KR20120053123A - Welding simulation method, device and system capable of real-time simulation of bead shape, recording medium for the same - Google Patents
Welding simulation method, device and system capable of real-time simulation of bead shape, recording medium for the same Download PDFInfo
- Publication number
- KR20120053123A KR20120053123A KR1020100114204A KR20100114204A KR20120053123A KR 20120053123 A KR20120053123 A KR 20120053123A KR 1020100114204 A KR1020100114204 A KR 1020100114204A KR 20100114204 A KR20100114204 A KR 20100114204A KR 20120053123 A KR20120053123 A KR 20120053123A
- Authority
- KR
- South Korea
- Prior art keywords
- welding
- sample
- input data
- simulation
- bead
- Prior art date
Links
- 238000003466 welding Methods 0.000 title claims abstract description 228
- 239000011324 bead Substances 0.000 title claims abstract description 187
- 238000004088 simulation Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012549 training Methods 0.000 claims abstract description 64
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 239000000463 material Substances 0.000 claims description 49
- 238000013528 artificial neural network Methods 0.000 claims description 45
- 238000013507 mapping Methods 0.000 claims description 4
- 230000001537 neural effect Effects 0.000 abstract 1
- 230000036544 posture Effects 0.000 description 51
- 230000006870 function Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 10
- 239000010953 base metal Substances 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 239000012530 fluid Substances 0.000 description 4
- 230000005484 gravity Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003925 brain function Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
-
- 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
- B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
- B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
- B23K31/125—Weld quality monitoring
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Quality & Reliability (AREA)
- Optics & Photonics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 용접 시뮬레이션 방법, 장치, 시스템 및 이를 위한 기록 매체에 관한 것으로, 특히 시뮬레이션 중 연속적으로 가변하는 사용자의 입력과 사용자의 다양한 용접 자세에 따른 비드 형상을 실시간으로 예측 할 수 있는 용접 시뮬레이션 방법, 장치, 시스템 및 이를 위한 기록 매체에 관한 것이다.The present invention relates to a welding simulation method, an apparatus, a system, and a recording medium therefor, and more particularly, a welding simulation method capable of predicting bead shapes according to various continuously changing welding postures and inputs of a user during a simulation. An apparatus, a system, and a recording medium therefor.
용접은 금속, 유리, 플라스틱 등을 열과 압력으로 접합하는 기술로서 선박제조, 자동차 제조, 중공업 플랜트, 건축 등의 다양한 산업분야와 금속조형 등의 예술분야 등에 광범위하게 사용되고 있다.Welding is a technology for joining metal, glass, plastic, etc. by heat and pressure, and is widely used in various industries such as ship manufacturing, automobile manufacturing, heavy industry plant, construction, and art fields such as metal molding.
일반적으로 용접은 매우 높은 온도에서 작업이 이루어지므로 작업 중 반드시 보호용구를 착용해야 하며 작업자의 상당한 주의를 요구하는 위험한 작업이다. 이처럼 용접은 높은 온도에서 작업이 수행되는 위험한 작업이기 때문에 작업자가 용접작업을 수행하기 위해서는 반드시 일정기간동안 숙련자의 감독아래에서 훈련을 받아야 한다. 현재 선박제조업체등의 기업에서는 용접 숙련공의 감독아래에서 훈련자가 훈련용 모재에 직접 용접을 연습하는 방식으로 초보 용접공들에게 용접기술을 훈련시키고 있다. 그런데 이와 같이 실제 모재에 용접작업을 수행함으로써 용접기술을 익히는 훈련방식은 용접연습을 할 때마다 훈련용 모재와, 용접봉 등을 소모해야 하기 때문에 훈련을 시키는데 비용이 많이 소모되고, 용접작업에 숙련되지 않은 훈련자가 용접을 하면서 다칠 수 있는 위험성이 있다. 또한 훈련을 위해서는 용접작업을 위한 별도의 작업공간을 마련해야하고, 훈련자가 원하는 시간과 장소에서 훈련을 할 수 없다는 문제점이 있다.In general, welding is performed at a very high temperature, and therefore, a protective device must be worn during the operation, which is a dangerous operation requiring considerable attention of the operator. Since welding is a dangerous operation at a high temperature, the operator must be trained under the supervision of a skilled worker for a certain period of time to perform the welding operation. At present, companies such as ship manufacturers are training welding techniques for novice welders in such a way that under the supervision of welding technicians, the trainers practice welding directly on the training base material. However, the training method to learn the welding technique by performing the welding work on the actual base material is expensive to train because the training base material, welding rod, etc. must be consumed every time the welding exercise is performed, and it is not skilled in welding work. There is a risk that an injured trainer may be injured while welding. In addition, the training has to provide a separate workspace for welding work, there is a problem that can not be trained at the desired time and place for the trainer.
이러한 현재 용접훈련 방식의 문제점들을 개선하기 위해 가상환경 기반의 용접 시뮬레이션이 개발되고 있다. 가상환경 기반의 용접 시뮬레이션에서 훈련자는 컴퓨터 그래픽으로 구현된 가상의 모재에 훈련용 용접토치를 이용하여 용접작업을 수행하고, 이때 실제 용접 시 작업자가 보는 용접되는 모습을 컴퓨터 그래픽 영상으로 훈련자에게 보여 줌으로써 마치 훈련자가 실제 용접을 하는 것과 같은 느낌이 들도록 한다. 가상환경 기반의 용접 시뮬레이션을 통한 훈련방식에서 훈련자는 언제, 어디서든지 원하는 시간에 원하는 만큼 훈련을 할 수 있고, 용접용 모재와 용접봉 등을 소모하지 않기 때문에 용접훈련에 필요한 비용을 획기적으로 절감할 수 있다. 또한 실제로 용접을 수행하지 않고 가상환경에서 연습을 하기 때문에 안전하게 훈련을 할 수 있다.To improve the problems of the current welding training method, a virtual environment based welding simulation is being developed. In the virtual environment-based welding simulation, the trainer performs welding work using a training welding torch on a virtual base material embodied in computer graphics. At this time, the trainer shows the welder's view as a computer graphic image. Make the trainer feel like doing a real welding. In the training method based on the virtual environment-based welding simulation, the trainer can train as much as he / she wants at any time and anytime, and it can drastically reduce the cost required for welding training because it does not consume the base metal and the welding rod. have. You can also train safely because you practice in a virtual environment without actually welding.
이러한 가상환경 기반의 용접 시뮬레이션을 구현하기 하는데 있어서 가장 핵심이 되고 구현하기 어려운 기술은 사용자의 입력에 따라 연속적으로 변하는 용접 조건과 다양한 용접 자세에 따른 용접 비드의 형상을 예측하는 것이다. 실제 용접에서는 용접 시 사용되는 입력전압, 작업자가 조작하는 토치의 움직임, 이송속도, 모재와 용접봉 사이의 거리 등의 용접 조건과 용접 자세에 따라 용접의 결과물, 즉 비드의 형상이 달라지는데, 현실감 높고 훈련효과가 높은 용접 시뮬레이션을 구현하기 위해서는 시뮬레이션에서 훈련자가 주는 용접 조건과 용접 자세에 따라서 비드의 형상을 정확히 생성할 수 있어야 한다.The most important and difficult technique to implement the virtual environment-based welding simulation is to predict the shape of the weld bead according to the welding conditions and various welding postures that continuously change according to the user's input. In actual welding, the result of welding, that is, bead shape, varies according to welding conditions and welding postures such as the input voltage used during welding, the movement of the torch operated by the operator, the feed rate, the distance between the base metal and the electrode, and the shape of the welding, that is, the bead shape, is high. In order to implement a highly effective welding simulation, it is necessary to accurately generate the shape of the bead according to the welding condition and welding posture given by the trainer.
다양한 용접 조건과 용접 자세에 따른 비드의 형상을 예측하기 위해서는 유체 및 열 유동을 시뮬레이션 해야 하고, 이러한 시뮬레이션을 위해서 주로 유한차분법이나 유한요소법과 같은 수치해석 기법이 이용된다. 하지만 이러한 수치해석 기법을 이용해서 비드의 형상을 정확히 시뮬레이션하기 위해서는 굉장히 많은 계산시간을 필요로 하는데, 용접 시뮬레이션에서는 사용자의 입력에 따라서 연속적으로 변하는 용접 조건 따른 비드의 형상을 실시간으로 예측할 수 있어야 하기 때문에 이러한 수치해석 기법은 용접 시뮬레이션에 적용되기가 어렵다.In order to predict the shape of the beads according to various welding conditions and welding postures, fluid and heat flows must be simulated. Numerical techniques such as finite difference method and finite element method are mainly used for this simulation. However, it is very time-consuming to calculate the shape of the bead precisely using this numerical technique. In the welding simulation, the shape of the bead according to the welding conditions continuously changing according to the user's input must be predicted in real time. This numerical technique is difficult to apply to welding simulation.
기존에 개발된 대표적인 용접시뮬레이션으로는 캐나다 123 Certification사의 Arc+,미국 VRSim사의 SimWelder, 프랑스 CS사의 CSWAVE 등이 있다. 이러한 용접 시뮬레이터들은 시뮬레이션 중 훈련자의 움직임을 추적하기 위한 위치추적 센서들을 갖추고 있고, 용접 중 발생하는 불꽃이나 연기와 같은 효과를 컴퓨터 그래픽으로 현실감 있게 구현하여 사용자가 시뮬레이션에 몰입할 수 있도록 한다. 이러한 기존의 시뮬레이션에서는 사용자의 입력에 따른 비드의 형상을 생성하기위해, 대부분의 경우 실험데이터에 기반 하여 실험에서 사용된 입력조건과 유사한 입력이 들어왔을 때 그러한 입력조건에 해당하는 비드를 생성하는 방식을 택하고 있다. 이러한 실험데이터에 기반한 방법에서는, 여러 입력조건에 대한 비드의 형상데이터를 실험적으로 얻는데 시간과 노력이 많이 소모되고, 또한 시뮬레이션 중 발생할 수 있는 무한한 사용자의 입력조건에 대해서 모든 비드의 형상을 실험적으로 얻을 수 없다는 단점이 있다. 본 발명에서는 이러한 기존 방법의 문제점을 해결하기 위해 용융액체의 열, 유동 해석을 통해 수치적으로 비드의 형상을 계산하고, 신경회로망 및 형상근사함수를 이용하여 수치적으로 계산하지 못한 입력조건에 대한 비드의 형상까지도 근사할 수 있는 방법을 제안한다. Typical welding simulations developed include Arc + from Canada's 123 Certification, SimWelder from VRSim in the US, and CSWAVE from CS in France. These welding simulators are equipped with location sensors to track the movements of the trainer during the simulation, and enable users to immerse themselves in the simulation by realistically creating effects such as sparks and smoke generated during welding. In this conventional simulation, in order to generate a bead shape according to a user's input, in most cases, a bead corresponding to the input condition is generated when an input similar to the input condition used in the experiment is received based on the experimental data. Is choosing. In this method based on experimental data, it takes much time and effort to experimentally obtain the shape data of the beads for various input conditions, and also obtains the shape of all the beads experimentally for infinite user input conditions that can occur during simulation. The disadvantage is that it can't be. In the present invention, in order to solve the problems of the conventional method, the shape of the beads is numerically calculated through the heat and flow analysis of the molten liquid, and the neural network and the shape approximation function are used for input conditions that are not numerically calculated. We propose a method that can approximate the shape of beads.
본 발명의 목적은 실시간으로 비드 형상을 시뮬레이션 할 수 있는 용접 시뮬레이션 방법을 제공하는데 있다.An object of the present invention is to provide a welding simulation method capable of simulating a bead shape in real time.
본 발명의 다른 목적은 상기 목적을 달성하기 위한 용접 시뮬레이션 장치를 제공하는데 있다.Another object of the present invention is to provide a welding simulation apparatus for achieving the above object.
본 발명의 또 다른 목적은 상기 목적을 달성하기 위한 기록 매체를 제공하는데 있다.Another object of the present invention is to provide a recording medium for achieving the above object.
본 발명의 또 다른 목적은 상기 목적을 달성하기 위한 용접 시뮬레이션 시스템을 제공하는데 있다.Still another object of the present invention is to provide a welding simulation system for achieving the above object.
상기 목적을 달성하기 위한 용접 시뮬레이션 방법은 샘플 입력 데이터를 인가받아 수치 해석 기법을 이용하여 시뮬레이션하여 샘플 비드 형상을 획득하는 오프라인 시뮬레이션 단계, 상기 샘플 입력 데이터와 상기 샘플 비드 형상을 이용하여 신경회로망을 트레이닝하고, 형상 근사 함수를 획득하는 트레이닝 단계, 및 입력 데이터를 인가받고, 상기 입력 데이터를 상기 트레이닝된 신경회로망과 상기 획득된 형상 근사 함수에 입력하여 실시간으로 비드 형상을 시뮬레이션하여 디스플레이하는 실시간 시뮬레이션 단계를 구비한다.The welding simulation method for achieving the above object includes an offline simulation step of obtaining sample bead shape by receiving sample input data and performing simulation using a numerical analysis technique, and training a neural network using the sample input data and the sample bead shape. And a training step of obtaining a shape approximation function, and a real time simulation step of receiving input data and inputting the input data to the trained neural network and the obtained shape approximation function to simulate and display a bead shape in real time. Equipped.
상기 목적을 달성하기 위한 오프라인 시뮬레이션 단계는 상기 샘플 입력 데이터를 인가받는 단계, 상기 샘플 입력 데이터에 대해 상기 수치 해석 기법을 이용하여 비드 높이, 비드 폭 및 비드 깊이를 포함하는 기본 샘플 비드 형상을 계산하는 단계, 샘플 용접 자세를 인가받는 단계, 및 상기 용접 자세에 따라 상기 기본 샘플 비드를 수정하여 상기 샘플 비드 형상을 획득하는 단계를 구비하는 것을 특징으로 한다.In order to achieve the above object, the offline simulation may include receiving the sample input data, and calculating a basic sample bead shape including a bead height, a bead width, and a bead depth by using the numerical analysis technique on the sample input data. And a step of receiving a sample welding posture and correcting the basic sample bead according to the welding posture to obtain the sample bead shape.
상기 목적을 달성하기 위한 트레이닝 단계는 상기 샘플 입력 데이터 및 상기 기본 샘플 비드 형상을 인가받는 단계, 상기 샘플 입력 데이터를 상기 신경회로망의 입력노드에 맵핑하고, 상기 기본 샘플 비드 형상을 상기 신경회로망의 출력노드에 맵핑하여 상기 신경회로망을 트레이닝 하는 단계, 및 상기 샘플 용접 자세와 상기 샘플 비드 형상 사이의 상관관계를 분석하여 상기 형상 근사 함수를 획득하는 단계를 구비하는 것을 특징으로 한다.The training step for achieving the object is the step of receiving the sample input data and the basic sample bead shape, mapping the sample input data to the input node of the neural network, and outputs the basic sample bead shape of the neural network Training the neural network by mapping to a node, and analyzing a correlation between the sample welding position and the sample bead shape to obtain the shape approximation function.
상기 목적을 달성하기 위한 실시간 시뮬레이션 단계는 훈련자가 훈련 시에 인가하는 입력데이터를 입력받는 단계, 상기 입력데이터를 상기 신경회로망의 상기 입력노드로 인가하고, 상기 신경회로망의 출력노드를 통해 기본 비드 형상을 획득하는 단계, 모재의 배치 및 모재에서의 용접 위치에 따른 용접 자세를 인가받는 단계, 상기 용접 자세에 대응하는 상기 형상 근사 함수를 획득하고, 상기 획득된 형상 근사 함수를 이용하여 상기 기본 비드 형상을 수정하여 최종 비드 형상을 시뮬레이션하는 단계, 및 상기 최종 비드 형상을 디스플레이하는 단계를 구비하는 것을 특징으로 한다.In order to achieve the above object, a real-time simulation step includes receiving input data applied by a trainer during training, applying the input data to the input node of the neural network, and forming a basic bead shape through an output node of the neural network. Acquiring a welding posture according to the placement of the base material and the welding position in the base material, obtaining the shape approximation function corresponding to the welding posture, and using the obtained shape approximation function to form the basic bead shape. Simulating the final bead shape by modifying, and characterized in that it comprises the step of displaying the final bead shape.
상기 목적을 달성하기 위한 샘플 입력 데이터 및 입력 데이터 각각은 모재의 재료, 입력 전압, 용접토치 이송속도, 컨택 팁과 모재 사이의 거리 및 용접봉 송급속도를 포함하는 것을 특징으로 한다.Each of the sample input data and the input data for achieving the above object is characterized by including the material of the base material, the input voltage, the welding torch feeding speed, the distance between the contact tip and the base material and the electrode feeding speed.
상기 다른 목적을 달성하기 위한 용접 시뮬레이션 시스템은 입력 데이터를 발생하는 모의 용접토치, 및 실시간 시뮬레이션 동작을 수행하기 이전에 사용자로부터 샘플 입력 데이터와 샘플 용접 자세를 인가받아 수치 해석 기법을 이용하여 시뮬레이션하여 샘플 비드 형상을 획득하는 오프라인 시뮬레이션 동작과 상기 샘플 입력 데이터와 상기 샘플 용접 자세 및 상기 샘플 비드 형상을 이용하여 신경회로망을 트레이닝하고, 형상 근사 함수를 획득하는 트레이닝 동작을 수행하며, 상기 실시간 시뮬레이션 동작 시에 상기 모의 용접 토치로부터 입력 데이터와 용접 자세를 인가받고, 상기 입력 데이터 및 상기 용접 자세를 상기 트레이닝된 신경회로망과 상기 획득된 형상 근사 함수에 입력하여 실시간으로 비드 형상을 시뮬레이션하는 용접 시뮬레이션 장치를 구비한다.Welding simulation system for achieving the above another object is to simulate the simulation using a numerical analysis technique by receiving a sample input data and a sample welding posture from the user before performing a simulated welding torch generating input data, and real-time simulation operation Perform an off-line simulation operation to obtain a bead shape, a training operation to train a neural network using the sample input data, the sample welding posture, and the sample bead shape, and obtain a shape approximation function. Welding simulation which receives the input data and the welding posture from the simulated welding torch, and inputs the input data and the welding posture to the trained neural network and the obtained shape approximation function to simulate a bead shape in real time. And a value.
상기 또 목적을 달성하기 위한 용접 시뮬레이션 장치는 시뮬레이션되는 상기 비드 형상을 디스플레이하기 위한 디스플레이 수단을 구비하는 것을 특징으로 한다.The welding simulation apparatus for achieving the above object is characterized by including display means for displaying the bead shape to be simulated.
상기 또 목적을 달성하기 위한 디스플레이 수단은 상기 용접 자세에 대응하여 다양한 각도로 상기 비드 형상을 디스플레이 하는 것을 특징으로 한다.The display means for achieving the object is characterized in that for displaying the bead shape at various angles corresponding to the welding position.
상기 또 목적을 달성하기 위한 입력 데이터를 발생하는 모의 용접토치, 실시간 시뮬레이션 동작을 수행하기 이전에 사용자로부터 샘플 입력 데이터와 샘플 용접 자세를 인가받아 수치 해석 기법을 이용하여 시뮬레이션하여 샘플 비드 형상을 획득하는 오프라인 시뮬레이션 동작과 상기 샘플 입력 데이터와 상기 샘플 용접 자세 및 상기 샘플 비드 형상을 이용하여 신경회로망을 트레이닝하고, 형상 근사 함수를 획득하는 트레이닝 동작을 수행하며, 상기 실시간 시뮬레이션 동작 시에 상기 모의 용접 토치로부터 입력 데이터와 용접 자세를 인가받고, 상기 입력 데이터 및 상기 용접 자세를 상기 트레이닝된 신경회로망과 상기 획득된 형상 근사 함수에 입력하여 실시간으로 비드 형상을 시뮬레이션하는 용접 시뮬레이션 장치, 및 상기 비드 형상을 디스플레이 창을 통해서 디스플레이하고, 상기 사용자가 장착할 수 있는 용접 훈련용 마스크를 구비한다.Simulated welding torch to generate the input data to achieve the above object, the sample input data and the sample welding posture received from the user before performing the real-time simulation operation to obtain a sample bead shape by simulation using a numerical analysis technique An off-line simulation operation and a training operation for training a neural network using the sample input data, the sample welding posture, and the sample bead shape, and obtaining a shape approximation function, and from the simulation welding torch during the real-time simulation operation. A welding simulation apparatus that receives input data and a welding posture, inputs the input data and the welding posture to the trained neural network and the obtained shape approximation function to simulate a bead shape in real time, and the bead shape. Display through the ray window, and a welding mask for training by the user can be mounted.
따라서, 본 발명의 실시간으로 비드 형상을 시뮬레이션 할 수 있는 용접 시뮬레이션 방법, 시스템 및 이를 위한 기록 매체는 샘플 데이터를 획득하기 위한 오프라인 시뮬레이션 단계와 오프라인 시뮬레이션 단계를 통해 획득된 샘플 데이터를 이용하여 신경회로망을 훈련하고, 형상근사함수를 획득하는 트레이닝 단계를 구비한다. 그리고 이후 훈련자가 가상 환경을 기반으로 실시간 비드 형상 시뮬레이션 단계에서 용접작업 훈련을 수행할 때, 훈련자는 실시간으로 가상의 비드 형상을 보면서 용접 훈련을 수행할 수 있으므로, 용접 훈련의 성과를 극대화 시킬 수 있으며, 훈련 시간을 단축시킬 수 있다.Therefore, the welding simulation method, system and recording medium for simulating the bead shape in real time according to the present invention are based on the neural network using the sample data obtained through the offline simulation step and the offline simulation step to obtain the sample data. Training, and obtaining a shape approximation function. Then, when the trainer performs the welding work training in the real time bead shape simulation step based on the virtual environment, the trainer can perform the welding training while viewing the virtual bead shape in real time, thereby maximizing the results of the welding training. The training time can be shortened.
도 1은 본 발명의 일실시예에 따른 오프라인 시뮬레이션 단계를 나타낸다.
도 2는 샘플 용접 자세의 일예를 나태내는 도면이다.
도 3은 본 발명의 일예에 따른 트레이닝 단계를 나타낸다.
도 4는 본 발명의 일예에 따른 신경 회로망을 나타내는 도면이다.
도 5는 가변되는 CTWD에 대해 신경회로망을 통해 얻어진 비드 형상을 나타내는 도면이다.
도 6은 가변되는 WFR에 대해 신경회로망을 통해 얻어진 비드 형상을 나타내는 도면이다.
도 7은 가변되는 전압에 대해 신경회로망을 통해 얻어진 비드 형상을 나타내는 도면이다.
도 8은 용접 자세에 따른 비드 형상의 일예를 나타내는 도면이다.
도 9는 모재가 평면 바닥에 배치된 경우에 형상 근사 함수를 이용한 비드 형상 근사를 나타내는 도면이다.
도 10은 모재가 천정에 배치되는 경우에 형상 근사 함수를 이용한 비드 형상 근사를 나타내는 도면이다.
도 11은 모재가 수직으로 배치되고, 용접 위치가 수평 경우에 형상 근사 함수를 이용한 비드 형상 근사를 나타내는 도면이다.
도 12는 실시간 비드 형상 시뮬레이션 단계를 나타내는 도면이다.
도 13은 도 12의 실시간 비드 형상 시뮬레이션 단계를 통해 획득되는 다양한 비드 형상의 일예를 나타낸다.1 illustrates an offline simulation step according to an embodiment of the present invention.
2 shows an example of a sample welding position.
3 illustrates a training step according to one embodiment of the present invention.
4 is a diagram illustrating a neural network according to an embodiment of the present invention.
5 is a view showing a bead shape obtained through the neural network for the variable CTWD.
6 is a view showing a bead shape obtained through the neural network for the variable WFR.
7 is a view showing a bead shape obtained through the neural network for a variable voltage.
8 is a diagram illustrating an example of a bead shape according to a welding posture.
9 is a diagram showing a bead shape approximation using a shape approximation function when the base material is disposed on a flat bottom.
10 is a diagram showing a bead shape approximation using a shape approximation function when the base material is disposed on the ceiling.
It is a figure which shows the bead shape approximation using a shape approximation function when a base material is arrange | positioned vertically and a welding position is horizontal.
12 is a diagram illustrating a real time bead shape simulation step.
FIG. 13 illustrates an example of various bead shapes obtained through the real-time bead shape simulation step of FIG. 12.
이하, 첨부한 도면을 참고로 하여 실시간으로 비드 형상을 시뮬레이션 할 수 있는 용접 시뮬레이션 방법, 장치, 시스템 및 이를 위한 기록 매체를 설명하면 다음과 같다.
Hereinafter, a welding simulation method, an apparatus, a system, and a recording medium therefor, which can simulate a bead shape in real time, will be described with reference to the accompanying drawings.
본 발명에 따른 가상환경의 용접 시뮬레이션을 위한 실시간 비드(bead) 형상 시뮬레이션 방법은 크게 오프라인 시뮬레이션 단계와 트레이닝 단계의 두 단계로 구성된다. 오프라인 시뮬레이션 단계는 수치해석 방법을 이용하여 대표적인 몇몇의 샘플 용접 조건과 샘플 용접 자세에 대해서 용접 비드의 형상을 시뮬레이션하는 것으로, 트레이닝 단계를 위한 샘플 데이터 생성 단계로 볼 수 있다. 그리고 트레이닝 단계는 오프라인 시뮬레이션 단계에서 생성한 샘플 데이터를 기초로 신경회로망(Neural Network)을 훈련하고 형상 근사 함수를 추출하여, 이후 용접 시뮬레이션 동작 수행시에 샘플링되지 않은 용접 조건에 대해서도 비드의 형상을 실시간으로 시뮬레이션 할 수 있도록 하는 것이다.
The real-time bead shape simulation method for welding simulation of a virtual environment according to the present invention is composed of two phases, an off-line simulation step and a training step. The off-line simulation step simulates the shape of the weld bead for several representative sample welding conditions and sample welding postures using a numerical method, which can be viewed as a sample data generation step for the training step. The training step trains the neural network and extracts the shape approximation function based on the sample data generated in the off-line simulation step. To simulate it.
도 1은 본 발명의 일실시예에 따른 오프라인 시뮬레이션 단계를 나타낸다.1 illustrates an offline simulation step according to an embodiment of the present invention.
도 1에서 오프라인 시뮬레이션 단계는 상기한 바와 같이, 이후 설명할 트레이닝 단계를 위한 샘플 데이터를 생성하기 위한 단계이다.As described above, the offline simulation step in FIG. 1 is a step for generating sample data for a training step to be described later.
오프라인 시뮬레이션 단계는 먼저 샘플 입력 데이터를 인가받는 단계(S11)를 구비한다. 샘플 입력 데이터를 인가받는 단계에서는 사용자가 샘플로 설정하는 다양한 모재의 재료, 입력 전압, 용접토치 이송속도, 컨택 팁과 모재 사이의 거리(Contact Tip to Work Distance : 이하 CTWD), 용접봉 송급속도(Wire Feed Rate : 이하 WFR) 등의 샘플 용접조건을 입력한다. 용접 시뮬레이션 프로그램은 샘플 입력 데이터를 유체 및 열 유동해석 시뮬레이션을 수행하여, 기본 샘플 비드 형상을 계산한다(S12). 여기서 기본 샘플 비드 형상에는 비드 높이, 비드 폭, 비드 깊이 등이 포함된다. 그리고 유체 및 열 유동해석 시뮬레이션을 수행하기 위해서 상기한 바와 같이 유한차분법이나 유한요소법과 같은 수치해석 기법을 이용할 수 있다.The offline simulation step first includes a step S11 of receiving sample input data. In the step of receiving the sample input data, the materials of various base materials, input voltage, welding torch speed, contact tip to work distance (CTWD), welding rod feeding speed (Wire) Enter the sample welding conditions such as Feed Rate (WFR). The welding simulation program calculates a basic sample bead shape by performing a fluid and thermal flow analysis simulation on the sample input data (S12). The basic sample bead shape here includes bead height, bead width, bead depth, and the like. In addition, numerical analysis techniques such as finite difference method or finite element method may be used to perform fluid and thermal flow simulation.
기본 샘플 비드 형상이 계산되면, 다양한 샘플 용접 자세를 인가받는다(S13). 샘플 용접 자세에 대한 상세한 설명은 후술하도록 한다. Once the basic sample bead shape is calculated, various sample welding postures are applied (S13). Detailed description of the sample welding position will be described later.
그리고 샘플 용접 자세에 따라 기본 비드 형상을 수정하여 수정 비드 형상을 계산한다(S14). 샘플 용접 자세에 따른 비드 형상 시뮬레이션은 용접 과정에서 용접부에 부착한 용착금속 혹은 용접 작업에서 모재와 용접봉이 용해되고, 용착금속 혹은 용접 작업에서 모재와 용접봉이 용해된 용해물이 중력의 영향에 의해 다양한 형태의 비드로 형성되는 형상을 표현하기 위해 기본 비드 형상을 수정하는 시뮬레이션 과정이다.
The modified bead shape is calculated by modifying the basic bead shape according to the sample welding posture (S14). The bead shape simulation according to the sample welding position is based on the influence of gravity caused by the melting of the base metal and the electrode on the weld metal or the welding work attached to the welding part during welding, and the melt of the base metal and the welding electrode on the welding metal or welding work. The simulation process modifies the basic bead shape to represent the shape formed by the bead of the shape.
도 2는 샘플 용접 자세의 일예를 나태내는 도면이다.2 shows an example of a sample welding position.
본 발명에서 용접 자세는 곧 모재의 배치 및 모재에서 용접 위치를 일컫는다. 용접 작업자는 모재의 배치 및 모재에서 용접 위치에 따라 다양한 자세로 용접 작업을 수행해야한다. 도 2(a)와 같이 모재가 평면 바닥에 배치된 경우와 도 2(b) 및 도 2(d)와 같이 모재가 수직으로 배치되는 경우 및 도 2(d)와 같이 모재가 천정에 배치되는 경우 각각에 대해 작업자는 서로 다른 자세로 용접 작업을 수행해야 한다. 그리고 각각의 모재의 배치 위치에 따라 용해된 용착금속 또는 모재와 용접봉이 중력에 의해 받는 영향은 서로 다르고, 결과적으로 다른 비드 형상을 나타내게 된다.Welding posture in the present invention refers to the placement of the base material and the welding position in the base material. The welding worker should perform welding work in various postures, depending on the placement of the base material and the position of welding in the base material. When the base material is disposed on the flat floor as shown in Fig. 2 (a) and the base material is vertically arranged as shown in Figs. 2 (b) and 2 (d) and the base material is placed on the ceiling as shown in Fig. 2 (d) In each case, the operator must perform welding in a different position. In addition, the influence of the melted weld metal or the base metal and the welding rod by gravity is different according to the placement positions of the respective base materials, resulting in different bead shapes.
예를 들어, 도 2(d)와 같이 모재가 천정에 배치되는 경우의 비드 형상은 도 2(a)와 같이 모재가 평면 바닥에 배치되는 경우보다 중력의 영향으로 두꺼워 질 것이다. 특히 도 2(b) 및 도 2(d)는 모두 모재가 수직으로 배치되지만, 용접 위치가 수평인지 수직인지에 따라 다른 비드 형상을 나타내게 되므로 별도로 나타내었다.For example, the bead shape when the base material is disposed on the ceiling as shown in FIG. 2 (d) will be thicker under the influence of gravity than when the base material is arranged on the flat bottom as shown in FIG. 2 (a). In particular, Figures 2 (b) and 2 (d) are both shown separately because the base material is arranged vertically, but different bead shape depending on whether the welding position is horizontal or vertical.
따라서 모재의 배치 및 모재에서 용접 위치에 따라 용접 작업자의 자세가 달라져야하고, 이에 따라 비드 형상이 변화하게 되므로 본 발명에서는 모재의 배치 및 모재에서 용접 위치를 용접 자세로 표현한다. 그리고 도 2에서는 4가지 샘플 용접 자세만을 예로서 나타내었으나, 다양한 용접 환경에 대응하여 실제 시뮬레이션의 경우에는 더 많은 용접 자세가 이용 될 것이다.
Therefore, the posture of the welding worker must be changed according to the placement of the base material and the welding position in the base material, and thus the bead shape is changed according to the present invention. In FIG. 2, only four sample welding postures are shown as an example, but more welding postures may be used in the case of actual simulation in response to various welding environments.
도 1에서 기본 비드 형상을 계산하기 위해 수행하는 유체 및 열 유동해석 시뮬레이션은 수치해석 기법을 이용하고, 수치해석 기법은 굉장히 많은 계산시간을 필요로 하기 때문에 실시간 시뮬레이션에 직접 적용할 수 없다. 그러나 본 발명에서 오프라인 시뮬레이션은 샘플 데이터를 생성하기 위한 단계이며, 실시간 시뮬레이션을 수행하는 단계가 아니므로, 수치해석 기법을 사용할 수 있다.The fluid and thermal flow simulations performed to calculate the basic bead shape in FIG. 1 use numerical techniques, and numerical techniques cannot be directly applied to real-time simulations because they require a lot of computation time. However, in the present invention, the offline simulation is a step for generating sample data and not a step for performing real-time simulation, so that a numerical analysis technique can be used.
오프라인 시뮬레이션 단계에 의해 생성되는 기본 샘플 비드 형상과 샘플 비드 형상은 실제 트레이닝 단계를 수행하기 이전에, 샘플 입력 데이터와 함께 용접 시뮬레이션을 수행하기 위한 용접 시뮬레이션 프로그램에 저장되거나 별도의 기록 매체 또는 용접 시뮬레이션 프로그램을 실행하는 시스템에 저장될 것이다. 그리고 도1 에서는 오프라인 시뮬레이션 단계를 단순히 1회만 수행하는 것으로 도시하였으나, 오프라인 시뮬레이션 단계는 용접 시뮬레이션의 정확도를 높이기 위해 다양한 용접 조건의 샘플 입력 데이터 각각 대해 기본 샘플 비드 형상과 샘플 비드 형상을 획득할 것이다. 즉 복수개의 샘플 입력 데이터를 인가받아 복수개의 기본 샘플 비드 형상과 복수개의 샘플 비드 형상을 획득한다.
The basic sample bead shape and sample bead shape generated by the offline simulation step are stored in a welding simulation program for performing a welding simulation with the sample input data, or in a separate recording medium or welding simulation program, before performing the actual training step. Will be stored on the system running. In addition, in FIG. 1, the offline simulation step is performed only once, but the offline simulation step may acquire a basic sample bead shape and a sample bead shape for each sample input data of various welding conditions in order to increase the accuracy of the welding simulation. That is, a plurality of basic sample bead shapes and a plurality of sample bead shapes are obtained by receiving a plurality of sample input data.
도 3은 본 발명의 일예에 따른 트레이닝 단계를 나타낸다. 트레이닝 단계는 도 1의 오프라인 시뮬레이션 단계를 통해 획득된 기본 샘플 비드 형상과 샘플 비드 형상을 기초로 시뮬레이션 프로그램이 실시간으로 비드 형상을 시뮬레이션할 수 있도록 시뮬레이션 프로그램을 트레이닝하는 단계이다.3 illustrates a training step according to one embodiment of the present invention. The training step is a step of training a simulation program so that the simulation program can simulate the bead shape in real time based on the basic sample bead shape and the sample bead shape obtained through the offline simulation step of FIG. 1.
트레이닝 단계는 먼저 오프라인 시뮬레이션 단계에서 사용된 복수개의 샘플 입력 데이터와 복수개의 샘플 입력 데이터에 응답하여 오프라인 시뮬레이션 단계에서 출력되는 복수개의 기본 샘플 비드 형상 및 복수개의 샘플 비드 형상을 인가받는다(S21). 그리고 인가된 복수개의 샘플 입력 데이터와 복수개의 기본 샘플 비드 형상 및 복수개의 샘플 비드 형상 중 복수개의 샘플 입력 데이터와 복수개의 기본 샘플 비드 형상을 이용하여 신경회로망을 트레이닝 한다(S22). 신경회로망(Neural network)은 인간의 뇌기능의 특성을 컴퓨터 시뮬레이션으로 표현하는 것을 목표로 하는 수학 모델로서 신경망이라고도 한다. 이후 트레이닝 단계는 오프라인 시뮬레이션에서 사용한 샘플 용접 자세와 샘플 비드 형상을 인가받는다(S23). 그리고 인가된 샘플 용접 자세와 샘플 입력 데이터, 기본 샘플 비드 형상 및 샘플 비드 형상을 분석하여 형상 근사 함수를 획득한다(S24). 신경회로망을 트레이닝하는 방법과 형상 근사 함수에 대해서는 후술하도록 한다.
In the training step, first, a plurality of basic sample bead shapes and a plurality of sample bead shapes output in the offline simulation step are applied in response to the plurality of sample input data and the plurality of sample input data used in the offline simulation step (S21). The neural network is trained using the plurality of sample input data and the plurality of basic sample bead shapes among the applied plurality of sample input data, the plurality of basic sample bead shapes, and the plurality of sample bead shapes (S22). Neural network is also called neural network as a mathematical model that aims to express the characteristics of human brain function by computer simulation. After the training step receives the sample welding posture and the sample bead shape used in the offline simulation (S23). The shape approximation function is obtained by analyzing the applied sample welding posture, sample input data, basic sample bead shape, and sample bead shape (S24). The method of training the neural network and the shape approximation function will be described later.
도 4는 본 발명의 일예에 따른 신경 회로망을 나타내는 도면이다.4 is a diagram illustrating a neural network according to an embodiment of the present invention.
도 4에서는 4개 노드를 갖는 입력층과 각각 20개와 60개의 노드를 갖는 2개의 은닉층 그리고 3개의 노드를 갖는 출력층으로 구성되는 신경회로망을 도시하였다. 본 발명에서는 도 4의 신경회로망을 트레이닝하기 위해, 총 81개의 샘플링된 샘플 입력 데이터와 샘플 입력 데이터에 대해 오프라인 시뮬레이션 단계에서 수치해석을 통해 얻어진 기본 샘플 비드 형상을 사용한다. 즉 서로 다른 용접조건으로서 81 개의 샘플 입력 데이터 각각의 입력 전압, 용접토치 이송속도, CTWD, WFR을 입력층의 4개의 노드에 각각 맵핑한다. 그리고 81 개의 샘플 입력 데이터 각각에 대해 오프라인 시뮬레이션 결과로 출력되는 81 개의 기본 비드 형상에 포함되는 비드폭, 비드 높이, 비드 깊이를 출력층의 3개의 노드에 각각 맵핑한다. 그리고 81개의 샘플 입력 데이터가 입력층의 4개의 노드를 통해 인가될 때, 출력층의 3개 노드의 최소 자승 오차가 정해진 기준값(예를 들면, 0.001)이하가 될 때까지 신경회로망을 트레이닝한다.
4 shows a neural network composed of an input layer having four nodes, two hidden layers having 20 and 60 nodes, and an output layer having three nodes, respectively. In the present invention, in order to train the neural network of FIG. 4, a total of 81 sampled sample input data and a basic sample bead shape obtained through numerical analysis in an offline simulation step are used. In other words, as different welding conditions, input voltages, welding torches feed rates, CTWD, and WFR of each of the 81 sample input data are mapped to four nodes of the input layer, respectively. For each of the 81 sample input data, the bead width, the bead height, and the bead depth included in the 81 basic bead shapes output as the offline simulation results are mapped to the three nodes of the output layer, respectively. When 81 sample input data is applied through four nodes of the input layer, the neural network is trained until the minimum square error of three nodes of the output layer is equal to or less than a predetermined reference value (for example, 0.001).
도 5 내지 도 7은 가변되는 입력 데이터에 대해 신경회로망을 통해 얻어진 비드 형상을 나타내는 도면으로, 도 5는 가변되는 CTWD에 따라 가변되는 비드 형상을 나타내고, 도 6은 가변되는 WFR에 따라 가변되는 비드 형상을 나타내며, 도 7은 가변되는 입력 전압에 따라 가변되는 비드 형상을 나타낸다. 그리고 도5 내지 도7은 상기한 바와 같이 출력층의 3개의 노드는 각각 비드 형상에서 비드폭, 비드 높이, 비드 깊이를 출력하므로, 입력층의 각 노드로 인가되는 입력 데이터 각각에 대응하여 비드폭, 비드 높이, 비드 깊이가 변화하는 것을 도시하고 있다.5 to 7 are diagrams showing bead shapes obtained through neural networks for variable input data, FIG. 5 is a bead shape variable according to a variable CTWD, and FIG. 6 is a bead variable according to a variable WFR. 7 illustrates a bead shape that varies according to a variable input voltage. 5 to 7 illustrate the bead width, the bead height, and the bead depth in the bead shape, respectively, as described above, so that the three nodes of the output layer correspond to the bead width, respectively, corresponding to each input data applied to each node of the input layer. It shows that the bead height and bead depth change.
신경회로망의 트레이닝이 잘 수행되었다면, 신경회로망에 연속적으로 변하는 입력 데이터를 주었을 때 트레이닝에 사용된 샘플 입력 데이터에 대한 기본 샘플 비드 형상을 정확히 지나면서 그 사이의 값들을 연속으로 근사할 수 있어야 한다. 즉 연속적으로 가변하는 입력 데이터가 오프라인 시뮬레이션에서 사용된 샘플 입력 데이터에 매치되는 값을 가질 때, 출력층의 노드들을 통해 출력되는 기본 비드 형상의 비드폭, 비드 높이, 비드 깊이는 오프라인 시뮬레이션에서 계산된 기본 샘플 비드 형상의 비드폭, 비드 높이, 비드 깊이와 지정된 범위 이내의 오차를 가져야 한다. 기본 비드 형상과 기본 샘플 비드 형상의 오차가 지정된 범위보다 큰 경우에는 신경회로망의 트레이닝이 제대로 되지 않았으므로 추가적인 트레이닝을 수행하거나, 새로이 트레이닝을 수행한다.If the neural network is well trained, it must be able to continuously approximate the values in between while correctly passing the basic sample bead shape for the sample input data used in the training when the neural network is continuously changed. In other words, when the continuously variable input data has a value matching the sample input data used in the offline simulation, the bead width, bead height, and bead depth of the basic bead shape output through the nodes of the output layer are calculated based on the basic simulation. The bead width, bead height, bead depth of the sample bead shape and the error must be within the specified range. If the error between the basic bead shape and the basic sample bead shape is larger than the specified range, the neural network is not properly trained, so additional training is performed or new training is performed.
도 5 내지 7에서 점으로 표시된 부분은 신경회로망의 트레이닝에 사용된, 오프라인 시뮬레이션을 통해 얻어진 샘플 입력 데이터에 대한 기본 샘플 비드 형상의 값을 나타낸다. 도 5 내지 7에 도시된 바와 같이 가변되는 입력 데이터에 대해 훈련된 신경회로망을 통해 얻어진 기본 비드 형상이 오프라인 시뮬레이션 결과들을 정확히 지나면서 그 사이의 입력 데이터에 대한 비드 형상을 연속적으로 근사하는 것을 확인할 수 있다.
The parts indicated by dots in FIGS. 5 to 7 represent values of basic sample bead shapes for sample input data obtained through off-line simulation, used for training of neural networks. It can be seen that the basic bead shape obtained through the neural network trained on the variable input data as shown in FIGS. 5 to 7 successively approximates the bead shape for the input data therebetween while accurately passing the offline simulation results. have.
도 8은 용접 자세에 따른 비드 형상의 일예를 나타내는 도면이다.8 is a diagram illustrating an example of a bead shape according to a welding posture.
본 발명에서는 도 8에 도시된 바와 같이 오프라인 시뮬레이션을 통해 여러 용접자세에 대해 비드의 형상데이터를 얻는다. 그리고 이러한 비드의 형상을 형상근사함수를 이용하여 근사하여 온라인 시뮬레이션에 이용한다. 형상근사함수를 구성하기 위한 첫 번째 단계는 비드의 형상을 대표하는 파라미터를 정의하는 것이다.In the present invention, as shown in Figure 8 through the offline simulation to obtain the shape data of the beads for the various welding postures. And the shape of the bead is approximated using the shape approximation function and used for the online simulation. The first step in constructing the shape approximation function is to define parameters that represent the shape of the beads.
도 9는 모재가 평면 바닥에 배치된 경우에 형상 근사 함수를 이용한 비드 형상 근사를 나타내는 도면이다.9 is a diagram showing a bead shape approximation using a shape approximation function when the base material is disposed on a flat bottom.
모재가 평면 바닥에 배치된 경우의 용접 자세를 플랫 용접(flat welding) 자세라고 부르며, 플랫 용접 자세에서 비드의 형상은 좌우 대칭이며 위쪽으로 볼록한 형상을 갖는다. 이러한 비드의 형상을 대표하기 위해 비드의 폭과 높이의 비로 정의되는 
도 10은 모재가 천정에 배치되는 경우에 형상 근사 함수를 이용한 비드 형상 근사를 나타내는 도면이며, 도 11은 모재가 수직으로 배치되고, 용접 위치가 수평 경우에 형상 근사 함수를 이용한 비드 형상 근사를 나타내는 도면이다.FIG. 10 shows a bead shape approximation using a shape approximation function when the base material is placed on the ceiling, and FIG. 11 shows a bead shape approximation using a shape approximation function when the base material is disposed vertically and the welding position is horizontal. Drawing.
모재가 천정에 배치되는 경우의 용접 자세는 오버헤드 용접(overhead welding) 자세라 하고, 모재가 수직으로 배치되고, 용접 위치가 수평 경우의 용접 자세는 수평 용접(horizontal welding) 자세라 한다. 도 10 및 11과 같이 오버헤드 용접 자세와 수평 용접 자세 각각에 대해서도 플랫 용접 자세와 유사하게 형상근사함수를 정의할 수 있다.
The welding posture when the base material is placed on the ceiling is called an overhead welding posture, and the welding posture when the base material is arranged vertically and the welding position is horizontal is called a horizontal welding posture. As shown in FIGS. 10 and 11, the shape approximation function may be defined for each of the overhead welding posture and the horizontal welding posture similarly to the flat welding posture.
도 12는 실시간 비드 형상 시뮬레이션 단계를 나타내는 도면이며, 도 13은 도 12의 실시간 비드 형상 시뮬레이션 단계를 통해 획득되는 다양한 비드 형상의 일예를 나타낸다.12 is a diagram illustrating a real time bead shape simulation step, and FIG. 13 illustrates an example of various bead shapes obtained through the real time bead shape simulation step of FIG. 12.
본 발명에 따른 실시간으로 비드 형상을 시뮬레이션 할 수 있는 용접 시뮬레이션 방법은 상기한 도 1의 오프라인 시뮬레이션 단계를 수행하여 트레이닝 단계를 수행하기 위한 샘플 데이터를 획득하고, 도 3의 트레이닝 단계를 수행하여 오프라인 시뮬레이션 단계에서 획득된 샘플 데이터를 기초로 용접 시뮬레이션 프로그램이 다양한 환경의 용접 조건에 대해서 실시간 시뮬레이션을 수행할 수 있도록 용접 시뮬레이션 프로그램을 트레이닝한다.In the welding simulation method capable of simulating a bead shape in real time according to the present invention, the offline simulation step of FIG. 1 is performed to obtain sample data for performing the training step, and the training step of FIG. 3 performs offline simulation. The welding simulation program is trained so that the welding simulation program can perform a real-time simulation on welding conditions in various environments based on the sample data acquired in the step.
오프라인 시뮬레이션 단계와 트레이닝 단계와 트레이닝 단계를 거친 용접 시뮬레이션 프로그램은 이후 사용자가 인가하는 다양한 용접 조건의 입력 데이터에 대해 실시간으로 비드 형상을 시뮬레이션 할 수 있다.The off-line simulation, training and training simulation programs can then simulate the bead geometry in real time on input data for various welding conditions that the user applies.
실시간 비드 형상 시뮬레이션 단계는 먼저 시뮬레이션 하고자하는 용접 조건인 입력 데이터를 입력한다(S31). 여기서 입력 데이터는 사용자가 데이터로서 입력할 수도 있으나, 본 발명은 용접 훈련을 위하여 가상환경 기반의 용접 시뮬레이션을 제공할 수 있다. 따라서 사용자인 훈련자는 모재의 재료나 일부 입력 데이터는 별도로 입력할 수 있으나, 입력 전압, 용접토치 이송속도, CTWD, WFR 등의 입력 데이터는 용접 시뮬레이션 장치가 사용자의 동작을 감지하여 자동으로 입력 할 수 있다. 도 13에 도시된 입력 데이터는 용접 시뮬레이션 장치가 사용자의 동작을 감지하여 자동으로 입력할 수 있는 입력 데이터이다.The real-time bead shape simulation step first inputs input data which is a welding condition to be simulated (S31). The input data may be input by the user as data, but the present invention may provide a virtual environment-based welding simulation for welding training. Therefore, the user, the user, can input the material of the base material or some input data separately, but input data such as input voltage, welding torch feed speed, CTWD, and WFR can be automatically input by the welding simulation device. have. The input data illustrated in FIG. 13 is input data that the welding simulation apparatus may automatically input by detecting a user's motion.
입력 데이터가 입력되면, 용접 시뮬레이션 프로그램은 트레이닝 단계에서 트레이닝된 신경회로망을 이용하여 기본 비드 형상을 계산한다(S32). 상기한 바와 같이 오프라인 시뮬레이션 단계와 같이 수치해석 기법을 이용하여 기본 비드 형상을 계산하면, 많은 시간이 소요되어 실시간으로 기본 비드 형상을 계산할 수 없다. 그러나 트레이닝된 신경회로망을 이용하면, 기본 비드 형상을 계산하기 위한 시간이 매우 짧으므로 실시간으로 기본 비드 형상을 계산 할 수 있다.When the input data is input, the welding simulation program calculates a basic bead shape by using the neural network trained in the training step (S32). As described above, when the basic bead shape is calculated using a numerical analysis technique as in the off-line simulation step, it takes a lot of time and cannot calculate the basic bead shape in real time. However, using a trained neural network, it is possible to calculate the basic bead shape in real time because the time for calculating the basic bead shape is very short.
그리고 훈련자는 용접 자세를 인가한다(S33). 용접 자세가 모재의 배치 및 모재에서 용접 위치에 따른 입력 데이터이므로, 용접 자세는 훈련자가 훈련을 수행하기 전에 미리 입력될 수도 있으나, 상기한 바와 같은 가상환경 기반에서는 용접 시뮬레이션 장치가 비드형상의 위치 및 각도를 분석하여 자동으로 입력 할 수 있다.And the trainer applies the welding position (S33). Since the welding posture is input data according to the placement of the base material and the welding position on the base material, the welding posture may be input before the trainer performs the training. The angle can be analyzed and entered automatically.
용접 자세가 인가되면, 용접 시뮬레이션 장치는 용접 자세에 대응하는 형상 근사 함수를 획득하고, 획득된 형상 근사 함수에 기본 비드 형상을 대입하여 최종 비드 형상을 계산하여 사용자에게 디스플레이 한다.When the welding posture is applied, the welding simulation apparatus obtains a shape approximation function corresponding to the welding posture, substitutes a basic bead shape into the obtained shape approximation function, calculates a final bead shape, and displays the result.
따라서 본 발명에 따른 용접 시뮬레이션 장치는 실시간으로 비드 형상을 시뮬레이션 할 수 있다.
Therefore, the welding simulation apparatus according to the present invention can simulate the bead shape in real time.
도 14는 본 발명에 따른 용접 시뮬레이션 시스템의 일예를 나타내는 도면이다.14 is a view showing an example of a welding simulation system according to the present invention.
도 14에 도시된 용접 시뮬레이션 시스템(100)은 모의 비드형상(20)와 시뮬레이션 장치(70)로 구성된다. 시뮬레이션 장치(70)는 터치스크린(10)을 구비하고, 훈련자는 터치스크린(10)에 표시된 가상 용접물체 이미지에 모의 비드형상(20)를 대고 가상으로 용접을 수행할 수 있다. 그리고 모의 비드형상(20)는 3축 모션 센서 및 근접도 센서를 내장하여 가상의 용접을 수행할 수 있다.The
시뮬레이션 장치(70)는 먼저 모재의 재료나 형태, 배치 등에 대한 입력 데이터를 인가받아 터치스크린(10)으로 디스플레이하고, 모의 비드형상(20)로부터 입력 전압, 용접토치 이송속도, CTWD, WFR등의 입력 데이터를 인가받아 도 12에 도시된 실시간 비드 형상 시뮬레이션 단계를 수행하여 터치스크린(10)에 디스플레이되고 있는 모재에 비드 형상을 추가로 디스플레이한다.The
그리고 시뮬레이션 장치(70)의 터치스크린(10)은 다양한 용접 자세에 대응할 수 있도록 다양한 각도로 배치될 수 있도록 가동 될 수 있다. 즉 훈련자가 다양한 용접 환경에 대응할 수 있도록, 도2 에 도시된 샘플 용접 자세뿐만 아니라 도시되지 않은 용접 자세를 제공할 수 있도록 설계될 수 있다.In addition, the
또한 시뮬레이션 시스템(100)은 컴퓨터(200)를 추가로 구비할 수 있다. 컴퓨터(200)는 훈련 감독자가 훈련자를 훈련시키기 위한 다양한 조건을 시뮬레이션 장치를 통해 제공할 수 있으며, 훈련자의 훈련 상황을 컴퓨터 상의 모니터를 통해 실시간으로 감독할 수 있다.In addition, the
상기에서는 시뮬레이션 장치(70)가 터치스크린(10)을 구비하는 것으로 설명하였으나, 터치스크린(10)이 아닌 별도의 모니터를 구비할 수도 있다. 또한 모의 비드형상(20)는 상기한 바와 같이 3축 모션 센서 및 근접도 센서를 내장할 수도 있으나, 적외선 등과 같은 다양한 센서를 이용하여 구현 될 수 있다.
In the above description, the
도 15는 본 발명에 따른 용접 시뮬레이션 시스템의 다른 예를 나타내는 도면으로 시뮬레이션 마스크를 나타내는 도면이다. 도 15에 따른 용접 시뮬레이션 시스템도 도 14와 마찬가지로 시뮬레이션 장치(70)와 모의 비드형상(20)를 구비하지만, 도 14에 도시되어 있으므로 생략하였다.15 is a view showing another example of the welding simulation system according to the present invention, showing a simulation mask. The welding simulation system according to FIG. 15 also has a
도 14에서는 시뮬레이션 장치(70)가 터치스크린(10)을 구비하는 것을 예로 들어 설명하였다. 그러나 터치스크린(10)이나 별도의 모니터는 디스플레이의 편의성은 있으나, 실제 용접 작업시에 작업자는 용접 마스크를 쓰고 용접 작업을 수행하게 될 것이다. 따라서 용접 훈련 또한 실제와 유사하게 용접 마스크를 쓰고 작업을 수행하는 것이 더욱 실제 용접 작업과 유사한 효과를 낼 수 있다. 따라서 본 발명의 용접 시뮬레이션 시스템의 다른 예는 훈련자가 용접 작업 시뮬레이션 결과를 용접 훈련용 마스크(300)의 디스플레이 창(310)을 통해 디스플레이하여 훈련자가 더욱 실제와 같은 훈련을 수행하게 할 수 있다. 용접 훈련용 마스크(300)는 디스플레이 창(310)만을 구비하여 훈련자가 디스플레이 창을 보고 훈련을 수행할 수있도록 한다. 그러나 마스크(310)의 디스플레이 창을 통해 실제와 유사한 가상 환경을 모두 구현하기 위해서는 많은 비용과 높은 기술적 뒷받침을 필요로 한다. 따라서 저비용으로 간단하게 실시간 시뮬레이션을 제공 할 수 있도록 도 15에서는 디스플레이 창(310) 이외에 일반적인 투명창(320)을 추가로 더 구비하여, 훈련자가 실제의 용접 시뮬레이션 장치(70)와 모의 비드형상(20)를 투명창(320)을 통해 보고, 비드 형상은 디스플레이 창(310)을 통해 보면서 작업 할 수 있도록 할 수 있다.
In FIG. 14, the
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술분야의 숙련된 당업자는 하기의 특허 청구 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.While the foregoing has been described with reference to preferred embodiments of the present invention, those skilled in the art will be able to make various modifications and changes to the present invention without departing from the spirit and scope of the invention as set forth in the claims below. Will understand.
Claims (15)
상기 샘플 입력 데이터와 상기 샘플 비드 형상을 이용하여 신경회로망을 트레이닝하고, 형상 근사 함수를 획득하는 트레이닝 단계; 및
입력 데이터를 인가받고, 상기 입력 데이터를 상기 트레이닝된 신경회로망과 상기 획득된 형상 근사 함수에 입력하여 실시간으로 비드 형상을 시뮬레이션하여 디스플레이하는 실시간 시뮬레이션 단계를 구비하는 용접 시뮬레이션 방법.
An offline simulation step of receiving sample input data and simulating using a numerical analysis technique to obtain a sample bead shape;
Training a neural network using the sample input data and the sample bead shape and obtaining a shape approximation function; And
And a real time simulation step of receiving input data and inputting the input data to the trained neural network and the obtained shape approximation function to simulate and display a bead shape in real time.
상기 샘플 입력 데이터를 인가받는 단계;
상기 샘플 입력 데이터에 대해 상기 수치 해석 기법을 이용하여 비드 높이, 비드 폭 및 비드 깊이를 포함하는 기본 샘플 비드 형상을 계산하는 단계;
샘플 용접 자세를 인가받는 단계; 및
상기 용접 자세에 따라 상기 기본 샘플 비드를 수정하여 상기 샘플 비드 형상을 획득하는 단계를 구비하는 것을 특징으로 하는 용접 시뮬레이션 방법.
The method of claim 1, wherein the offline simulation step
Receiving the sample input data;
Calculating a basic sample bead shape including the bead height, bead width, and bead depth using the numerical analysis technique on the sample input data;
Receiving a sample welding position; And
And modifying the basic sample bead according to the welding posture to obtain the sample bead shape.
상기 샘플 입력 데이터 및 상기 기본 샘플 비드 형상을 인가받는 단계;
상기 샘플 입력 데이터를 상기 신경회로망의 입력노드에 맵핑하고, 상기 기본 샘플 비드 형상을 상기 신경회로망의 출력노드에 맵핑하여 상기 신경회로망을 트레이닝 하는 단계; 및
상기 샘플 용접 자세와 상기 샘플 비드 형상 사이의 상관관계를 분석하여 상기 형상 근사 함수를 획득하는 단계를 구비하는 것을 특징으로 하는 용접 시뮬레이션 방법.
The method of claim 2, wherein the training step
Receiving the sample input data and the basic sample bead shape;
Mapping the sample input data to an input node of the neural network, and training the neural network by mapping the basic sample bead shape to an output node of the neural network; And
And analyzing the correlation between the sample welding position and the sample bead shape to obtain the shape approximation function.
훈련자가 훈련 시에 인가하는 입력데이터를 입력받는 단계;
상기 입력데이터를 상기 신경회로망의 상기 입력노드로 인가하고, 상기 신경회로망의 출력노드를 통해 기본 비드 형상을 획득하는 단계;
모재의 배치 및 모재에서의 용접 위치에 따른 용접 자세를 인가받는 단계;
상기 용접 자세에 대응하는 상기 형상 근사 함수를 획득하고, 상기 획득된 형상 근사 함수를 이용하여 상기 기본 비드 형상을 수정하여 최종 비드 형상을 시뮬레이션하는 단계; 및
상기 최종 비드 형상을 디스플레이하는 단계를 구비하는 것을 특징으로 하는 용접 시뮬레이션 방법.
The method of claim 1, wherein the real-time simulation step
Receiving input data that a trainer applies during training;
Applying the input data to the input node of the neural network, and obtaining a basic bead shape through an output node of the neural network;
Receiving a welding posture according to the placement of the base material and the welding position in the base material;
Obtaining the shape approximation function corresponding to the welding posture, and modifying the basic bead shape using the obtained shape approximation function to simulate a final bead shape; And
And displaying the final bead shape.
모재의 재료, 입력 전압, 용접토치 이송속도, 컨택 팁과 모재 사이의 거리 및 용접봉 송급속도를 포함하는 것을 특징으로 하는 용접 시뮬레이션 방법.
The method of claim 4, wherein the sample input data and each of the input data
A welding simulation method comprising a material of a base material, an input voltage, a welding torch feeding speed, a distance between a contact tip and a base material, and a welding rod feeding speed.
상기 훈련자의 동작을 감지하여 자동으로 생성하는 것을 특징으로 하는 용접 시뮬레이션 방법.
The method of claim 5, wherein some of the input data is input data
Welding simulation method, characterized in that for automatically generating by detecting the movement of the trainer.
A computer-readable recording medium having a weld simulation program instruction according to any one of claims 1 to 6 recorded thereon.
Welding simulation apparatus for performing the welding simulation method according to any one of claims 1 to 6.
실시간 시뮬레이션 동작을 수행하기 이전에 사용자로부터 샘플 입력 데이터와 샘플 용접 자세를 인가받아 수치 해석 기법을 이용하여 시뮬레이션하여 샘플 비드 형상을 획득하는 오프라인 시뮬레이션 동작과 상기 샘플 입력 데이터와 상기 샘플 용접 자세 및 상기 샘플 비드 형상을 이용하여 신경회로망을 트레이닝하고, 형상 근사 함수를 획득하는 트레이닝 동작을 수행하며, 상기 실시간 시뮬레이션 동작 시에 상기 모의 용접 토치로부터 입력 데이터와 용접 자세를 인가받고, 상기 입력 데이터 및 상기 용접 자세를 상기 트레이닝된 신경회로망과 상기 획득된 형상 근사 함수에 입력하여 실시간으로 비드 형상을 시뮬레이션하는 용접 시뮬레이션 장치를 구비하는 용접 시뮬레이션 시스템.
A simulated welding torch generating input data; And
Offline simulation operation to obtain a sample bead shape by receiving a sample input data and a sample welding posture from a user before performing a real-time simulation operation, and by using a numerical analysis technique, the sample input data, the sample welding posture and the sample Training a neural network using a bead shape, performing a training operation to obtain a shape approximation function, and receiving input data and a welding posture from the simulated welding torch during the real-time simulation operation, and receiving the input data and the welding posture. And a welding simulation apparatus for inputting the trained neural network and the obtained shape approximation function to simulate a bead shape in real time.
시뮬레이션되는 상기 비드 형상을 디스플레이하기 위한 디스플레이 수단을 구비하는 것을 특징으로 하는 용접 시뮬레이션 시스템.
The welding simulation apparatus of claim 9, wherein
And welding means for displaying the bead shape to be simulated.
상기 용접 자세에 대응하여 다양한 각도로 상기 비드 형상을 디스플레이 하는 것을 특징으로 하는 용접 시뮬레이션 시스템.
The method of claim 10, wherein the display means
Welding simulation system, characterized in that for displaying the bead shape at various angles corresponding to the welding position.
하나 또는 그 이상의 서로 다른 센서를 구비하여 입력 전압, 용접토치 이송속도, 컨택 팁과 모재 사이의 거리 및 용접봉 송급속도를 포함하는 상기 입력 데이터를 상기 용접 시뮬레이션 장치로 인가하는 것을 특징으로 하는 용접 시뮬레이션 시스템.
The method of claim 11, wherein the simulated welding torch
A welding simulation system comprising one or more different sensors for applying said input data to said welding simulation device, said input data including input voltage, welding torch feeding speed, distance between contact tip and base material and electrode feeding speed .
모재의 재료 및 모재에서 용접 위치를 포함하는 추가 입력 데이터를 상기 용접 시뮬레이션 장치로 인가하고, 상기 디스플레이 수단과 동일하게 상기 비드 형상을 디스플레이하는 컴퓨터를 더 구비하는 것을 특징으로 하는 용접 시뮬레이션 시스템.
13. The system of claim 12, wherein the welding simulation system is
And a computer for applying additional input data including a material of a base material and a welding position in the base material to the welding simulation device, and displaying the bead shape in the same manner as the display means.
실시간 시뮬레이션 동작을 수행하기 이전에 사용자로부터 샘플 입력 데이터와 샘플 용접 자세를 인가받아 수치 해석 기법을 이용하여 시뮬레이션하여 샘플 비드 형상을 획득하는 오프라인 시뮬레이션 동작과 상기 샘플 입력 데이터와 상기 샘플 용접 자세 및 상기 샘플 비드 형상을 이용하여 신경회로망을 트레이닝하고, 형상 근사 함수를 획득하는 트레이닝 동작을 수행하며, 상기 실시간 시뮬레이션 동작 시에 상기 모의 용접 토치로부터 입력 데이터와 용접 자세를 인가받고, 상기 입력 데이터 및 상기 용접 자세를 상기 트레이닝된 신경회로망과 상기 획득된 형상 근사 함수에 입력하여 실시간으로 비드 형상을 시뮬레이션하는 용접 시뮬레이션 장치; 및
상기 비드 형상을 디스플레이 창을 통해서 디스플레이하고, 상기 사용자가 장착할 수 있는 용접 훈련용 마스크를 구비하는 용접 시뮬레이션 시스템.
A simulated welding torch generating input data;
Offline simulation operation to obtain a sample bead shape by receiving a sample input data and a sample welding posture from a user before performing a real-time simulation operation, and by using a numerical analysis technique, the sample input data, the sample welding posture and the sample Training a neural network using a bead shape, performing a training operation to obtain a shape approximation function, and receiving input data and a welding posture from the simulated welding torch during the real-time simulation operation, and receiving the input data and the welding posture. Welding simulation apparatus for inputting the trained neural network and the obtained shape approximation function to simulate a bead shape in real time; And
And a welding training mask that can be mounted by the user by displaying the bead shape through a display window.
상기 사용자가 상기 용접토치를 직접 볼 수 있도록 투명창을 더 구비하는 것을 특징으로 하는 용접 시뮬레이션 시스템.The method of claim 14, wherein the welding training mask
Welding simulation system, characterized in that further provided with a transparent window so that the user can directly see the welding torch.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100114204A KR101230221B1 (en) | 2010-11-17 | 2010-11-17 | Welding simulation method, device and system capable of real-time simulation of bead shape, recording medium for the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100114204A KR101230221B1 (en) | 2010-11-17 | 2010-11-17 | Welding simulation method, device and system capable of real-time simulation of bead shape, recording medium for the same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20120053123A true KR20120053123A (en) | 2012-05-25 |
| KR101230221B1 KR101230221B1 (en) | 2013-02-05 |
Family
ID=46269412
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100114204A KR101230221B1 (en) | 2010-11-17 | 2010-11-17 | Welding simulation method, device and system capable of real-time simulation of bead shape, recording medium for the same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101230221B1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101822613B1 (en) * | 2017-03-10 | 2018-01-26 | 한국생산기술연구원 | Method for predicting of spot welding using a artificial neural network |
| CN111940953A (en) * | 2020-08-06 | 2020-11-17 | 徐州徐工矿业机械有限公司 | Horizontal welding asynchronous control method for large heavy-load steel member |
| KR20230106905A (en) * | 2022-01-07 | 2023-07-14 | (주)케이아이오티 | welding training simulation device using artificial intelligence analysis technology |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101780049B1 (en) | 2013-07-01 | 2017-09-19 | 한국전자통신연구원 | Apparatus and method for monitoring laser welding |
| KR101874824B1 (en) * | 2015-10-29 | 2018-07-05 | (주)토탈소프트뱅크 | Apparatus for generating beads of virtual welding trainning simulator |
| KR20220167225A (en) | 2021-06-11 | 2022-12-20 | 한양대학교 산학협력단 | Numerical analysis for milti electrode welding prosess |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3233772B2 (en) * | 1993-12-10 | 2001-11-26 | 三菱重工業株式会社 | Welding work simulator device |
-
2010
- 2010-11-17 KR KR1020100114204A patent/KR101230221B1/en active IP Right Grant
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101822613B1 (en) * | 2017-03-10 | 2018-01-26 | 한국생산기술연구원 | Method for predicting of spot welding using a artificial neural network |
| CN111940953A (en) * | 2020-08-06 | 2020-11-17 | 徐州徐工矿业机械有限公司 | Horizontal welding asynchronous control method for large heavy-load steel member |
| CN111940953B (en) * | 2020-08-06 | 2022-01-28 | 徐州徐工矿业机械有限公司 | Horizontal welding asynchronous control method for large heavy-load steel member |
| KR20230106905A (en) * | 2022-01-07 | 2023-07-14 | (주)케이아이오티 | welding training simulation device using artificial intelligence analysis technology |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101230221B1 (en) | 2013-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10720074B2 (en) | Welding simulator | |
| JP6975762B2 (en) | Systems and methods that provide enhanced education and training in virtual reality environments | |
| KR101861975B1 (en) | Unicoupon for virtual reality welding simulator | |
| US10198962B2 (en) | Learning management system for a real-time simulated virtual reality welding training environment | |
| EP3111439B1 (en) | Portable virtual welding system | |
| US9928755B2 (en) | Virtual reality GTAW and pipe welding simulator and setup | |
| US9336686B2 (en) | Tablet-based welding simulator | |
| KR101230221B1 (en) | Welding simulation method, device and system capable of real-time simulation of bead shape, recording medium for the same | |
| US9767712B2 (en) | Virtual reality pipe welding simulator and setup | |
| CN103038804B (en) | The virtual test of virtual weldment and inspection | |
| US8911237B2 (en) | Virtual reality pipe welding simulator and setup | |
| EP2969360B1 (en) | Simulator for facilitating virtual orbital welding activity | |
| White et al. | Low-cost simulated MIG welding for advancement in technical training | |
| CN105788408A (en) | Importing and analyzing external data using a virtual reality welding system | |
| EP3557560A1 (en) | Simulated welding training supporting real-world applications | |
| Shankhwar et al. | An interactive extended reality-based tutorial system for fundamental manual metal arc welding training | |
| KR101253542B1 (en) | Method of visual representation of a virtual welding training | |
| Park et al. | The design of an intelligent augmented reality welder training system | |
| DO COUTO et al. | Virtual Reality Applied to Welder Training |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20160115 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20170103 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20180102 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20190107 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20200122 Year of fee payment: 8 |