CN118081238A - 一种洗碗机的部件焊接控制方法及相关装置 - Google Patents
一种洗碗机的部件焊接控制方法及相关装置 Download PDFInfo
- Publication number
- CN118081238A CN118081238A CN202410524387.4A CN202410524387A CN118081238A CN 118081238 A CN118081238 A CN 118081238A CN 202410524387 A CN202410524387 A CN 202410524387A CN 118081238 A CN118081238 A CN 118081238A
- Authority
- CN
- China
- Prior art keywords
- welding
- finite element
- target
- initial
- model
- 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.)
- Granted
Links
- 238000003466 welding Methods 0.000 title claims abstract description 510
- 238000000034 method Methods 0.000 title claims abstract description 210
- 230000008569 process Effects 0.000 claims abstract description 157
- 239000011159 matrix material Substances 0.000 claims abstract description 89
- 238000004088 simulation Methods 0.000 claims abstract description 77
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000004851 dishwashing Methods 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 30
- 238000009826 distribution Methods 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 24
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 11
- 239000013078 crystal Substances 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000000556 factor analysis Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005476 soldering Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 13
- 238000004590 computer program Methods 0.000 description 7
- 238000004220 aggregation Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000006104 solid solution Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Landscapes
- Numerical Control (AREA)
Abstract
本发明公开了一种洗碗机的部件焊接控制方法及相关装置,涉及部件焊接技术领域,所述方法包括:基于所提取的坡口轮廓生成线状坡口轮廓,计算其若干个单调区间以确定若干个焊缝轮廓特征点;基于目标判断矩阵利用偏离度评估函数在其中生成焊接位置序列;基于部件参数和点云数据生成初始有限元模型,并基于焊接位置序列利用其进行有限元模拟焊接,获得目标有限元模型;基于焊接仿真数据计算残余应力值和焊接变形量以对初始焊接工艺参数进行优化;基于机械臂位姿误差模型结合焊接位置序列生成焊接机器人的目标位姿,焊接机器人对洗碗机的待焊接部件进行焊接。本发明提高了焊接效率和焊接质量,从而使洗碗机的部件焊接能够达到更为理想的效果。
Description
技术领域
本发明主要涉及部件焊接技术领域,尤其涉及一种洗碗机的部件焊接控制方法及相关装置。
背景技术
洗碗机是一种自动清洗餐具的设备,通过洗碗机能够减轻清洗餐具的人力劳动强度,因此洗碗机已逐渐进入人们的日常生活中。在洗碗机的生产流程中,其部件的焊接是十分重要的一个生产步骤,若部件焊接出现问题,则会导致洗碗机的结构不稳固,使洗碗机的使用出现问题。目前在洗碗机的部件焊接控制方法中,通常通过相关技术人员结合视觉传感技术的方式来确定焊接位置,但该方式过于依赖相关技术人员的专业素养,导致无法确保焊接位置的可靠性,并且会降低焊接效率。而对于焊接工艺参数的确定,目前仅通过部件的结构参数便确定焊接工艺参数,并未考虑到残余应力和焊接变形量对于焊接工艺参数的影响,并未考虑到焊接过程中的部件变化,从而会导致洗碗机部件在焊接过程中发生较为严重的变形,影响其几何形状和性能,使洗碗机的部件焊接未能达到理想效果,影响洗碗机的整体结构和性能。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种洗碗机的部件焊接控制方法及相关装置,提高了焊接效率和焊接质量,从而使洗碗机的部件焊接能够达到更为理想的效果。
为了解决上述技术问题,本发明提供了一种洗碗机的部件焊接控制方法,所述方法包括:
获取洗碗机待焊接部件的点云数据,基于所述点云数据提取坡口轮廓,并基于所述坡口轮廓生成线状坡口轮廓,计算所述线状坡口轮廓的若干个单调区间,基于所述若干个单调区间确定若干个焊缝轮廓特征点;
构建目标判断矩阵,基于所述目标判断矩阵利用偏离度评估函数在若干个焊缝轮廓特征点中生成焊接位置序列;
获取待焊接部件的部件参数和初始焊接工艺参数,基于所述部件参数和点云数据进行有限元建模,获得初始有限元模型,并基于所述焊接位置序列利用所述初始有限元模型进行有限元模拟焊接,获得目标有限元模型;
基于所述目标有限元模型生成焊接仿真数据,基于所述焊接仿真数据计算对应的残余应力值和焊接变形量,并基于所述残余应力值和焊接变形量对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数;
构建焊接机器人的机械臂位姿误差模型,并基于所述机械臂位姿误差模型结合所述焊接位置序列生成所述焊接机器人的目标位姿,所述焊接机器人基于所述目标位姿、焊接位置序列和优化焊接工艺参数对洗碗机的待焊接部件进行焊接处理。
可选的,所述基于所述坡口轮廓生成线状坡口轮廓,计算所述线状坡口轮廓的若干个单调区间,基于所述若干个单调区间确定若干个焊缝轮廓特征点,包括:
提取所述坡口轮廓中灰度值达到预设阈值的若干个数据点,计算若干个数据点的纵坐标,并对若干个数据点的纵坐标计算平均值,基于所述平均值生成线状坡口轮廓;
计算所述线状坡口轮廓中各数据点的斜率,对各数据点的斜率进行非线性分段拟合,获得非线性分段拟合结果,并基于所述非线性分段拟合结果计算对应的若干个单调区间;
计算各单调区间的斜率改变量,对各单调区间的斜率改变量进行比较,并选取预设数量的斜率改变量更高的若干个单调区间作为目标单调区间;
获取每个目标单调区间的中间位置,基于每个目标单调区间的中间位置确定若干个焊缝轮廓特征点。
可选的,所述构建目标判断矩阵,基于所述目标判断矩阵利用偏离度评估函数在若干个焊缝轮廓特征点中生成焊接位置序列,包括:
基于层次分析法建立层次分析模型,并基于所述层次分析模型建立初始判断矩阵;
计算每个焊缝轮廓特征点的水平方向距离和竖直方向距离,对所述水平方向距离和竖直方向距离进行标度映射,获得标度映射后的水平方向距离和竖直方向距离;
基于标度映射后的水平方向距离和竖直方向距离建立等级偏差矩阵,并基于所述等级偏差矩阵利用所述初始判断矩阵生成目标判断矩阵;
基于所述目标判断矩阵计算每个焊缝轮廓特征点的权值,将权值满足预设阈值区间的焊缝轮廓特征点保留,获得初始焊接位置序列;
基于偏离度评估函数对初始焊接位置序列中的每个焊接轮廓特征点计算偏离度,并基于所述偏离度对初始焊接位置序列中的所有焊接轮廓特征点进行筛选,获得焊接位置序列。
可选的,所述基于所述部件参数和点云数据进行有限元建模,获得初始有限元模型,并基于所述焊接位置序列利用所述初始有限元模型进行有限元模拟焊接,获得目标有限元模型,包括:
基于所述部件参数和点云数据进行薄壁建模和曲面平滑处理,得到部件三维模型;
基于所述焊接位置序列对所述部件三维模型进行区域划分,获得目标焊接区域和非焊接区域;
设置所述目标焊接区域的第一网格密度数据和所述非焊接区域的第二网格密度数据,并基于所述第一网格密度数据和第二网格密度数据进行网格划分,获得初始有限元模型;
基于预设测试变形策略利用所述焊接位置序列对初始有限元模型进行有限元模拟焊接,获得目标有限元模型。
可选的,所述基于所述目标有限元模型生成焊接仿真数据,基于所述焊接仿真数据计算对应的残余应力值和焊接变形量,包括:
基于所述目标有限元模型进行焊接区域网格点提取,获得焊接区域网格点,并对所述焊接区域网格点进行密度和变形计算,获得焊接仿真数据;
基于所述焊接仿真数据进行非线性有限元计算,获得对应的位移场和残余应力云图;
基于所述位移场计算焊接变形量,并基于所述残余应力云图计算残余应力值。
可选的,所述基于所述残余应力值和焊接变形量对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数,包括:
基于所述残余应力值和焊接变形量进行因素分析,获得影响焊接工艺参数的主因素和次因素;
基于所述部件参数进行焊接过程中组织演化的连续相场模拟,获得组织演化过程的相场模型;
基于所述部件参数进行焊接过程中晶体变形的有限元模拟,获得有限元模拟结果;
基于所述相场模型和有限元模拟结果进行耦合,获得数字孪生模型,并基于所述主因素和次因素利用数字孪生模型进行焊接过程变化预测,获得焊接过程变化预测结果;
基于所述焊接过程变化预测结果对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数。
可选的,所述构建焊接机器人的机械臂位姿误差模型,并基于所述机械臂位姿误差模型结合所述焊接位置序列生成所述焊接机器人的目标位姿,包括:
获取焊接机器人的机械臂在基坐标系中的姿态矢量和位置矢量,并获取机械臂关节存在误差时的第一位姿矩阵和机械臂关节不存在误差时的第二位姿矩阵;
基于所述第一位姿矩阵、第二位姿矩阵、姿态矢量和位置矢量构建焊接机器人的机械臂位姿误差模型,并基于所述机械臂位姿误差模型生成误差分配系数;
基于所述误差分配系数结合所述焊接位置序列生成所述焊接机器人的目标位姿。
另外,本发明还提供了一种洗碗机的部件焊接控制装置,所述装置包括:
焊缝轮廓特征点确定模块:用于获取洗碗机待焊接部件的点云数据,基于所述点云数据提取坡口轮廓,并基于所述坡口轮廓生成线状坡口轮廓,计算所述线状坡口轮廓的若干个单调区间,基于所述若干个单调区间确定若干个焊缝轮廓特征点;
焊接位置序列生成模块:用于构建目标判断矩阵,基于所述目标判断矩阵利用偏离度评估函数在若干个焊缝轮廓特征点中生成焊接位置序列;
有限元模型生成模块:用于获取待焊接部件的部件参数和初始焊接工艺参数,基于所述部件参数和点云数据进行有限元建模,获得初始有限元模型,并基于所述焊接位置序列利用所述初始有限元模型进行有限元模拟焊接,获得目标有限元模型;
焊接工艺参数优化模块:用于基于所述目标有限元模型生成焊接仿真数据,基于所述焊接仿真数据计算对应的残余应力值和焊接变形量,并基于所述残余应力值和焊接变形量对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数;
焊接模块:用于构建焊接机器人的机械臂位姿误差模型,并基于所述机械臂位姿误差模型结合所述焊接位置序列生成所述焊接机器人的目标位姿,所述焊接机器人基于所述目标位姿、焊接位置序列和优化焊接工艺参数对洗碗机的待焊接部件进行焊接处理。
另外,本发明还提供了一种电子设备,所述电子设备包括处理器及存储器,所述存储器用于存储指令,所述处理器用于调用所述存储器中的指令,使得所述电子设备执行上述的洗碗机的部件焊接控制方法。
另外,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行上述的洗碗机的部件焊接控制方法。
在本发明实施例中,通过计算线状坡口轮廓的若干个单调区间以确定若干个焊缝轮廓特征点,使得出的焊缝轮廓特征点更为准确,并通过目标判断矩阵和偏离度评估函数的结合在若干个焊缝轮廓特征点中实现焊接位置序列的准确且快速的筛选。通过由目标有限元模型所生成的焊接仿真数据计算对应的残余应力值和焊接变形量,根据残余应力值和焊接变形量分析影响焊接工艺参数的主因素和次因素,同时还通过部件参数进行焊接过程的组织演化和晶体变形的模拟,生成数字孪生模型,进而通过主因素和次因素利用数字孪生模型获取焊接过程变化预测结果以对焊接工艺参数进行优化,将残余应力和焊接变形量对于焊接工艺参数的影响加入至焊接工艺参数的优化过程中,同时还加入了焊接过程的结构变化预测,使优化焊接工艺参数更为贴近理想优化效果,同时也更为贴近实际焊接情况,因此通过所得到的优化焊接工艺参数进行焊接可以避免洗碗机部件在焊接过程中发生变形,极大地提高焊接质量的一致性和稳定性。同时通过由机械臂位姿误差模型所生成的误差分配系数结合所述焊接位置序列生成焊接机器人的目标位姿,使焊接机器人的焊接能够更为可靠,从而使洗碗机的部件焊接能够达到更为理想的效果。
附图说明
为了更清楚地说明本发明实施例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,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,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它的附图。
图1是本发明实施例中的洗碗机的部件焊接控制方法的流程示意图;
图2是本发明实施例中的洗碗机的部件焊接控制装置的结构组成示意图;
图3是本发明实施例中的电子设备的结构组成示意图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
请参阅图1,图1是本发明实施例中的洗碗机的部件焊接控制方法的流程示意图。
如图1所示,一种洗碗机的部件焊接控制方法,所述方法包括:
S11:获取洗碗机待焊接部件的点云数据,基于所述点云数据提取坡口轮廓,并基于所述坡口轮廓生成线状坡口轮廓,计算所述线状坡口轮廓的若干个单调区间,基于所述若干个单调区间确定若干个焊缝轮廓特征点;
在本发明具体实施过程中,所述基于所述坡口轮廓生成线状坡口轮廓,计算所述线状坡口轮廓的若干个单调区间,基于所述若干个单调区间确定若干个焊缝轮廓特征点,包括:提取所述坡口轮廓中灰度值达到预设阈值的若干个数据点,计算若干个数据点的纵坐标,并对若干个数据点的纵坐标计算平均值,基于所述平均值生成线状坡口轮廓;计算所述线状坡口轮廓中各数据点的斜率,对各数据点的斜率进行非线性分段拟合,获得非线性分段拟合结果,并基于所述非线性分段拟合结果计算对应的若干个单调区间;计算各单调区间的斜率改变量,对各单调区间的斜率改变量进行比较,并选取预设数量的斜率改变量更高的若干个单调区间作为目标单调区间;获取每个目标单调区间的中间位置,基于每个目标单调区间的中间位置确定若干个焊缝轮廓特征点。
具体的,通过三维扫描设备获取洗碗机待焊接部件的点云数据,该待焊接部件已完成坡口和焊缝的加工处理,坡口为在待焊接部件上加工并装配成的一定几何形状的沟槽,在点云数据中提取焊缝轮廓的特征信息,基于焊缝轮廓的特征信息进行最邻近聚类,获得最邻近聚类结果,基于贝叶斯分类器对最邻近聚类结果的数据簇进行分类,初步去除干扰数据,最后采用视觉特征竞争方法进一步去除干扰,获得坡口轮廓。对坡口轮廓进行逐列扫描,计算坡口轮廓中每个点云数据点的灰度值,将灰度值达到预设阈值的若干个数据点在坡口轮廓中提取出来,预设阈值可设置为255,在空间坐标系中计算若干个数据点的纵坐标,并对若干个数据点的纵坐标计算平均值,以此平均值作为本列所有点云数据点的位置,即在竖直方向上逐列计算获得的坡口轮廓的平均高度,从而获得线状坡口轮廓。计算所述线状坡口轮廓中各数据点的斜率,通过线状坡口轮廓中各数据点的坐标结合斜率计算公式便可计算出各数据点的斜率,对各数据点的斜率进行非线性分段拟合,非线性分段拟合即为通过多项式分段函数对斜率进行拟合,采用多项式对各数据点的斜率进行非线性分段拟合,获得非线性分段拟合结果,有效逼近斜率整体变化趋势,降低了斜率局部扰动对后续处理的影响,并基于所述非线性分段拟合结果计算对应的若干个单调区间,通过非线性分段拟合结果利用单调区间定义计算对应的若干个单调区间。计算各单调区间的斜率改变量,对各单调区间的斜率进行微分计算,得到对应的斜率改变量,对各单调区间的斜率改变量进行比较,将斜率改变量由大到小排序,选取预设数量的斜率改变量更高的若干个单调区间作为目标单调区间,即选取在排序中斜率改变量靠前的预设数量的若干个单调区间作为目标单调区间。获取每个目标单调区间的中间位置,基于每个目标单调区间的中间位置确定若干个焊缝轮廓特征点,焊缝轮廓特征点的位置即为目标单调区间的中间位置。
S12:构建目标判断矩阵,基于所述目标判断矩阵利用偏离度评估函数在若干个焊缝轮廓特征点中生成焊接位置序列;
在本发明具体实施过程中,所述构建目标判断矩阵,基于所述目标判断矩阵利用偏离度评估函数在若干个焊缝轮廓特征点中生成焊接位置序列,包括:基于层次分析法建立层次分析模型,并基于所述层次分析模型建立初始判断矩阵;计算每个焊缝轮廓特征点的水平方向距离和竖直方向距离,对所述水平方向距离和竖直方向距离进行标度映射,获得标度映射后的水平方向距离和竖直方向距离;基于标度映射后的水平方向距离和竖直方向距离建立等级偏差矩阵,并基于所述等级偏差矩阵利用所述初始判断矩阵生成目标判断矩阵;基于所述目标判断矩阵计算每个焊缝轮廓特征点的权值,将权值满足预设阈值区间的焊缝轮廓特征点保留,获得初始焊接位置序列;基于偏离度评估函数对初始焊接位置序列中的每个焊接轮廓特征点计算偏离度,并基于所述偏离度对初始焊接位置序列中的所有焊接轮廓特征点进行筛选,获得焊接位置序列。
具体的,基于层次分析法建立层次分析模型,将焊缝轮廓特征点的焊接位置选择作为目标层,将位置验证指标作为指标层,位置验证指标为在本地数据库中的实验数据中提取,将目标层和指标层进行关联性分析,获得层次分析模型;基于所述层次分析模型建立初始判断矩阵,确定初始判断矩阵的形式,即该初始判断矩阵为几阶的矩阵以及其所对应的元素,通过所确定的初始判断矩阵的形式利用层次分析模型中的指标层建立对应的初始判断矩阵。计算每个焊缝轮廓特征点的水平方向距离和竖直方向距离,通过焊缝轮廓特征点在标准坐标系中的横、纵坐标计算水平方向距离和竖直方向距离,对所述水平方向距离和竖直方向距离进行标度映射,即将水平方向距离和竖直方向距离映射至标度1-9,其为标度法中的标度值,根据重要性程度按1-9进行标度,获得标度映射后的水平方向距离和竖直方向距离,即获得水平方向距离和竖直方向距离的标度值。基于标度映射后的水平方向距离和竖直方向距离建立等级偏差矩阵,将水平方向距离和竖直方向距离对应的标度值作为矩阵元素,通过矩阵元素构建等级偏差矩阵,等级偏差矩阵为将对应的标度值作为矩阵判断指标,通过矩阵判断指标判断初始判断矩阵的等级偏差的矩阵,等级偏差越小,即代表判断矩阵的客观性和代表性越高,并基于所述等级偏差矩阵利用所述初始判断矩阵生成目标判断矩阵,从等级偏差矩阵中挑选出等级偏差较小的若干个元素,将初始判断矩阵中与等级偏差较小的若干个元素的位置相同的元素取出;将取出的若干个元素进行加权集结,获得集结结果,基于集结结果利用所取出的若干个元素构建目标判断矩阵。基于所述目标判断矩阵计算每个焊缝轮廓特征点的权值,通过目标判断矩阵计算权重系数,通过权重系数计算每个焊缝轮廓特征点的权值,将权值满足预设阈值区间的焊缝轮廓特征点保留,获得初始焊接位置序列。基于偏离度评估函数对初始焊接位置序列中的每个焊接轮廓特征点计算偏离度,计算初始焊接位置序列中的每个焊接轮廓特征点的残差分量,残差分量为每个焊接轮廓特征点与其邻近点之间的差异或偏差,基于残差分量建立残差分量基准线,基于残差分量和残差分量基准线利用偏离度评估函数计算偏离度值,所述偏离度评估函数的表达式为:
,
其中,D为偏离度评估函数,exp为以自然常数为底数的指数函数,norm为线性归一化函数,min为取最小值函数,p为残差分量,为所有残差分量的均值,c为残差分量至残差分量基准线的欧式距离;通过偏离度评估函数计算每个焊接轮廓特征点的偏离度,即将每个焊接轮廓特征点与其邻近点之间的差异或偏差代入至偏离度评估函数中进行计算。基于所述偏离度对初始焊接位置序列中的所有焊接轮廓特征点进行筛选,将偏离度小于预设阈值的焊接轮廓特征点进行保留,其余的焊接轮廓特征点进行筛除,若偏离度过高,则标识该焊接轮廓特征点与其邻近点的偏差过大,当焊接轮廓特征点与其邻近点的偏差过大时,会使该焊接位置的不确定性过高,将所有的焊接轮廓特征点筛选完毕后,获得焊接位置序列。通过目标判断矩阵和偏离度评估函数进行焊接轮廓特征点的双重筛选,使最终得出的焊接位置序列更为准确且可靠,保障了焊接质量。
S13:获取待焊接部件的部件参数和初始焊接工艺参数,基于所述部件参数和点云数据进行有限元建模,获得初始有限元模型,并基于所述焊接位置序列利用所述初始有限元模型进行有限元模拟焊接,获得目标有限元模型;
在本发明具体实施过程中,所述基于所述部件参数和点云数据进行有限元建模,获得初始有限元模型,并基于所述焊接位置序列利用所述初始有限元模型进行有限元模拟焊接,获得目标有限元模型,包括:基于所述部件参数和点云数据进行薄壁建模和曲面平滑处理,得到部件三维模型;基于所述焊接位置序列对所述部件三维模型进行区域划分,获得目标焊接区域和非焊接区域;设置所述目标焊接区域的第一网格密度数据和所述非焊接区域的第二网格密度数据,并基于所述第一网格密度数据和第二网格密度数据进行网格划分,获得初始有限元模型;基于预设测试变形策略利用所述焊接位置序列对初始有限元模型进行有限元模拟焊接,获得目标有限元模型。
具体的,通过相应的设备和数据库获取待焊接部件的部件参数,部件参数包括部件尺寸和部件材料特性参数等,通过本地数据库根据部件参数获取初始焊接工艺参数,焊接工艺参数包括焊接电流、焊接电压、焊接速度、焊接温度和焊接时间等。基于所述部件参数和点云数据进行薄壁建模和曲面平滑处理,在计算机辅助设计环境下,根据部件参数和点云数据进行待焊接部件中的薄壁建模,由于待焊接部件中存在薄壁,而薄壁在焊接中所收到的影响较大,因此需在薄壁建模中加入部件参数的考虑,完成薄壁建模后,便根据点云数据进行整体的建模,获得初始部件三维模型。需要对初始部件三维模型进行曲面平滑处理,在初始三维模型中选取待平滑的目标曲面,识别目标曲面中的边缘顶点,获取所述边缘顶点在所述目标曲面的边缘边集合上的多个邻边,基于所述边缘顶点和边缘边集合上的多个邻边确定目标顶点和与目标顶点在目标曲面上共面的若干个邻点,获取每个邻点的法向量,并计算每个邻点的权重,基于每个邻点的权重与每个邻点的法向量进行相乘,将相乘结果作为目标法向量,将所有目标法向量的和作为优化法线向量,基于优化法线向量对初始部件三维模型进行曲面平滑,得到部件三维模型。基于所述焊接位置序列对所述部件三维模型进行区域划分,获得目标焊接区域和非焊接区域,目标焊接区域和非焊接区域通过焊接位置序列便可被明确定义。设置所述目标焊接区域的第一网格密度数据和所述非焊接区域的第二网格密度数据,第一网格密度数据用于目标焊接区域,因为焊接过程对于变形的影响更为显著,需要更精细的网格。第二网格密度数据适用于非焊接区域,因为在这些区域内变形较小,可以使用较粗的网格,将目标焊接区域和非焊接区域分解成离散的单元。基于所述第一网格密度数据和第二网格密度数据进行网格划分,根据预设多面体单元利用第一网格密度数据和第二网格密度数据进行网格划分,获得初始有限元模型,所述初始有限元模型即为对部件三维模型进行网格划分所生成的有限元几何模型。基于预设测试变形策略利用所述焊接位置序列对初始有限元模型进行有限元模拟焊接,获取预设测试变形策略,创建初始有限元模型的多个副本有限元模型,对每个副本有限元模型进行有限元模拟焊接,即为进行仿真测试,预设测试变形策略即为通过仿真测试数据进行仿真模拟,仿真测试的数据为历史焊接参数,最终得到变形影响最小的有限元模型即为目标有限元模型。
S14:基于所述目标有限元模型生成焊接仿真数据,基于所述焊接仿真数据计算对应的残余应力值和焊接变形量,并基于所述残余应力值和焊接变形量对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数;
在本发明具体实施过程中,所述基于所述目标有限元模型生成焊接仿真数据,基于所述焊接仿真数据计算对应的残余应力值和焊接变形量,包括:基于所述目标有限元模型进行焊接区域网格点提取,获得焊接区域网格点,并对所述焊接区域网格点进行密度和变形计算,获得焊接仿真数据;基于所述焊接仿真数据进行非线性有限元计算,获得对应的位移场和残余应力云图;基于所述位移场计算焊接变形量,并基于所述残余应力云图计算残余应力值。
进一步的,所述基于所述残余应力值和焊接变形量对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数,包括:基于所述残余应力值和焊接变形量进行因素分析,获得影响焊接工艺参数的主因素和次因素;基于所述部件参数进行焊接过程中组织演化的连续相场模拟,获得组织演化过程的相场模型;基于所述部件参数进行焊接过程中晶体变形的有限元模拟,获得有限元模拟结果;基于所述相场模型和有限元模拟结果进行耦合,获得数字孪生模型,并基于所述主因素和次因素利用数字孪生模型进行焊接过程变化预测,获得焊接过程变化预测结果;基于所述焊接过程变化预测结果对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数。
具体的,对目标有限元模型进行焊接区域三维坐标信息提取,得到焊接区域离散化网格点集合;对焊接区域离散化网格点集合进行连接分布信息解析,得到焊接区域网格点分布数据;对焊接区域网格点分布数据进行聚类,得到对应的若干个聚类簇;对若干个聚类簇进行密度分布计算,得到对应的变形密集程度;根据变形密集程度,分别计算每个聚类簇的平均变形指标,并根据每个聚类簇的平均变形指标生成焊接仿真数据,所述焊接仿真数据包括位移数据和应变数据。基于所述焊接仿真数据进行非线性有限元计算,将焊接仿真数据输入至非线性有限元计算软件中,获得对应的位移场和残余应力云图。基于所述位移场计算焊接变形量,根据位移场获取水平正应变分布区域和垂直应变分布区域,根据水平正应变分布区域和垂直应变分布区域获取位移场变量的节点离散值,根据节点离散值构建位移场变量的节点离散矩阵和形函数,基于位移场变量的节点离散矩阵和形函数计算单元连续位移,根据单元连续位移计算焊接变形量;并基于所述残余应力云图计算残余应力值,获取残余应力云图的步长,根据残余应力云图的步长确定残余应力云图上的残余应力求解区域内的节点,根据所有节点的分布形式,确定中心节点位置,以所述中心节点位置为中心在所述残余应力云图上提取每个所述节点的残余应力,计算残余应力的平均值以将其作为残余应力值,残余应力是指构件在制造过程中受到来自各种工艺等因素的作用与影响,当这些因素消失之后,若构件所受到的上述作用与影响不能随之而完全消失,仍有部分作用与影响残留在构件内,则这种残留的作用与影响称为残余应力。基于所述残余应力值和焊接变形量进行因素分析,通过对残余应力值和焊接变形量进行加权权重,以残余应力值和焊接变形量中的其中一个为主因素,其余为次因素,进行正交实验和有限元计算,采用评价函数结合赋予的加权权重进行计算,得到对应的评价值,以对应的评价值生成影响焊接工艺参数的主因素和次因素。基于所述部件参数进行焊接过程中组织演化的连续相场模拟,建立相场方法与微磁学方法的耦合模型,建立自由能模型,所述自由能模型包括体自由能、梯度能、弹性能以及其外场能,根据耦合模型和自由能模型对各向异性界面能析出过程进行模拟,获得模拟结果,基于模拟结果生成组织演化过程的相场模型,在洗碗机的部件焊接过程中,会出现组织演化,即会产生焊接材料的固溶和析出以及焊接部件的相变等,因此通过所建立的相场方法与微磁学方法的耦合模型和自由能模型能够对焊接部件的组织演化进行模拟,能够使模拟过程更为贴近实际焊接过程中的部件组织演化。基于所述部件参数进行焊接过程中晶体变形的有限元模拟,即通过部件参数中的洗碗机部件材料参数进行焊接过程的晶体的平面应变压缩模拟和拉伸模拟,从而可以得知洗碗机部件焊接过程中的晶体变化,获得有限元模拟结果。基于所述相场模型和有限元模拟结果进行耦合,将相场模型和有限元模拟结果进行数据耦合,两者之间进行双向的数据共享,获得数字孪生模型。基于所述主因素和次因素利用数字孪生模型进行焊接过程变化预测,通过影响焊接工艺参数的因素和焊接过程模拟结果以模拟焊接过程中发生的物理现象,预测焊接过程中的组织变化,包括晶粒尺寸、相变比例、非线性温度场分布和应力分布等,获得焊接过程变化预测结果。基于所述焊接过程变化预测结果对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数,即根据预测结果调整焊接工艺参数,以使焊接过程的组织变化与预测结果更加接近,这样可以提高焊接质量的一致性和稳定性。
S15:构建焊接机器人的机械臂位姿误差模型,并基于所述机械臂位姿误差模型结合所述焊接位置序列生成所述焊接机器人的目标位姿,所述焊接机器人基于所述目标位姿、焊接位置序列和优化焊接工艺参数对洗碗机的待焊接部件进行焊接处理。
在本发明具体实施过程中,所述构建焊接机器人的机械臂位姿误差模型,并基于所述机械臂位姿误差模型结合所述焊接位置序列生成所述焊接机器人的目标位姿,包括:获取焊接机器人的机械臂在基坐标系中的姿态矢量和位置矢量,并获取机械臂关节存在误差时的第一位姿矩阵和机械臂关节不存在误差时的第二位姿矩阵;基于所述第一位姿矩阵、第二位姿矩阵、姿态矢量和位置矢量构建焊接机器人的机械臂位姿误差模型,并基于所述机械臂位姿误差模型生成误差分配系数;基于所述误差分配系数结合所述焊接位置序列生成所述焊接机器人的目标位姿。
具体的,基于视觉传感器获取焊接机器人的机械臂在基坐标系中的姿态矢量和位置矢量,并在历史位姿数据库获取机械臂关节存在误差时的第一位姿矩阵和机械臂关节不存在误差时的第二位姿矩阵。基于所述第一位姿矩阵、第二位姿矩阵、姿态矢量和位置矢量构建焊接机器人的机械臂位姿误差模型,通过姿态矢量和位置矢量构建焊接机器人的末端执行器的第三位姿矩阵,基于第一位姿矩阵和第二位姿矩阵引入第三位姿矩阵构建焊接机器人的机械臂位姿误差模型。基于所述机械臂位姿误差模型生成误差分配系数,获取焊接机器人的机械臂在焊接作业过程中的历史位置误差数据,包括在每个时间节点时刻机械臂在基坐标系下X轴、Y轴、Z轴方向上的位置误差,并基于位姿误差模型利用历史位置误差数据统计对应的误差分配系数。基于所述误差分配系数结合所述焊接位置序列生成所述焊接机器人的目标位姿,即根据误差分配系数对焊接机器人进行位姿误差补偿,而后根据焊接位置序列调整关节位姿后获得目标位姿。将目标位姿、焊接位置序列和优化焊接工艺参数传输至焊接机器人中,所述焊接机器人基于所述目标位姿、焊接位置序列和优化焊接工艺参数对洗碗机的待焊接部件进行焊接处理。
在本发明实施例中,通过计算线状坡口轮廓的若干个单调区间以确定若干个焊缝轮廓特征点,使得出的焊缝轮廓特征点更为准确,并通过目标判断矩阵和偏离度评估函数的结合在若干个焊缝轮廓特征点中实现焊接位置序列的准确且快速的筛选。通过由目标有限元模型所生成的焊接仿真数据计算对应的残余应力值和焊接变形量,根据残余应力值和焊接变形量分析影响焊接工艺参数的主因素和次因素,同时还通过部件参数进行焊接过程的组织演化和晶体变形的模拟,生成数字孪生模型,进而通过主因素和次因素利用数字孪生模型获取焊接过程变化预测结果以对焊接工艺参数进行优化,将残余应力和焊接变形量对于焊接工艺参数的影响加入至焊接工艺参数的优化过程中,同时还加入了焊接过程的结构变化预测,使优化焊接工艺参数更为贴近理想优化效果,同时也更为贴近实际焊接情况,因此通过所得到的优化焊接工艺参数进行焊接可以避免洗碗机部件在焊接过程中发生变形,极大地提高焊接质量的一致性和稳定性。同时通过由机械臂位姿误差模型所生成的误差分配系数结合所述焊接位置序列生成焊接机器人的目标位姿,使焊接机器人的焊接能够更为可靠,从而使洗碗机的部件焊接能够达到更为理想的效果。
实施例二
请参阅图2,图2是本发明实施例中的洗碗机的部件焊接控制装置的结构组成示意图。
如图2所示,一种洗碗机的部件焊接控制装置,所述装置包括:
焊缝轮廓特征点确定模块21:用于获取洗碗机待焊接部件的点云数据,基于所述点云数据提取坡口轮廓,并基于所述坡口轮廓生成线状坡口轮廓,计算所述线状坡口轮廓的若干个单调区间,基于所述若干个单调区间确定若干个焊缝轮廓特征点;
焊接位置序列生成模块22:用于构建目标判断矩阵,基于所述目标判断矩阵利用偏离度评估函数在若干个焊缝轮廓特征点中生成焊接位置序列;
有限元模型生成模块23:用于获取待焊接部件的部件参数和初始焊接工艺参数,基于所述部件参数和点云数据进行有限元建模,获得初始有限元模型,并基于所述焊接位置序列利用所述初始有限元模型进行有限元模拟焊接,获得目标有限元模型;
焊接工艺参数优化模块24:用于基于所述目标有限元模型生成焊接仿真数据,基于所述焊接仿真数据计算对应的残余应力值和焊接变形量,并基于所述残余应力值和焊接变形量对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数;
焊接模块25:用于构建焊接机器人的机械臂位姿误差模型,并基于所述机械臂位姿误差模型结合所述焊接位置序列生成所述焊接机器人的目标位姿,所述焊接机器人基于所述目标位姿、焊接位置序列和优化焊接工艺参数对洗碗机的待焊接部件进行焊接处理。
在本发明具体实施过程中,装置项的具体实施方式可参详上述方法项的实施方式,在此不再赘述。
在本发明实施例中,通过计算线状坡口轮廓的若干个单调区间以确定若干个焊缝轮廓特征点,使得出的焊缝轮廓特征点更为准确,并通过目标判断矩阵和偏离度评估函数的结合在若干个焊缝轮廓特征点中实现焊接位置序列的准确且快速的筛选。通过由目标有限元模型所生成的焊接仿真数据计算对应的残余应力值和焊接变形量,根据残余应力值和焊接变形量分析影响焊接工艺参数的主因素和次因素,同时还通过部件参数进行焊接过程的组织演化和晶体变形的模拟,生成数字孪生模型,进而通过主因素和次因素利用数字孪生模型获取焊接过程变化预测结果以对焊接工艺参数进行优化,将残余应力和焊接变形量对于焊接工艺参数的影响加入至焊接工艺参数的优化过程中,同时还加入了焊接过程的结构变化预测,使优化焊接工艺参数更为贴近理想优化效果,同时也更为贴近实际焊接情况,因此通过所得到的优化焊接工艺参数进行焊接可以避免洗碗机部件在焊接过程中发生变形,极大地提高焊接质量的一致性和稳定性。同时通过由机械臂位姿误差模型所生成的误差分配系数结合所述焊接位置序列生成焊接机器人的目标位姿,使焊接机器人的焊接能够更为可靠,从而使洗碗机的部件焊接能够达到更为理想的效果。
本发明实施例提供的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现上述实施例中任意一个实施例的洗碗机的部件焊接控制方法。其中,所述计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory,只读存储器)、RAM(Random AcceSSMemory,随即存储器)、EPROM(EraSable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically EraSable ProgrammableRead-Only Memory,电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是,存储设备包括由设备(例如,计算机、手机)以能够读的形式存储或传输信息的任何介质,可以是只读存储器,磁盘或光盘等。
实施例三
请参阅图3,图3是本发明实施例中的电子设备的结构组成示意图。
本发明实施例还提供了一种电子设备,如图3所示,所述电子设备包括存储器31、处理器33以及存储在存储器31中并可在处理器33上运行的计算机程序32。本领域技术人员可以理解,图3示出的电子设备并不构成对所有设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件。存储器31可用于存储计算机程序32以及各功能模块,处理器33运行存储在存储器31的计算机程序32,从而执行设备的各种功能应用以及数据处理。存储器可以是内存储器或外存储器,或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程 ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。处理器33可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application SpecificIntegrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器、单片机或者处理器33也可以是任何常规的处理器等。本发明所公开的处理器和存储器包括但不限于这些类型的处理器和存储器。本发明所公开的处理器和存储器只作为例子而非作为限定。
作为一个实施例,所述电子设备包括:一个或多个处理器33,存储器31,一个或多个计算机程序32,其中所述一个或多个计算机程序32被存储在存储器31中并被配置为由所述一个或多个处理器33执行,所述一个或多个计算机程序32配置用于执行上述任意一实施例中的洗碗机的部件焊接控制方法,具体实施过程请参阅上述实施例,在此不在赘述。
在本发明实施例中,通过计算线状坡口轮廓的若干个单调区间以确定若干个焊缝轮廓特征点,使得出的焊缝轮廓特征点更为准确,并通过目标判断矩阵和偏离度评估函数的结合在若干个焊缝轮廓特征点中实现焊接位置序列的准确且快速的筛选。通过由目标有限元模型所生成的焊接仿真数据计算对应的残余应力值和焊接变形量,根据残余应力值和焊接变形量分析影响焊接工艺参数的主因素和次因素,同时还通过部件参数进行焊接过程的组织演化和晶体变形的模拟,生成数字孪生模型,进而通过主因素和次因素利用数字孪生模型获取焊接过程变化预测结果以对焊接工艺参数进行优化,将残余应力和焊接变形量对于焊接工艺参数的影响加入至焊接工艺参数的优化过程中,同时还加入了焊接过程的结构变化预测,使优化焊接工艺参数更为贴近理想优化效果,同时也更为贴近实际焊接情况,因此通过所得到的优化焊接工艺参数进行焊接可以避免洗碗机部件在焊接过程中发生变形,极大地提高焊接质量的一致性和稳定性。同时通过由机械臂位姿误差模型所生成的误差分配系数结合所述焊接位置序列生成焊接机器人的目标位姿,使焊接机器人的焊接能够更为可靠,从而使洗碗机的部件焊接能够达到更为理想的效果。
另外,以上对本发明实施例所提供的一种洗碗机的部件焊接控制方法及相关装置进行了详细介绍,本文中应采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种洗碗机的部件焊接控制方法,其特征在于,所述方法包括:
获取洗碗机待焊接部件的点云数据,基于所述点云数据提取坡口轮廓,并基于所述坡口轮廓生成线状坡口轮廓,计算所述线状坡口轮廓的若干个单调区间,基于所述若干个单调区间确定若干个焊缝轮廓特征点;
构建目标判断矩阵,基于所述目标判断矩阵利用偏离度评估函数在若干个焊缝轮廓特征点中生成焊接位置序列;
获取待焊接部件的部件参数和初始焊接工艺参数,基于所述部件参数和点云数据进行有限元建模,获得初始有限元模型,并基于所述焊接位置序列利用所述初始有限元模型进行有限元模拟焊接,获得目标有限元模型;
基于所述目标有限元模型生成焊接仿真数据,基于所述焊接仿真数据计算对应的残余应力值和焊接变形量,并基于所述残余应力值和焊接变形量对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数;
构建焊接机器人的机械臂位姿误差模型,并基于所述机械臂位姿误差模型结合所述焊接位置序列生成所述焊接机器人的目标位姿,所述焊接机器人基于所述目标位姿、焊接位置序列和优化焊接工艺参数对洗碗机的待焊接部件进行焊接处理。
2.根据权利要求1所述的洗碗机的部件焊接控制方法,其特征在于,所述基于所述坡口轮廓生成线状坡口轮廓,计算所述线状坡口轮廓的若干个单调区间,基于所述若干个单调区间确定若干个焊缝轮廓特征点,包括:
提取所述坡口轮廓中灰度值达到预设阈值的若干个数据点,计算若干个数据点的纵坐标,并对若干个数据点的纵坐标计算平均值,基于所述平均值生成线状坡口轮廓;
计算所述线状坡口轮廓中各数据点的斜率,对各数据点的斜率进行非线性分段拟合,获得非线性分段拟合结果,并基于所述非线性分段拟合结果计算对应的若干个单调区间;
计算各单调区间的斜率改变量,对各单调区间的斜率改变量进行比较,并选取预设数量的斜率改变量更高的若干个单调区间作为目标单调区间;
获取每个目标单调区间的中间位置,基于每个目标单调区间的中间位置确定若干个焊缝轮廓特征点。
3.根据权利要求1所述的洗碗机的部件焊接控制方法,其特征在于,所述构建目标判断矩阵,基于所述目标判断矩阵利用偏离度评估函数在若干个焊缝轮廓特征点中生成焊接位置序列,包括:
基于层次分析法建立层次分析模型,并基于所述层次分析模型建立初始判断矩阵;
计算每个焊缝轮廓特征点的水平方向距离和竖直方向距离,对所述水平方向距离和竖直方向距离进行标度映射,获得标度映射后的水平方向距离和竖直方向距离;
基于标度映射后的水平方向距离和竖直方向距离建立等级偏差矩阵,并基于所述等级偏差矩阵利用所述初始判断矩阵生成目标判断矩阵;
基于所述目标判断矩阵计算每个焊缝轮廓特征点的权值,将权值满足预设阈值区间的焊缝轮廓特征点保留,获得初始焊接位置序列;
基于偏离度评估函数对初始焊接位置序列中的每个焊接轮廓特征点计算偏离度,并基于所述偏离度对初始焊接位置序列中的所有焊接轮廓特征点进行筛选,获得焊接位置序列。
4.根据权利要求1所述的洗碗机的部件焊接控制方法,其特征在于,所述基于所述部件参数和点云数据进行有限元建模,获得初始有限元模型,并基于所述焊接位置序列利用所述初始有限元模型进行有限元模拟焊接,获得目标有限元模型,包括:
基于所述部件参数和点云数据进行薄壁建模和曲面平滑处理,得到部件三维模型;
基于所述焊接位置序列对所述部件三维模型进行区域划分,获得目标焊接区域和非焊接区域;
设置所述目标焊接区域的第一网格密度数据和所述非焊接区域的第二网格密度数据,并基于所述第一网格密度数据和第二网格密度数据进行网格划分,获得初始有限元模型;
基于预设测试变形策略利用所述焊接位置序列对初始有限元模型进行有限元模拟焊接,获得目标有限元模型。
5.根据权利要求1所述的洗碗机的部件焊接控制方法,其特征在于,所述基于所述目标有限元模型生成焊接仿真数据,基于所述焊接仿真数据计算对应的残余应力值和焊接变形量,包括:
基于所述目标有限元模型进行焊接区域网格点提取,获得焊接区域网格点,并对所述焊接区域网格点进行密度和变形计算,获得焊接仿真数据;
基于所述焊接仿真数据进行非线性有限元计算,获得对应的位移场和残余应力云图;
基于所述位移场计算焊接变形量,并基于所述残余应力云图计算残余应力值。
6.根据权利要求1所述的洗碗机的部件焊接控制方法,其特征在于,所述基于所述残余应力值和焊接变形量对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数,包括:
基于所述残余应力值和焊接变形量进行因素分析,获得影响焊接工艺参数的主因素和次因素;
基于所述部件参数进行焊接过程中组织演化的连续相场模拟,获得组织演化过程的相场模型;
基于所述部件参数进行焊接过程中晶体变形的有限元模拟,获得有限元模拟结果;
基于所述相场模型和有限元模拟结果进行耦合,获得数字孪生模型,并基于所述主因素和次因素利用数字孪生模型进行焊接过程变化预测,获得焊接过程变化预测结果;
基于所述焊接过程变化预测结果对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数。
7.根据权利要求1所述的洗碗机的部件焊接控制方法,其特征在于,所述构建焊接机器人的机械臂位姿误差模型,并基于所述机械臂位姿误差模型结合所述焊接位置序列生成所述焊接机器人的目标位姿,包括:
获取焊接机器人的机械臂在基坐标系中的姿态矢量和位置矢量,并获取机械臂关节存在误差时的第一位姿矩阵和机械臂关节不存在误差时的第二位姿矩阵;
基于所述第一位姿矩阵、第二位姿矩阵、姿态矢量和位置矢量构建焊接机器人的机械臂位姿误差模型,并基于所述机械臂位姿误差模型生成误差分配系数;
基于所述误差分配系数结合所述焊接位置序列生成所述焊接机器人的目标位姿。
8.一种洗碗机的部件焊接控制装置,其特征在于,所述装置包括:
焊缝轮廓特征点确定模块:用于获取洗碗机待焊接部件的点云数据,基于所述点云数据提取坡口轮廓,并基于所述坡口轮廓生成线状坡口轮廓,计算所述线状坡口轮廓的若干个单调区间,基于所述若干个单调区间确定若干个焊缝轮廓特征点;
焊接位置序列生成模块:用于构建目标判断矩阵,基于所述目标判断矩阵利用偏离度评估函数在若干个焊缝轮廓特征点中生成焊接位置序列;
有限元模型生成模块:用于获取待焊接部件的部件参数和初始焊接工艺参数,基于所述部件参数和点云数据进行有限元建模,获得初始有限元模型,并基于所述焊接位置序列利用所述初始有限元模型进行有限元模拟焊接,获得目标有限元模型;
焊接工艺参数优化模块:用于基于所述目标有限元模型生成焊接仿真数据,基于所述焊接仿真数据计算对应的残余应力值和焊接变形量,并基于所述残余应力值和焊接变形量对所述初始焊接工艺参数进行优化,获得优化焊接工艺参数;
焊接模块:用于构建焊接机器人的机械臂位姿误差模型,并基于所述机械臂位姿误差模型结合所述焊接位置序列生成所述焊接机器人的目标位姿,所述焊接机器人基于所述目标位姿、焊接位置序列和优化焊接工艺参数对洗碗机的待焊接部件进行焊接处理。
9.一种电子设备,所述电子设备包括处理器及存储器,其特征在于,所述存储器用于存储指令,所述处理器用于调用所述存储器中的指令,使得所述电子设备执行如权利要求1至权利要求7中任一项所述的洗碗机的部件焊接控制方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求1至权利要求7中任一项所述的洗碗机的部件焊接控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410524387.4A CN118081238B (zh) | 2024-04-29 | 一种洗碗机的部件焊接控制方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410524387.4A CN118081238B (zh) | 2024-04-29 | 一种洗碗机的部件焊接控制方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118081238A true CN118081238A (zh) | 2024-05-28 |
CN118081238B CN118081238B (zh) | 2024-07-05 |
Family
ID=
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200269340A1 (en) * | 2018-07-25 | 2020-08-27 | Tonggao Advanced Manufacturing Technology Co., Ltd. | Active Laser Vision Robust Weld Tracking System and Weld Position Detection Method |
CN114888793A (zh) * | 2022-04-21 | 2022-08-12 | 同济大学 | 一种多臂双光束激光焊接机器人双层协同控制方法 |
CN115719343A (zh) * | 2022-11-22 | 2023-02-28 | 南昌大学 | 一种基于层次分析法的厚板t型接头多道焊焊接位置自主决策方法 |
CN115935741A (zh) * | 2022-12-07 | 2023-04-07 | 华南理工大学 | 一种新型cmt最优焊接工艺参数选取方法 |
CN117010207A (zh) * | 2023-08-16 | 2023-11-07 | 赛普克(太仓)航空技术有限公司 | 一种考虑金属组织相变的焊接过程数字孪生方法 |
CN117436321A (zh) * | 2023-12-21 | 2024-01-23 | 中钧科技(深圳)有限公司 | 基于有限元仿真法的工件焊接分析方法及系统 |
CN117744429A (zh) * | 2023-11-30 | 2024-03-22 | 沈阳工业大学 | 一种用于管道焊缝的磁记忆信号特征分析的方法 |
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200269340A1 (en) * | 2018-07-25 | 2020-08-27 | Tonggao Advanced Manufacturing Technology Co., Ltd. | Active Laser Vision Robust Weld Tracking System and Weld Position Detection Method |
CN114888793A (zh) * | 2022-04-21 | 2022-08-12 | 同济大学 | 一种多臂双光束激光焊接机器人双层协同控制方法 |
CN115719343A (zh) * | 2022-11-22 | 2023-02-28 | 南昌大学 | 一种基于层次分析法的厚板t型接头多道焊焊接位置自主决策方法 |
CN115935741A (zh) * | 2022-12-07 | 2023-04-07 | 华南理工大学 | 一种新型cmt最优焊接工艺参数选取方法 |
CN117010207A (zh) * | 2023-08-16 | 2023-11-07 | 赛普克(太仓)航空技术有限公司 | 一种考虑金属组织相变的焊接过程数字孪生方法 |
CN117744429A (zh) * | 2023-11-30 | 2024-03-22 | 沈阳工业大学 | 一种用于管道焊缝的磁记忆信号特征分析的方法 |
CN117436321A (zh) * | 2023-12-21 | 2024-01-23 | 中钧科技(深圳)有限公司 | 基于有限元仿真法的工件焊接分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111709097B (zh) | 一种基于零亏格网格曲面连续变形的柔顺机构生成方法 | |
CN109345578A (zh) | 基于贝叶斯优化的点云配准方法、系统及可读存储介质 | |
CN112749495A (zh) | 基于多点加点的代理模型优化方法、装置和计算机设备 | |
CN108563895B (zh) | 一种用于齿轮装配体的考虑相关性的区间模型修正方法 | |
CN114741753B (zh) | 一种薄壁加筋结构优化方法、装置、电子设备和存储介质 | |
Sieger et al. | A comprehensive comparison of shape deformation methods in evolutionary design optimization | |
CN118081238B (zh) | 一种洗碗机的部件焊接控制方法及相关装置 | |
Han et al. | CoolVox: Advanced 3D convolutional neural network models for predicting solar radiation on building facades | |
CN107886573B (zh) | 一种复杂地质条件下边坡三维有限元网格生成方法 | |
CN118081238A (zh) | 一种洗碗机的部件焊接控制方法及相关装置 | |
CN110657855B (zh) | 土方量测量方法、装置、计算机设备和存储介质 | |
CN114708397B (zh) | 一种光伏系统安装用地面三维模型数据处理方法及系统 | |
CN115906528A (zh) | 一种焊接结构模型的自动预处理方法、系统、设备和存储介质 | |
JP4981313B2 (ja) | 3次元形状処理装置及び曲面作成プログラム並びに曲面作成方法 | |
CN115546441A (zh) | 三维点云多层次递归与加权平滑的云图可视化方法、装置 | |
CN115618487A (zh) | 一种基于几何特征的船体建模方法 | |
CN115099081A (zh) | 适用于地下开采的有限元网格动态优化方法及装置 | |
JP4461245B2 (ja) | 株価変動数値解析装置 | |
CN116628863B (zh) | 车辆风阻系数确定方法、设备和介质 | |
US20240193328A1 (en) | System and method for determining two-dimensional patches of three-dimensional object using machine learning models | |
CN117438092B (zh) | 颅内动脉瘤破裂风险预测装置、计算机设备和存储介质 | |
Fu et al. | LFS-Aware Surface Reconstruction from Unoriented 3D Point Clouds | |
CN110765513B (zh) | 墙龙骨模型和l型顶导梁模型的连接节点放置方法和产品 | |
Šljivarić et al. | Methods of Modelling the Distortion Caused by Different Amount and Orientation of Coordinate Corrections between Two Coordinate Systems at Various Locations | |
CN118269105A (zh) | 一种基于工业机械臂的洗碗机部件装配方法及相关装置 |
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 | ||
GR01 | Patent grant |