JP7021728B2 - 自動溶接システム、溶接制御方法、及び機械学習モデル - Google Patents
自動溶接システム、溶接制御方法、及び機械学習モデル Download PDFInfo
- Publication number
- JP7021728B2 JP7021728B2 JP2018020283A JP2018020283A JP7021728B2 JP 7021728 B2 JP7021728 B2 JP 7021728B2 JP 2018020283 A JP2018020283 A JP 2018020283A JP 2018020283 A JP2018020283 A JP 2018020283A JP 7021728 B2 JP7021728 B2 JP 7021728B2
- Authority
- JP
- Japan
- Prior art keywords
- welding
- image
- information
- machine learning
- arc
- 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
Images
Landscapes
- Image Analysis (AREA)
- Arc Welding Control (AREA)
Description
本実施の形態では、自動溶接システムが、溶融池及びアークをカメラで撮像し、カメラから得られた画像を、教師あり学習にて構築された機械学習モデルに入力し、当該機械学習モデルから出力される画像特徴情報を取得し、画像特徴情報を用いてアーク溶接に関する物理量の補正情報を生成し、補正情報に基づいてアーク溶接の自動制御を行う。
図1は、本実施の形態に係る自動溶接システムの構成を示す模式図である。自動溶接システム10は、溶接ロボット20と、ロボット制御装置30と、電源装置40と、カメラ60と、補正情報生成装置100とを備えている。
まず、機械学習モデル160の構築について説明する。後述する溶接制御を実行するのに先立ち、機械学習モデル160の構築を行う。図5は、機械学習モデル160の構成を示す概念図である。本実施の形態に係る機械学習モデル160は、畳み込みニューラルネットワークにより構成されており、複数の畳み込み層と、複数のプーリング層と、複数の全結合層とを含んでいる。
PoolCenX=(Pool_Lx+Pool_Rx)/2
ΔX=PoolCenX-X0 (1)
但し、X0は溶融池の中心の左右方向位置の基準値であり、予め設定された値である。この補正量ΔXは、溶融池像の中心PoolCenXがX0に一致させるように溶接トーチ21を左右方向に移動させるためのものである。
LeadY=(Pool_Lead_Ly+Pool_Lead_Ry)/2ーArcY
ΔL=LeadY-L0 (2)
但し、L0は溶接池先端位置とアーク中心の距離であり、最も品質がよい裏波ビードを形成できる値に予め設定される。LeadYも溶接池先端位置とアーク中心の距離を示しており、これは溶接画像から抽出された画像特徴情報Pool_Lead_Ly,Pool_Lead_Ry,ArcYから上記のようにして算出される値である。ΔLは、LeadYとL0との差分である。ΔL(距離)が算出されると、変換係数βを用いて次式(3)によりΔV(速度)が算出される。
ΔV=ΔL×β (3)
ΔY=WireY-Y0 (4)
但し、Y0はワイヤ先端の上下方向位置の基準値であり、予め設定された値である。この補正量ΔYは、ワイヤ先端の上下方向位置WireYをY0に一致させるように溶接トーチ21を上下方向に移動させるためのものである。溶融池の前斜め上方にカメラ60が設置されているため、溶接速度が変化すると上下方向(溶接画像中の縦方向に対応)の適正位置も変化する。そのため、溶接速度を適正に制御した後、溶接トーチ21の上下方向の位置を補正することになる。
LeadW=Pool_Lead_Rx-Pool_Lead_Lx
IF LeadW < W0 THEN W=0 (5)
IF LeadW ≧ W0 THEN W=(LeadW-α) (6)
但し、W0は開先のギャップ幅であり、ウィービングが必要となる最低限の値に予め設定される。LeadWもギャップ幅を示しており、これは溶接画像から抽出された画像特徴情報Pool_Lead_Lx,Pool_Lead_Rxのそれぞれが開先の左右位置に相当することから上記のようにして算出される値である。上記の(5)より、ギャップ幅LeadWがW0未満である場合、ウィービング幅の設定値Wは0となり、ウィービング動作は行われない。上記の(6)より、ギャップ幅LeaWがW0以上である場合、ウィービング幅の設定値Wはギャップ幅LeadWよりαだけ小さい値とされる。なお、αは予め設定される値である。
本実施の形態では、機械学習モデルにおいて、入力される溶接画像における溶融池及びアークの領域の面積を抽出し、これらを画像特徴情報として出力する。自動溶接システムは、得られた画像特徴情報を用いてアーク溶接に関する物理量の補正情報を生成し、補正情報に基づいてアーク溶接の自動制御を行う。
本実施の形態に係る電源装置240は、出力電圧の調整が可能である。本実施の形態に係る自動溶接システムのその他の構成は、実施の形態1に係る自動溶接システム10の構成と同様であるので、同一構成要素については同一符号を付し、その説明を省略する。
まず、本実施の形態に係る機械学習モデル260について説明する。図10は、機械学習モデル260の構成を示す概念図である。本実施の形態に係る機械学習モデル260は、実施の形態1に係る機械学習モデル160と同様に、畳み込みニューラルネットワークにより構成されており、複数の畳み込み層と、複数のプーリング層と、複数の全結合層とを含んでいる。
ΔY=WireArea-Y1 (7)
但し、WireAreaはワイヤ領域201の面積(ワイヤ領域201の画素数。以下、「ワイヤ面積」という。)、Y1はワイヤ面積の基準値であり、予め設定された値である。この補正量ΔYは、ワイヤ面積WireAreaをY1に一致させるように溶接トーチ21を上下方向に移動させるためのものである。
ΔVol=PoolArea-P1 (8)
但し、PoolAreaは溶融池領域202の面積(以下、「溶融池面積」という)、P1は溶融池面積の基準値であり、予め設定された値である。この補正量ΔVolは、溶融池面積PoolAreaをP1に一致させるように溶接電圧を補正するためのものである。
本実施の形態では、機械学習モデルにおいて、補正情報の生成に用いられない情報を含む画像特徴情報を出力する。自動溶接システムは、得られた画像特徴情報の一部を用いてアーク溶接に関する物理量の補正情報を生成し、補正情報に基づいてアーク溶接の自動制御を行う。
本実施の形態に係る自動溶接システムの構成は、実施の形態1に係る自動溶接システム10の構成と同様であるので、同一構成要素については同一符号を付し、その説明を省略する。
まず、本実施の形態に係る機械学習モデル360について説明する。図14は、機械学習モデル360の構成を示す概念図である。本実施の形態に係る機械学習モデル360は、実施の形態1に係る機械学習モデル160と同様に、畳み込みニューラルネットワークにより構成されており、複数の畳み込み層と、複数のプーリング層と、複数の全結合層とを含んでいる。
本実施の形態では、自動溶接システムが、溶融池及びアークをカメラで連続撮像し、カメラから得られた複数の溶接画像をまとめて機械学習モデルに入力し、当該機械学習モデルから出力される画像特徴情報を取得する。
本実施の形態に係る自動溶接システムの構成は、実施の形態1に係る自動溶接システム10の構成と同様であるので、同一構成要素については同一符号を付し、その説明を省略する。
まず、本実施の形態に係る機械学習モデル460について説明する。図21は、機械学習モデル460の構成を示す概念図である。本実施の形態に係る機械学習モデル460は、実施の形態1に係る機械学習モデル160と同様に、畳み込みニューラルネットワークにより構成されており、複数の畳み込み層と、複数のプーリング層と、複数の全結合層とを含んでいる。
本実施の形態では、自動溶接システムが、溶融池及びアークをカメラで撮像し、カメラから得られた画像を、教師あり学習にて構築された機械学習モデルに入力し、当該機械学習モデルから出力される補正情報を取得し、補正情報に基づいてアーク溶接の自動制御を行う。
まず、本実施の形態に係る機械学習モデル560について説明する。図24は、機械学習モデル560の構成を示す概念図である。本実施の形態に係る機械学習モデル560は、実施の形態1に係る機械学習モデル160と同様に、畳み込みニューラルネットワークにより構成されており、複数の畳み込み層と、複数のプーリング層と、複数の全結合層とを含んでいる。
本実施の形態では、機械学習モデルにおいて、画像特徴情報に加えて、アーク溶接の状態の正常度合いを示す溶接正常度を出力する。自動溶接システムは、得られた画像特徴情報及び溶接正常度を用いてアーク溶接に関する物理量の補正情報を生成し、補正情報に基づいてアーク溶接の自動制御を行う。
本実施の形態に係る自動溶接システムの構成は、実施の形態1に係る自動溶接システム10の構成と同様であるので、同一構成要素については同一符号を付し、その説明を省略する。
まず、本実施の形態に係る機械学習モデル660について説明する。図26は、機械学習モデル660の構成を示す概念図である。本実施の形態に係る機械学習モデル660は、実施の形態1に係る機械学習モデル160と同様に、畳み込みニューラルネットワークにより構成されており、複数の畳み込み層と、複数のプーリング層と、複数の全結合層とを含んでいる。但し、最終段の全結合層が2つに分岐しており、これによってマルチタスク学習が可能になっている点が、実施の形態1の場合とは異なっている。
全タスクの誤差=α1×(特徴点出力タスクの誤差)+α2×(溶接正常度出力タスクの誤差) (9)
但し、α1及びα2は各タスクの誤差に対して付与された重みである。このようにして算出された全タスクの誤差を用いて機械学習処理が実行される。適切な重みを設定することにより、高精度な機械学習モデルを構築することができる。
本実施の形態では、実施の形態2の場合と同様に、入力される溶接画像における溶融池及びアークの領域の面積を抽出し、これらを画像特徴情報として出力するとともに、アーク溶接の状態の正常度合いを示す溶接正常度を出力する。自動溶接システムは、得られた画像特徴情報及び溶接正常度を用いてアーク溶接に関する物理量の補正情報を生成し、補正情報に基づいてアーク溶接の自動制御を行う。
本実施の形態に係る自動溶接システムの構成は、実施の形態2に係る自動溶接システム10の構成と同様であるので、同一構成要素については同一符号を付し、その説明を省略する。
まず、本実施の形態に係る機械学習モデル760について説明する。図28は、機械学習モデル760の構成を示す概念図である。本実施の形態に係る機械学習モデル760は、実施の形態2に係る機械学習モデル260と同様に、畳み込みニューラルネットワークにより構成されており、複数の畳み込み層と、複数のプーリング層と、複数の全結合層とを含んでいる。但し、最終段の全結合層が2つに分岐しており、これによってマルチタスク学習が可能になっている点が、実施の形態2の場合とは異なっている。
本実施の形態では、実施の形態3の場合と同様に、機械学習モデルにおいて、補正情報の生成に用いられない情報を含む画像特徴情報を出力するとともに、アーク溶接の状態の正常度合いを示す溶接正常度を出力する。自動溶接システムは、得られた画像特徴情報の一部及び溶接正常度を用いてアーク溶接に関する物理量の補正情報を生成し、補正情報に基づいてアーク溶接の自動制御を行う。
本実施の形態に係る自動溶接システムの構成は、実施の形態3に係る自動溶接システム10の構成と同様であるので、同一構成要素については同一符号を付し、その説明を省略する。
まず、本実施の形態に係る機械学習モデル860について説明する。図30は、機械学習モデル860の構成を示す概念図である。本実施の形態に係る機械学習モデル860は、実施の形態3に係る機械学習モデル360と同様に、畳み込みニューラルネットワークにより構成されており、複数の畳み込み層と、複数のプーリング層と、複数の全結合層とを含んでいる。但し、最終段の全結合層が2つに分岐しており、これによってマルチタスク学習が可能になっている点が、実施の形態3の場合とは異なっている。
本実施の形態では、実施の形態4の場合と同様に、カメラから得られた複数の溶接画像をまとめて機械学習モデルに入力し、当該機械学習モデルから出力される画像特徴情報及びアーク溶接の状態の正常度合いを示す溶接正常度を取得し、それらの画像特徴情報及び溶接正常度から算出された補正情報に基づいてアーク溶接の自動制御を行う。
本実施の形態に係る自動溶接システムの構成は、実施の形態4に係る自動溶接システム10の構成と同様であるので、同一構成要素については同一符号を付し、その説明を省略する。
まず、本実施の形態に係る機械学習モデル960について説明する。図32は、機械学習モデル960の構成を示す概念図である。本実施の形態に係る機械学習モデル960は、実施の形態4に係る機械学習モデル460と同様に、畳み込みニューラルネットワークにより構成されており、複数の畳み込み層と、複数のプーリング層と、複数の全結合層とを含んでいる。但し、最終段の全結合層が2つに分岐しており、これによってマルチタスク学習が可能になっている点が、実施の形態9の場合とは異なっている。
本実施の形態では、実施の形態5の場合と同様に、機械学習モデルにおいて、補正情報を出力するとともに、アーク溶接の状態の正常度合いを示す溶接正常度を出力する。自動溶接システムは、得られた補正情報及び溶接正常度を用いてアーク溶接に関する物理量の補正情報を生成し、補正情報に基づいてアーク溶接の自動制御を行う。
本実施の形態に係る自動溶接システムの構成は、実施の形態5に係る自動溶接システム10の構成と同様であるので、同一構成要素については同一符号を付し、その説明を省略する。
まず、本実施の形態に係る機械学習モデル1060について説明する。図34は、機械学習モデル1060の構成を示す概念図である。本実施の形態に係る機械学習モデル1060は、実施の形態5に係る機械学習モデル560と同様に、畳み込みニューラルネットワークにより構成されており、複数の畳み込み層と、複数のプーリング層と、複数の全結合層とを含んでいる。但し、最終段の全結合層が2つに分岐しており、これによってマルチタスク学習が可能になっている点が、実施の形態5の場合とは異なっている。
上述した実施の形態1乃至10においては、機械学習モデルを、複数の畳み込み層と、複数のプーリング層と、複数の全結合層とを含む畳み込みニューラルネットワークとしたが、これに限定されるものではない。これ以外の構成のニューラルネットワークであってもよい。但し、画像認識精度の観点からは、少なくとも1つずつ、畳み込み層及びプーリング層を含む畳み込みニューラルネットワークであることが好ましい。また、サポートベクタマシン、決定木等のニューラルネットワーク以外の機械学習モデルを用いることもできる。
20 溶接ロボット
21 溶接トーチ
24 溶接ワイヤ
30 ロボット制御装置
301 CPU
330 制御プログラム
40,240 電源装置
50 ワーク
60 カメラ
100 補正情報生成装置
111 CPU
150 補正情報生成プログラム
160,260,360,460,560、660,760,860,960,1006 機械学習モデル
Claims (25)
- 溶接ワイヤを用いたアーク溶接における溶融池、アーク、又は溶接ワイヤの像を含む画像と、前記アーク溶接の状態に関する状態関連情報とを含む複数の教師データによって教師あり学習を実行し、前記画像を入力とし前記状態関連情報を出力とする機械学習モデルを構築するモデル構築手段と、
アーク溶接における溶融池、アーク、又は溶接ワイヤを撮像するカメラと、
前記カメラによって得られた画像を入力として前記機械学習モデルに与え、前記機械学習モデルから出力される状態関連情報を取得する情報取得手段と、
前記情報取得手段によって取得された前記状態関連情報に基づいて、前記アーク溶接を実行する溶接機構を制御する制御手段と
を備える、
自動溶接システム。 - 前記モデル構築手段は、前記画像における溶融池、アーク、又は溶接ワイヤの像の特徴を示す画像特徴情報を前記状態関連情報として出力する前記機械学習モデルを構築するように構成されており、
前記情報取得手段によって取得された前記画像特徴情報に基づいて、前記アーク溶接に関する物理量を補正するための補正情報を生成する補正情報生成手段をさらに備え、
前記制御手段は、前記補正情報生成手段によって生成された前記補正情報にしたがって前記物理量を補正するよう、前記溶接機構を制御するように構成されている、
請求項1に記載の自動溶接システム。 - 前記モデル構築手段は、前記画像特徴情報及び前記アーク溶接の状態の正常度合いを示す溶接正常度を前記状態関連情報として出力する前記機械学習モデルを構築するように構成されており、
前記補正情報生成手段は、前記情報取得手段によって取得された前記画像特徴情報及び前記溶接正常度に基づいて、前記アーク溶接に関する物理量を補正するための補正情報を生成するように構成されている、
請求項2に記載の自動溶接システム。 - 前記モデル構築手段は、前記画像特徴情報の出力及び前記溶接正常度の出力を別々のタスクとする前記学習を実行するように構成されている、
請求項3に記載の自動溶接システム。 - 前記モデル構築手段は、前記タスクのそれぞれに対して設定された優先度に基づいて前記学習を実行するように構成されている、
請求項4に記載の自動溶接システム。 - 前記画像特徴情報は、前記画像中の溶融池、アーク、又は溶接ワイヤの領域についての位置に関する情報を含む、
請求項2乃至5の何れかに記載の自動溶接システム。 - 前記画像特徴情報は、前記溶融池の領域の中心位置を含み、
前記補正情報生成手段は、前記溶融池の領域の中心位置に基づいて、前記溶接ワイヤを保持する溶接トーチの位置についての前記補正情報を生成するように構成されている、
請求項6に記載の自動溶接システム。 - 前記画像特徴情報は、前記溶接ワイヤの領域の先端位置を含み、
前記補正情報生成手段は、前記溶接ワイヤの領域の先端位置に基づいて、前記溶接ワイヤを保持する溶接トーチの高さについての前記補正情報を生成するように構成されている、
請求項6又は7に記載の自動溶接システム。 - 前記画像特徴情報は、前記溶融池の領域の先端位置及び前記アークの領域の中心位置を含み、
前記補正情報生成手段は、前記溶融池の領域の先端位置及び前記アークの領域の中心位置に基づいて、前記溶接ワイヤを保持する溶接トーチの移動速度についての前記補正情報を生成するように構成されている、
請求項6乃至8の何れかに記載の自動溶接システム。 - 前記画像特徴情報は、突合せ継手における開先の幅を含み、
前記補正情報生成手段は、前記突合せ継手における開先の幅に基づいて、前記溶接ワイヤを保持する溶接トーチを周期的に揺動させるウィービング動作の幅についての前記補正情報を生成するように構成されている、
請求項2乃至9の何れかに記載の自動溶接システム。 - 前記画像特徴情報は、前記画像中の溶融池、アーク、及び溶接ワイヤの領域毎に異なるラベルが割り当てられたラベル画像を含む、
請求項2乃至10の何れかに記載の自動溶接システム。 - 前記補正情報生成手段は、前記ラベル画像における前記溶接ワイヤの領域の面積に基づいて、前記溶接ワイヤを保持する溶接トーチの高さについての前記補正情報を生成するように構成されている、
請求項11に記載の自動溶接システム。 - 前記補正情報生成手段は、前記ラベル画像における前記溶融池の領域の面積に基づいて、前記溶接ワイヤに生じる溶接電圧又は溶接電流についての前記補正情報を生成するように構成されている、
請求項11又は12に記載の自動溶接システム。 - 前記ラベル画像における前記アークの領域についての位置又は面積に基づいて、溶接状態が正常であるか否かを判定する溶接状態判定手段と、
前記溶接状態判定手段によって前記溶接状態が異常であると判定された場合に、前記溶接状態が異常であることを通知する通知手段と
をさらに備える、
請求項11乃至13の何れかに記載の自動溶接システム。 - 前記モデル構築手段は、前記補正情報生成手段による前記補正情報の生成に用いられない情報を含む前記画像特徴情報を出力する前記機械学習モデルを構築するように構成されている、
請求項2乃至14の何れかに記載の自動溶接システム。 - 前記補正情報の生成に用いられない情報である複数の候補情報から、前記機械学習モデルにおける前記画像の認識性能に基づいて、前記画像特徴情報に含むべき情報を決定する決定手段をさらに備え、
前記モデル構築手段は、前記決定手段によって決定された前記情報を含む前記画像特徴情報を出力する前記機械学習モデルを構築するように構成されている、
請求項15に記載の自動溶接システム。 - 前記モデル構築手段は、前記アーク溶接に関する物理量を補正するための補正情報を前記状態関連情報として出力する前記機械学習モデルを構築するように構成されており、
前記制御手段は、前記情報取得手段によって取得された前記補正情報にしたがって前記物理量を補正するよう、前記溶接機構を制御するように構成されている、
請求項1に記載の自動溶接システム。 - 前記モデル構築手段は、前記補正情報及び前記アーク溶接の状態の正常度合いを示す溶接正常度を前記状態関連情報として出力する前記機械学習モデルを構築するように構成されており、
前記制御手段は、前記情報取得手段によって取得された前記補正情報及び前記溶接正常度にしたがって前記物理量を補正するよう、前記溶接機構を制御するように構成されている、
請求項17に記載の自動溶接システム。 - 前記モデル構築手段は、前記補正情報の出力及び前記溶接正常度の出力を別々のタスクとする前記学習を実行するように構成されている、
請求項18に記載の自動溶接システム。 - 前記モデル構築手段は、前記タスクのそれぞれに対して設定された優先度に基づいて前記学習を実行するように構成されている、
請求項19に記載の自動溶接システム。 - 前記カメラは、前記溶融池、アーク、又は溶接ワイヤを時間的に連続して撮像するように構成されており、
前記モデル構築手段は、時間的に連続した複数の画像を含む時系列画像を入力とし前記状態関連情報を出力とする前記機械学習モデルを構築するように構成されている、
請求項1乃至20の何れかに記載の自動溶接システム。 - 前記機械学習モデルは、畳み込み層及びプーリング層を含む畳み込みニューラルネットワークである、
請求項1乃至21の何れかに記載の自動溶接システム。 - 複数の前記状態関連情報を複数の組に分割する分割手段をさらに備え、
前記モデル構築手段は、前記分割手段によって分割された前記状態関連情報の組を各別に含む前記教師データによって教師あり学習を実行し、前記状態関連情報の組と各別に対応する複数の前記機械学習モデルを構築するように構成されており、
前記情報取得手段は、前記カメラによって得られた画像を入力として前記複数の機械学習モデルのそれぞれに与え、前記機械学習モデルのそれぞれから出力される前記状態関連情報の組を取得するように構成されている、
請求項1乃至22の何れかに記載の自動溶接システム。 - 溶接ワイヤを用いたアーク溶接における溶融池、アーク、又は溶接ワイヤの像を含む画像と、前記アーク溶接の状態に関する状態関連情報とを含む複数の教師データによって教師あり学習を実行し、前記画像を入力とし前記状態関連情報を出力とする機械学習モデルを構築するステップと、
アーク溶接における溶融池又はアークを撮像するステップと、
撮像して得られた画像を入力として前記機械学習モデルに与え、前記機械学習モデルから出力される状態関連情報を取得するステップと、
取得された前記状態関連情報に基づいて、前記アーク溶接を実行する溶接機構を制御するステップと
を有する、
溶接制御方法。 - アーク溶接を実行する溶接機構の制御に用いられる情報を出力するための機械学習モデルであって、
溶接ワイヤを用いたアーク溶接における溶融池、アーク、又は溶接ワイヤの像を含む画像と、前記アーク溶接の状態に関する状態関連情報とを含む複数の教師データによる教師あり学習によって構築され、
前記溶接機構の制御の際に、溶接ワイヤを用いたアーク溶接における溶融池、アーク、又は溶接ワイヤをカメラによって撮像して得られた画像を入力とし、
前記アーク溶接の状態に関する状態関連情報を出力とする、機械学習モデル。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017095546 | 2017-05-12 | ||
JP2017095546 | 2017-05-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018192524A JP2018192524A (ja) | 2018-12-06 |
JP7021728B2 true JP7021728B2 (ja) | 2022-02-17 |
Family
ID=64569667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018020283A Active JP7021728B2 (ja) | 2017-05-12 | 2018-02-07 | 自動溶接システム、溶接制御方法、及び機械学習モデル |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7021728B2 (ja) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020129617A1 (ja) * | 2018-12-19 | 2020-06-25 | パナソニックIpマネジメント株式会社 | 外観検査装置及びそれを用いた溶接箇所の形状不良の有無及び種類の判定精度の向上方法、溶接システム及びそれを用いたワークの溶接方法 |
CN113195142B (zh) * | 2018-12-27 | 2022-09-09 | 三菱电机株式会社 | 自动焊接系统、电梯轿厢室部件的制造方法及自动焊接方法 |
JP7357463B2 (ja) | 2019-05-08 | 2023-10-06 | 株式会社東芝 | 判定装置、判定システム、溶接システム、判定方法、プログラム、及び記憶媒体 |
CN110163859B (zh) * | 2019-05-29 | 2023-05-05 | 广东工业大学 | 基于PoseCNN的焊缝焊接方法、装置及设备 |
WO2020246416A1 (ja) * | 2019-06-06 | 2020-12-10 | パナソニックIpマネジメント株式会社 | 溶接条件設定支援装置 |
JP7150666B2 (ja) * | 2019-06-13 | 2022-10-11 | 株式会社神戸製鋼所 | ヒューム量推定システム、ヒューム量推定方法、学習装置、推定装置、及びプログラム |
JP6984988B1 (ja) * | 2019-06-28 | 2021-12-22 | 清華大学Tsinghua University | 溶接ビード成形制御装置及び方法 |
JP7385410B2 (ja) * | 2019-09-19 | 2023-11-22 | 川崎重工業株式会社 | アーク溶接システム |
JP7330645B2 (ja) * | 2019-11-19 | 2023-08-22 | 株式会社神戸製鋼所 | 自動溶接システム、自動溶接方法、溶接支援装置、及びプログラム |
CN110883403B (zh) * | 2019-12-24 | 2020-10-30 | 华中科技大学 | 一种用于电弧增材制造的焊道建模方法、设备及系统 |
JP7321953B2 (ja) * | 2020-02-17 | 2023-08-07 | 株式会社神戸製鋼所 | 自動溶接システム、溶接方法、学習装置、学習済みモデルの生成方法、学習済みモデル、推定装置、推定方法、及びプログラム |
DE102020107779A1 (de) * | 2020-03-20 | 2021-09-23 | Schaeffler Technologies AG & Co. KG | Verfahren und Prüfanlage zum Prüfen einer Bipolarplatte einer Brennstoffzelle |
JP7395238B2 (ja) * | 2020-03-30 | 2023-12-11 | 株式会社神戸製鋼所 | 学習用画像セットの生成装置及び生成方法、プログラム、画像生成モデルの学習装置、画像生成装置、画像判別モデルの学習装置、画像判別装置、並びに自動溶接システム |
CN111429441B (zh) * | 2020-03-31 | 2023-04-04 | 电子科技大学 | 一种基于yolov3算法的焊口识别定位方法 |
JP2021171810A (ja) * | 2020-04-30 | 2021-11-01 | 株式会社神戸製鋼所 | 溶接情報の学習モデル生成方法、学習モデル、プログラム及び溶接システム |
JP7420692B2 (ja) * | 2020-10-16 | 2024-01-23 | 株式会社神戸製鋼所 | 溶接システム、溶接方法、溶接支援装置、プログラム、学習装置、及び学習済みモデルの生成方法 |
US12011779B2 (en) | 2021-02-24 | 2024-06-18 | Mitsubishi Electric Corporation | Additive manufacturing apparatus, additive manufacturing system, additive manufacturing method, storage medium, and learning device |
CN112991304B (zh) * | 2021-03-23 | 2024-06-14 | 湖南珞佳智能科技有限公司 | 一种基于激光定向能量沉积监测系统的熔池溅射检测方法 |
JP7491876B2 (ja) | 2021-07-19 | 2024-05-28 | 株式会社神戸製鋼所 | 溶接現象の挙動の計測方法、計測装置、溶接システム、およびプログラム |
CN113909637B (zh) * | 2021-09-30 | 2024-02-02 | 北京博清科技有限公司 | 焊接设备的控制方法、控制装置以及焊接系统 |
JP2023131600A (ja) * | 2022-03-09 | 2023-09-22 | 株式会社神戸製鋼所 | 溶接における欠陥予測システム、機械学習装置、欠陥予測方法、およびプログラム |
KR20240102061A (ko) * | 2022-12-23 | 2024-07-03 | 주식회사 아이티엘 | 인공지능 모델에 기반하여 용접 불량 검출 및 재시공을 수행하기 위한 방법 및 장치 |
CN115890055A (zh) * | 2023-02-15 | 2023-04-04 | 重庆交通大学 | 用于探究熔池与焊接质量关联规律的焊接实验架及其方法 |
KR102572304B1 (ko) * | 2023-03-09 | 2023-08-28 | 박종영 | 인공지능 알고리즘에 기초하여 실시간 용접 검사 및 불량 예방 서비스를 제공하는 방법 및 시스템 |
CN116921817B (zh) * | 2023-09-15 | 2023-12-15 | 中建安装集团有限公司 | 自动tig焊电弧聚集度在线监测及智能预警方法 |
CN117532216B (zh) * | 2023-12-21 | 2024-07-02 | 重庆工业设备安装集团有限公司 | 钢结构焊接机器人 |
CN118060669B (zh) * | 2024-04-22 | 2024-06-25 | 广东工业大学 | 一种基于焊接熔池特征识别的自动焊接控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005111538A (ja) | 2003-10-09 | 2005-04-28 | Toyota Motor Corp | レーザ溶接品質検査方法及び装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08132230A (ja) * | 1994-11-11 | 1996-05-28 | Mitsubishi Heavy Ind Ltd | 立向き溶接アーク点位置認識装置および方法 |
-
2018
- 2018-02-07 JP JP2018020283A patent/JP7021728B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005111538A (ja) | 2003-10-09 | 2005-04-28 | Toyota Motor Corp | レーザ溶接品質検査方法及び装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2018192524A (ja) | 2018-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7021728B2 (ja) | 自動溶接システム、溶接制御方法、及び機械学習モデル | |
JP6126174B2 (ja) | 機械学習装置、アーク溶接制御装置、アーク溶接ロボットシステムおよび溶接システム | |
EP3863791B1 (en) | System and method for weld path generation | |
WO2021220698A1 (ja) | 溶接情報の学習モデル生成方法、学習モデル、プログラム及び溶接システム | |
JP5981143B2 (ja) | ロボットツールの制御方法 | |
EP1486283A1 (en) | Method of controlling the welding of a three-dimensional construction by taking a two-dimensional image of the construction and adjusting in real time in the third dimension | |
US20180164773A1 (en) | Robot controller having function that simplifies learning, and robot control method | |
JP7116006B2 (ja) | 溶接制御装置、溶接制御方法、および溶接制御プログラム | |
WO2021100358A1 (ja) | 自動溶接システム、自動溶接方法、溶接支援装置およびプログラム | |
CN114012210B (zh) | 电弧增材过程的沉积质量判断系统及方法 | |
US20120031886A1 (en) | Offline teaching method | |
KR102229880B1 (ko) | 아크 엔드 조정 장치, 용접 시스템, 아크 엔드 조정 방법 및 컴퓨터 프로그램을 기억하는 기록매체 | |
KR102199207B1 (ko) | 다관절로봇의 모션제어를 이용한 티그 로봇용접시스템 | |
JP7181144B2 (ja) | 学習済モデルの生成方法、コンピュータプログラム、溶接電源装置及び学習済モデル | |
WO2020251038A1 (ja) | リペア溶接制御装置およびリペア溶接制御方法 | |
EP3297793B1 (fr) | Procede de soudage manuel teleopere et robot de soudage mettant en oeuvre un tel procede | |
CN114746207B (zh) | 补焊设备以及补焊方法 | |
JP7385410B2 (ja) | アーク溶接システム | |
JP2023001642A (ja) | 学習済みモデルの生成方法、学習装置、溶接ロボットの制御装置、システム、学習済みモデル、およびプログラム | |
Jones et al. | Development of a collaborative robot (COBOT) for increased welding productivity and quality in the shipyard | |
JP7395238B2 (ja) | 学習用画像セットの生成装置及び生成方法、プログラム、画像生成モデルの学習装置、画像生成装置、画像判別モデルの学習装置、画像判別装置、並びに自動溶接システム | |
JP2020075266A (ja) | 調整装置 | |
WO2024089469A1 (en) | Adaptive welding | |
JP2502026B2 (ja) | 自動溶接装置の制御方法 | |
KR20240110973A (ko) | 자동 용접의 용접 제어 방법, 제어 장치, 용접 시스템, 프로그램, 및 용접 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
AA64 | Notification of invalidation of claim of internal priority (with term) |
Free format text: JAPANESE INTERMEDIATE CODE: A241764 Effective date: 20180320 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180323 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201014 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210928 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211005 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211112 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220121 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7021728 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R157 | Certificate of patent or utility model (correction) |
Free format text: JAPANESE INTERMEDIATE CODE: R157 |