基于视觉协同与应力控制的多机器人电弧增材方法及装置制造方法及图纸

本发明专利技术公开了一种基于视觉协同与应力控制的多机器人电弧增材方法，包括：对待增材构件的三维模型进行分层切片处理；初始化参数x＝1；根据第x层的尺寸以及对应的多机器人增材制造路径进行增材作业；增材作业过程中连续采集熔池图像，监测熔池是否存在异常；在第x层增材作业完成后，采集第x层增材构件表面的应力图像，检测增材构件表面的残余应力；判断第x层增材构件的残余应力是否大于阈值τ；大于阈值τ时对第x层增材构件进行热处理；判断增材制造是否完成。本发明专利技术可在增材制造过程中实时监测熔池状态，并在增材结束后检测增材构件的残余应力，降低了增材缺陷。降低了增材缺陷。降低了增材缺陷。

【技术实现步骤摘要】
基于视觉协同与应力控制的多机器人电弧增材方法及装置


[0001]本专利技术属于电弧增材制造领域，具体涉及一种基于视觉协同与应力控制的多机器人电弧增材方法及装置。

技术介绍

[0002]电弧增材制造技术是一种快速成型技术，可以通过在原材料表面熔化并凝固金属粉末或线材，以逐层堆叠的方式制造出三维实体。电弧增材制造技术具有高效率、低成本、高度灵活性和多样化的优点，因此在航空航天、制造业、医疗器械和船舶等领域得到广泛应用。
[0003]电弧增材作业中，多机器人协同增材可以大大提升增材效率，已经成为大尺寸构件增材制造的解决方案。然而，由于在多机器人的电弧增材系统中具有多个热源，构件在增材制造过程中历经多次快速局部加热和冷却过程，具有非常复杂的热历史，往往会出现不均匀的热收缩和热膨胀。这在构件内部产生了大量的残余应力，并且残余应力所引起的缺陷通常缓慢而逐渐地发生，没有明显的症状。等到操作人员发现时，增材构件往往已经产生了巨大形变，严重的话还会导致构件开裂，造成极大的经济损失。
[0004]为了减少损失，传统做法是对增材构件进行质量检测，检测方法主要是基于破坏性测试、显微组织分析和力学性能测试等方法。这些方法需要在构件制造完成后进行，不能对增材过程中的构件的质量状况进行监测。因此，需要一种能够原位无损监测构件应力场的方法，从而及时发现和解决增材过程中的异常情况和残余应力过大等问题，保证增材构件的质量和性能。

技术实现思路

[0005]为了解决现有技术中所存在的上述问题，本专利技术提供了一种基于视觉协同与应力控制的多机器人电弧增材方法及装置。
[0006]本专利技术要解决的技术问题通过以下技术方案实现：
[0007]第一方面，本专利技术实施例提供了一种基于视觉协同与应力控制的多机器人电弧增材方法，其特征在于，包括：
[0008]步骤A、对待增材构件的三维模型进行分层切片处理，得到并存储每层增材构件的尺寸以及对应的多机器人增材制造路径；
[0009]步骤B、初始化参数x＝1；
[0010]步骤C、根据第x层的尺寸以及对应的多机器人增材制造路径进行增材作业；增材作业过程中连续采集熔池图像，并基于所采集的熔池图像监测熔池是否存在异常，以在监测出异常时结束增材作业；
[0011]步骤D、在第x层增材作业完成后，采集第x层增材构件表面的应力图像，并基于所采集的应力图像检测增材构件表面的残余应力；
[0012]步骤E、判断第x层增材构件的残余应力是否大于阈值τ；若判断结果为是，执行步
骤F；若判断结果为否，执行步骤G；
[0013]步骤F、对第x层增材构件进行热处理以消除第x层增材构件表面的残余应力；
[0014]步骤G、判断x是否等于x
top
；若x等于x
top
，则完成增材制造；若x不等于x
top
，令x＝x+1后返回步骤C；其中，x
top
是增材总层数。
[0015]在本专利技术的一个实施例中，所述基于所采集的熔池图像监测熔池是否存在异常，包括：
[0016]基于所采集的熔池图像，利用预先训练完成的神经网络模型监测熔池是否存在异常。
[0017]在本专利技术的一个实施例中，所述基于所采集的应力图像检测增材构件表面的残余应力，包括：
[0018]基于所采集的应力图像，利用DIC方法检测增材构件表面的残余应力。
[0019]在本专利技术的一个实施例中，所述神经网络模型，包括：YOLO网络。
[0020]在本专利技术的一个实施例中，所述神经网络模型，包括：卷积神经网络模型。
[0021]第二方面，本专利技术实施例提供了一种基于视觉协同与应力控制的多机器人电弧增材装置，其特征在于，包括：
[0022]分层规划模块，用于对待增材构件的三维模型进行分层切片处理，得到并存储每层增材构件的尺寸以及对应的多机器人增材制造路径；
[0023]初始化模块，用于初始化参数x＝1；
[0024]增材制造与监测模块，用于根据第x层的尺寸以及对应的多机器人增材制造路径进行增材作业；增材作业过程中连续采集熔池图像，并基于所采集的熔池图像监测熔池是否存在异常，以在监测出异常时结束增材作业；
[0025]应力检测模块，用于在第x层增材作业完成后，采集第x层增材构件表面的应力图像，并基于所采集的应力图像检测增材构件表面的残余应力；
[0026]第一判断模块，用于判断第x层增材构件的残余应力是否大于阈值τ；若判断结果为是，触发热处理模块；若判断结果为否，触发第二判断模块；
[0027]热处理模块，用于对第x层增材构件进行热处理以消除第x层增材构件表面的残余应力；
[0028]第二判断模块，用于判断x是否等于x
top
；若x等于x
top
，则完成增材制造；若x不等于x
top
，令x＝x+1后触发增材制造与监测模块；其中，x
top
是增材总层数。
[0029]在本专利技术的一个实施例中，所述增材制造与监测模块，基于所采集的熔池图像监测熔池是否存在异常，包括：
[0030]基于所采集的熔池图像，利用预先训练完成的神经网络模型监测熔池是否存在异常。
[0031]在本专利技术的一个实施例中，所述应力检测与分析模块，基于所采集的应力图像检测增材构件表面的残余应力包括：
[0032]基于所采集的应力图像，利用DIC方法检测增材构件表面的残余应力。
[0033]在本专利技术的一个实施例中，所述神经网络模型，包括：YOLO神经网络模型。
[0034]在本专利技术的一个实施例中，所述神经网络模型，包括：CNN神经网络模型。
[0035]本专利技术提供的基于视觉协同与应力控制的多机器人电弧增材方法，在增材作业过
程中连续采集熔池图像，根据所采集的熔池图像监测熔池是否存在异常，在监测出异常时结束增材作业，实现了增材作业过程的实时监测，一定程度上避免了制备出不合格的增材构件。同时，本专利技术在任一层面增材作业完成后采集该增材构件表面的应力图像，基于该应力图像检测残余应力。当增材构件的残余应力大于阈值τ时，对增材构件进行热处理，有效地控制了增材构件的残余应力，大大降低了构件由于残余应力过大导致出现裂纹的风险，保证了增材构件质量。综上所述，本专利技术提供的基于视觉协同与应力控制的多机器人电弧增材方法可及时发现和解决增材过程中的异常情况和残余应力过大等问题，保证增材构件的质量和性能。
[0036]以下将结合附图及对本专利技术做进一步详细说明。
附图说明
[0037]图1是本专利技术实施例提供的一种基于视觉协同与应力控制的多机器人电弧增材方法所适用的多机器人电弧增材系统的结构图；
[0038]图2是本专利技术实施例提供的一种基于视觉协同与应力控制的多机器人电弧增材方法的流程图；
[0039]图3是本专利技术实施例提供的一种基于视觉协同与应力控制的多机器人电弧本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉协同与应力控制的多机器人电弧增材方法，其特征在于，包括：步骤A、对待增材构件的三维模型进行分层切片处理，得到并存储每层增材构件的尺寸以及对应的多机器人增材制造路径；步骤B、初始化参数x＝1；步骤C、根据第x层的尺寸以及对应的多机器人增材制造路径进行增材作业；增材作业过程中连续采集熔池图像，并基于所采集的熔池图像监测熔池是否存在异常，以在监测出异常时结束增材作业；步骤D、在第x层增材作业完成后，采集第x层增材构件表面的应力图像，并基于所采集的应力图像检测增材构件表面的残余应力；步骤E、判断第x层增材构件的残余应力是否大于阈值τ；若判断结果为是，执行步骤F；若判断结果为否，执行步骤G；步骤F、对第x层增材构件进行热处理以消除第x层增材构件表面的残余应力；步骤G、判断x是否等于x
top
；若x等于x
top
，则完成增材制造；若x不等于x
top
，令x＝x+1后返回步骤C；其中，x
top
是增材总层数。2.根据权利要求1所述的基于视觉协同与应力控制的多机器人电弧增材方法，其特征在于，所述基于所采集的熔池图像监测熔池是否存在异常，包括：基于所采集的熔池图像，利用预先训练完成的神经网络模型监测熔池是否存在异常。3.根据权利要求1所述的基于视觉协同与应力控制的多机器人电弧增材方法，其特征在于，所述基于所采集的应力图像检测增材构件表面的残余应力，包括：基于所采集的应力图像，利用DIC方法检测增材构件表面的残余应力。4.根据权利要求2所述的基于视觉协同与应力控制的多机器人电弧增材方法，其特征在于，所述神经网络模型，包括：YOLO网络。5.根据权利要求2所述的基于视觉协同与应力控制的多机器人电弧增材方法，其特征在于，所述神经网络模型，包括：卷积神经网络模型。6.一种基于视觉协同与应力控制的多机器人电弧增材装置，其特征在于，包括：分层规划模块，...

【专利技术属性】
技术研发人员：黄勇，王克鸿，周琦，彭勇，朱敏凤，罗茜，
申请(专利权)人：江苏烁石焊接科技有限公司，
类型：发明
国别省市：