System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及焊接相关,具体为一种焊前-焊时-焊后的全过程质量保障方法。
技术介绍
1、随着目前焊接向结构、工艺复杂化,焊接精度、质量高要求化、生产批量化发展,传统的手工操作也将由自动化、智能化程度越来越高的焊接机器人替代。但是,在提高焊接效率,减少人工成本支出的同时,如何保证焊接质量也成为重点关注的问题。目前市面上的焊接机器人仅能对焊后焊缝表面质量进行检测,无法在过程中调控焊接质量,而是对焊接质量不合格的部分进行补焊。这种方法不仅降低工作效率而且无法保证焊接接头质量。
2、因此,为实现焊缝成形质量的智能化,亟需设计一种适用于焊接机器人智能调控焊接质量的方案。
技术实现思路
1、本专利技术的目的在于提供一种焊前-焊时-焊后的全过程质量保障方法。
2、为实现上述目的,本专利技术提供如下技术方案:一种焊前-焊时-焊后的全过程质量保障方法,至少包括焊前有限元预测和焊时-焊后质量双监测,所述焊前有限元预测至少包括红外测温、测温点、温度输出、串口、计算机、曲线拟合、有限元对比和焊前保障,所述焊时-焊后质量双监测至少包括工业相机、滤光系统和熔池检测-反馈系统,所述工业相机、滤光系统用于采集熔池图像和采集焊后图像,被采集的熔池图像进行图像处理,获得熔池特征后进入熔池检测-反馈系统,焊后图像也进入熔池检测-反馈系统,从而实现焊时-焊后双监测。
3、优选的,所述焊前有限元预测的应用至少包括以下步骤:
4、中基于焊接温度场分析理论,建立焊接温度场三维移动
5、优选的,所述验证焊接有限元模型的合理性至少包括以下步骤:
6、通过红外测温技术测量焊接实验过程中的温度场以及热循环曲线,这种方式为非接触式地测量物体表面的温度,适合焊接过程中的热循环曲线的测量;
7、并且在焊接后测量焊接熔池截面形貌;
8、对收集的温度数据进行处理和分析,得到焊接过程中的热循环曲线,并且将测量的温度曲线与有限元预测的预测温度曲线结果进行对比,从特征进行比对,特征至少包括热循环曲线的峰值和曲率,进而验证焊接有限元模型的合理性。
9、优选的,基于有限元预测焊接热行为的分析结果,可以对焊接工艺进行优化,焊接工艺优化至少包括:
10、通过调整焊接速度、电流、电压等参数,找到使焊接过程更稳定、质量更高、效率更高的组合;
11、改变焊接热循环特征,从而实现更好的焊接效果,为不同的焊接工况提供最佳的焊接工艺。
12、优选的,所述工业相机、滤光系统包括工业相机、减光镜和滤光片;
13、通过工业相机采集焊接过程中的液态熔池图像,相机安装在焊枪上随焊枪移动,因此不用进行位置标定;
14、焊接时会产生强烈的弧光,为保证图像质量,在工业相机的镜头上安装减光镜和滤光片进行减光和滤光处理;
15、所述减光镜为od减光片,用于降低弧光强度,所述滤光片为620mm滤光片,用于对弧光选择性滤波,从而降低焊接弧光对图像采集的影响。
16、优选的,利用相机直接获取的图像,一般是不能够直接获取焊接熔池动态特征的,需要使用图像处理的相关理论,对有强烈干扰的图像进行预处理,滤除噪声,去除弧光反射、飞溅和烟尘的干扰,以便获取清晰熔池状态的图像信息。
17、所述被采集的熔池图像进行图像处理至少包括以下步骤:利用熔池图像的基本处理方法对经过滤光采集到的清晰的熔池图像进行图像处理,所述熔池图像的基本处理方法至少包括滤波处理和图像分割;采用基于方向小波的边缘提取和基于活动轮廓模型的方法提取熔池,能够有效的获取熔池边缘。
18、优选的,所述熔池检测-反馈系统包括智能焊接界面,所述智能焊接界面嵌入了两个深度学习模型,一个深度学习模型专注于识别焊接过程中的熔池,另一个深度学习模型则用于焊后检测;
19、配合工业相机实时监控,实时捕捉焊接过程中的图像,并在界面上即时展示识别结果和反馈;
20、这个界面提供了直观图像识别结果,能够轻易地获取关于焊接过程中熔池形态、尺寸的即时反馈,从而更好地调整焊接过程;
21、通过焊后的质量检测,可以确保焊缝外观的一致性;
22、界面还能够迅速发现焊接过程中的问题并立即反馈,实时调整焊接工艺,保证焊缝成形的良好。
23、与现有技术相比,本专利技术的有益效果是:
24、本专利技术基于有限元法分析预测最优的焊接工艺参数,在焊前基于有限元法分析预测最优的焊接工艺参数,例如焊接速度、电流、电压、焊缝宽度等,为焊接前提供最优的工艺保障;且基于图像识别焊时熔池特征,在焊接时提供实时的质量监测,熔池的宽度、与焊缝中心线距离、与母材融合状态等特征也较为直观的反映焊接质量;在焊后基于表面质量检测判定焊缝成形质量,通过观察焊后焊缝成形表面可以检测是否存在气孔、裂纹等焊接缺陷,从而判定焊接质量的优劣,进一步保障焊接质量,通过结合以上方式,提出相适宜的焊接质量评定方案,从焊前、焊时、焊后全过程极大的保障了焊接机器人的焊接质量。
本文档来自技高网...【技术保护点】
1.一种焊前-焊时-焊后的全过程质量保障方法,其特征在于:至少包括焊前有限元预测和焊时-焊后质量双监测,所述焊前有限元预测至少包括红外测温、测温点、温度输出、串口、计算机、曲线拟合、有限元对比和焊前保障,所述焊时-焊后质量双监测至少包括工业相机、滤光系统和熔池检测-反馈系统,所述工业相机、滤光系统用于采集熔池图像和采集焊后图像,被采集的熔池图像进行图像处理,获得熔池特征后进入熔池检测-反馈系统,焊后图像也进入熔池检测-反馈系统,从而实现焊时-焊后双监测。
2.根据权利要求1所述的一种焊前-焊时-焊后的全过程质量保障方法,其特征在于:所述焊前有限元预测的应用至少包括以下步骤:
3.根据权利要求2所述的一种焊前-焊时-焊后的全过程质量保障方法,其特征在于:所述验证焊接有限元模型的合理性至少包括以下步骤:
4.根据权利要求2所述的一种焊前-焊时-焊后的全过程质量保障方法,其特征在于:基于有限元预测焊接热行为的分析结果,可以对焊接工艺进行优化,焊接工艺优化至少包括:
5.根据权利要求1所述的一种焊前-焊时-焊后的全过程质量保障方法,其特征在
6.根据权利要求1所述的一种焊前-焊时-焊后的全过程质量保障方法,其特征在于:所述被采集的熔池图像进行图像处理至少包括以下步骤:利用熔池图像的基本处理方法对经过滤光采集到的清晰的熔池图像进行图像处理,所述熔池图像的基本处理方法至少包括滤波处理和图像分割;采用基于方向小波的边缘提取和基于活动轮廓模型的方法提取熔池,能够有效的获取熔池边缘。
7.根据权利要求1所述的一种焊前-焊时-焊后的全过程质量保障方法,其特征在于:所述熔池检测-反馈系统包括智能焊接界面,所述智能焊接界面嵌入了两个深度学习模型,一个深度学习模型专注于识别焊接过程中的熔池,另一个深度学习模型则用于焊后检测;
...【技术特征摘要】
1.一种焊前-焊时-焊后的全过程质量保障方法,其特征在于:至少包括焊前有限元预测和焊时-焊后质量双监测,所述焊前有限元预测至少包括红外测温、测温点、温度输出、串口、计算机、曲线拟合、有限元对比和焊前保障,所述焊时-焊后质量双监测至少包括工业相机、滤光系统和熔池检测-反馈系统,所述工业相机、滤光系统用于采集熔池图像和采集焊后图像,被采集的熔池图像进行图像处理,获得熔池特征后进入熔池检测-反馈系统,焊后图像也进入熔池检测-反馈系统,从而实现焊时-焊后双监测。
2.根据权利要求1所述的一种焊前-焊时-焊后的全过程质量保障方法,其特征在于:所述焊前有限元预测的应用至少包括以下步骤:
3.根据权利要求2所述的一种焊前-焊时-焊后的全过程质量保障方法,其特征在于:所述验证焊接有限元模型的合理性至少包括以下步骤:
4.根据权利要求2所述的一种焊前-焊时-焊后的全过程质量保障方法,其特征在于:基...
【专利技术属性】
技术研发人员:崔晓璐,卜涵,徐晓天,彭双千,徐佳,张洪,黄博,王邵锐,程崇胜,周建庭,
申请(专利权)人:重庆交通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。