CN111037549A - 基于3D扫描与TensorFlow算法的焊接轨迹处理方法及*** - Google Patents

Abstract

本发明公开了一种基于3D扫描与TensorFlow算法的焊接轨迹处理方法，包括以下步骤：通过3D扫描设备获取产品的3D空间数据，并建立产品的3D模型；根据产品的3D模型，通过TensorFlow算法计算获取产品的空间焊缝轨迹数据及其焊缝填充轨迹数据；根据产品的3D模型和计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，通过数控***对焊接过程进行仿真处理，获取仿真结果；根据仿真结果，生成并发送对应的控制指令给对应的焊接机器人。本发明还公开了一种基于3D扫描与TensorFlow算法的焊接轨迹处理***。本发明通过3D扫描设备获得产品的3D数据，通过TensorFlow算法获得焊缝轨迹，进而可以快速生成焊接机器人的焊接轨迹并生成焊接机器人控制指令，降低示教时间，提高生产效率。

Description

基于3D扫描与TensorFlow算法的焊接轨迹处理方法及***

技术领域

本发明涉及焊接技术领域，特别是一种基于3D扫描与TensorFlow算法的焊接轨迹处理方法及***。

背景技术

现在的生产中，焊接机器人是提高焊接效率、降低人工成本的有效途径。相应的，随着焊接机器人的广泛使用，焊缝数据的获取具有重要的意义，传统的焊接机器人获取焊接数据的方式一般采用示教再现的方法或采用工业相机基于机器视觉的方式获取焊接轨迹，这些方式对于数量少，空间焊缝复杂的产品，单位工时不可忽略，且工作强度大。

发明内容

为解决现有技术中存在的问题，本发明提供了一种基于3D扫描与TensorFlow算法的焊接轨迹处理方法及***，通过3D扫描设备获得产品的3D数据，再通过TensorFlow训练算法获得焊缝轨迹，进而可以快速生成焊接机器人的焊接轨迹并生成发送焊接机器人控制指令，降低焊接机器人的示教时间，提高生产效率。

为解决现有技术中存在的问题，本发明提供了一种基于3D扫描与TensorFlow算法的焊接轨迹处理方法，包括以下步骤：

S1、通过3D扫描设备获取产品的3D空间数据，并建立产品的3D模型；

S2、根据产品的3D模型，通过TensorFlow算法计算获取产品的空间焊缝轨迹数据及其焊缝填充轨迹数据；

S3、根据产品的3D模型和计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，通过数控***对焊接过程进行仿真处理，获取仿真结果；

S4、根据仿真结果，生成并发送对应的控制指令给对应的焊接机器人。

由多组3D扫描设备对产品进行扫描，3D扫描仪安装在工作台的空间机架上，然后对各个扫描设备编号并进行标定，在工作过程中，同一时间各组3D扫描设备对产品采集一部分空间坐标数据，然后将各组3D扫描设备采集的空间坐标数据通过计算过滤杂点、融合，生成点云数据，根据获取的产品的3D空间数据进行分析建模，将获取的空间坐标数据转为点云数据，进一步通过点云数据采用拟合算法生成曲面，然后对生成的曲面进行修复去除噪点，获取几何特征，建立产品的3D实体模型，对产品的加工缺陷、装配误差等进行检查，建立好产品的3D实体模型后，TensorFlow算法经过大量数据训练后，获取最优的神经元组用于计算焊缝的轨迹和合理的焊接参数，采用训练后的TensorFlow算法对产品的接缝轨迹进行扫描，然后计算出焊缝轨迹和焊接参数以及所需的填充焊缝的轨迹和各层的焊接参数，通过数控***在实际生产前，对焊缝轨迹拾取，结合不同的焊接设备，生成运动动画，以便于直观的了解焊接设备(如，焊接机器人，专用焊接设备)焊接过程中是否与产品发生干涉，预防安全事故，保护人员、设备安全，进行焊接仿真后，得到优化后的焊接轨迹和参数，获取仿真结果，根据仿真结果中最优的产品的焊接轨迹、焊接参数和对应的焊接设备参数生成并发送相应的焊接控制指令给相应的焊接机器人，根据不同的焊接设备，如：六轴焊接机器人，坐标焊接机器人，桁架机器人等导出相应焊接控制指令。

本方法通过使用3D扫描仪，获得产品的3D空间数据，通过使多个3D扫描仪同时对准产品，不用再添加转动装置，从而消除转动装置带来的机械误差，减少检测误差，再通过TensorFlow算法获得焊缝的空间数据，进而，可以根据产品的实际情况，生成焊接焊缝的空间轨迹及其需要的填充焊缝空间轨迹，减少焊接机器人编程工作量，同时，在数控***中进行仿真处理，提高焊接质量，加快生产效率。

进一步地，步骤S2包括以下步骤：

S21、根据产品的3D模型，通过TensorFlow算法计算获取产品的焊缝数据；

S22、根据产品的焊缝数据，通过TensorFlow算法计算获取相应的产品的空间焊缝轨迹数据；

S23、根据相应的产品的空间焊缝轨迹数据，通过TensorFlow算法计算获取相应的产品的空间焊缝填充轨迹数据。

通过计算，快速的生成产品的空间焊缝轨迹，减少焊接机器人操作员对空间复杂焊缝的示教，同时计算出填充焊缝的轨迹数据，特别是对于坡口大、空间焊缝轨迹复杂的产品，可以更快的生成填充焊缝轨迹，减少对多道填充焊缝的示教，提高工作效率。

进一步地，所述产品的焊缝数据包括产品的焊缝轨迹数据和焊机的参数数据。

获取根据全面的数据，根据不同的参数进行调节，对不同焊缝焊接时的时间和速度进行全方位控制，还可以对焊机相关的电压和电流进行控制，进一步控制焊接质量。

进一步地，步骤S3包括以下步骤：

S31、将产品的3D模型导入到数控***；

S32、根据计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，对焊接过程进行运动仿真处理，获取仿真结果。

通过对焊接轨迹的运行仿真，可以模拟焊接机器人对产品的焊接轨迹的运行情况，同时，对焊接运动中，焊接机器人是否和会产品产生干涉进行检查，通过仿真处理，获取最优的焊接轨迹数据和其他焊接参数，获取最优仿真结果。

进一步地，步骤S32还包括以下步骤：

S321、根据计算得到的产品空间焊缝轨迹，获取焊缝参数；

S322、根据焊缝参数计算焊缝质量，对产品的焊缝进行仿真处理。

通过TensorFlow算法计算出焊缝轨迹和焊接参数以及所需的填充焊缝的轨迹和各层的焊接参数，获取各个焊缝焊接参数，拾取各个焊缝的运动轨迹，生成焊接动画，并对焊缝质量进行计算评估，为后续对各个焊缝的焊接参数进行优化。

为解决现有技术中存在的问题，本发明还提供了一种基于3D扫描与TensorFlow算法的焊接轨迹处理***，包括产品3D模块、轨迹计算模块、轨迹仿真模块和控制模块，其中：

产品3D模块，用于通过3D扫描设备获取产品的3D空间数据，并建立产品的3D模型；

轨迹计算模块，用于根据产品的3D模型，通过TensorFlow算法获取产品的空间焊缝轨迹数据及其焊缝填充轨迹数据；

轨迹仿真模块，用于根据产品的3D模型和计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，通过数控***对焊接过程进行仿真处理，获取仿真结果；

控制模块，用于根据仿真结果，生成并发送对应的控制指令给对应的焊接机器人。

由多组3D扫描设备对产品进行扫描，3D扫描仪安装在工作台的空间机架上，然后对各个扫描设备编号并进行标定，在工作过程中，同一时间各组3D扫描设备对产品采集一部分空间坐标数据，然后将各组3D扫描设备采集的空间坐标数据通过计算过滤杂点、融合，生成点云数据，根据获取的产品的3D空间数据进行分析建模，将获取的空间坐标数据转为点云数据，进一步通过点云数据采用拟合算法生成曲面，然后对生成的曲面进行修复去除噪点，获取几何特征，通过产品3D模块建立产品的3D实体模型，对产品的加工缺陷、装配误差等进行检查，建立好产品的3D实体模型后，TensorFlow算法经过大量数据训练后，获取最优的神经元组用于计算焊缝的轨迹和合理的焊接参数，通过轨迹计算模块采用训练后的TensorFlow算法对产品的接缝轨迹进行扫描，然后计算出焊缝轨迹和焊接参数以及所需的填充焊缝的轨迹和各层的焊接参数，轨迹仿真模块通过数控***在实际生产前，对焊缝轨迹拾取，结合不同的焊接设备，生成运动动画，以便于直观的了解焊接设备(如，焊接机器人，专用焊接设备)焊接过程中是否与产品发生干涉，预防安全事故，保护人员、设备安全，进行焊接仿真后，得到优化后的焊接轨迹和参数，获取仿真结果，控制模块根据仿真结果中最优的产品的焊接轨迹、焊接参数和对应的焊接设备参数生成并发送相应的焊接控制指令给相应的焊接机器人，根据不同的焊接设备，如：六轴焊接机器人，坐标焊接机器人，桁架机器人等导出相应焊接控制指令。

本***通过使用3D扫描仪，获得产品的3D空间数据，通过使多个3D扫描仪同时对准产品，不用再添加转动装置，从而消除转动装置带来的机械误差，减少检测误差，再通过TensorFlow算法获得焊缝的空间数据，进而根据产品的实际情况，生成焊接焊缝的空间轨迹及其需要的填充焊缝空间轨迹，减少焊接机器人编程工作量，同时，在数控***中进行仿真处理，提高焊接质量，加快生产效率。

进一步地，所述轨迹计算模块包括焊缝数据子模块、焊缝轨迹子模块和填充轨迹子模块，其中：

焊缝数据子模块，用于根据产品的3D模型，通过TensorFlow算法计算获取产品的焊缝数据；

焊缝轨迹子模块，用于根据产品的焊缝数据，通过TensorFlow算法计算获取相应的产品的空间焊缝轨迹数据；

填充轨迹子模块，用于根据相应的产品的空间焊缝轨迹数据，通过TensorFlow算法计算获取相应的产品的空间焊缝填充轨迹数据。

通过计算，快速的生成产品的空间焊缝轨迹，减少焊接机器人操作员对空间复杂焊缝的示教，同时计算出填充焊缝的轨迹数据，特别是对于坡口大、空间焊缝轨迹复杂的产品，可以更快的生成填充焊缝轨迹，减少对多道填充焊缝的示教，提高工作效率。

进一步地，所述产品的焊缝数据包括产品的焊缝轨迹数据和焊机的参数数据。

获取根据全面的数据，根据不同的参数进行调节，对不同焊缝焊接时的时间和速度进行全方位控制，还可以对焊机相关的电压和电流进行控制，进一步控制焊接质量。

进一步地，所述轨迹仿真模块包括模型导入子模块和仿真处理子模块，其中：

模型导入子模块，用于将产品的3D模型导入到数控***；

仿真处理子模块，用于根据计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，对焊接过程进行运动仿真处理，获取仿真结果。

通过对焊接轨迹的运行仿真，可以模拟焊接机器人对产品的焊接轨迹的运行情况，同时，对焊接运动中，焊接机器人是否和会产品产生干涉进行检查，通过仿真处理，获取最优的焊接轨迹数据和其他焊接参数，获取最优仿真结果。

进一步地，所述仿真处理子模块还包括获取参数单元和质量计算单元，其中：

获取参数单元，用于根据计算得到的产品空间焊缝轨迹，获取焊缝参数；

质量计算单元，用于根据焊缝参数计算焊缝质量，对产品的焊缝进行仿真处理。

通过TensorFlow算法计算出焊缝轨迹和焊接参数以及所需的填充焊缝的轨迹和各层的焊接参数，获取各个焊缝焊接参数，拾取各个焊缝的运动轨迹，生成焊接动画，并对焊缝质量进行计算评估，为后续对各个焊缝的焊接参数进行优化。

本发明的有益效果是：

1、通过3D扫描设备获得产品的3D数据，再通过TensorFlow训练算法获得焊缝轨迹，进而，可以快速生成焊接机器人的焊接轨迹并生成焊接机器人控制代码，降低焊接机器人的示教时间，提高生产效率；

2、通过计算，快速的生成产品的空间焊缝轨迹，减少焊接机器人操作员对空间复杂焊缝的示教，同时计算出填充焊缝的轨迹数据，特别是对于坡口大、空间焊缝轨迹复杂的产品，可以更快的生成填充焊缝轨迹，减少对多道填充焊缝的示教，提高工作效率；

3、获取根据全面的数据，根据不同的参数进行调节，对不同焊缝焊接时的时间和速度进行全方位控制，还可以对焊机相关的电压和电流进行控制，进一步控制焊接质量；

4、通过对焊接轨迹的运行仿真，可以模拟焊接机器人对产品的焊接轨迹的运行情况，同时，对焊接运动中，焊接机器人是否和会产品产生干涉进行检查，通过仿真处理，获取最优的焊接轨迹数据和其他焊接参数，获取最优仿真结果；

5、通过TensorFlow算法计算出焊缝轨迹和焊接参数以及所需的填充焊缝的轨迹和各层的焊接参数，获取各个焊缝焊接参数，拾取各个焊缝的运动轨迹，生成焊接动画，并对焊缝质量进行计算评估，为后续对各个焊缝的焊接参数进行优化。

附图说明

图1为本发明实施例一种基于3D扫描与TensorFlow算法的焊接轨迹处理方法的流程图；

图2为本发明实施例一种基于3D扫描与TensorFlow算法的焊接轨迹处理方法中生成焊接轨迹的流程图；

图3为本发明实施例一种基于3D扫描与TensorFlow算法的焊接轨迹处理***的原理图。

附图标记说明：

10、产品3D模块；20、轨迹计算模块；201、焊缝数据子模块；202、焊缝轨迹子模块；203、填充轨迹子模块；30、轨迹仿真模块；301、模型导入子模块；302、仿真处理子模块；3021、获取参数单元；3022、质量计算单元；40、控制模块。

具体实施方式

下面结合附图对本发明的实施例进行详细说明。

实施例

如图1所示，一种基于3D扫描与TensorFlow算法的焊接轨迹处理方法，包括以下步骤：

S1、通过3D扫描设备获取产品的3D空间数据，并建立产品的3D模型；

S2、根据产品的3D模型，通过TensorFlow算法计算获取产品的空间焊缝轨迹数据及其焊缝填充轨迹数据；

S3、根据产品的3D模型和计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，通过数控***对焊接过程进行仿真处理，获取仿真结果；

S4、根据仿真结果，生成并发送对应的控制指令给对应的焊接机器人。

由多组3D扫描设备对产品进行扫描，3D扫描仪安装在工作台的空间机架上，然后对各个扫描设备编号并进行标定，在工作过程中，同一时间各组3D扫描设备对产品采集一部分空间坐标数据，然后将各组3D扫描设备采集的空间坐标数据通过计算过滤杂点、融合，生成点云数据，根据获取的产品的3D空间数据进行分析建模，将获取的空间坐标数据转为点云数据，进一步通过点云数据采用拟合算法生成曲面，然后对生成的曲面进行修复去除噪点，获取几何特征，建立产品的3D实体模型，对产品的加工缺陷、装配误差等进行检查，建立好产品的3D实体模型后，TensorFlow算法经过大量数据训练后，获取最优的神经元组用于计算焊缝的轨迹和合理的焊接参数，采用训练后的TensorFlow算法对产品的接缝轨迹进行扫描，然后计算出焊缝轨迹和焊接参数以及所需的填充焊缝的轨迹和各层的焊接参数，通过数控***在实际生产前，对焊缝轨迹拾取，结合不同的焊接设备，生成运动动画，以便于直观的了解焊接设备(如，焊接机器人，专用焊接设备)焊接过程中是否与产品发生干涉，预防安全事故，保护人员、设备安全，进行焊接仿真后，得到优化后的焊接轨迹和参数，获取仿真结果，根据仿真结果中最优的产品的焊接轨迹、焊接参数和对应的焊接设备参数生成并发送相应的焊接控制指令给相应的焊接机器人，根据不同的焊接设备，如：六轴焊接机器人，坐标焊接机器人，桁架机器人等导出相应焊接控制指令。实际生产使用的焊接设备若为六轴焊接机器人(如,ABB、安川、KUKA等)，则通过二次接口生成相应的机器人运动命令，实际生产使用的焊接设备若为专用焊接设备，则生成通用的数控G代码。

本方法通过使用3D扫描仪，获得产品的3D空间数据，通过使多个3D扫描仪同时对准产品，不用再添加转动装置，从而消除转动装置带来的机械误差，减少检测误差，再通过TensorFlow算法获得焊缝的空间数据，进而，可以根据产品的实际情况，生成焊接焊缝的空间轨迹及其需要的填充焊缝空间轨迹，减少焊接机器人编程工作量，同时，在数控***中进行仿真处理，提高焊接质量，加快生产效率。

在其中一个实施例中，如图2所示，步骤S2包括以下步骤：

S21、根据产品的3D模型，通过TensorFlow算法计算获取产品的焊缝数据；

S22、根据产品的焊缝数据，通过TensorFlow算法计算获取相应的产品的空间焊缝轨迹数据；

S23、根据相应的产品的空间焊缝轨迹数据，通过TensorFlow算法计算获取相应的产品的空间焊缝填充轨迹数据。

通过计算，快速的生成产品的空间焊缝轨迹，减少焊接机器人操作员对空间复杂焊缝的示教，同时计算出填充焊缝的轨迹数据，特别是对于坡口大、空间焊缝轨迹复杂的产品，可以更快的生成填充焊缝轨迹，减少对多道填充焊缝的示教，提高工作效率。

在其中一个实施例中，所述产品的焊缝数据包括产品的焊缝轨迹数据和焊机的参数数据。

获取根据全面的数据，根据不同的参数进行调节，对不同焊缝焊接时的时间和速度进行全方位控制，还可以对焊机相关的电压和电流进行控制，进一步控制焊接质量。

在其中一个实施例中，步骤S3包括以下步骤：

S31、将产品的3D模型导入到数控***；

S32、根据计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，对焊接过程进行运动仿真处理，获取仿真结果。

通过对焊接轨迹的运行仿真，可以模拟焊接机器人对产品的焊接轨迹的运行情况，同时，对焊接运动中，焊接机器人是否和会产品产生干涉进行检查，通过仿真处理，获取最优的焊接轨迹数据和其他焊接参数，获取最优仿真结果。

在其中一个实施例中，步骤S32还包括以下步骤：

S321、根据计算得到的产品空间焊缝轨迹，获取焊缝参数；

S322、根据焊缝参数计算焊缝质量，对产品的焊缝进行仿真处理。

通过TensorFlow算法计算出焊缝轨迹和焊接参数以及所需的填充焊缝的轨迹和各层的焊接参数，获取各个焊缝焊接参数，拾取各个焊缝的运动轨迹，生成焊接动画，并对焊缝质量进行计算评估，为后续对各个焊缝的焊接参数进行优化。

如图3所示，一种基于3D扫描与TensorFlow算法的焊接轨迹处理***，包括产品3D模块10、轨迹计算模块20、轨迹仿真模块30和控制模块40，其中：

产品3D模块10，用于通过3D扫描设备获取产品的3D空间数据，并建立产品的3D模型；

轨迹计算模块20，用于根据产品的3D模型，通过TensorFlow算法获取产品的空间焊缝轨迹数据及其焊缝填充轨迹数据；

轨迹仿真模块30，用于根据产品的3D模型和计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，通过数控***对焊接过程进行仿真处理，获取仿真结果；

控制模块40，用于根据仿真结果，生成并发送对应的控制指令给对应的焊接机器人。

由多组3D扫描设备对产品进行扫描，3D扫描仪安装在工作台的空间机架上，然后对各个扫描设备编号并进行标定，在工作过程中，同一时间各组3D扫描设备对产品采集一部分空间坐标数据，然后将各组3D扫描设备采集的空间坐标数据通过计算过滤杂点、融合，生成点云数据，根据获取的产品的3D空间数据进行分析建模，将获取的空间坐标数据转为点云数据，进一步通过点云数据采用拟合算法生成曲面，然后对生成的曲面进行修复去除噪点，获取几何特征，通过产品3D模块10建立产品的3D实体模型，对产品的加工缺陷、装配误差等进行检查，建立好产品的3D实体模型后，TensorFlow算法经过大量数据训练后，获取最优的神经元组用于计算焊缝的轨迹和合理的焊接参数，通过轨迹计算模块20采用训练后的TensorFlow算法对产品的接缝轨迹进行扫描，然后计算出焊缝轨迹和焊接参数以及所需的填充焊缝的轨迹和各层的焊接参数，轨迹仿真模块30通过数控***在实际生产前，对焊缝轨迹拾取，结合不同的焊接设备，生成运动动画，以便于直观的了解焊接设备(如，焊接机器人，专用焊接设备)焊接过程中是否与产品发生干涉，预防安全事故，保护人员、设备安全，进行焊接仿真后，得到优化后的焊接轨迹和参数，获取仿真结果，控制模块40根据仿真结果中最优的产品的焊接轨迹、焊接参数和对应的焊接设备参数生成并发送相应的焊接控制指令给相应的焊接机器人，根据不同的焊接设备，如：六轴焊接机器人，坐标焊接机器人，桁架机器人等导出相应焊接控制指令。实际生产使用的焊接设备若为六轴焊接机器人(如，ABB、安川、KUKA等)，则通过二次接口生成相应的机器人运动命令，实际生产使用的焊接设备若为专用焊接设备，则生成通用的数控G代码。

本***通过使用3D扫描仪，获得产品的3D空间数据，通过使多个3D扫描仪同时对准产品，不用再添加转动装置，从而消除转动装置带来的机械误差，减少检测误差，再通过TensorFlow算法获得焊缝的空间数据，进而根据产品的实际情况，生成焊接焊缝的空间轨迹及其需要的填充焊缝空间轨迹，减少焊接机器人编程工作量，同时，在数控***中进行仿真处理，提高焊接质量，加快生产效率。

在其中一个实施例中，如图3所示，所述轨迹计算模块20包括焊缝数据子模块201、焊缝轨迹子模块202和填充轨迹子模块203，其中：

焊缝数据子模块201，用于根据产品的3D模型，通过TensorFlow算法计算获取产品的焊缝数据；

焊缝轨迹子模块202，用于根据产品的焊缝数据，通过TensorFlow算法计算获取相应的产品的空间焊缝轨迹数据；

填充轨迹子模块203，用于根据相应的产品的空间焊缝轨迹数据，通过TensorFlow算法计算获取相应的产品的空间焊缝填充轨迹数据。

通过计算，快速的生成产品的空间焊缝轨迹，减少焊接机器人操作员对空间复杂焊缝的示教，同时计算出填充焊缝的轨迹数据，特别是对于坡口大、空间焊缝轨迹复杂的产品，可以更快的生成填充焊缝轨迹，减少对多道填充焊缝的示教，提高工作效率。

在其中一个实施例中，所述产品的焊缝数据包括产品的焊缝轨迹数据和焊机的参数数据。

获取根据全面的数据，根据不同的参数进行调节，对不同焊缝焊接时的时间和速度进行全方位控制，还可以对焊机相关的电压和电流进行控制，进一步控制焊接质量。

在其中一个实施例中，如图3所示，所述轨迹仿真模块30包括模型导入子模块301和仿真处理子模块302，其中：

模型导入子模块301，用于将产品的3D模型导入到数控***；

仿真处理子模块302，用于根据计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，对焊接过程进行运动仿真处理，获取仿真结果。

通过对焊接轨迹的运行仿真，可以模拟焊接机器人对产品的焊接轨迹的运行情况，同时，对焊接运动中，焊接机器人是否和会产品产生干涉进行检查，通过仿真处理，获取最优的焊接轨迹数据和其他焊接参数，获取最优仿真结果。

在其中一个实施例中，如图3所示，所述仿真处理子模块302还包括获取参数单元3021和质量计算单元3022，其中：

获取参数单元3021，用于根据计算得到的产品空间焊缝轨迹，获取焊缝参数；

质量计算单元3022，用于根据焊缝参数计算焊缝质量，对产品的焊缝进行仿真处理。

通过TensorFlow算法计算出焊缝轨迹和焊接参数以及所需的填充焊缝的轨迹和各层的焊接参数，获取各个焊缝焊接参数，拾取各个焊缝的运动轨迹，生成焊接动画，并对焊缝质量进行计算评估，为后续对各个焊缝的焊接参数进行优化。

以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (10)

1.一种基于3D扫描与TensorFlow算法的焊接轨迹处理方法，其特征在于，包括以下步骤：

S1、通过3D扫描设备获取产品的3D空间数据，并建立产品的3D模型；

S2、根据产品的3D模型，通过TensorFlow算法计算获取产品的空间焊缝轨迹数据及其焊缝填充轨迹数据；

S3、根据产品的3D模型和计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，通过数控***对焊接过程进行仿真处理，获取仿真结果；

S4、根据仿真结果，生成并发送对应的控制指令给对应的焊接机器人。

2.根据权利要求1所述的基于3D扫描与TensorFlow算法的焊接轨迹处理方法，其特征在于，步骤S2包括以下步骤：

S21、根据产品的3D模型，通过TensorFlow算法计算获取产品的焊缝数据；

S22、根据产品的焊缝数据，通过TensorFlow算法计算获取相应的产品的空间焊缝轨迹数据；

S23、根据相应的产品的空间焊缝轨迹数据，通过TensorFlow算法计算获取相应的产品的空间焊缝填充轨迹数据。

3.根据权利要求2所述的基于3D扫描与TensorFlow算法的焊接轨迹处理方法，其特征在于，所述产品的焊缝数据包括产品的焊缝轨迹数据和焊机的参数数据。

4.根据权利要求3所述的基于3D扫描与TensorFlow算法的焊接轨迹处理方法，其特征在于，步骤S3包括以下步骤：

S31、将产品的3D模型导入到数控***；

S32、根据计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，对焊接过程进行运动仿真处理，获取仿真结果。

5.根据权利要求4所述的基于3D扫描与TensorFlow算法的焊接轨迹处理方法，其特征在于，步骤S32还包括以下步骤：

S321、根据计算得到的产品空间焊缝轨迹，获取焊缝参数；

S322、根据焊缝参数计算焊缝质量，对产品的焊缝进行仿真处理。

6.一种基于3D扫描与TensorFlow算法的焊接轨迹处理***，其特征在于，包括产品3D模块、轨迹计算模块、轨迹仿真模块和控制模块，其中：

产品3D模块，用于通过3D扫描设备获取产品的3D空间数据，并建立产品的3D模型；

轨迹计算模块，用于根据产品的3D模型，通过TensorFlow算法获取产品的空间焊缝轨迹数据及其焊缝填充轨迹数据；

轨迹仿真模块，用于根据产品的3D模型和计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，通过数控***对焊接过程进行仿真处理，获取仿真结果；

控制模块，用于根据仿真结果，生成并发送对应的控制指令给对应的焊接机器人。

7.根据权利要求6所述的基于3D扫描与TensorFlow算法的焊接轨迹处理***，其特征在于，所述轨迹计算模块包括焊缝数据子模块、焊缝轨迹子模块和填充轨迹子模块，其中：

焊缝数据子模块，用于根据产品的3D模型，通过TensorFlow算法计算获取产品的焊缝数据；

焊缝轨迹子模块，用于根据产品的焊缝数据，通过TensorFlow算法计算获取相应的产品的空间焊缝轨迹数据；

填充轨迹子模块，用于根据相应的产品的空间焊缝轨迹数据，通过TensorFlow算法计算获取相应的产品的空间焊缝填充轨迹数据。

8.根据权利要求7所述的基于3D扫描与TensorFlow算法的焊接轨迹处理***，其特征在于，所述产品的焊缝数据包括产品的焊缝轨迹数据和焊机的参数数据。

9.根据权利要求8所述的基于3D扫描与TensorFlow算法的焊接轨迹处理***，其特征在于，所述轨迹仿真模块包括模型导入子模块和仿真处理子模块，其中：

模型导入子模块，用于将产品的3D模型导入到数控***；

仿真处理子模块，用于根据计算得到的产品空间焊缝轨迹数据及其焊缝填充轨迹数据，对焊接过程进行运动仿真处理，获取仿真结果。

10.根据权利要求9所述的基于3D扫描与TensorFlow算法的焊接轨迹处理***，其特征在于，所述仿真处理子模块还包括获取参数单元和质量计算单元，其中：

获取参数单元，用于根据计算得到的产品空间焊缝轨迹，获取焊缝参数；

质量计算单元，用于根据焊缝参数计算焊缝质量，对产品的焊缝进行仿真处理。

Images