定区域。
进一步的,所述反馈调整模块包括数据综合接收单元、分析优化单元和参数调整单元;其中:数据综合接收单元:用于收集尺寸精度控制模块和焊接热影响控制模块提供的处理结果,以及数据采集模块收集的加工过程中的原始数据,包括但不限于切割尺寸、焊接温度、焊接速度和焊缝质量数据,形成综合数据集;分析优化单元:采用随机森林算法对收集到的综合数据集进行深度分析,识别出加工过程中影响尺寸精度、焊接质量和加工效率的因素;参数调整单元:根据分析优化单元的分析结果,调整加工策略和参数,包括调整切割速度、激光功率、焊接电流和电压,以优化加工过程。
进一步的,所述分析优化单元中采用随机森林算法对收集到的综合数据集进行深
度分析具体包括:随机森林构建:随机森林通过构建多个决策树来形成森林,其中每个决策
树在训练时,从总数据集中随机抽取一个子样本和随机选择一部分特征,来增加了模型的
多样性,决策树的构建基于以下公式:,其中,代表决策树的预测结果,
是输入的特征数据,表示决策树的随机选择的参数;关键因素识别:随机森林算法通过计
算每个特征在所有决策树中减少的不纯度的平均量来评估特征的重要性,不纯度具体使用
基尼不纯度或信息增益来计算,特征重要性的计算公式为:,其中,是特征,是决策树的集合,是特征在决策树分裂中导致的不纯度减少量,通过对所有树进行平均,得
到每个特征在整个森林中的平均重要性;优化加工策略:基于特征的重要性排名,识别出对
尺寸精度、焊接质量和加工效率影响最大的因素。
本发明的有益效果:本发明,通过尺寸精度控制模块和焊接热影响控制模块的设计,有效提升了加工过程中的精度控制和焊接质量,尤其是通过精确的尺寸精度控制,能够确保杆件的加工尺寸精确匹配设计要求,从而减少后续装配中的调整和修正,显著提高加工效率,同时,焊接过程中对温度的精确控制,减少了焊接变形,保障了结构的整体稳定性和安全性。
本发明,通过引入反馈调整模块,本系统能够综合分析加工过程中的实时数据,并利用随机森林算法对加工参数进行智能优化,这种自动优化加工策略的能力,不仅提升了加工质量,还能根据实际加工情况动态调整加工参数,实现加工过程的自我优化,进一步提升加工效率和降低成本。
本发明,通过高度集成的控制系统和先进的算法支持,增强了加工系统对不同加工条件和材料特性的适应能力,无论是面对不同类型的材料还是复杂的加工要求,系统都能准确调整加工策略,保持高水平的加工精度和质量,此外,系统的智能反馈机制还能够持续学习和适应,确保长期运行中的稳定性和可靠性,满足现代制造业对高效、智能化加工技术的需求。
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简单地介绍,显而易见地,下面描述中的附图仅仅是本发明,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为本发明实施例的网架杆件智能加工控制系统示意图;
图2为本发明实施例的尺寸精度控制模块示意图。
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明白,以下结合具体实施例,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如图1、图2所示,一种网架杆件智能加工控制系统,包括数据采集模块、 尺寸精度控制模块、焊接热影响控制模块以及反馈调整模块;其中:数据采集模块:利用传感器及数据采集技术,收集加工过程中的关键信息,包括杆件的切割尺寸数据、切割和焊接过程的温度数据、焊接速度及焊缝质量数据;尺寸精度控制模块:接收数据采集模块所采集的切割尺寸数据,通过预设算法评估切割精度,根据评估结果计算出必要的调整指令,并实时调整切割设备的操作参数以纠正尺寸偏差;焊接热影响控制模块:利用数据采集模块提供的焊接过程温度和速度数据,动态调整焊接参数,以控制焊接区域的温度分布,减少因焊接引起的材料变形;反馈调整模块:综合接收尺寸精度控制模块和焊接热影响控制模块的输出结果以及数据采集模块的原始数据,运用机器学习算法深度分析整个加工过程,自动优化加工策略和调整参数,进而提升加工效率和产品质量。
数据采集模块包括尺寸测量单元、温度监测单元、速度监测单元和焊缝质量检测单元;其中:尺寸测量单元:利用激光位移传感器,测量杆件的切割前后尺寸,以获取切割尺寸数据,激光位移传感器具体是通过发射激光束至杆件表面,并接收反射回来的激光,从而计算出杆件的实际尺寸,以确保切割精度满足设计要求;温度监测单元:采用红外温度传感器,监控切割和焊接过程中的材料表面温度,该红外温度传感器通过检测材料表面发出的红外辐射强度来测量温度,获得切割和焊接过程的温度数据,以指导焊接热影响控制模块调整焊接参数,减少热引起的材料变形;速度监测单元:通过安装在焊接设备上的编码器,实时测量焊接头移动的速度,编码器通过转换设备移动距离为电信号,以提供精确的速度数据,以优化焊接速度和控制焊接质量;焊缝质量检测单元:采用高分辨率摄像头和图像处理技术,对焊缝的形状、尺寸和表面缺陷进行评估,该焊缝质量检测单元通过捕获焊缝的高清图像,利用预设的图像处理算法对焊缝质量进行分析和评估,获得焊缝质量数据,以确保焊接质量达到设计要求。
焊缝质量检测单元中利用预设的图像处理算法对焊缝质量进行分析和评估,获得
焊缝质量数据具体包括:首先,利用高分辨率摄像头捕获焊缝图像,并将图像数据传输至预
设的图像处理单元,该步骤确保从焊缝处获得高清晰度的视觉信息,为后续的算法分析提
供基础数据;然后,采用Canny边缘检测算法作为预设的图像处理算法对捕获的焊缝图像进
行处理,Canny算法通过计算图像的梯度幅值,识别图像中焊缝的边缘,Canny算法的具体公
式为:,其中,代表梯度幅值,和分别为图像在水平和垂直方向的一
阶导数,Canny算法通过图像平滑、梯度计算、非极大值抑制和双阈值检测的多个阶段,检测
出焊缝的边缘,从而为焊缝质量分析提供了可靠的基础;接着,利用处理后的焊缝图像,
Canny边缘检测算法评估焊缝的连续性、直线度和均匀性,识别出的焊缝图像清晰、连续边
缘表示焊缝质量良好;若边缘断裂、不均匀,则指示存在焊接缺陷;最后,根据焊缝的边缘特
征(如边缘长度、角度和分布等),通过预设的评分机制对焊缝质量进行量化评分,以获得焊
缝质量数据。
通过上述步骤,焊缝质量检测单元能够精确地分析和评估焊接质量,提供关于焊缝质量的实时、可靠数据,支撑系统对焊接过程的优化和质量监控,此过程展现了Canny边缘检测算法在焊缝质量评估中的应用效果,确保了检测的准确性和客观性。
尺寸精度控制模块包括数据接收单元、精度评估单元和调整指令生成单元;其中:
数据接收单元:用于接收来自数据采集模块的切割尺寸数据,具体通过预设的通信协议和
接口直接与数据采集模块连接进行获取,确保所需的切割尺寸数据能够准确无误地传输到
尺寸精度控制模块;精度评估单元:采用预设的评估算法对接收到的切割尺寸数据进行精
度分析,具体使用误差分析算法,通过比较实际切割尺寸与预设切割尺寸之间的差异,计算
出尺寸偏差值,该误差分析算法的具体公式为:,其中,调整指令生成单
元:根据精度评估单元的分析结果,当检测到尺寸偏差超出预定允许范围,该调整指令生成
单元用于计算出调整指令,该调整指令包括调整切割速度、激光功率和切割路径,以纠正尺
寸偏差,具体计算过程利用预设的控制算法,根据尺寸偏差的具体值动态调整切割参数,以
达到最优的切割效果;实时调整操作过程是通过与切割设备的控制系统联动,调整指令生
成单元直接将调整指令发送至切割设备,实时调整其操作参数,这一过程确保了切割设备
能够即时响应尺寸精度控制模块的调整指令,准确执行纠偏操作,最终确保杆件的切割尺
寸精度符合设计要求。
调整指令生成单元中利用预设的控制算法具体为PID控制算法,该PID控制算法将
根据尺寸偏差值计算出切割参数的调整指令,具体先通过计算偏差值(误差)、偏差值的累
积和偏差值的变化率来动态调整切割参数,PID控制算法为:,其中,是调整指令(切割参数调整
量),是实时偏差值(尺寸偏差),、和分别是PID算法的比例、积分和微分系数,
分别对应偏差的当前值、过去累积和未来趋势的调整权重;然后,根据尺寸偏差的具体值,
调整指令生成单元首先计算偏差值,即实际切割尺寸与预设切割尺寸之间的差值,接
着利用PID算法计算出针对切割速度、激光功率和切割路径的参数的调整指令,以减小或消
除尺寸偏差,最后利用该预设的PID控制算法,动态调整切割参数,包括调整切割速度以控
制切割进度,调整激光功率以适应不同厚度的材料,以及微调切割路径以优化切割轨迹。
具体对于不同的切割参数,PID算法中的系数、、可以进行相应调整,以适
应该参数对尺寸精度的影响程度和调整敏感度,例如:调整切割速度可能需要较大的比例
系数,以快速响应尺寸偏差,同时保持积分系数和微分系数在适当范围内,以避免
过调节和震荡,调整激光功率则可能侧重于积分调节,以平滑长期的偏差累积,而比例和微分系数则根据功率调节的灵敏度和稳定性进行调整,对于切割路径的微调,微分
系数可能更为关键,以精细控制路径的即时变化反应,而比例和积分系数调整以
确保路径调整的平滑性和准确性,通过这种方式,调整指令生成单元不仅根据尺寸偏差的
即时值作出响应,同时考虑到偏差的累积效应和变化趋势,实现切割参数的精确调整,这一
过程确保了切割设备能够根据实时反馈调整操作参数,有效地纠正尺寸偏差,提高加工精
度和效率。
焊接热影响控制模块包括温度数据接收单元、速度数据接收单元和焊接参数调整单元;其中:温度数据接收单元:用于从数据采集模块接收焊接过程中的温度数据,该温度数据接收单元具体通过预设的数据通信接口,实时接收红外温度传感器采集的焊接区域温度数据,确保温度监测的准确性和实时性;速度数据接收单元:从数据采集模块接收焊接速度数据,利用预设的数据通信接口,该速度数据接收单元将实时接收编码器采集的焊接头移动速度数据,为焊接参数的调整提供基础信息;焊接参数调整单元:采用预设的热影响控制算法,根据接收到的焊接过程温度和速度数据,动态调整焊接参数,以控制焊接区域的温度分布,减少因焊接引起的材料变形。
热影响控制算法具体是通过实时监测的温度和速度数据,计算焊接过程中热输入
量的变化,并根据热输入量的变化调整焊接电流、电压和焊接速度的参数,预设热输入量为,具体计算公式为:,其中,代表焊接电压,代表焊接电流,是焊接速度,根据
焊接过程中温度数据的变化,以及速度数据,当热影响控制算法计算出热输入量,焊接参
数调整单元将根据的计算结果动态调整焊接电流、焊接电压和焊接速度,以实现焊
接区域温度分布的精确控制,以优化焊接区域的温度分布,从而控制材料的热变形。
焊接参数调整单元还包括控制焊接区域的温度分布的策略,该策略包括调整焊接
电流和电压、调整焊接速度和优化焊接路径;其中:调整焊接电流和电压:当计算出的热输
入量表明焊接区域的温度过高导致过度热影响和材料变形时,调整单元会降低焊接电流和/或焊接电压,以减少热输入,反之,当温度过低导致焊接不透或焊缝形成不良,调整
单元则会增加电流和/或电压,以增加热输入,确保焊接质量;调整焊接速度:焊接速度是
控制焊接区域温度分布的参数,通过增加焊接速度,能减少单位面积的热输入,从而降低焊
接区域的峰值温度,减少热影响区域的宽度,相反,减慢焊接速度会增加热输入,提高焊接
区域的温度,适用于需要更高热输入的焊接场合;优化焊接路径:根据热输入量和实时监
测的温度数据,调整焊接路径,以避免过高的温度堆积在预定区域,通过优化焊接顺序和路
径,可以均匀分布焊接引入的热量,防止局部过热和热积聚,从而减少材料变形和改善焊接
接头的质量,通过这些调整策略,焊接参数调整单元能够根据实时的热输入量和温度分布
情况,动态调整焊接参数,精确控制焊接区域的温度分布,有效减少因焊接引起的材料变
形,保证焊接质量,这种方法确保焊接过程在达到理想焊接质量的同时,最大程度减少热影
响,提高杆件焊接过程的整体性能和稳定性。
反馈调整模块包括数据综合接收单元、分析优化单元和参数调整单元;其中:数据综合接收单元:用于收集尺寸精度控制模块和焊接热影响控制模块提供的处理结果,以及数据采集模块收集的加工过程中的原始数据,包括但不限于切割尺寸、焊接温度、焊接速度和焊缝质量数据,形成综合数据集;分析优化单元:采用随机森林算法对收集到的综合数据集进行深度分析,识别出加工过程中影响尺寸精度、焊接质量和加工效率的因素,随机森林算法是一种集成学习方法,通过构建多个决策树来进行分类或回归分析,算法公式可以概括为:对于每个决策树,随机选择数据集中的一部分样本和一部分特征进行训练;每个决策树独立进行预测,最终结果是所有决策树预测结果的平均值(对于回归问题)或多数投票(对于分类问题);通过分析加工数据的特征重要性,随机森林算法能够识别哪些参数对尺寸精度、焊接质量有显著影响,为加工过程优化提供科学依据;参数调整单元:根据分析优化单元的分析结果,调整加工策略和参数,包括调整切割速度、激光功率、焊接电流和电压,以优化加工过程,提高尺寸精度和焊接质量,从而提升加工效率和产品质量。
分析优化单元中采用随机森林算法对收集到的综合数据集进行深度分析具体包
括:随机森林构建:随机森林通过构建多个决策树来形成森林,其中每个决策树在训练时,
从总数据集中随机抽取一个子样本(bootstrapsampling)和随机选择一部分特征,来增加
了模型的多样性,决策树的构建基于以下公式:,其中,代表决策树的预测
结果,是输入的特征数据(如切割尺寸、焊接温度等),表示决策树的随机选择的参数
(如特征选择和分裂点);关键因素识别:随机森林算法通过计算每个特征在所有决策树中
减少的不纯度的平均量来评估特征的重要性,不纯度具体使用基尼不纯度或信息增益来计
算,特征重要性的计算公式为:,其中,是特
征,是决策树的集合,是特征在决策树分裂中导致的不纯度减少量,
通过对所有树进行平均,得到每个特征在整个森林中的平均重要性;优化加工策略:基于特
征的重要性排名,识别出对尺寸精度、焊接质量和加工效率影响最大的因素,然后,通过调
整这些关键因素的操作参数(如调整最影响焊接质量的焊接速度和电流),系统能够自动优
化加工策略,提高整体加工性能。
通过上述步骤和计算方法,随机森林算法能够有效地从大量复杂的加工数据中识别出影响加工质量和效率的关键因素,并指导反馈调整模块进行精准的参数调整,这种方法不仅提高了加工过程的智能化水平,而且通过不断学习和优化,增强了系统对不同加工条件的适应能力,显著提升了加工效率和产品质量。
本发明旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种网架杆件智能加工控制系统,其特征在于,包括数据采集模块、 尺寸精度控制模块、焊接热影响控制模块以及反馈调整模块;其中,
数据采集模块:利用传感器及数据采集技术,收集加工过程中的关键信息,包括杆件的切割尺寸数据、切割和焊接过程的温度数据、焊接速度及焊缝质量数据,所述数据采集模块包括尺寸测量单元、温度监测单元、速度监测单元和焊缝质量检测单元;其中,
尺寸测量单元:利用激光位移传感器,测量杆件的切割前后尺寸,以获取切割尺寸数据,激光位移传感器具体是通过发射激光束至杆件表面,并接收反射回来的激光,从而计算出杆件的实际尺寸;
温度监测单元:采用红外温度传感器,监控切割和焊接过程中的材料表面温度,该红外温度传感器通过检测材料表面发出的红外辐射强度来测量温度,获得切割和焊接过程的温度数据;
速度监测单元:通过安装在焊接设备上的编码器,实时测量焊接头移动的速度,编码器通过转换设备移动距离为电信号,以提供精确的速度数据;
焊缝质量检测单元:采用高分辨率摄像头和图像处理技术,对焊缝的形状、尺寸和表面缺陷进行评估,该焊缝质量检测单元通过捕获焊缝的高清图像,利用预设的图像处理算法对焊缝质量进行分析和评估,获得焊缝质量数据,所述焊缝质量检测单元中利用预设的图像处理算法对焊缝质量进行分析和评估,获得焊缝质量数据具体包括:
首先,利用高分辨率摄像头捕获焊缝图像;
然后,采用Canny边缘检测算法作为预设的图像处理算法对捕获的焊缝图像进行处理,Canny算法通过计算图像的梯度幅值,识别图像中焊缝的边缘,Canny算法的具体公式为:,其中,/>代表梯度幅值,/>和/>分别为图像在水平和垂直方向的一阶导数,Canny算法通过图像平滑、梯度计算、非极大值抑制和双阈值检测的多个阶段,检测出焊缝的边缘;
接着,利用处理后的焊缝图像,Canny边缘检测算法评估焊缝的连续性、直线度和均匀性,识别出的焊缝图像清晰、连续边缘表示焊缝质量良好;若边缘断裂、不均匀,则指示存在焊接缺陷;
最后,根据焊缝的边缘特征,通过预设的评分机制对焊缝质量进行量化评分,以获得焊缝质量数据;
尺寸精度控制模块:接收数据采集模块所采集的切割尺寸数据,通过预设算法评估切割精度,根据评估结果计算出必要的调整指令,并实时调整切割设备的操作参数以纠正尺寸偏差,所述尺寸精度控制模块包括数据接收单元、精度评估单元和调整指令生成单元;其中,
数据接收单元:用于接收来自数据采集模块的切割尺寸数据,具体通过预设的通信协议和接口直接与数据采集模块连接进行获取;
精度评估单元:采用预设的评估算法对接收到的切割尺寸数据进行精度分析,具体使用误差分析算法,通过比较实际切割尺寸与预设切割尺寸之间的差异,计算出尺寸偏差值,该误差分析算法的具体公式为:,其中,
调整指令生成单元:根据精度评估单元的分析结果,当检测到尺寸偏差超出预定允许范围,该调整指令生成单元用于计算出调整指令,该调整指令包括调整切割速度、激光功率和切割路径,以纠正尺寸偏差,具体计算过程利用预设的控制算法,根据尺寸偏差的具体值动态调整切割参数,所述调整指令生成单元中利用预设的控制算法具体为PID控制算法,该PID控制算法将根据尺寸偏差值计算出切割参数的调整指令,具体先通过计算偏差值、偏差值的累积和偏差值的变化率来动态调整切割参数,PID控制算法为:,其中,/>是调整指令,/>是实时偏差值,/>、/>和/>分别是PID算法的比例、积分和微分系数,分别对应偏差的当前值、过去累积和未来趋势的调整权重;然后,根据尺寸偏差的具体值,调整指令生成单元首先计算偏差值/>,即实际切割尺寸与预设切割尺寸之间的差值,接着利用PID算法计算出针对切割速度、激光功率和切割路径的参数的调整指令,以减小或消除尺寸偏差,最后利用该预设的PID控制算法,动态调整切割参数,包括调整切割速度以控制切割进度,调整激光功率以适应不同厚度的材料,以及微调切割路径以优化切割轨迹;
焊接热影响控制模块:利用数据采集模块提供的焊接过程温度和速度数据,动态调整焊接参数,以控制焊接区域的温度分布;
反馈调整模块:综合接收尺寸精度控制模块和焊接热影响控制模块的输出结果以及数据采集模块的原始数据,运用机器学习算法深度分析整个加工过程,自动优化加工策略和调整参数。
2.根据权利要求1所述的一种网架杆件智能加工控制系统,其特征在于,所述焊接热影响控制模块包括温度数据接收单元、速度数据接收单元和焊接参数调整单元;其中,
温度数据接收单元:用于从数据采集模块接收焊接过程中的温度数据,该温度数据接收单元具体通过预设的数据通信接口,实时接收红外温度传感器采集的焊接区域温度数据;
速度数据接收单元:从数据采集模块接收焊接速度数据,利用预设的数据通信接口,该速度数据接收单元将实时接收编码器采集的焊接头移动速度数据,为焊接参数的调整提供基础信息;
焊接参数调整单元:采用预设的热影响控制算法,根据接收到的焊接过程温度和速度数据,动态调整焊接参数,以控制焊接区域的温度分布,减少因焊接引起的材料变形。
3.根据权利要求2所述的一种网架杆件智能加工控制系统,其特征在于,所述热影响控制算法具体是通过实时监测的温度和速度数据,计算焊接过程中热输入量的变化,并根据热输入量的变化调整焊接电流、电压和焊接速度的参数,预设热输入量为,具体计算公式为:/>,其中,/>代表焊接电压,/>代表焊接电流,/>是焊接速度,根据焊接过程中温度数据的变化,以及速度数据。
4.根据权利要求3所述的一种网架杆件智能加工控制系统,其特征在于,所述焊接参数调整单元还包括控制焊接区域的温度分布的策略,该策略包括调整焊接电流和电压、调整焊接速度和优化焊接路径;其中,
调整焊接电流和电压:当计算出的热输入量表明焊接区域的温度过高导致过度热影响和材料变形时,调整单元会降低焊接电流/>和/或焊接电压/>,以减少热输入,反之,当温度过低导致焊接不透或焊缝形成不良,调整单元则会增加电流和/或电压,以增加热输入,确保焊接质量;
调整焊接速度:焊接速度是控制焊接区域温度分布的参数,通过增加焊接速度,能减少单位面积的热输入,从而降低焊接区域的峰值温度,减少热影响区域的宽度,相反,减慢焊接速度会增加热输入,提高焊接区域的温度,适用于需要更高热输入的焊接场合;
优化焊接路径:根据热输入量和实时监测的温度数据,调整焊接路径,以避免过高的温度堆积在预定区域。
5.根据权利要求4所述的一种网架杆件智能加工控制系统,其特征在于,所述反馈调整模块包括数据综合接收单元、分析优化单元和参数调整单元;其中,
数据综合接收单元:用于收集尺寸精度控制模块和焊接热影响控制模块提供的处理结果,以及数据采集模块收集的加工过程中的原始数据,包括但不限于切割尺寸、焊接温度、焊接速度和焊缝质量数据,形成综合数据集;
分析优化单元:采用随机森林算法对收集到的综合数据集进行深度分析,识别出加工过程中影响尺寸精度、焊接质量和加工效率的因素;
参数调整单元:根据分析优化单元的分析结果,调整加工策略和参数,包括调整切割速度、激光功率、焊接电流和电压,以优化加工过程。
6.根据权利要求5所述的一种网架杆件智能加工控制系统,其特征在于,所述分析优化单元中采用随机森林算法对收集到的综合数据集进行深度分析具体包括:
随机森林构建:随机森林通过构建多个决策树来形成森林,其中每个决策树在训练时,从总数据集中随机抽取一个子样本和随机选择一部分特征,来增加了模型的多样性,决策树的构建基于以下公式:
,其中,/>代表决策树的预测结果,/>是输入的特征数据,/>表示决策树的随机选择的参数;
关键因素识别:随机森林算法通过计算每个特征在所有决策树中减少的不纯度的平均量来评估特征的重要性,不纯度具体使用基尼不纯度或信息增益来计算,特征重要性的计算公式为:,其中,/>是特征/>,/>是决策树的集合,/>是特征/>在决策树/>分裂中导致的不纯度减少量,通过对所有树进行平均,得到每个特征在整个森林中的平均重要性;
优化加工策略:基于特征的重要性排名,识别出对尺寸精度、焊接质量和加工效率影响最大的因素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410363196.4A CN117961382B (zh) | 2024-03-28 | 2024-03-28 | 一种网架杆件智能加工控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410363196.4A CN117961382B (zh) | 2024-03-28 | 2024-03-28 | 一种网架杆件智能加工控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117961382A CN117961382A (zh) | 2024-05-03 |
CN117961382B true CN117961382B (zh) | 2024-05-28 |
Family
ID=90864639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410363196.4A Active CN117961382B (zh) | 2024-03-28 | 2024-03-28 | 一种网架杆件智能加工控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117961382B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118357649A (zh) * | 2024-05-07 | 2024-07-19 | 新昌县杰创控股有限公司 | 一种自动校正的智能焊接系统 |
CN118268717B (zh) * | 2024-05-31 | 2024-08-02 | 深圳市高素科技有限公司 | 一种电池模组焊接控制系统 |
CN118379343A (zh) * | 2024-06-26 | 2024-07-23 | 盐城贰进制科技有限公司 | 一种基于mes的工业设备故障综合分析系统及方法 |
CN118410685A (zh) * | 2024-07-02 | 2024-07-30 | 江苏瑞友康电子科技有限公司 | 一种铝电解电容器的加工工艺优化方法 |
CN118544024A (zh) * | 2024-07-30 | 2024-08-27 | 西安藤飞属信息科技有限公司 | 一种智能化焊接质量监控与调节系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019195877A1 (en) * | 2018-04-14 | 2019-10-17 | Aml3D Pty Ltd | Method and apparatus for manufacturing 3d metal parts |
CN117232317A (zh) * | 2023-11-16 | 2023-12-15 | 山东众诚风凯科技有限公司 | 换热机组远程控制方法和远程控制系统 |
CN117260100A (zh) * | 2023-11-23 | 2023-12-22 | 江苏恒康电力科技有限公司 | 一种变电站电力设备铁附件智能定位焊接系统 |
CN117600701A (zh) * | 2023-12-29 | 2024-02-27 | 沈阳航空航天大学 | 一种用于搅拌摩擦焊过程在线监测系统及控制方法 |
CN117706975A (zh) * | 2023-11-13 | 2024-03-15 | 康硕(山西)低应力制造系统技术研究院有限公司 | 一种基于超声换能器的焊接应力调控控制系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8367962B2 (en) * | 2007-10-26 | 2013-02-05 | Ariel Andre Waitzman | Automated welding of moulds and stamping tools |
-
2024
- 2024-03-28 CN CN202410363196.4A patent/CN117961382B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019195877A1 (en) * | 2018-04-14 | 2019-10-17 | Aml3D Pty Ltd | Method and apparatus for manufacturing 3d metal parts |
CN117706975A (zh) * | 2023-11-13 | 2024-03-15 | 康硕(山西)低应力制造系统技术研究院有限公司 | 一种基于超声换能器的焊接应力调控控制系统及方法 |
CN117232317A (zh) * | 2023-11-16 | 2023-12-15 | 山东众诚风凯科技有限公司 | 换热机组远程控制方法和远程控制系统 |
CN117260100A (zh) * | 2023-11-23 | 2023-12-22 | 江苏恒康电力科技有限公司 | 一种变电站电力设备铁附件智能定位焊接系统 |
CN117600701A (zh) * | 2023-12-29 | 2024-02-27 | 沈阳航空航天大学 | 一种用于搅拌摩擦焊过程在线监测系统及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117961382A (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117961382B (zh) | 一种网架杆件智能加工控制系统 | |
Vandone et al. | Multisensor data fusion for additive manufacturing process control | |
Xia et al. | A review on wire arc additive manufacturing: Monitoring, control and a framework of automated system | |
CN116423005B (zh) | 一种提高焊接精度的锡焊工艺优化方法及系统 | |
US10024735B2 (en) | Heat energy sensing and analysis for welding processes | |
Ye et al. | Weld bead recognition using laser vision with model-based classification | |
Iravani-Tabrizipour et al. | An image-based feature tracking algorithm for real-time measurement of clad height | |
CN111504980A (zh) | 一种金属增材制造过程的libs在线监测装置及方法 | |
Aviles-Viñas et al. | On-line learning of welding bead geometry in industrial robots | |
Wang et al. | Intelligent modelling of back-side weld bead geometry using weld pool surface characteristic parameters | |
CN108489986A (zh) | 一种增材制造在线检测及修复方法 | |
CN113634964A (zh) | 一种大型构件龙门式机器人焊接装备及焊接工艺 | |
CN102455171A (zh) | 一种激光拼焊焊缝背面几何形貌检测方法及其实现装置 | |
CN110539054B (zh) | 一种电弧增材堆积作业监测系统 | |
Yu et al. | Application of arc plasma spectral information in the monitor of Al–Mg alloy pulsed GTAW penetration status based on fuzzy logic system | |
Kao et al. | Laser cladding quality monitoring using coaxial image based on machine learning | |
CN117583751A (zh) | H型钢激光切割变形补偿算法 | |
US20240131619A1 (en) | Method for monitoring a laser machining process on workpieces | |
CN118287809B (zh) | Led半导体焊线生成指定线弧的动态调节方法及系统 | |
Wang et al. | Arc length stable method of GTAW based on adaptive Kalman filter | |
CN111811437A (zh) | 一种带锯条焊接质量检测方法及装置 | |
CN117282987A (zh) | 大功率激光熔丝沉积熔池同步智能整形的方法 | |
CN116228798A (zh) | 基于机器视觉的铁塔智能切割检测方法 | |
CN112912197A (zh) | 用于监测工件的借助激光射束的加工过程的方法和设备 | |
CN114226764B (zh) | 激光定向能量沉积过程的熔覆高度和应变调控系统和方法 |
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 |