CN116786948A - 一种搭接接头焊接工艺参数调节方法及*** - Google Patents
一种搭接接头焊接工艺参数调节方法及*** Download PDFInfo
- Publication number
- CN116786948A CN116786948A CN202310768464.6A CN202310768464A CN116786948A CN 116786948 A CN116786948 A CN 116786948A CN 202310768464 A CN202310768464 A CN 202310768464A CN 116786948 A CN116786948 A CN 116786948A
- Authority
- CN
- China
- Prior art keywords
- welding
- robot
- welding process
- line
- weld
- 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.)
- Pending
Links
- 238000003466 welding Methods 0.000 title claims abstract description 369
- 238000000034 method Methods 0.000 title claims abstract description 165
- 230000008569 process Effects 0.000 title claims abstract description 124
- 238000005070 sampling Methods 0.000 claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000003062 neural network model Methods 0.000 claims abstract description 26
- 230000033001 locomotion Effects 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 11
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 5
- 210000002569 neuron Anatomy 0.000 claims description 48
- 239000011159 matrix material Substances 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 10
- 230000035515 penetration Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims 2
- 230000001276 controlling effect Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 7
- 238000012937 correction Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract description 4
- 239000011324 bead Substances 0.000 description 7
- 210000001503 joint Anatomy 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 229910000838 Al alloy Inorganic materials 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 229910000975 Carbon steel Inorganic materials 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000010962 carbon steel Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
Abstract
本发明公开了一种搭接接头焊接工艺参数调节方法及***，涉及焊接技术领域，包括如下步骤：确定焊接过程中机器人运动时的特征位置，并记录特征位置；对激光线与焊缝直线之间夹角的垂直矫正；搭建并训练控制模型，该控制模型为神经网络模型；按照预定的控制流程，实现焊接过程中焊接工艺参数的实时调节。本发明建立以机器人控制器为核心的焊接工艺参数实时调节***，基于机器人***架构语言对机器人控制器进行二次开发，实现机器人移动、焊接程序和间隙采样及焊接工艺参数计算程序多个程序并行运行，通过对激光线与焊缝直线的垂直矫正，保证激光线与焊缝垂直，降低检测误差，从而获得理想的焊接接头，确保焊缝成形的一致性，降低孔洞和烧穿缺陷。
Description
技术领域
本发明涉及焊接技术领域，尤其涉及一种搭接接头焊接工艺参数调节方法及***。
背景技术
焊接中，由于焊件的厚度、结构及使用条件的不同，其接头型式及坡口形式也不同。焊接接头型式有：对接接头、T形接头、角接接头及搭接接头等，搭接接头为两件部分重叠构成的接头。
针对碳钢对接接头焊缝间隙渐变的装配情况，顾帆在《基于激光传感的机器人MAG焊变间隙自适应规划方法》中提出采用激光视觉传感器获取坡口的图像，提取了间隙的信息，通过调节焊枪姿态实现间隙渐变焊道的多层多道焊；但是对于每一条焊道焊枪姿态及焊接工艺参数保持固定不变。
针对铝合金对接接头，樊重建在《变间隙铝合金脉冲GTAW熔池视觉特征获取及其智能控制研究》中提出采用熔池图像传感的方法，设计了间隙前馈变参数的PID控制器，对熔池的背面熔宽和正面余高进行了控制；但是该控制***复杂，采用工控机作为控制器。
严敏之《基于焊缝三维建模的工艺参数自适应控制及自主编程焊接》采用BP神经网络算法对于搭接间隙和焊接电流、焊接电压之间的对应关系进行了建模，对0～2.1mm的搭接间隙MAG焊接工艺参数的进行了预测，但是没有建立完整的控制***。
因此，本领域的技术人员致力于开发一种搭接接头焊接工艺参数调节方法及***。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是焊接过程中无法实时调节焊接工艺参数，导致当间隙波动时，焊缝产生孔洞、烧穿等缺陷。
为实现上述目的，本发明提供了一种搭接接头焊接工艺参数调节方法其特征在于，所述方法包括如下步骤：
S101：确定焊接过程中机器人运动时的特征位置，并记录所述特征位置；
S103：对激光线与焊缝直线之间夹角的垂直矫正；
S105：搭建并训练控制模型，所述控制模型为神经网络模型；
S107：按照预定的控制流程，实现焊接过程中所述焊接工艺参数的实时调节。
进一步地，在所述步骤S101中，所述特征位置包括采样起始点、焊缝起点、焊接工艺参数变更点、采样结束点和焊缝终点，其中，
所述采样起始点，激光线与所述焊接起点重合；
所述焊缝起点，启动焊机起弧开始焊接；
所述焊接工艺参数变更点，在所述焊缝直线上，从所述焊缝起点开始，间隔固定焊缝长度设置，Pi(x)＝P1(X)*(1+i*ΔL)；
所述采样结束点，所述激光线与焊接终点重合；
所述焊缝终点，结束焊接，关闭焊接电弧；
其中，Pi(x)为焊接工艺参数变更点在X轴的位置，P1(x)为焊缝起点在X轴的位置，ΔL为焊缝长度变化量，i为变量。
进一步地，所述步骤S103包括如下子步骤：
S1031：标定初始激光线斜率、激光传感器与焊枪的间距：将所述焊枪移到所述焊缝起点，打开所述激光传感器输出激光，记录所述初始激光线斜率k1及所述激光线与所述焊枪的间距d；
S1032：计算所述激光线与焊枪焊丝尖点的位置关系，具体如下：
Plaser(x)＝Ptcp(x)+d
其中，Plaser(x)为激光线在X轴的位置，Ptcp(x)为焊枪焊丝尖点在x轴的位置，d为激光线与所述焊枪的间距；
S1033：调整所述激光线与所述焊缝直线的夹角为90°，并更新所述焊枪沿X轴的回转角度。
进一步地，在所述步骤S1033步骤中，所述焊枪沿X轴的回转角度采用如下方法计算：
其中，w′为焊枪沿X轴的回转角度，k1为初始激光线斜率，k2为焊缝直线斜率，k2＝(y2-y1)/(x2-x1)，(x1，y1)为焊缝起点位置坐标，(x2，y2)为焊缝终点位置。
进一步地，在所述步骤S105中，所述控制模型为所述搭接接头焊接工艺参数的自动调节控制模型，包括输入参数、控制系数和输出参数，其中，所述输入参数为调控目标，所述调控目标包括焊缝宽度、焊缝高度、焊缝熔深和搭接间隙，所述控制系数包括神经元权重与神经元偏置，所述输出参数为焊接工艺参数的控制量，所述控制量包括焊接电流、焊接速度和焊枪摆幅。
进一步地，将训练好的所述控制模型的相关参数依次输入，通过计算，得到输出参数，所述输出参数包括所述焊接工艺参数的取值，具体为：
y_data[l，1]＝W2[l，k]×hid_data[k，1]+theta2[l，1]
其中，y_data为输出层参数矩阵，W2[l，k]为中间层神经元节点的权重系数矩阵，阶数为l*k，hid_data为隐含层参数矩阵，
其中，theta2[l,1]为中间层神经元节点的偏置系数矩阵，阶数为l*1，W1[k,j]为输入层神经元节点的权重系数矩阵，阶数为k*j，in_date为输入层参数矩阵，阶数为j*1，theta1[k,1]为输入层神经元节点的偏置系数矩阵，阶数为k*1，j为输入层神经元个数，k为隐含层神经元个数，l为输出层神经元个数。
进一步地，在搭建所述神经网络模型时，包括如下步骤：
S1051：根据焊接指标设计焊接工艺试验，建立焊接工艺参数与焊缝成形的数据库，所述焊接指标包括搭接间隙、焊缝宽度和焊缝熔深；
S1052：根据所述数据库，确定所述神经网络模型的输入层参数及输出层参数；
S1053：在工控机中建立神经网络模型并进行训练，当模型收敛后，提取神经元权重与神经元偏置。
进一步地，在所述步骤S107中，所述控制流程包括主流程和计算流程，所述主流程包括机器人移动及焊接过程，所述计算流程包括间隙采样和焊接工艺参数计算，通过对机器人控制器中各寄存器的访问及运算，实现焊接过程焊接工艺参数的实时调节，所述实时调节为每间隔固定焊缝长度调节一次所述焊接工艺参数。
进一步地，所述主流程和计算流程配合实现所述搭接接头焊接工艺参数调节，具体包括如下步骤：
S1071：***调用所述主流程，所述机器人位于作业原点；
S1072：所述机器人开始运动，当所述机器人到达所述采样起始点时，开启所述激光传感器，并启动所述计算流程，所述主流程和所述计算流程并行运行；
S1073：所述机器人继续移动，当所述机器人到达所述焊缝起点，启动焊接电源，开始焊接，所述焊接工艺参数从所述计算流程获取；
S1074：当所述机器人到达所述焊接工艺参数变更点时，更新所述焊接工艺参数；
S1075：当所述机器人到达所述采样结束点时，关闭所述激光传感器；
S1076：当所述机器人到达所述焊缝终点时，熄灭电弧，关闭焊接电源。
另一方面，本发明还提供了一种搭接接头焊接工艺参数调节***，其特征在于，所述***使用本发明提供的搭接接头焊接工艺参数调节方法，所述***包括机器人、激光传感器、焊接电源和工控机，其中，
所述机器人，包括机器人控制器和机器人本体，是焊接***的运动执行机构，负责实现焊接速度的调节，所述机器人本体上安装有所述激光传感器和焊枪；
所述激光传感器，实现搭接间隙的采样，安装在所述机器人本体上，所述激光传感器将采样的信号发送给所述机器人控制器，所述激光传感器输出激光线；
所述焊接电源，提供焊接时的焊接电流和焊接电压，所述焊接电源的输出值由所述机器人控制器控制；
所述工控机，完成神经网络模型的搭建和训练。
在本发明的较佳实施方式中，相对于现有技术，本发明具有如下有益效果：
1、本发明基于机器人***架构语言对机器人控制器进行二次开发，实现机器人移动、焊接程序和间隙采样及焊接工艺参数计算程序等多个程序的并行运行，保证获得理想的焊接接头，确保焊缝成形的一致性，降低孔洞，烧穿缺陷；
2、本发明对激光线与焊缝直线进行垂直矫正，通过计算激光线与焊缝直线的夹角后，调节焊枪回转角度，从而保证激光线与焊道方向的夹角始终保持90°，保证激光线与焊缝是垂直的，降低了检测误差。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的搭接接头焊接工艺参数调节方法流程示意图；
图2是本发明的一个较佳实施例的搭接接头示意图；
图3是本发明的一个较佳实施例的激光线与焊道方向矢量垂直矫正示意图；
图4是本发明的一个较佳实施例的控制流程图；
图5是本发明的一个较佳实施例的机器人焊接过程运动示意图；
图6是本发明的一个较佳实施例的搭接接头焊接工艺参数调节***组成示意图。
其中，1-机器人，11-机器人本体，12-机器人控制器，2-激光传感器，3-焊接电源，31-焊枪。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。
如图1所示，本发明实施例提供的一种搭接接头焊接工艺参数调节方法，包括如下步骤：
S101：确定焊接过程中机器人运动时的特征位置，并记录该特征位置。
上述特征位置包括采样起始点、焊缝起点、焊接工艺参数变更点、采样结束点和焊缝终点，其中，在采样起始点，激光线与所述焊接起点重合，在焊缝起点，控制焊机起弧开始焊接；焊接工艺参数变更点在焊缝直线上，从焊缝起点开始，间隔固定焊缝长度设置，在焊接工艺参数变更点位置，对焊接工艺参数进行调整，以便获得更好的焊接质量，采样结束点为激光线与焊接终点重合，焊缝终点时结束焊接，关闭焊接电弧，其中，焊接工艺参数变更点采用如下计算公式：
Pi(x)＝P1(x)*(1+i*ΔL)
Pi(x)为焊接工艺参数变更点在X轴的位置，P1(x)为焊缝起点在X轴的位置，ΔL为焊缝长度变化量，i为变量。
如图5所示，机器人焊接过程运动的特征位置，其中，
Po-机器人作业原点；
P0-采样起始点，激光线与焊接起点重合；
P1-焊缝起点，控制焊机，焊接起弧；
Pi-焊接工艺参数变更点，在焊缝直线上，从焊缝起点开始，间隔固定焊缝长度；
P3-采样结束点，激光线与焊接终点重合；
P2-焊缝终点，关闭焊接电弧。
S103：对激光线与焊缝直线之间夹角的垂直矫正。
如图2、3所示，激光线与焊缝直线之间的垂直矫正包括如下子步骤：
S1031：标定初始激光线斜率、激光传感器与焊枪的间距：将焊枪移到所述焊缝起点，打开激光传感器输出激光，记录初始激光线斜率k1和激光线与焊枪的间距d；
S1032：计算激光线与焊枪焊丝尖点的位置关系，具体如下：
Plaser(x)＝Ptcp(x)+d
其中，Plaser(x)为激光线在X轴的位置，Ptcp(x)为焊枪焊丝尖点在X轴的位置，d为激光线与所述焊枪的间距；
S1033：调整激光线与焊缝直线的夹角为90°，并更新所述焊枪沿X轴的回转角度。
上述焊枪沿X轴的回转角度，采用如下方法计算：
其中，w′为焊枪沿X轴的回转角度，k1为初始激光线斜率，k2为焊缝直线斜率，k2＝(y2-y1)/(x2-x1)，(x1，y1)为焊缝起点位置坐标，(x2，y2)为焊缝终点位置。
S105：搭建并训练控制模型，所述控制模型为神经网络模型。
上述控制模型为搭接接头焊接工艺参数的自动调节控制模型，包括输入参数、控制系数和输出参数，其中，输入参数为调控目标，调控目标包括焊缝宽度、焊缝高度、焊缝熔深和搭接间隙等参数，控制系数包括神经元权重与神经元偏置等参数，输出参数为焊接工艺参数的控制量，包括焊接电流、焊接速度和焊枪摆幅等参数。
在搭建训练好神经网络模型后，将训练好的控制模型的相关参数依次输入，通过计算，得到输出参数，该输出参数包括焊接工艺参数的取值，具体为：
y_data[l，1]＝W2[l，k]×hid_data[k，1]+theta2[l，1]
其中，y_data为输出层参数矩阵，W2[l，k]为中间层神经元节点的权重系数矩阵，阶数为l*k，hid_data为隐含层参数矩阵，
其中，theta2[l，1]为中间层神经元节点的偏置系数矩阵，阶数为l*1，W1[k，j]为输入层神经元节点的权重系数矩阵，阶数为k*j，in_date为输入层参数矩阵，阶数为j*1，theta1[k，1]为输入层神经元节点的偏置系数矩阵，阶数为k*1，j为输入层神经元个数，k为隐含层神经元个数，l为输出层神经元个数。
在搭建上述神经网络模型时，包括如下步骤：
S1051：根据焊接指标设计焊接工艺试验，建立焊接工艺参数与焊缝成形的数据库，该焊接指标包括搭接间隙、焊缝宽度和焊缝熔深等参数；
S1052：根据数据库，确定神经网络模型的输入层参数及输出层参数；
S1053：在工控机中建立神经网络模型并进行训练，当模型收敛后，提取神经元权重与神经元偏置参数。
S107：按照预定的控制流程，实现焊接过程中所述焊接工艺参数的实时调节。
如图4所示，上述控制流程包括主流程和计算流程，主流程包括机器人移动及焊接过程，计算流程包括间隙采样和焊接工艺参数计算，通过对机器人控制器中各寄存器的访问及运算，实现焊接过程焊接工艺参数的实时调节，每间隔固定焊缝长度调节一次焊接工艺参数。
通过主流程和计算流程的配合，实现搭接接头焊接工艺参数调节，具体包括如下步骤：
S1071：***调用主流程，机器人位于作业原点；
S1072：机器人开始运动，当机器人到达采样起始点时，开启激光传感器，并启动计算流程，流程和计算流程并行运行；
S1073：机器人继续移动，当机器人到达焊缝起点，启动焊接电源，开始焊接，焊接工艺参数从计算流程获取；
S1074：当机器人到达焊接工艺参数变更点时，更新焊接工艺参数；
S1075：当机器人到达采样结束点时，关闭激光传感器；
S1076：当机器人到达焊缝终点时，熄灭电弧，关闭焊接电源。
如图6、2所示，本发明实施例还提供了一种搭接接头焊接工艺参数调节***，该***使用搭接接头焊接工艺参数调节方法，包括机器人、激光传感器、焊接电源和工控机，其中，机器人包括机器人控制器和机器人本体，是焊接***的运动执行机构，负责实现焊接速度的调节，机器人本体上安装有激光传感器和焊枪；激光传感器，实现搭接间隙的采样，安装在机器人本体上，激光传感器将采样的信号发送给机器人控制器，激光传感器输出激光线；焊接电源，提供焊接时的焊接电流和焊接电压，焊接电源的输出值由机器人控制器控制；工控机完成神经网络模型的搭建和训练。
本发明优选实施例提供的一种搭接接头焊接工艺参数调节方法及***，针对现有技术在焊接过程中无法实时调节焊接工艺参数，从而导致当间隙波动时，焊缝产生孔洞、烧穿等缺陷，建立以机器人控制器为核心的焊接工艺参数实时调节***，基于机器人***架构语言对机器人控制器进行二次开发，实现机器人移动、焊接程序和间隙采样及焊接工艺参数计算程序等多个程序的并行运行，基于机器人***架构语言对机器人控制器进行二次编程开发，多个程序采用并行多线程方式运行，保证获得理想的焊接接头，确保焊缝成形的一致性，降低孔洞和烧穿缺陷。
优选地，当激光线与焊缝直线不垂直时，测量得到的搭接间隙误差大，与实际间隙不匹配，需要提高检测精度，本发明通过激光线与焊缝直线垂直矫正，计算激光线与焊缝直线的夹角后，调节焊枪回转角度，从而保证激光线与焊道方向的夹角始终保持90°，保证激光线与焊缝是垂直的，降低了检测误差。
针对目前采用神经网络控制的***大多需要借助工控机等来实现，***复杂、移植性差等问题，本发明将复杂的神经网络计算算法嵌入式移植到机器人控制器中执行，将训练后得到的神经网络模型中各神经元节点的权重与偏置存入机器人控制器中，依据矩阵计算求解输出层的结果，控制***结构得到简化，基于机器人控制器中二次开发即可实现；
针对激光线位置与焊枪TCP位置存在固有偏差，如何确保间隙的采样位置及焊接工艺参数的对应，现有技术中尚未见有很好的解决方案，本发明针对激光线位于焊枪的前方的事实，通过先获取到间隙，待焊枪TCP移动到对应位置后再刷新焊接工艺参数，从而保证输出的焊接工艺参数与对应位置的间隙值相匹配，标定激光线与焊枪TCP的位置偏差，计入对应的寄存器，通过实时读取机器人的位置***变量，计算激光线的位置及焊枪TCP的实时位置，控制更加准确，确保间隙与焊接工艺参数的匹配，控制效果更优。
下面结合本发明的优选实施例，对本发明进行详细说明。
其中，1-机器人，11-机器人本体，12-机器人控制器，2-激光传感器，3-焊接电源，31-焊枪。
实施例1
本发明优选实施例提供的一种搭接接头焊接工艺参数调节方法包括工作步骤：
步骤1：将各个部件连接好，确定机器人1运动时特征位置。
具体方法如下：
根据焊缝的位置分别确定焊缝起点P1、采样起始点P0、采样结束点P3和焊缝终点P2，并计算焊接工艺参数变更点Pi。
其中各点的具体定义及特征如下：
P0-采样起始点，激光线与焊接起点重合。
由于激光传感器2的安装位置位于焊枪31的前方，打开激光传感器2，操作机器人1移动，当激光线的位置与焊缝起点重合，此时该点的位置即为采样起始点位置，记录为P0。在机器人控制器12中设置采样起点位置寄存器PR0，PR0用于保存采样起始点P0的坐标。
P1-焊缝起点，控制焊机，起弧开始焊接。
Pi-焊接工艺参数变更点，在焊缝直线上，从焊缝起点开始，间隔固定焊缝长度ΔL。Pi的位置根据焊缝起点P1的位置计算，公式如下：
Pi(x)＝P1(x)*(1+i*ΔL)
其中，Pi(x)为焊接工艺参数变更点在X轴的位置，P1(x)为焊缝起点在X轴的位置，ΔL为固定焊缝长度，i为变量。
固定焊缝长度ΔL，可以根据实际焊接的控制效果设定，在本申请的优选实施例中ΔL为10mm。
P3-采样结束点，激光线位置与焊接终点重合，此时该点的位置即为采样结束点位置，记录为P3。在机器人控制器12中设置采样结束点位置寄存器PR3。PR3用于保存采样结束点位置P3的坐标。
P2-焊缝终点，关闭焊接电弧。
步骤2：激光线与焊缝直线垂直矫正
步骤2.1：标定激光线直线的斜率、激光传感器2与焊枪31的间距，标定激光线与焊枪焊丝尖点(TCP)的位置关系。
在机器人控制器12中设置初始激光线斜率寄存器R01和光-枪间距寄存器R02，分别保存上述参数值。
所述的激光线直线斜率的标定方法为：将焊枪31的姿态设置为(180，0，0)时，将焊枪31移到焊缝的起点P1，打开激光传感器2输出激光线，记录激光线的直线斜率k1及激光线与焊枪31的间距d，并将结果记录在初始激光线斜率k1寄存器R01和光-枪间距d寄存器R02，如图3所示。其中，在机器人1的工具坐标系中，焊枪31的姿态为焊枪尖点围绕X，Y，Z轴的回转角度，焊枪31的姿态为(180，0，0)，则表示：焊枪31沿X轴的回转角度为180°，沿Y轴的回转角度为0°，沿Z轴的回转角度为0°。激光线与焊枪31焊丝尖点(TCP)位置关系的标定方法可参考相关文献。
根据激光线与焊枪31的安装方式，可以确定激光线与焊枪尖点的位置仅在X轴上存在偏差，其他坐标与焊枪尖点TCP相同。通过读取机器人1的***参数可以获得焊枪尖点TCP的位置，根据激光线与焊枪31的间距d从而可以计算出激光线与焊枪31的在X轴上位置坐标关系如下：
Plaser(x)＝Ptcp(x)+d
其中，Plaser(x)为激光线在X轴的位置，Ptcp(x)为焊枪31焊丝尖点在X轴的位置，d为激光线与焊枪31的间距。
步骤2.2：激光线与焊道方向矢量垂直矫正。
在机器人控制器12中设置焊缝位置寄存器，用于记录焊缝位置值，包括焊缝起点位置寄存器PR1和焊缝终点位置寄存器PR2，分别记录焊缝起点位置数据(x1，y1，z1，w，0，0)和焊缝终点位置数据(x2，y2，z2，w，0，0)，计算焊缝直线的斜率k2，其中，x、y、z为坐标值，w为沿焊枪31沿X轴的回转角度，w一般设为180°。
根据初始激光线斜率k1，及焊缝直线斜率k2，调整激光线与焊缝直线的夹角为90°，计算焊枪31沿X轴的回转角度w′，更新焊枪31的姿态：
其中，w′为焊枪31沿X轴的回转角度，w′大于0，表示顺时针旋转；小于0，表示逆时针旋转；等于0，表示不需要旋转。k1为初始激光线斜率，k2为焊缝直线斜率，
k2＝(y2-y1)/(x2-x1)，(x1，y1)为焊缝起点位置坐标，(x2，y2)为焊缝终点位置坐标，根据以上结果更新PR1和PR2寄存器的结果，分别为(x1，y1，z1，w′，0，0)和(x2，y2，z2，w′，0，0)。
步骤3：神经网络模型输出变量的嵌入式计算。
在机器人控制器12中设置控制模型输入变量寄存器、控制模型控制系数寄存器、控制模型输出变量寄存器。将训练好的控制模型的相关参数依次输入到各对应的寄存器中。根据公式计算输变量的值，从而得到焊接工艺参数的值。
计算过程为：先依次计算隐含层的值，再计算输出变量的值。
计算公式为：
隐含层的值计算公式为：
输出层变量的计算公式为：
y_data[l，1]＝W2[l，k]×hid_data[k，1]+theta2[l，1]，
其中，in_data[j，1]为输入层参数矩阵，阶数为：j*1；W1[k，j]为输入层神经元节点的权重系数矩阵，阶数为：k*j，theta1[k，1]为输入层神经元节点的偏置系数矩阵，阶数为：k*1；W2[l，k]为中间层神经元节点的权重系数矩阵，阶数为1*k，theta2[l，1]为中间层神经元节点的偏置系数矩阵，阶数为：l*1，j的值为1，2，……，输入层神经元个数，k的值为1，2，……，隐含层神经元个数，1的值为1，2，……，输出层神经元个数。
所述的控制模型输入变量寄存器用于存放神经网络模型的输入层参数，即调控的目标，如：焊缝宽度寄存器、焊缝高度寄存器、熔深寄存器和搭接间隙寄存器等。所述的焊缝宽度寄存器和焊缝深度寄存器的值为用户设定值，在焊接过程中保持不变。所述的搭接间隙寄存器的值为实时采样值，通过激光传感器2得到，焊接过程中以固定的间隔刷新。
所述的控制模型控制系数寄存器包括神经元权重寄存器与神经元偏置寄存器。寄存器的数量根据所训练得到的神经网络模型中输入层，中间层及输出层的神经元个数决定。
所述的控制模型输出变量寄存器用于存放神经网络模型的输出层参数，即焊接工艺参数的控制量，如：焊接电流寄存器、焊接速度寄存器和焊枪摆幅寄存器等。
所述的控制模型为搭接接头焊接工艺参数自动调节控制模型。本方法采用的控制模型为神经网络模型。建立方法为：根据搭接间隙及焊缝宽度、焊缝熔深等指标设计焊接工艺试验，建立焊接工艺参数与焊缝成形的数据库。根据数据库确定神经网络模型的输入层参数及输出层参数。在工控机中借助相关软件(典型软件，如Matlab)建立神经网络模型并进行训练，当模型收敛后，提取神经元权重与神经元偏置。关于神经网络控制模型建模的具体方法及步骤有很多文献已经提到，本方法不在赘述。
在本申请的优选实施例中，针对1.2mm不锈钢板搭接接头，经工艺试验，最终确定神经网络模型结构为1层输入层，1层中间层和1层输出层的3层结构，其中，输入层神经元为2个(即j＝2)，分别为熔宽和搭接间隙；中间层神经元为12个(即k＝12)；输出层神经元为2个(即l＝2)，分别为焊接电流，以及焊接速度。
其中各矩阵的寄存器的值分别为：
w1[1,1]＝-2.7517452237403019488；w1[1,2]＝-3.7755721500145358327；
w1[2,1]＝3.8974229811484186747；w1[2,2]＝-3.1010137808156490458；
w1[3,1]＝2.2853700769648401803；w1[3,2]＝3.9809291784589118102；
w1[4,1]＝0.92844177573306829743；w1[4,2]＝-5.6049941032870105317；
w1[5,1]＝3.908883663325845248；w1[5,2]＝-2.7923152973196279092；
w1[6,1]＝-4.3983945132935096112；w1[6,2]＝-3.3725762660730418396；
w1[7,1]＝4.4999661455540795885；w1[7,2]＝-1.3253468283426776964；
w1[8,1]＝2.4231818963369664566；w1[8,2]＝-5.1941813489611758925；
w1[9,1]＝-0.082908224151521242584；w1[9,2]＝4.8398725884898841088；
w1[10,1]＝-2.7455100415434516847；w1[10,2]＝-3.4616144145952216782；
w1[11,1]＝0.75766757078375490675；w1[11,2]＝-4.9629656804772075418；
w1[12,1]＝-3.5380305953421906651；w1[12,2]＝-3.3446533594368443865；
w2[1,1]＝-0.42569638508399909593；
w2[1,2]＝-0.39462715069032489046；
w2[1,3]＝-0.20370316897697676728；
w2[1,4]＝-1.5928674376273865843；
w2[1,5]＝-0.4638598882201663276；
w2[1,6]＝-0.35734761489893940301；
w2[1,7]＝-0.32976466840448315221；
w2[1,8]＝1.7868360951479664855；
w2[1,9]＝0.43804208150857920634；
w2[1,10]＝0.73701691758597898119；
w2[1,11]＝1.307435932297749126；
w2[1,12]＝-0.36275760437338594455；
w2[2,1]＝-0.19952343997177640622；
w2[2,2]＝-0.17732805640299056926；
w2[2,3]＝-0.15711683233437748197；
w2[2,4]＝-0.97368933027893878052；
w2[2,5]＝-0.64664350544370330365；
w2[2,6]＝0.16794241924301533953；
w2[2,7]＝-0.41014225796567860272；
w2[2,8]＝1.6755111169336776022；
w2[2,9]＝-0.62484608057438983941；
w2[2,10]＝0.39151840574518698146；
w2[2,11]＝0.97634833228778039604；
w2[2,12]＝0.064310594843141805077；
theta1[1,1]＝4.9972035419016567204；
theta1[2,1]＝-3.7594781160101700124；
theta1[3,1]＝-2.5565532669951562816；
theta1[4,1]＝1.9379292989775016576；
theta1[5,1]＝-1.3500407096406381591；
theta1[6,1]＝0.81599619979576798467；
theta1[7,1]＝0.82942854055492931664；
theta1[8,1]＝0.42618553964692096336；
theta1[9,1]＝2.6038749585140932297；
theta1[10,1]＝-4.1915446553255932827；
theta1[11,1]＝4.0310664703347827142；
theta1[12,1]＝-4.8059155761906637849；
theta2[1,1]＝-0.35658976360306615661；
theta2[2,1]＝0.46785524641722658901；
步骤4：编写机器人移动及焊接主程序和间隙采样及焊接工艺参数计算程序，实际焊接。
焊接过程的控制流程如图4所示。在机器人控制器12中编写程序，按照预定的控制流程，通过对机器人控制器12中各寄存器的访问及运算，实现焊接过程焊接工艺参数的实时调节。其中，每间隔固定焊缝长度ΔL，调节一次焊接工艺参数。所编写的程序分为机器人移动及焊接主程序和间隙采样及焊接工艺参数计算程序，两个程序是并行线程。
***调用机器人移动及焊接主程序，初始机器人1位于作业原点Po。机器人1开始运动，当机器人1运动到达采样起点P0时，开启激光传感器2，启动间隙采样及焊接工艺参数计算程序，两个程序并行运行。机器人1继续移动，不断读取机器人1的位置变量，判断机器人1是否到达了焊缝起点位置P1。当机器人1到达了P1，则开始焊接。焊接工艺参数由间隙采样及焊接工艺参数计算程序得到。Pi为焊接工艺参数变更点，在焊缝沿线上，从焊缝起点开始，间隔固定焊缝长度ΔL的对应的点。当机器人1运动到Pi时，更新搭接间隙寄存器、控制模型输出变量寄存器的值，即：更新了焊接工艺参数。当机器人1到达了采样结束点P3，关闭激光传感器2。当机器人1到达了焊缝终点P2，熄灭电弧，关闭焊接电源3。
实施例2
本发明优选实施例提供了一种搭接接头焊接工艺参数调节***，该***包括：机器人1、激光传感器2、焊接电源3和工控机，其中，机器人1包括机器人控制器12和机器人本体11，如图6、图2所示。
上述部件的连接关系如下：
机器人1是焊接***的运动执行机构，负责实现焊接速度的调节；在机器人本体11的第六轴上安装有激光传感器2和焊枪31；
激光传感器2是搭接间隙采样的传感器，安装在机器人本体11的第6轴，激光传感器2采样得到的信号发送到机器人控制器12中；
焊接电源3用于提供焊接时的焊接电流和焊接电压，焊接电源3的输出值由机器人控制器12给出。
本发明优选实施例提供的一种搭接接头焊接工艺参数调节方法及***，针对现有技术在焊接过程中无法实时调节焊接工艺参数，从而导致当间隙波动时，焊缝产生孔洞、烧穿等缺陷，建立以机器人控制器12为核心的焊接工艺参数实时调节***，基于机器人***架构语言对机器人控制器12进行二次开发，实现机器人移动、焊接程序和间隙采样及焊接工艺参数计算程序等多个程序的并行运行，基于机器人***架构语言对机器人控制器12进行二次编程开发，多个程序采用并行多线程方式运行，保证获得理想的焊接接头，确保焊缝成形的一致性，降低孔洞和烧穿缺陷。当激光线与焊缝直线不垂直时，测量得到的搭接间隙误差大，与实际间隙不匹配，需要提高检测精度，本发明通过激光线与焊缝直线垂直矫正，计算激光线与焊缝直线的夹角后，调节焊枪31回转角度，从而保证激光线与焊道方向的夹角始终保持90°，保证激光线与焊缝是垂直的，降低了检测误差。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种搭接接头焊接工艺参数调节方法，其特征在于，所述方法包括如下步骤：
S101：确定焊接过程中机器人运动时的特征位置，并记录所述特征位置；
S103：对激光线与焊缝直线之间夹角的垂直矫正；
S105：搭建并训练控制模型，所述控制模型为神经网络模型；
S107：按照预定的控制流程，实现焊接过程中所述焊接工艺参数的实时调节。
2.如权利要求1所述的方法，其特征在于，在所述步骤S101中，所述特征位置包括采样起始点、焊缝起点、焊接工艺参数变更点、采样结束点和焊缝终点，其中，
所述采样起始点，激光线与所述焊接起点重合；
所述焊缝起点，控制焊机起弧开始焊接；
所述焊接工艺参数变更点，在所述焊缝直线上，从所述焊缝起点开始，间隔固定焊缝长度设置，Pi(x)＝P1(x)*(1+i*ΔL)；
所述采样结束点，所述激光线与焊接终点重合；
所述焊缝终点，结束焊接，关闭焊接电弧；
其中，Pi(x)为焊接工艺参数变更点在X轴的位置，P1(x)为焊缝起点在X轴的位置，ΔL为固定焊缝长度，i为变量。
3.如权利要求1所述的方法，其特征在于，所述步骤S103包括如下子步骤：
S1031：标定初始激光线斜率、激光传感器与焊枪的间距：将所述焊枪移到所述焊缝起点，打开所述激光传感器输出激光线，记录所述初始激光线斜率k1及所述激光线与所述焊枪的间距d；
S1032：计算所述激光线与焊枪焊丝尖点的位置关系，具体如下：
Plaser(x)＝Ptcp(x)+d
其中，Plaser(x)为激光线在X轴的位置，Ptcp(x)为焊枪焊丝尖点在X轴的位置，d为激光线与所述焊枪的间距；
S1033：调整所述激光线与所述焊缝直线的夹角为90°，并更新所述焊枪沿X轴的回转角度。
4.如权利要求3所述的方法，其特征在于，在所述步骤S1033步骤中，所述焊枪沿X轴的回转角度采用如下方法计算：
其中，w′为焊枪沿X轴的回转角度，k1为初始激光线斜率，k2为焊缝直线斜率，k2＝(y2-y1)/(x2-x1)，(x1，y1)为焊缝起点位置坐标，(x2，y2)为焊缝终点位置。
5.如权利要求1所述的方法，其特征在于，在所述步骤S105中，所述控制模型为所述搭接接头焊接工艺参数的自动调节控制模型，包括输入参数、控制系数和输出参数，其中，所述输入参数为调控目标，所述调控目标包括焊缝宽度、焊缝高度、焊缝熔深和搭接间隙，所述控制系数包括神经元权重与神经元偏置，所述输出参数为焊接工艺参数的控制量，所述控制量包括焊接电流、焊接速度和焊枪摆幅。
6.如权利要求5所述的方法，其特征在于，将训练好的所述控制模型的相关参数依次输入，通过计算，得到输出参数，所述输出参数包括所述焊接工艺参数的取值，具体为：
y_data[l，1]＝W2[l，k]×hid_data[k，1]+theta2[l，1]，
其中，y_data为输出层参数矩阵，W2[1，k]为中间层神经元节点的权重系数矩阵，阶数为1*k，hid_data为隐含层参数矩阵，
其中，theta2[1，1]为中间层神经元节点的偏置系数矩阵，阶数为1*1，W1[k，j]为输入层神经元节点的权重系数矩阵，阶数为k*j，in_date为输入层参数矩阵，阶数为j*1，theta1[k，1]为输入层神经元节点的偏置系数矩阵，阶数为k*1，j为输入层神经元个数，k为隐含层神经元个数，1为输出层神经元个数。
7.如权利要求6所述的方法，其特征在于，在搭建所述神经网络模型时，包括如下步骤：
S1051：根据焊接指标设计焊接工艺试验，建立焊接工艺参数与焊缝成形的数据库，所述焊接指标包括搭接间隙、焊缝宽度和焊缝熔深；
S1052：根据所述数据库，确定所述神经网络模型的输入层参数及输出层参数；
S1053：在工控机中建立神经网络模型并进行训练，当模型收敛后，提取神经元权重与神经元偏置。
8.如权利要求1所述的方法，其特征在于，在所述步骤S107中，所述控制流程包括主流程和计算流程，所述主流程包括机器人移动及焊接过程，所述计算流程包括间隙采样和焊接工艺参数计算，通过对机器人控制器中各寄存器的访问及运算，实现焊接过程焊接工艺参数的实时调节，所述实时调节为每间隔固定焊缝长度调节一次所述焊接工艺参数。
9.如权利要求8所述的方法，其特征在于，所述主流程和计算流程配合实现所述搭接接头焊接工艺参数调节，具体包括如下步骤：
S1071：***调用所述主流程，所述机器人位于作业原点；
S1072：所述机器人开始运动，当所述机器人到达所述采样起始点时，开启所述激光传感器，并启动所述计算流程，所述主流程和所述计算流程并行运行；
S1073：所述机器人继续移动，当所述机器人到达所述焊缝起点，启动焊接电源，开始焊接，所述焊接工艺参数从所述计算流程获取；
S1074：当所述机器人到达所述焊接工艺参数变更点时，更新所述焊接工艺参数；
S1075：当所述机器人到达所述采样结束点时，关闭所述激光传感器；
S1076：当所述机器人到达所述焊缝终点时，熄灭电弧，关闭焊接电源。
10.一种搭接接头焊接工艺参数调节***，其特征在于，所述***使用如权利要求1-9任意一项所述的方法，所述***包括机器人、激光传感器、焊接电源和工控机，其中，
所述机器人，包括机器人控制器和机器人本体，是焊接***的运动执行机构，负责实现焊接速度的调节，所述机器人本体上安装有所述激光传感器和焊枪；
所述激光传感器，实现搭接间隙的采样，安装在所述机器人本体上，所述激光传感器将采样的信号发送给所述机器人控制器，所述激光传感器输出激光线；
所述焊接电源，提供焊接时的焊接电流和焊接电压，所述焊接电源的输出值由所述机器人控制器控制；
所述工控机，完成神经网络模型的搭建和训练。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310768464.6A CN116786948A (zh) | 2023-06-27 | 2023-06-27 | 一种搭接接头焊接工艺参数调节方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310768464.6A CN116786948A (zh) | 2023-06-27 | 2023-06-27 | 一种搭接接头焊接工艺参数调节方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116786948A true CN116786948A (zh) | 2023-09-22 |
Family
ID=88047846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310768464.6A Pending CN116786948A (zh) | 2023-06-27 | 2023-06-27 | 一种搭接接头焊接工艺参数调节方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116786948A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117432414A (zh) * | 2023-12-20 | 2024-01-23 | 中煤科工开采研究院有限公司 | 顶板磨砂射流成缝的调控方法及*** |
| CN117798537A (zh) * | 2024-02-28 | 2024-04-02 | 江苏海德曼新材料股份有限公司 | 一种建筑幕墙钢结构骨架制作焊接控制*** |
-
2023
- 2023-06-27 CN CN202310768464.6A patent/CN116786948A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117432414A (zh) * | 2023-12-20 | 2024-01-23 | 中煤科工开采研究院有限公司 | 顶板磨砂射流成缝的调控方法及*** |
| CN117432414B (zh) * | 2023-12-20 | 2024-03-19 | 中煤科工开采研究院有限公司 | 顶板磨砂射流成缝的调控方法及*** |
| CN117798537A (zh) * | 2024-02-28 | 2024-04-02 | 江苏海德曼新材料股份有限公司 | 一种建筑幕墙钢结构骨架制作焊接控制*** |
| CN117798537B (zh) * | 2024-02-28 | 2024-05-14 | 江苏海德曼新材料股份有限公司 | 一种建筑幕墙钢结构骨架制作焊接控制*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116786948A (zh) | 一种搭接接头焊接工艺参数调节方法及*** | |
| JP7411012B2 (ja) | 産業用ロボットおよびその運転方法 | |
| Fan et al. | A precise seam tracking method for narrow butt seams based on structured light vision sensor | |
| US10500668B2 (en) | Machine learning device, arc welding control device, arc welding robot system, and welding system | |
| CN102243498B (zh) | 机器人的作业程序生成方法、机器人的作业程序生成装置和机器人控制*** | |
| US20190176325A1 (en) | An Error Modeling Method For End-Effector Space-Curve Trajectory Of Six Degree-of-Freedom Robots | |
| CA1168314A (en) | Control apparatus and method for manipulator welding apparatus with vision correction system for workpiece sensing | |
| CN105094049B (zh) | 学习路径控制 | |
| Rout et al. | Weld seam detection, finding, and setting of process parameters for varying weld gap by the utilization of laser and vision sensor in robotic arc welding | |
| JPS5877775A (ja) | 溶接ロボツトの制御方式 | |
| Liu et al. | A tutorial on learning human welder's behavior: Sensing, modeling, and control | |
| WO1990009859A1 (en) | Method and apparatus for multi-layer buildup welding | |
| Yan et al. | Autonomous programming and adaptive filling of lap joint based on three-dimensional welding-seam model by laser scanning | |
| CN111360835B (zh) | 一种焊接机械臂的焊接自动控制方法 | |
| JPS58122179A (ja) | ア−ク溶接用テイ−チングプレイバツクロボツト | |
| WO2022163669A1 (ja) | プログラム評価装置および教示装置 | |
| Horváth et al. | Supportive robotic welding system for heavy, small series production with non-uniform welding grooves | |
| WO2022014240A1 (ja) | 機械学習装置、積層造形システム、溶接条件の機械学習方法、溶接条件の調整方法、およびプログラム | |
| Tzafestas et al. | Regulation of GMA welding thermal characteristics via a hierarchical MIMO predictive control scheme assuring stability | |
| JPH0146276B2 (zh) | ||
| JPS58192108A (ja) | 溶接ロボツトの制御方法 | |
| JPH01205880A (ja) | ウィービング溶接制御方法 | |
| JP5459707B2 (ja) | アーク溶接ロボットの制御装置 | |
| JPH07334228A (ja) | ロボットの教示データ補正装置 | |
| JPH0350602A (ja) | ロボットのゲイン設定装置 |
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 |