CN113204214A - 移动式模块化多能束能场增减材复合修复设备及方法 - Google Patents
移动式模块化多能束能场增减材复合修复设备及方法 Download PDFInfo
- Publication number
- CN113204214A CN113204214A CN202110470329.4A CN202110470329A CN113204214A CN 113204214 A CN113204214 A CN 113204214A CN 202110470329 A CN202110470329 A CN 202110470329A CN 113204214 A CN113204214 A CN 113204214A
- Authority
- CN
- China
- Prior art keywords
- module
- repair
- repaired
- energy
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 151
- 230000008439 repair process Effects 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 66
- 239000002131 composite material Substances 0.000 title claims abstract description 42
- 230000003247 decreasing effect Effects 0.000 title claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 39
- 238000009659 non-destructive testing Methods 0.000 claims abstract description 38
- 238000003754 machining Methods 0.000 claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 24
- 239000002184 metal Substances 0.000 claims abstract description 12
- 239000000654 additive Substances 0.000 claims description 59
- 230000000996 additive effect Effects 0.000 claims description 59
- 238000012545 processing Methods 0.000 claims description 32
- 238000013499 data model Methods 0.000 claims description 26
- 230000009467 reduction Effects 0.000 claims description 24
- 230000007547 defect Effects 0.000 claims description 21
- 230000003993 interaction Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000002950 deficient Effects 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010891 electric arc Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000007405 data analysis Methods 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 8
- 238000005253 cladding Methods 0.000 description 7
- 239000000523 sample Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 229910000746 Structural steel Inorganic materials 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
- G05B19/4099—Surface or curve machining, making 3D objects, e.g. desktop manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32153—Exchange data between user, cad, caq, nc, capp
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/26—Composites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Human Computer Interaction (AREA)
- Automation & Control Theory (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明公开了一种移动式模块化多能束能场增减材复合修复设备及方法,包括中央控制模块、无损检测与寿命评估模块、扫描反求与路径规划模块、运动执行模块、载能束增材修复模块、辅助能场模块、数控加工减材模块、移动式方舱模块;本发明将修复所需工艺设备进行模块化设计,并把各模块集成安装在移动式方舱内,通过不同模块之间的配合联动实现金属零件的快速增减材修复,具有结构模块化、功能组配式、作业多模态的特征,可实现复杂现场条件下金属零件的增材修复。
Description
技术领域
本发明涉及增减材复合修复加工领域,特别是涉及一种移动式模块化多能束能场增减材复合修复设备及方法。
背景技术
能源化工、重载机械、航空航天等领域金属关重件的现场维修,以及远海、隧道等特殊环境下零部件的现场快速修复,是长期制约我国重大工程运行效能/效益的关键“瓶颈”问题。基于激光、电弧、等离子的载能束增材修复技术为解决上述问题创造了途径。
中国专利CN109803776A公开了安全的移动式增材制造设备,提出了一种移动式增材修复设备,但是需要再次进行减材加工,步骤繁琐而且二次装夹会影响工件表面质量;中国专利CN110052713A零件增减材复合制造工艺、中国专利CN109968040A一种增减材复合制造设备、中国专利CN208214714U一种增减材复合制造***都提出了将增材制造单元和减材制造结合起来的方案,但是存在以下缺陷:工件往往需要运输,提升成本、影响工期且工件在装车运输过程中存在二次损伤的风险;同时,现有的增减材复合加工设备增材修复工艺单一,不能根据实际需求灵活选用增材修复工艺;且现有的增减材复合加工***智能化程度低,不能快速准确地选择适合的修复材料及修复工艺;以及现有的增减材复合加工设备不能满足需要现场修复加工等特殊场景。
发明内容
有鉴于此,本发明提供了一种移动式模块化多能束能场增减材复合修复设备及方法,将修复所需工艺设备进行模块化设计,并把模块设置在相应的移动式方舱内,通过不同模块之间的配合联动实现金属零件的快速增减材修复。
为此,本发明提供了以下技术方案:
本发明提供了一种移动式模块化多能束能场增减材复合修复设备,所述设备以移动式方舱为载体,包括用于实现金属零件增减材复合修复完整工艺流程的多个功能模块;所述功能模块包括:
用于对待修复零件进行无损检测及寿命评估,实现待修复零件的可修复性评价的无损检测与寿命评估模块;
用于在可修复性评价的基础上,完成对待修复零件损伤区域三维扫描、数据建模、增材修复路径规划以及减材数控加工代码生成的扫描反求与路径规划模块;
用于为增材修复工艺的实施提供多种能量源的载能束增材修复模块;
用于实施待修复零件损伤区域增材修复成形的运动执行模块;
用于提供多种能场辅助的辅助能场模块;
用于对零件修复后的尺寸、精度和表面质量进行恢复的数控加工减材模块;
用于集中控制无损检测与寿命评估模块、扫描反求与路径规划模块、载能束增材修复模块、运动执行模块、辅助能场模块和数控加工减材模块的中央控制模块,实现设备及修复过程中人机交互、数据库支持、材料选择、工艺匹配、运动控制和监测反馈的一体化协同控制。
进一步地,所述运动执行模块为轮式平台、履带式平台、麦克纳姆轮平台或攀爬式平台。
进一步地,所述载能束增材修复模块包括激光、电弧、等离子三种载能束子***;所述辅助能场模块包括电磁、超声伴随处理子***。
进一步地,扫描反求与路径规划模块包括三维扫描硬件设备和路径规划软件***;通过三维扫描设备获取待修复零件的三维模型数据,与数据库中完整零件的三维数据模型相比对,获得待修复的缺损三维数据模型;采用路径规划软件对缺损三维数据模型进行数据精减、分层切片、轮廓提取,并根据载能束类别规划增材修复路径、生成减材数控加工代码。
进一步地,所述三维扫描设备为手持式/机器人自动式蓝光面结构光三维测量设备或多条纹激光三维测量设备或拍照三维测量设备。
进一步地,所述中央控制模块中的数据库包含完整零件的三维数据模型、损伤零件材料成分配比、损伤零件性能参数、增材修复工艺参数、运动执行控制参数、减材加工参数,并通过人机交互的显示控制***实现损伤模型的加载、修复材料参数设置、载能束类别选取、增材修复工艺参数设置、运动执行方案选择、减材加工参数设置功能。
进一步地,所述主机***为PLC主控单元及与之连接的温度、距离传感器,通过传感器实时监测现场环境参数、机器设备运行状态以及各种工艺参数,并反馈给数据处理模块进行数据的分析计算,将超阈值数据集中上传到PLC主控单元,在PLC主控单元中进行数据综合评判,并发布指令到各功能模块完成闭环控制。
本发明还提供了一种利用上述移动式模块化多能束能场增减材复合修复设备进行增减材复合修复的方法,所述方法包括:
待修复零件装夹定位后,对待修复区域清洗除油、除锈预处理;
通过人机交互控制,由中央控制模块向无损检测与寿命评估模块发出指令,对待修复零件进行修复前的无损检测,分析判定损伤模式;并对无损检测结果进行分析计算,获得零件的剩余寿命,将获取的信息反馈传输至中央控制模块,评价损伤零件的可修复性,并为修复方案的制定提供判定依据;
对于可修复的零件,由中央控制模块向扫描反求与路径规划模块发出指令,扫描反求与路径规划模块中的扫描反求设备扫描待修复零件,获取待修复零件的三维模型数据,将三维模型数据传输至中央控制模块,与其数据库中完整零件的三维数据模型相比对,获得待修复的缺损三维数据模型;将零件缺损三维数据模型传输至扫描反求与路径规划模块中的路径规划软件***,由路径规划软件***对缺损三维数据模型进行数据精减、分层切片、轮廓提取,并根据载能束类别规划增材修复路径,生成减材数控加工代码;将增材修复路径、减材数控加工代码传输至中央控制模块;
中央控制模块依据损伤零件材质、损伤零件剩余寿命、零件损伤模式、缺损模型尺寸大小,制定出包括修复材料选择、载能束类别选取、辅助能场选择、增材修复工艺参数设置、运动执行方案选择、减材加工参数设置在内的修复方案,并通过自动方式或人机交互方式确定最终的修复方案;
中央控制模块根据修复方案,分别向运动执行模块、载能束增材修复模块、辅助能场模块和数控加工减材模块发送执行指令;运动执行模块将选定的载能束子***移动至距待修复零件执行模块可达范围之内;执行所生成的增材修复路径规划代码,结合辅助能场模块,进行增材修复,并根据实时监测数据,反馈至中央控制模块,进行修正;
当增材修复零件尺寸满足零件加工余量要求后,由数控加工减材模块执行减材加工代码,对损伤零件进行减材加工,恢复零件尺寸精度和表面质量;
中央控制模块向无损检测与寿命评估模块发出指令,对修复后零件进行无损检测,评价损伤零件修复质量;对无损检测结果进行分析计算,获得零件修复后的剩余寿命,将获取的信息反馈传输至中央控制模块,用于综合评价损伤零件修复质量;
完成修复,清理各个模块,装回移动式方舱。
进一步地,获取待修复零件的三维模型数据,包括:
获取待修复零件的多片点云数据,利用点特征直方图法查找两片点云的几何特征点,然后采用尺度不变特征变换算法查找两次拍摄图片的图像特征点,通过对比分析几何特征点和图像特征点来生成配准算法判断因子,根据配准算法判断因子,自适应地选择合适的配准算法;确定配准算法后,对于相应特征点,采用随机抽样一致算法建立特征点的匹配关系;最后对匹配特征点进行奇异值分解求取旋转平移矩阵完成拼接;
对测量的多幅点云数据,实现标志点配准和无标志点配准的点云对齐功能,通过迭代最近点算法精配准获取高精度的配准结果,实现待修复零件的快速三维重构;对测量的密集点云数据,采用k-means聚类与mean-shift聚类相结合的密集点云数据融合方法,通过对多视密集点云数据的优化处理获得最终的计算机辅助技术三维数模。
进一步地,对待修复零件进行修复前的无损检测,分析判定损伤模式;并对无损检测结果进行分析计算,获得零件的剩余寿命,包括:
采用相控阵扇形扫查方式,利用多个不同角度的声束对待修复零件内部预定位置进行多角度检测扫查;获取内部扫查位置的超声数据,之后分析各个角度声束所采集的超声数据;
建立疲劳寿命预测模型,并结合分析各个角度声束所采集的超声数据进行寿命预测。
上述技术方案能够达到以下有益效果:
1、上述技术方案中,基于移动式、模块化的***架构设计,实现了设备的模块化设计,并把各模块集成安装在移动式方舱内,通过不同模块之间的联动实现金属零件的快速增减材修复。
2、上述技术方案中,移动式方舱为对各模块进行封装,满足陆运、海运、空运等运输条件,且配套轮式、履带式、麦克纳姆轮式或攀爬式平台运动执行模块,可进行复杂工况环境下的现场修复。
3、上述技术方案中,载能束增材修复模块,包括激光、电弧、等离子三种载能束子***,同时,可以在综合分析损伤零件修复精度和效率的需求的基础上选择单独或者组合使用,满足不同修复材料及工艺需求。
4、上述技术方案中,根据移动式现场增材修复现场多约束条件,对于测量及软件分析***,提出了便捷化、智能化和快速化的要求,主要表现在:在测量***上突出便捷化的特点、要求无需复杂前处理环节,直接测量;在损伤模型获取及工艺推荐上要求智能化特点,根据现场环境无需复杂的操作,直接输出损伤模型;而在工艺路径规划上,突出快速化的特点,需要在短时间内完成路径的规划和快速传输。
5、上述技术方案中,采用基于深度图像投影匹配的数据关联方法,实现了三维测量数据之间的快速拼合;并采用基于几何特征和图像特征的点云自适应拼接方法,实现了三维测量数据关系复杂、未知情况下的点云拼合,实现对损伤区域快速进行三维测量,操作方便。
6、上述技术方案中,数据库包含完整零件的三维数据模型、损伤零件材料成分配比、损伤零件性能参数、增材修复工艺参数、运动执行控制参数、减材加工参数,并通过人机交互的显示控制***实现损伤模型的加载、修复材料参数设置、载能束类别选取、增材修复工艺参数设置、运动执行方案选择、减材加工参数设置等功能,可以快速精准选择合适的修复材料及工艺,智能化程度更高。
7、上述技术方案中,采用相控阵扇形扫查方式,利用多个不同角度的声束检测试件内部缺陷,对待修复零件进行寿命评估,可以消除由于缺陷的方向性造成的漏检,提升缺陷检出概率,提高后续缺陷定量的准确性及修复性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中移动式模块化多能束能场增减材复合修复设备的结构连接框图;
图2为本发明实施例中移动式模块化多能束能场增减材复合修复方法的流程图;
图3为本发明实施例中相控阵扇形扫查方式的示意图;
图4为本发明实施例中深埋型椭圆裂纹的应力强度因子模型示意图(a、b);
图5为本发明实施例中350WT结构钢材料参数拟合示意图;
图6为本发明实施例中疲劳寿命预测中巡航状态/直径为0.3m传动轴的曲线图;
图7为本发明实施例中疲劳寿命预测中机动状态/直径为0.3m传动轴的曲线图;
图8为本发明实施例中疲劳寿命预测中巡航状态/直径为0.4m传动轴的曲线图;
图9为本发明实施例中疲劳寿命预测中机动状态/直径为0.4m传动轴的曲线图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明提供了一种移动式模块化多能束能场增减材复合修复设备及方法,将实现金属零件增减材复合修复完整工艺流程所需工艺设备进行模块化设计,并把各模块集成安装在移动式方舱内,通过不同模块之间的联动实现金属零件的快速增减材修复,具有结构模块化、功能组配式、作业多模态的特征,可实现复杂现场条件下金属零件的增材修复。
参见图1,其示出了本发明实施例中一种移动式模块化多能束能场增减材复合修复设备的结构连接框图。该移动式模块化多能束能场增减材复合修复设备以移动式方舱100为载体,包括用于实现金属零件增减材复合修复完整工艺流程的多个功能模块;其中,功能模块包括:无损检测与寿命评估模块200、扫描反求与路径规划模块300、载能束增材修复模块400、运动执行模块500、辅助能场模块600、数控加工减材模块700、中央控制模块800。
其中,移动式方舱100用于对各模块进行封装,满足陆运、海运、空运等运输条件,且配套轮式、履带式、麦克纳姆轮式或攀爬式平台运动执行模块,可进行复杂工况环境下的现场修复。
无损检测与寿命评估模块200包括超声相控阵无损检测硬件设备和寿命评估软件***,对待修复零件进行修复前和修复后的无损检测,分析判定损伤模式;采用寿命评估软件对无损检测结果进行分析计算,获得零件的剩余寿命,为修复方案及修复质量提供判定依据。
扫描反求与路径规划模块300包括三维扫描硬件设备和路径规划软件***;通过三维扫描设备获取待修复零件的三维模型数据,与数据库中完整零件的三维数据模型相比对,获得待修复的缺损三维数据模型;采用路径规划软件对缺损三维数据模型进行数据精减、分层切片、轮廓提取,并根据载能束类别规划增材修复路径、生成减材数控加工代码。优选地,三维扫描设备为手持式/机器人自动式蓝光面结构光三维测量设备或多条纹激光三维测量设备或拍照三维测量设备。
载能束增材修复模块400包括激光、电弧、等离子三种载能束增材修复子***,用于为增材修复工艺的实施提供多种能量源,可以根据工艺需求选择单独或者组合使用,以满足不同修复材料及工艺需求。
运动执行模块500包括平台运动子***、六自由度机器人子***以及执行终端扩展子***,将选定增材修复载能束子***移动至合适位置,并在六自由度机器人子***的作用下进行增材修复,实现复杂工况条件下的修复作业;优选地,运动子***为轮式平台、履带式平台、麦克纳姆轮平台或攀爬式平台。
辅助能场模块600包括电磁、超声等伴随处理子***,用于改善增材成形区微观组织结构,提高修复后零件使役性能。其中,根据工艺需求选择单独或者组合使用;依据生成的加工代码,在六自由度机器人子***的作用下进行增材修复,实现复杂工况条件下的修复作业。
数控加工减材模块700包括五轴数控机床,根据数据库中原始零件三维数字模型对增材修复后的零件进行加工,用以完成零件修复后的尺寸、精度和表面质量的恢复。
中央控制模块800,用于集中控制无损检测与寿命评估模块、扫描反求与路径规划模块、载能束增材修复模块、运动执行模块、辅助能场模块和数控加工减材模块,实现设备及修复过程中人机交互、数据库支持、材料选择、工艺匹配、运动控制和监测反馈的一体化协同控制;包括用于人机交互的显示控制***和安装有修复数据库及扫描、控制、检测等软件的主机***,对人机交互、数据库支持、材料选择、工艺匹配、运动控制和监测反馈进行一体化协同控制;根据修复零件的材质和损伤模式的不同,通过数据库匹配出修复材料、载能束类别、辅助能场类别、修复工艺参数、后加工工艺等个性化的增减材修复方案,并对增减材修复过程实时监测、反馈控制,指导修复工艺。具体地,主机***为PLC主控单元及与之连接的温度、距离等传感器,通过传感器实时监测现场环境参数、机器设备运行状态以及各种工艺参数,并反馈给数据处理模块进行数据的分析计算,将超阈值数据集中上传到PLC主控单元,在PLC主控单元中进行数据综合评判,并发布指令到各功能模块完成闭环控制。中央控制模块数据库包含完整零件的三维数据模型、损伤零件材料成分配比、损伤零件性能参数、增材修复工艺参数、运动执行控制参数、减材加工参数,并通过人机交互的显示控制***实现损伤模型的加载、修复材料参数设置、载能束类别选取、增材修复工艺参数设置、运动执行方案选择、减材加工参数设置等功能。
本发明实施例中,基于移动式、模块化的***架构设计,实现了设备的模块化设计,并把各模块集成安装在移动式方舱内,通过不同模块之间的联动实现金属零件的快速增减材修复。上述各个功能模块涵盖了增减材复合修复完整工艺流程中的所有功能,在实际应用中,可以根据实际应用需求,选择并组合部分功能模块来完成修复,如在仅需要增材修复的情况下,可以仅利用扫描反求与路径规划模块300、载能束增材修复模块400、运动执行模块500和中央控制模块800来进行修复;而在需要增减材复合修复的情况下,可以利用扫描反求与路径规划模块300、载能束增材修复模块400、运动执行模块500、数控加工减材模块700和中央控制模块800来进行修复,如在复杂应用场景下实现智能修复的情况下,可以利用无损检测与寿命评估模块200、扫描反求与路径规划模块300、载能束增材修复模块400、运动执行模块500、辅助能场模块600、数控加工减材模块700和中央控制模块800全部的功能模块来实现。因此,本发明实施例中的移动式模块化多能束多能场增减材复合修复设备,能够适用于各种修复场景,智能化的满足现场修复加工的需求。
下面基于移动式模块化多能束能场增减材复合修复设备,对其具体修复方法结合附图进行详细描述。
参见图2,其示出了本发明实施例中一种采用上述基于移动式模块化多能束能场增减材复合修复设备进行增减材复合修复的方法的流程图。该方法包括以下步骤:
S1、待修复零件装夹定位后,对待修复区域清洗除油、除锈预处理。
S2、通过人机交互控制,由中央控制模块向无损检测与寿命评估模块发出指令,对待修复零件进行修复前的无损检测,分析判定损伤模式;并对无损检测结果进行分析计算,获得待修复零件的剩余寿命,将获取的信息反馈传输至中央控制模块,评价损伤零件的可修复性,并为修复方案的制定提供判定依据。
无损检测及寿命评估的方法具体包括:
S201、采用相控阵扇形扫查方式,利用多个不同角度的声束对试件内部某位置进行多角度检测扫查;获取内部扫查位置的超声数据,之后分析各个角度声束所采集的超声数据;
S202、建立疲劳寿命预测模型,并结合分析各个角度声束所采集的超声数据进行寿命预测。
扫查模式示例如图3所示,超声换能器一次激发多个阵元,形成多个不同角度的声束,电子扫查部件的不同区域并获取超声回波数据。相控阵探头与待检测试件用液体耦合剂直接耦合接触以实现声束的发射与接收。对于某一检测区域,线性相控阵探头在某一特定位置发射和接收具有不同入射角的超声脉冲并收集数据,然后在试件表面沿扫查路径方向移动到后续位置从而实现对某一区域的检测。通过重复上述扫查和数据采集过程,扫查完一个区域后扫查下一个区域,直到覆盖整个试样。在这种扫查模式下,一次扫查就能实现对试件内部某位置的多角度检测,也就是材料内部某一位置可以被不同方向和位置的声束检测到,之后通过分析各个角度声束所采集的超声数据,可以消除由于缺陷的方向性造成的漏检,提升缺陷检出概率,提高后续缺陷定量的准确性。
疲劳寿命预测建模及寿命预测的详细过程如下:
因为超声检测出的缺陷都处于试件内部或表面,属于深埋椭圆型裂纹或表面半椭圆型裂纹,因此针对同一工况下确定结构的传动轴,需分别针对深埋型裂纹和表面型裂纹进行剩余疲劳寿命的预测。
对于深埋型裂纹的应力强度因子ΔK的计算模型如图4所示。
由于裂纹尺寸与试件尺寸相比非常小,所以可将其看成无限大体中的裂纹,无限大体中深埋椭圆裂纹应力强度因子的解为:
式中,
当a/c很小时,上式中的第三项只占5%,略去后可得:
对于表面半椭圆裂纹,其应力强度因子的精确值很难得到,因此为了求解这类问题的近似值,假定表面半椭圆裂纹的KI于深埋椭圆裂纹的KI之比,等于单边裂纹平板的KI与中心裂纹平板的KI之比。当裂纹长度(或深度)与结构宽度相比很小的情况下,表面半椭圆裂纹的KI值约为深埋椭圆裂纹的1.1倍,即:
在对结构的剩余寿命进行预测时,还需确定该结构的断裂准则,其中使用较广的断裂准则有材料的断裂阈值KC和裂纹长度阈值aC。本发明实施例中采用将两种断裂准则结合的方式,即参数达到其中一种断裂准则即判定为结构失效,而此时对应的循环数即为该结构的剩余疲劳寿命。对于裂纹长度阈值aC通常选择该方向结构厚度的10%,而断裂阈值KC则与材料相关。
以传动轴材料为350WT结构钢的动力部件传动轴为例进行说明。以应力比为0.1的恒幅循环载荷试验数据来进行材料的参数拟合。如图5所示,拟合结果为:
图中黑色星标表示的是350WT结构钢的实验数据,黑线代表的是基于材料拟合参数的模型预测曲线,可以看出该模型很好的预测了真实情况下的疲劳裂纹扩展行为。
为预测不同状态下的剩余疲劳寿命,将不同结构在不同工况下的不同裂纹结构分别进行裂纹扩展行为的预测。其中初始椭圆形裂纹长轴长度为无损检测过程中的最小识别单元,即c0=0.001m,短轴长度a为长轴长度c的0.6。材料350WT结构钢的断裂阈值KC为结合静力学仿真对不同结构不同工况下等效应力分布情况的研究,分别对裂纹扩展行为进行预测,如图6、图7、图8、图9所示。
根据双断裂准则可以得到不同结构在巡航和机动工况下的剩余寿命,如表1所示。
表1
可以看出,动力部件传动轴的结构变化会导致在相同载荷状态下剩余寿命存在明显差异,尺寸较大的结构的剩余寿命更长,但是大尺寸结构同样会对舰船的产生较大的负荷,因此传动轴尺寸的具体选择还需要进行综合考虑。无论几何结构如何变化,同一结构下处于机动状态下的剩余寿命远小于巡航状态的剩余寿命。结合静力学仿真和疲劳裂纹扩展行为预测可以看出,对于内部材料致密无缺陷的情况而言,疲劳裂纹常出现于表面,且表面裂纹的扩展速率也略快于深埋裂纹的扩展,因此在舰船某动力部件的维修养护过程中,可以对表面裂纹多采取相关的维护措施。
对于特定结构在某一工况下的剩余寿命,取表面裂纹和深埋裂纹的最短寿命作为最终的剩余寿命,具体结果如表2所示。结合对结构剩余寿命的预测,可以对结构的维修检测提供依据。
表2
综上所述,通过采用有限元法对结构部件进行静力学仿真研究,获取不同工况下的应力分布情况。基于线弹性断裂力学理论,结合结构损伤件材料参数及缺陷定量结果,对特定状态下的结构损伤件构建剩余寿命预测模型,并成功进行了剩余寿命预测。
S3、对于可修复的零件,由中央控制模块向扫描反求与路径规划模块发出指令,扫描反求与路径规划模块中的扫描反求设备扫描待修复零件,获取待修复零件的三维模型数据,将三维模型数据传输至中央控制模块,与其数据库中完整零件的三维数据模型相比对,获得待修复的缺损三维数据模型;将零件缺损三维数据模型传输至扫描反求与路径规划模块中的路径规划软件***,由路径规划软件***对缺损三维数据模型进行数据精减、分层切片、轮廓提取,并根据载能束类别规划增材修复路径,生成减材数控加工代码;将增材修复路径、减材数控加工代码传输至中央控制模块。
中央控制模块中的数据库包含完整零件的三维数据模型、损伤零件材料成分配比、损伤零件性能参数、增材修复工艺参数、运动执行控制参数、减材加工参数,并通过人机交互的显示控制***实现损伤模型的加载、修复材料参数设置、载能束类别选取、增材修复工艺参数设置、运动执行方案选择、减材加工参数设置功能。
多模式复合快速三维测量设备为手持式/机器人自动式蓝光面结构光三维测量设备或多条纹激光三维测量设备或拍照三维测量设备。
在具体实施中,S3具体包括:
S301、采用多模式复合快速三维测量设备获取被测物体的多片点云数据,利用点特征直方图(PFH)法查找两片点云的几何特征点,然后采用尺度不变特征变换(Scale-invariant feature transform,SIFT)算法查找两次拍摄图片的图像特征点,通过对比分析几何特征点和图像特征点来生成配准算法判断因子,根据配准算法判断因子,自适应地选择合适的配准算法;确定配准算法后,对于相应特征点,采用随机抽样一致算法(Randomsample consensus)算法建立特征点的匹配关系;最后对匹配特征点进行奇异值分解(SVD)求取旋转平移矩阵完成拼接。
S302、对测量的多幅点云数据,实现了标志点配准和无标志点配准的点云对齐功能,通过ICP算法(Iterative Closest Point迭代最近点算法)精配准获取高精度的配准结果,实现损伤模型的快速三维重构;对测量的密集点云数据,采用k-means聚类与mean-shift聚类相结合的密集点云数据融合方法,通过对多视密集点云数据的优化处理获得最终的CAD(计算机辅助设计,Computer Aided Design)三维数模,为增材修复成形提供精确的几何参数,为修复零件提供质量检测所需的比对数据。
S303、通过普适性任意空间曲面分层算法,实现现场高适应性分层切片;掌握平行路径、随形路径和中轴路径等多种扫描路径自适应规划方法,适应电弧增材、激光增材等多种增材制造工艺,并输出2种以上修复路径模式。
其中,根据材质、层数、道数、熔覆道高度、宽度等确定合适的热输入工艺规范参数,如熔覆速度、激光功率、电弧电压(电流)、送粉(丝)量等;采用神经网络建模方法获得快速成形过程中熔覆工艺参数与熔覆道成形尺寸间的关系,根据给定的熔覆工艺参数计算堆覆成形尺寸、根据需要的堆覆成形尺寸规划合理熔覆工艺参数。
S4、中央控制模块依据损伤零件材质、损伤零件剩余寿命、零件损伤模式、缺损模型尺寸大小,制定出包括修复材料选择、载能束类别选取、辅助能场选择、增材修复工艺参数设置、运动执行方案选择、减材加工参数设置在内的修复方案,并通过自动方式或人机交互方式确定最终的修复方案。
热源模块包括激光、电弧、等离子三种载能束子***,可以根据工艺需求选择单独或者组合使用。辅助能场模块包括电磁、超声伴随处理子***,可以根据工艺需求选择单独或者组合使用。
S5、中央控制模块根据修复方案,分别向运动执行模块、载能束增材修复模块、辅助能场模块和数控加工减材模块发送执行指令;运动执行模块将选定的载能束子***移动至距待修复零件执行模块可达范围之内;执行所生成的增材修复路径规划代码,结合辅助能场模块,进行增材修复,并根据实时监测数据,反馈至中央控制模块,进行修正。
运动执行模块包括平台运动子***、六自由度机器人子***以及执行终端扩展子***。运动子***为轮式平台、履带式平台、麦克纳姆轮平台或攀爬式平台。运动子***用于将选定的增材修复子***移动至合适位置。
S6、当增材修复零件尺寸满足零件加工余量要求后,由数控加工减材模块执行减材加工代码,对损伤零件进行减材加工,恢复零件尺寸精度和表面质量。
通过五轴数控机床,根据数据库中原始零件三维数字模型对增材修复后的零件进行加工,对完成修复后的零件进行尺寸恢复。
S7、中央控制模块向无损检测与寿命评估模块发出指令,对修复后零件进行无损检测,评价损伤零件修复质量;对无损检测结果进行分析计算,获得零件修复后的剩余寿命,将获取的信息反馈传输至中央控制模块,用于综合评价损伤零件修复质量。
S8、完成修复,清理各个模块,装回移动式方舱进行保存。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种移动式模块化多能束能场增减材复合修复设备,其特征在于,所述设备以移动式方舱为载体,包括用于实现金属零件增减材复合修复完整工艺流程的多个功能模块;所述功能模块包括:
用于对待修复零件进行无损检测及寿命评估,实现待修复零件的可修复性评价的无损检测与寿命评估模块;
用于在可修复性评价的基础上,完成对待修复零件损伤区域三维扫描、数据建模、增材修复路径规划以及减材数控加工代码生成的扫描反求与路径规划模块;
用于为增材修复工艺的实施提供多种能量源的载能束增材修复模块;
用于实施待修复零件损伤区域增材修复成形的运动执行模块;
用于提供多种能场辅助的辅助能场模块;
用于对零件修复后的尺寸、精度和表面质量进行恢复的数控加工减材模块;
用于集中控制无损检测与寿命评估模块、扫描反求与路径规划模块、载能束增材修复模块、运动执行模块、辅助能场模块和数控加工减材模块的中央控制模块,实现设备及修复过程中人机交互、数据库支持、材料选择、工艺匹配、运动控制和监测反馈的一体化协同控制。
2.根据权利要求1所述的移动式模块化多能束能场增减材复合修复设备,其特征在于,所述运动执行模块为轮式平台、履带式平台、麦克纳姆轮平台或攀爬式平台。
3.根据权利要求1所述的移动式模块化多能束能场增减材复合修复设备,其特征在于,所述载能束增材修复模块包括激光、电弧、等离子三种载能束子***;所述辅助能场模块包括电磁、超声伴随处理子***。
4.根据权利要求1所述的移动式模块化多能束能场增减材复合修复设备,其特征在于,扫描反求与路径规划模块包括三维扫描硬件设备和路径规划软件***;通过三维扫描设备获取待修复零件的三维模型数据,与数据库中完整零件的三维数据模型相比对,获得待修复的缺损三维数据模型;采用路径规划软件对缺损三维数据模型进行数据精减、分层切片、轮廓提取,并根据载能束类别规划增材修复路径、生成减材数控加工代码。
5.根据权利要求4所述的移动式模块化多能束能场增减材复合修复设备,其特征在于,所述三维扫描设备为手持式/机器人自动式蓝光面结构光三维测量设备或多条纹激光三维测量设备或拍照三维测量设备。
6.根据权利要求1所述的移动式模块化多能束能场增减材复合修复设备,其特征在于,所述中央控制模块中的数据库包含完整零件的三维数据模型、损伤零件材料成分配比、损伤零件性能参数、增材修复工艺参数、运动执行控制参数、减材加工参数,并通过人机交互的显示控制***实现损伤模型的加载、修复材料参数设置、载能束类别选取、增材修复工艺参数设置、运动执行方案选择、减材加工参数设置功能。
7.根据权利要求1所述的移动式模块化多能束能场增减材复合修复设备,其特征在于,所述主机***为PLC主控单元及与之连接的温度、距离传感器,通过传感器实时监测现场环境参数、机器设备运行状态以及各种工艺参数,并反馈给数据处理模块进行数据的分析计算,将超阈值数据集中上传到PLC主控单元,在PLC主控单元中进行数据综合评判,并发布指令到各功能模块完成闭环控制。
8.一种利用如权利要求1~7任一项所述的移动式模块化多能束能场增减材复合修复设备进行增减材复合修复的方法,其特征在于,所述方法包括:
待修复零件装夹定位后,对待修复区域清洗除油、除锈预处理;
通过人机交互控制,由中央控制模块向无损检测与寿命评估模块发出指令,对待修复零件进行修复前的无损检测,分析判定损伤模式;并对无损检测结果进行分析计算,获得待修复零件的剩余寿命,将获取的信息反馈传输至中央控制模块,评价损伤零件的可修复性,并为修复方案的制定提供判定依据;
对于可修复的零件,由中央控制模块向扫描反求与路径规划模块发出指令,扫描反求与路径规划模块中的扫描反求设备扫描待修复零件,获取待修复零件的三维模型数据,将三维模型数据传输至中央控制模块,与其数据库中完整零件的三维数据模型相比对,获得待修复的缺损三维数据模型;将零件缺损三维数据模型传输至扫描反求与路径规划模块中的路径规划软件***,由路径规划软件***对缺损三维数据模型进行数据精减、分层切片、轮廓提取,并根据载能束类别规划增材修复路径,生成减材数控加工代码;将增材修复路径、减材数控加工代码传输至中央控制模块;
中央控制模块依据损伤零件材质、损伤零件剩余寿命、零件损伤模式、缺损模型尺寸大小,制定出包括修复材料选择、载能束类别选取、辅助能场选择、增材修复工艺参数设置、运动执行方案选择、减材加工参数设置在内的修复方案,并通过自动方式或人机交互方式确定最终的修复方案;
中央控制模块根据修复方案,分别向运动执行模块、载能束增材修复模块、辅助能场模块和数控加工减材模块发送执行指令;运动执行模块将选定的载能束子***移动至距待修复零件执行模块可达范围之内;执行所生成的增材修复路径规划代码,结合辅助能场模块,进行增材修复,并根据实时监测数据,反馈至中央控制模块,进行修正;
当增材修复零件尺寸满足零件加工余量要求后,由数控加工减材模块执行减材加工代码,对损伤零件进行减材加工,恢复零件尺寸精度和表面质量;
中央控制模块向无损检测与寿命评估模块发出指令,对修复后零件进行无损检测,评价损伤零件修复质量;对无损检测结果进行分析计算,获得零件修复后的剩余寿命,将获取的信息反馈传输至中央控制模块,用于综合评价损伤零件修复质量;
完成修复,清理各个模块,装回移动式方舱。
9.根据权利要求8所述的增减材复合修复方法,其特征在于,获取待修复零件的三维模型数据,包括:
获取待修复零件的多片点云数据,利用点特征直方图法查找两片点云的几何特征点,然后采用尺度不变特征变换算法查找两次拍摄图片的图像特征点,通过对比分析几何特征点和图像特征点来生成配准算法判断因子,根据配准算法判断因子,自适应地选择合适的配准算法;确定配准算法后,对于相应特征点,采用随机抽样一致算法建立特征点的匹配关系;最后对匹配特征点进行奇异值分解求取旋转平移矩阵完成拼接;
对测量的多幅点云数据,实现标志点配准和无标志点配准的点云对齐功能,通过迭代最近点算法精配准获取高精度的配准结果,实现待修复零件的快速三维重构;对测量的密集点云数据,采用k-means聚类与mean-shift聚类相结合的密集点云数据融合方法,通过对多视密集点云数据的优化处理获得最终的计算机辅助技术三维数模。
10.根据权利要求8所述的增减材复合修复方法,其特征在于,对待修复零件进行修复前的无损检测,分析判定损伤模式;并对无损检测结果进行分析计算,获得零件的剩余寿命,包括:
采用相控阵扇形扫查方式,利用多个不同角度的声束对待修复零件内部预定位置进行多角度检测扫查;获取内部扫查位置的超声数据,之后分析各个角度声束所采集的超声数据;
建立疲劳寿命预测模型,并结合分析各个角度声束所采集的超声数据进行寿命预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110470329.4A CN113204214B (zh) | 2021-04-28 | 2021-04-28 | 移动式模块化多能束能场增减材复合修复设备及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110470329.4A CN113204214B (zh) | 2021-04-28 | 2021-04-28 | 移动式模块化多能束能场增减材复合修复设备及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113204214A true CN113204214A (zh) | 2021-08-03 |
CN113204214B CN113204214B (zh) | 2024-04-09 |
Family
ID=77029459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110470329.4A Active CN113204214B (zh) | 2021-04-28 | 2021-04-28 | 移动式模块化多能束能场增减材复合修复设备及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113204214B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113829980A (zh) * | 2021-10-19 | 2021-12-24 | 中国人民解放军32181部队 | 高机动性增材保障车及零件增材修复方法 |
CN114473208A (zh) * | 2021-12-20 | 2022-05-13 | 南京航空航天大学 | 一种基于数据链共享与智能知识库的激光一体化修复*** |
CN117123891A (zh) * | 2023-10-24 | 2023-11-28 | 北京航科精机科技有限公司 | 一种基于机械臂智能控制的零部件增减材修复方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392426A (zh) * | 2014-10-23 | 2015-03-04 | 华中科技大学 | 一种自适应的无标志点三维点云自动拼接方法 |
CN105046746A (zh) * | 2015-08-05 | 2015-11-11 | 西安新拓三维光测科技有限公司 | 一种数字散斑人体三维快速扫描方法 |
CN105499904A (zh) * | 2016-01-04 | 2016-04-20 | 湘潭大学 | 一种基于增减材制造的零件修复装置及其使用方法 |
CN109177161A (zh) * | 2018-08-13 | 2019-01-11 | 北京航空航天大学 | 一种基于连续纤维增强的空间多自由度增材制造设备 |
CN109202378A (zh) * | 2018-08-30 | 2019-01-15 | 大连交通大学 | 一种金属零部件的增减复合智能修复方法 |
CN109803776A (zh) * | 2016-10-13 | 2019-05-24 | Addup公司 | 安全的移动式增材制造设备 |
CN109968040A (zh) * | 2019-04-18 | 2019-07-05 | 江南大学 | 一种增减材复合制造设备 |
CN110052713A (zh) * | 2019-03-22 | 2019-07-26 | 江南大学 | 零件增减材复合制造工艺 |
CN110080049A (zh) * | 2019-04-04 | 2019-08-02 | 华中科技大学 | 结合激光熔覆-机加工进行增减材修复钢轨的装置及方法 |
CN110576183A (zh) * | 2018-06-08 | 2019-12-17 | 中国科学院沈阳自动化研究所 | 一种面向大型模具维修和制造的激光增减材复合制造设备 |
US20200130267A1 (en) * | 2018-12-29 | 2020-04-30 | Huazhong University Of Science And Technology | Method for controlling deformation and precision of parts in parallel during additive manufacturing process |
CN111168068A (zh) * | 2020-02-13 | 2020-05-19 | 南方科技大学 | 增减等材加工装置和控制方法 |
US20200262005A1 (en) * | 2019-02-19 | 2020-08-20 | Illinois Tool Works Inc. | Path planning systems and methods for additive manufacturing |
CN112705955A (zh) * | 2021-01-12 | 2021-04-27 | 广州市艾威航空科技有限公司 | 一种用于移动增减材复合制造的方舱装置 |
-
2021
- 2021-04-28 CN CN202110470329.4A patent/CN113204214B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392426A (zh) * | 2014-10-23 | 2015-03-04 | 华中科技大学 | 一种自适应的无标志点三维点云自动拼接方法 |
CN105046746A (zh) * | 2015-08-05 | 2015-11-11 | 西安新拓三维光测科技有限公司 | 一种数字散斑人体三维快速扫描方法 |
CN105499904A (zh) * | 2016-01-04 | 2016-04-20 | 湘潭大学 | 一种基于增减材制造的零件修复装置及其使用方法 |
CN109803776A (zh) * | 2016-10-13 | 2019-05-24 | Addup公司 | 安全的移动式增材制造设备 |
CN110576183A (zh) * | 2018-06-08 | 2019-12-17 | 中国科学院沈阳自动化研究所 | 一种面向大型模具维修和制造的激光增减材复合制造设备 |
CN109177161A (zh) * | 2018-08-13 | 2019-01-11 | 北京航空航天大学 | 一种基于连续纤维增强的空间多自由度增材制造设备 |
CN109202378A (zh) * | 2018-08-30 | 2019-01-15 | 大连交通大学 | 一种金属零部件的增减复合智能修复方法 |
US20200130267A1 (en) * | 2018-12-29 | 2020-04-30 | Huazhong University Of Science And Technology | Method for controlling deformation and precision of parts in parallel during additive manufacturing process |
US20200262005A1 (en) * | 2019-02-19 | 2020-08-20 | Illinois Tool Works Inc. | Path planning systems and methods for additive manufacturing |
CN110052713A (zh) * | 2019-03-22 | 2019-07-26 | 江南大学 | 零件增减材复合制造工艺 |
CN110080049A (zh) * | 2019-04-04 | 2019-08-02 | 华中科技大学 | 结合激光熔覆-机加工进行增减材修复钢轨的装置及方法 |
CN109968040A (zh) * | 2019-04-18 | 2019-07-05 | 江南大学 | 一种增减材复合制造设备 |
CN111168068A (zh) * | 2020-02-13 | 2020-05-19 | 南方科技大学 | 增减等材加工装置和控制方法 |
CN112705955A (zh) * | 2021-01-12 | 2021-04-27 | 广州市艾威航空科技有限公司 | 一种用于移动增减材复合制造的方舱装置 |
Non-Patent Citations (5)
Title |
---|
吴卓;钟元元;: "基于逆向工程的破损零件修复模型的建立", 机械制造, no. 05, 20 May 2016 (2016-05-20) * |
姚?赫;姚建华;向巧;: "激光再制造技术与应用发展研究", 中国工程科学, no. 03, pages 66 * |
姚喆赫等: "激光再制造技术与应用发展研究", 《中国工程科学》 * |
姚喆赫等: "激光再制造技术与应用发展研究", 《中国工程科学》, no. 03, 15 June 2020 (2020-06-15), pages 66 * |
袁婷婷;方辉;张笑语;邹来胜;陈奕成;: "桌面型增减材复合数控机床结构设计与分析", 机械制造, no. 10, 20 October 2017 (2017-10-20) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113829980A (zh) * | 2021-10-19 | 2021-12-24 | 中国人民解放军32181部队 | 高机动性增材保障车及零件增材修复方法 |
CN114473208A (zh) * | 2021-12-20 | 2022-05-13 | 南京航空航天大学 | 一种基于数据链共享与智能知识库的激光一体化修复*** |
CN117123891A (zh) * | 2023-10-24 | 2023-11-28 | 北京航科精机科技有限公司 | 一种基于机械臂智能控制的零部件增减材修复方法及装置 |
CN117123891B (zh) * | 2023-10-24 | 2024-01-12 | 北京航科精机科技有限公司 | 一种基于机械臂智能控制的零部件增减材修复方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113204214B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113204214B (zh) | 移动式模块化多能束能场增减材复合修复设备及方法 | |
Amini et al. | Machine learning process evaluating damage classification of composites | |
Wärmefjord et al. | Inspection data to support a digital twin for geometry assurance | |
Mineo et al. | Robotic path planning for non-destructive testing–A custom MATLAB toolbox approach | |
Gonzalo et al. | A method to minimize the workpiece deformation using a concept of intelligent fixture | |
Mu et al. | Toward a smart wire arc additive manufacturing system: A review on current developments and a framework of digital twin | |
US20160195390A1 (en) | Inspecting components using mobile robotic inspection systems | |
CN103323526A (zh) | 一种基于超声相控阵和支持向量机的焊缝缺陷检测识别方法 | |
US12023860B2 (en) | In-situ monitoring system assisted material and parameter development for additive manufacturing | |
CN116224930B (zh) | 一种数控磨床产品的加工控制方法及*** | |
D’Emilia et al. | The role of measurement and simulation in additive manufacturing within the frame of Industry 4.0 | |
Tang et al. | An online surface defects detection system for AWAM based on deep learning | |
Liu et al. | Coverage path planning for robotic quality inspection with control on measurement uncertainty | |
Chen et al. | A framework of measurement assisted assembly for wing-fuselage alignment based on key measurement characteristics | |
Papavasileiou et al. | Quality control in manufacturing–review and challenges on robotic applications | |
Gilmour et al. | Robotic positioning for quality assurance of feature-sparse components using a depth-sensing camera | |
Hartmann et al. | Optimisation of the calibration process of a k-tls based multi-sensor-system by genetic algorithms | |
EP4016073A1 (en) | Structural inconsistency detection using distance data | |
Schmidt et al. | Automation in production integrated NDT using thermography | |
Cooper et al. | Development of a fast inspection system for aerospace composite materials-the IntACom project | |
Hultman et al. | Towards a digital twin setup for individualized production of fabricated components | |
Yang et al. | A kinematic calibration method of a 3-DOF secondary mirror of the giant magellan telescope based on least square algorithm | |
Wiciak-Pikuła et al. | Surface roughness and forces prediction of milling Inconel 718 with neural network | |
Chen et al. | A Point Cloud‐Based Feature Recognition and Path Planning Method | |
Sikstrom et al. | 3D-scanning for weld distortion measuring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |