机械工程学报 ›› 2019, Vol. 55 ›› Issue (17): 14-21.doi: 10.3901/JME.2019.17.014
• 特邀专栏:焊接机器人 • 上一篇
张抱日1,2, 顾盛勇1,2, 石永华1,2
收稿日期:
2018-09-23
修回日期:
2019-03-03
发布日期:
2020-01-07
通讯作者:
石永华(通信作者),男,1973年出生,博士,教授,博士研究生导师。主要研究方向为机器人焊接、水下焊接和高效深熔焊接技术。E-mail:yhuashi@scut.edu.cn
作者简介:
张抱日,男,1994年出生,博士研究生。主要研究方向为焊接自动化、焊缝跟踪、智能视觉检测。E-mail:mebrzhang@mail.scut.edu.cn
基金资助:
ZHANG Baori1,2, GU Shengyong1,2, SHI Yonghua1,2
Received:
2018-09-23
Revised:
2019-03-03
Published:
2020-01-07
摘要: 开发了一套基于熔透检测的机器人深熔锁孔非熔化极惰性气体保护焊接(Keyhole tungsten inert gas,K-TIG)系统,实现焊接高度(Contact tip-to-work distance,CTWD)自动调节与熔透状态的在线检测。利用电弧电压与焊接高度的对应关系,通过弧压传感器实时采集电弧电压信号并换算成焊接高度值,然后将实际高度值与预设高度值之间的差值经由过程控制对象连接与嵌入协议(OLE for process control,OPC)通信系统反馈给机器人控制系统,从而控制机器人实现焊接高度的自动调节。同时,构建了熔透检测系统,使用电荷耦合器件(Charge coupled device,CCD)相机采集熔池与小孔图像,从中提取熔池-小孔特征,并建立熔池-小孔特征与熔透状态之间的相关性,在此基础上建立识别熔透状态的反向传播(Back propagation,BP)神经网络,实现不同焊接高度下熔透状态的间接检测,最后根据该检测结果得到最佳的焊接高度。经过试验验证,整个系统可靠稳定,能准确检测焊缝的熔透程度,并实现焊接高度自动调节,从而提高了焊接质量。
中图分类号:
张抱日, 顾盛勇, 石永华. 基于焊缝熔透检测的机器人深熔K-TIG焊接系统[J]. 机械工程学报, 2019, 55(17): 14-21.
ZHANG Baori, GU Shengyong, SHI Yonghua. Robotic Deep Penetration K-TIG Welding System Based on Weld Penetration Detection[J]. Journal of Mechanical Engineering, 2019, 55(17): 14-21.
[1] FENG S,TERASAKI H,KOMIZO Y,et al. Development of evaluation technique of GMAW welding quality based on statistical analysis[J]. Chinese Journal of Mechanical Engineering,2014,27(6):1257-1263. [2] 马可,薛龙,黄军芬,等. GMAW自动焊熔透影响因素分析及多元回归预测[J]. 机械工程学报,2018,54(18):55-61. MA Ke,XUE Long,HUANG Junfen,et al. Analysis of influencing factors and multivariate regression prediction of GMAW automatic welding penetration[J]. Journal of Mechanical Engineering,2018,54(18):55-61. [3] 宋凯,曾琼,何智成,等. 基于超声参数化和熵模型的汽车焊点质量识别[J]. 机械工程学报,2016,52(16):86-92. SONG Kai,ZENG Qiong,HE Zhicheng,et al. Quality identification of automotive solder joints based on ultrasonic parameterization and entropy model[J]. Journal of Mechanical Engineering,2016,52(16):86-92. [4] ZHANG H,HOU Y,ZHAO J,et al. Automatic welding quality classification for the spot welding based on the Hopfield associative memory neural network and Chernoff face description of the electrode displacement signal features[J]. Mechanical Systems & Signal Processing,2017,85:1035-1043. [5] ZHANG Wan,JIA Minping,ZHU Lin,et al. Comprehensive overview on computational intelligence techniques for machinery condition monitoring and fault diagnosis[J]. Chinese Journal of Mechanical Engineering,2017,30(4):782-795. [6] BUFFA G,CAMPANELLA D,PELLEGRINO S,et al. Weld quality prediction in linear friction welding of AA6082-T6 through an integrated numerical tool[J]. Journal of Materials Processing Technology,2016,231:389-396. [7] 张勇,周昀芸,王博,等. 基于声发射信号的铝合金点焊裂纹神经网络监测[J]. 机械工程学报,2016,52(16):1-7. ZHANG Yong,ZHOU Yunyun,WANG Bo,et al. Neural network monitoring of aluminum alloy spot welding crack based on acoustic emission signal[J]. Journal of Mechanical Engineering,2016,52(16):1-7. [8] 张朴,彭齐治,孔力. 基于虚拟仪器技术的激光焊接质量实时监测系统设计[J]. 焊接学报,2005,26(11):24-26. ZHANG Pu,PENG Qizhi,KONG Li. Design of laser welding quality real-time monitoring system based on virtual instrument technology[J]. Transactions of the China Welding Institution,2005,26(11):24-26. [9] 韩喆. 基于LabVIEW的焊接质量检测系统的研究[D].武汉:武汉理工大学,2007 HAN Zhe. Research on welding quality inspection system based on LabVIEW[D] Wuhan:Wuhan University of Technology,2007. [10] WU Chuansong. Proactive control effect of arc and weld pool behaviors by an external magnetic field in high speed GMAW[J]. Journal of Mechanical Engineering,2016,52(2):1. [11] WANG Z,ZHANG D. Progressive switching median filter for the removal of impulse noise from highly corrupted images[J]. IEEE Trans. Cricuits & Syst.ii,1999,46(1):78-80. [12] 蔡敏. 铝合金GTAW熔池区视觉特征检测及焊缝成型控制[D]. 上海:上海交通大学,2013. CAI Min. Visual characteristics detection and weld forming control of aluminum alloy GTAW pool area[J]. Shanghai:Shanghai Jiao Tong University,2013. [13] CANNY J. A computational approach to edge detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1986,8(6):679-698. [14] 李克海,何德孚,王国苹,等. 脉冲TIG焊熔池几何参数的计算机视觉检测[J]. 焊管,2000(6):29-32,36. LI Kehai,HE Defu,WANG Guoping,et al. Computer vision detection of geometric parameters of pulsed TIG welding pool[J]. Welded Pipe,2000(6):29-32,36. [15] XIE Rong,WANG Xinmin,LI Yan,et al. Research and application on improved BP neural network algorithm[C]//Industrial Electronics and Applications (ICIEA),2010 the 5th IEEE Conference on. IEEE,2010:1462-1466 [16] KOHAVI R. A study of cross-validation and bootstrap for accuracy estimation and model selection[C]//International Joint Conference on Artificial Intelligence. 1995:1137-1143. [17] KLINE D M,BERARDI V L. Revisiting squared-error and cross-entropy functions for training neural network classifiers[J]. Neural Computing & Applications,2005,14(4):310-318. |
[1] | 孙在省, 钱斌, 胡蓉, 张梓琪, 张长胜. 基于块结构性质的花粉算法求解可重入作业车间调度问题[J]. 机械工程学报, 2019, 55(16): 220-232. |
[2] | 赵静一, 朱明, 王启明, 蔡伟, 茹强, 李文雷, 司少朋. FAST液压促动器液压系统管路可靠性增长试验研究[J]. 机械工程学报, 2019, 55(16): 197-204. |
[3] | 朱贝贝, 熊俊. 交叉件GTA填丝增材制造弧压检测与成形控制[J]. 机械工程学报, 2019, 55(15): 17-23. |
[4] | 朱伟军, 陈言坤, 张志坤, 田小永, 李涤尘. 可拉伸柔性电路的原位封装3D打印工艺[J]. 机械工程学报, 2019, 55(15): 64-70. |
[5] | 韩兴国, 宋小辉, 殷鸣, 殷国富. 一种复杂曲面类增材制造零件分层截面生成算法[J]. 机械工程学报, 2019, 55(15): 88-98. |
[6] | 周贺飞, 兰红波, 李红珂, 许权, 赵佳伟, 张广明. 基于电场驱动喷射沉积微尺度3D打印制造金属网栅透明电磁屏蔽玻璃的研究[J]. 机械工程学报, 2019, 55(15): 56-63. |
[7] | 周尧, 宋朝省, 朱才朝, 刘思远, 倪高翔, 杜雪松. 小角度相交轴渐开线圆柱与变厚齿轮传动修形啮合特性分析[J]. 机械工程学报, 2019, 55(15): 135-144. |
[8] | 饶项炜, 顾冬冬, 席丽霞. 选区激光熔化成形碳纳米管增强铝基复合材料成形机制及力学性能研究[J]. 机械工程学报, 2019, 55(15): 1-9. |
[9] | 莫小娟, 葛文杰, 赵东来, 魏敦文. 微小型跳跃机器人研究现状综述[J]. 机械工程学报, 2019, 55(15): 109-123. |
[10] | 张程煜, 郭盛, 赵福群. 新型轮腿复合机器人的运动分析及步态研究[J]. 机械工程学报, 2019, 55(15): 145-153. |
[11] | 魏屹, 王永祯, 王文先, 张婷婷, 闫志峰. 一次爆炸焊接制备铝/镁/铝合金复合板的数值模拟[J]. 机械工程学报, 2019, 55(14): 37-42. |
[12] | 毕祥军, 陈炳全, 吴浩, 王立朋, 蒋亮亮, 王博, 周才华. 运载火箭线式捆绑分离装置的设计、分析与优化[J]. 机械工程学报, 2019, 55(14): 60-68. |
[13] | 李宏坤, 郝佰田, 代月帮, 杨蕊. 基于压缩感知和加噪堆栈稀疏自编码器的铣刀磨损程度识别方法研究[J]. 机械工程学报, 2019, 55(14): 1-10. |
[14] | 钟剑锋, 钟舜聪, 彭志科. 位感条纹三维振动测量原理及试验研究[J]. 机械工程学报, 2019, 55(14): 19-29. |
[15] | 程礼, 杨武奎, 梁涛, 文璧, 姚东野. 基于声模态的压气机/风扇气路故障诊断[J]. 机械工程学报, 2019, 55(13): 38-44. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||