CN116921817A - 自动tig焊电弧聚集度在线监测及智能预警方法 - Google Patents
自动tig焊电弧聚集度在线监测及智能预警方法 Download PDFInfo
- Publication number
- CN116921817A CN116921817A CN202311191223.6A CN202311191223A CN116921817A CN 116921817 A CN116921817 A CN 116921817A CN 202311191223 A CN202311191223 A CN 202311191223A CN 116921817 A CN116921817 A CN 116921817A
- Authority
- CN
- China
- Prior art keywords
- arc
- concentration
- welding
- early warning
- tig welding
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 230000002776 aggregation Effects 0.000 claims abstract description 23
- 238000004220 aggregation Methods 0.000 claims abstract description 23
- 238000010891 electric arc Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000003708 edge detection Methods 0.000 claims abstract description 8
- 238000004519 manufacturing process Methods 0.000 claims abstract description 8
- 239000000463 material Substances 0.000 claims abstract description 6
- 230000001681 protective effect Effects 0.000 claims abstract description 5
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 claims description 28
- 229910052721 tungsten Inorganic materials 0.000 claims description 28
- 239000010937 tungsten Substances 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 abstract description 3
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 229910000975 Carbon steel Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000010962 carbon steel Substances 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/16—Arc welding or cutting making use of shielding gas
- B23K9/167—Arc welding or cutting making use of shielding gas and of a non-consumable electrode
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/095—Monitoring or automatic control of welding parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/32—Accessories
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Arc Welding In General (AREA)
Abstract
本发明公开了一种自动TIG焊电弧聚集度在线监测及智能预警方法,首先,建立焊接参数、管道材质和保护气种类与电弧图像曝光度的映射模型,获得清晰的电弧图像;其次,建立焊接参数与边缘检测双阈值的映射模型,准确检测和截取电弧的区域;接着,基于电弧聚集度大小与电流、保护气体流速和电弧长度这三个因素有关,对电弧聚集度进行归一化处理;然后,基于归一化电弧聚集度与标准电弧聚集度比值,建立客观的电弧图像分类标准;最后,建立和训练机器人自动TIG焊的电弧聚集度预测模型,并根据预测模型输出的结果和处理方案,执行不同的预警。本发明能够实现电弧聚集度在线监测及智能预警,从而提高生产效率以及降低成本。
Description
技术领域
本发明属于机器人焊接技术领域,具体是一种应用于机器人自动TIG焊的电弧聚集度在线监测及预警方法。
背景技术
实际石化工艺管道TIG焊接过程中,电弧形态对于焊接过程的稳定性和焊接质量有着重要影响。焊接电弧形态代表热流密度分布,而热流密度分布直接影响管道坡口熔透情况以及焊缝成形质量,一般是电弧形态越聚集,热流分布越集中,坡口越容易被熔透。因此,工人一般通过面罩观察电弧形态并凭借经验来判断焊接过程的管道坡口是否被熔透以及管道背部成形质量。然而工人判断准确率波动性较大且无法长时间进行观察,因此存在工作量大且监测质量低下的问题,从而造成材料和人工的浪费以及生产效率的降低。
针对上述问题,人们一般利用工业相机拍摄熔池图像,并通过卷积神经网络预测模型进行预测,从而实现电弧形态的实时监测。然而实际情况下由于坡口尺寸变化导致焊接参数的改变,从而使得拍摄电弧图像清晰程度存在较大差别,因此卷积神经预测模型对于输入图像难以做出准确识别,导致预测准确率大大降低。同时对于卷积神经网络模型中电弧图像的分类主要依赖于人工经验,并未设立客观的标准,因此会导致图像集之间的区分度较低且混乱,难以训练出高准确率的模型。
发明内容
本发明的目的在于提供了一种应用机器人自动TIG焊的电弧聚集度在线监测及智能预警方法,实现焊接过程实时焊缝质量预测,保证焊接的稳定性和焊接质量,其具体技术解决方案如下:
步骤1:建立自动TIG焊电弧曝光度调节模型以及标准电弧聚集度模型;
进一步的,自动TIG焊电弧曝光度调节模型包括:
曝光度调节模型计算公式如下:
其中,E为曝光度参数值,Xi和Yi分别为原始和处理之后的RGB值;
曝光度参数值是以电流值为150A及弧压值为10V的焊接参数下图像曝光参数值作为基准进行调节,具体计算公式如下:
其中,I为电流值,U为弧压值,α和β为常数,η与材质有关,λ与保护气体种类有关。
进一步的,标准的电弧聚集度模型包括:采用保护气流速为10L/min、电流值为150A、弧压值为10V的焊接参数下电弧区域的面积以及钨极尺寸计算标准电弧聚集度,具体公式如下:
其中,AG *为标准电弧形态,dmin为钨极尖端最小尺寸,D为钨极直径,θ为钨极端部角度,S*为电弧区域的面积。
步骤2:石化管道TIG焊接过程中通过工业相机拍摄焊接图像以及通过焊接参数采集装置实时采集焊接电信号,并每隔1-3s将拍摄的焊接图像传回到计算机中,同时基于自动TIG焊电弧曝光度调节模型进行图像曝光度调整。
步骤3:将曝光度调节之后的图像进行形态学处理,同时基于双阈值确定模型将形态学处理之后的图像进行边缘检测并截取电弧的区域。
进一步的,双阈值确定模型包括:
边缘检测中高阈值和低阈值计算具体公式如下:
其中,Th为高阈值,Tl为低阈值,a1、a2、b1、b2、c1和c2为常数。
步骤4:根据电弧区域内像素个数来计算电弧的面积,同时基于电弧聚集度大小与电流、保护气体流速和电弧长度这三个因素有关,对电弧聚集度进行归一化处理。
进一步的,归一化电弧聚集度计算公式如下:
其中,δ为归一化的电弧聚集度,S为电弧区域的面积,Q为保护气流速,I电流大小,U为弧压,ε、φ和ρ为常数。
步骤5:基于归一化电弧聚集度与标准电弧聚集度比值将电弧图像分类,并建立和训练机器人自动TIG焊的电弧聚集度预测模型;
进一步的,归一化电弧聚集度与标准电弧聚集度比值计算公式如下:
基于T的大小将电弧图像分类。当T值在1-2之间时,定义电弧聚集度良好;当T值在2-5之间时,定义电弧聚集度一般;当T值在5以上时,定义电弧聚集度不合格。将分类后的电弧图像按照7:2:1比例制作训练集、验证集和测试集。
进一步的,采用AlexNet卷积神经网络进行钨极烧损状态预测模型的建立,其包含5个卷积层、3个汇聚层和3个全连接层,最后一层使用Softmax函数作为输出层;采用ReLU作为非线性激活数,在全连接层之间采用50%的神经元激活为0的Dropout。
进一步的,电弧聚集度预测模型的训练是将数据集加载到模型中进行多轮次训练,并将验证准确率最高的模型作为最终的电弧聚集度预测模型,最后将测试集加载到模型内验证模型的预测准确率。
步骤6:根据电弧聚集度大小制定不同的处理方案;
进一步的,不同的电弧聚集度制定以下不同的处理方案:
(1)电弧聚集度良好时,则继续焊接;
(2)电弧聚集度一般时,则在当前管道焊接完成情况下可停弧更换钨极;
(3)电弧聚集度不合格时,则立即停止焊接并更换钨极。
步骤7:根据预测模型输出的结果和处理方案,执行不同的预警。
进一步的,根据预测模型输出的结果和处理方案,执行以下不同的预警:
(1)电弧聚集度良好时,计算机界面不出现任何提示;
(2)电弧聚集度一般时,计算机界面弹出当前管道焊接完成情况下停弧更换钨极的预警提示;
(3)电弧聚集度不合格时,计算机界面弹出停止焊接并更换钨极的提示并向控制***反馈,执行停止焊接命令。
本发明与现有技术相比,其显著优点:1)本发明能够在线进行电弧聚集度的监测,并实时输出电弧状态,从而能够及时更换钨极,减少生产材料和时间的浪费,极大提高生产效率和焊接质量;2)本发明通过对电弧聚集度进行归一化处理以及与标准电弧聚集度进行对比,从而排除干扰因素,实现电弧聚集度准确的判断;3)本发明基于归一化电弧聚集度与标准电弧聚集度比值进行图像客观的分类,避免了因人工主观分类图像带来图像集之间交叉混乱的问题,有利于训练出高准确率的预测模型; 4)本发明采用曝光度调节模型,能够清晰的提取不同焊接参数下电弧区域的图像,有利于神经网络预测模型识别图像,从而提高预测准确率。
附图说明
图1是本发明自动TIG焊电弧聚集度在线监测及智能预警方法的试验平台。
图2是本发明自动TIG焊电弧聚集度在线监测及智能预警方法流程图。
图3是本发明自动TIG焊电弧聚集度在线监测及智能预警方法中不同焊接参数下的电弧状态。
图4是本发明自动TIG焊电弧聚集度在线监测及智能预警方法中钨极形貌图。
图5是本发明自动TIG焊电弧聚集度在线监测及智能预警方法中电弧聚集度从良好到不合格的过程原始图像、处理后的图像。
图6是本发明实施例管-法兰实例中卷积神经网络结构图。
图7是本发明电弧聚集度预测模型训练结果。
图8是本发明电弧聚集度预测模型验证结果。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步说明。
针对实际情况下由于坡口尺寸变化导致焊接参数的改变,从而使得拍摄电弧图像清晰程度存在较大差别以及同电弧图像分类未设立客观标准的问题,本发明提出了一种应用于管-法兰机器人自动TIG打底焊的电弧聚集度在线监测及预警方法,本发明建立图像曝光度和边缘检测阈值大小与焊接参数之间的映射模型,实现了得到了清晰的电弧图像;同时建立评价电弧聚集度的大小的客观标准,实现了电弧图像精准分类,从而实现了高预测准确率的预测模型。本发明通过卷积神经网络建立电弧聚集度的预测模型,实现电弧聚集度在线监测及智能预警,从而提高生产效率以及降低成本。
实际在管-法兰打底焊之前搭建试验平台,如图1所示,焊接管道母材1选用不同直径的碳钢和不锈钢。电弧视觉传感***包括工业相机3和计算机4,工业相机3使用夹具固定在焊接机器人的焊枪2上,工业相机3以30Hz的频率采集图像。
具体按照以下步骤实施,具体流程如图2所示:
步骤1:建立自动TIG焊电弧曝光度调节模型以及标准电弧聚集度模型。
进一步的,如图3所示,不同的焊接参数下电弧表现出不同的亮度,其中电流值越小,电弧越暗淡,因此需要提高曝光度使得电弧更明显的显现出来。自动TIG焊电弧曝光度调节模型包括:
曝光度调节模型计算公式如下:
其中,E为曝光度参数值,Xi和Yi分别为原始和处理之后的RGB值;
曝光度参数值是以电流值为150A及弧压值为10V的焊接参数下图像曝光参数值作为基准进行调节,具体计算公式如下:
其中,I为电流值,U为弧压值,α和β为常数,η与材质有关,λ与保护气体种类有关。
进一步的,标准的电弧聚集度模型包括:采用保护气流速为10L/min、电流值为150A及弧压值为10V的焊接参数下电弧区域的面积以及钨极尺寸计算标准电弧聚集度,其中钨极形貌如图4所示,具体公式如下:
其中,AG *为标准电弧形态,dmin为钨极尖端最小尺寸,D为钨极直径,θ为钨极端部角度,S*为电弧区域的面积。
步骤2:石化管道TIG焊接过程中通过工业相机拍摄焊接图像以及通过焊接参数采集装置实时采集焊接电信号,并每隔1-3s将拍摄的焊接图像传回到计算机中,同时基于自动TIG焊电弧曝光度调节模型进行图像曝光度调整。
步骤3:将曝光度调节之后的图像进行形态学处理,同时基于双阈值确定模型将形态学处理之后的图像进行边缘检测并截取电弧的区域,如图5所示。
进一步的,将电弧彩色图像进行灰度转换。
进一步的,基于线性变换公式对电弧图像进行亮度和对比度调节,线性变换方式如下:
式中,f(i,j)为原始图像的像素值,g(i,j)为图像处理之后的像素值。
进一步的,采用孔径为3拉普拉斯算子对电弧图像进行3次锐化处理。
进一步的,边缘检测中高阈值和低阈值计算具体公式如下:
其中,Th为高阈值,Tl为低阈值,a1、a2、b1、b2、c1和c2为常数。
进一步的,采用结构元素为3×3膨胀形态学处理电弧图像。
进一步的,对图像中像素值为255的连通域进行标记,并计算处各连通域的大小,最后保留最大的连通域,得到完整电弧边缘图像。
步骤4:根据电弧区域内像素个数来计算电弧的面积,同时基于电弧聚集度大小与电流、保护气体流速和电弧长度这三个因素有关,对电弧聚集度进行归一化处理。
进一步的,归一化电弧聚集度计算公式如下:
其中,δ为归一化的电弧聚集度,S为电弧区域的面积,Q为保护气流速,I电流大小,U为弧压,ε、φ和ρ为常数。
步骤5:基于归一化电弧聚集度与标准电弧聚集度比值将电弧图像分类,并建立和训练机器人自动TIG焊的电弧聚集度预测模型;
进一步的,归一化电弧聚集度与标准电弧聚集度比值计算公式如下:
基于T的大小将电弧图像分类。当T值在1-2之间时,定义电弧聚集度良好;当T值在2-5之间时,定义电弧聚集度一般;当T值在5以上时,定义电弧聚集度不合格。将分类后的电弧图像按照7:2:1比例制作训练集、验证集和测试集。
进一步的,采用AlexNet卷积神经网络进行电弧聚集度预测模型的建立,其包含5个卷积层、3个汇聚层和3个全连接层,最后一层使用Softmax函数作为输出层;采用ReLU作为非线性激活数,在全连接层之间采用50%的神经元激活为0的Dropout;第一个卷积层的卷积核和步长设置为11和4,第二个卷积层的卷积核和步长设置为5和1,第三、四和五个卷积层的卷积核和步长皆设置为3和1;3个汇聚层的卷积核和步长皆设置为3和2,如图6所示。
进一步的,电弧聚集度预测模型共训练20轮,并将训练模型中的验证集准确率最高作为最终训练模型。第20轮的训练集和验证集的准确率在97%以上,如图7和图8所示。因此,选择第20轮作为最终训练模型。最后将测试集加载到模型内,预测准确率在95%以上。
步骤6:根据电弧聚集度大小制定不同的处理方案;
进一步的,不同的电弧聚集度制定以下不同的处理方案:
(1)电弧聚集度良好时,则继续焊接;
(2)电弧聚集度一般时,则在当前管道焊接完成情况下可停弧更换钨极;
(3)电弧聚集度不合格时,则立即停止焊接并更换钨极。
步骤7:根据预测模型输出的结果和处理方案,执行不同的预警。
进一步的,根据预测模型输出的结果和处理方案,执行以下不同的预警:
(1)电弧聚集度良好时,计算机界面不出现任何提示;
(2)电弧聚集度一般时,计算机界面弹出当前管道焊接完成情况下停弧更换钨极的预警提示;
(3)电弧聚集度不合格时,计算机界面弹出停止焊接并更换钨极的提示并向控制***反馈,执行停止焊接命令。
Claims (8)
1.一种自动TIG焊电弧聚集度在线监测及智能预警方法,其特征在于,包括以下步骤:
步骤1:建立自动TIG焊电弧曝光度调节模型以及标准电弧聚集度模型;
步骤2:石化管道TIG焊接过程中通过工业相机拍摄焊接图像,并通过焊接参数采集装置实时采集焊接电信号,每隔1-3s将拍摄的焊接图像传回到计算机中,同时基于自动TIG焊电弧曝光度调节模型进行图像曝光度调整;
步骤3:将曝光度调节之后的图像进行形态学处理,同时基于双阈值确定模型将形态学处理之后的图像进行边缘检测并截取电弧的区域;
步骤4:根据电弧区域内像素个数来计算电弧的面积,同时基于电弧聚集度大小与电流、保护气体流速和电弧长度这三个因素有关,对电弧聚集度进行归一化处理;
步骤5:基于归一化电弧聚集度与标准电弧聚集度比值将电弧图像分类,并建立和训练机器人自动TIG焊的电弧聚集度预测模型;
步骤6:根据电弧聚集度大小制定不同的处理方案;
步骤7:将经过步骤4处理后的图像传输到电弧聚集度预测模型中,根据预测模型输出的结果和处理方案,执行不同的预警。
2.根据权利要求1所述的自动TIG焊电弧聚集度在线监测及智能预警方法,其特征在于,步骤1所述的建立自动TIG焊电弧曝光度调节模型包括:
曝光度调节模型计算公式如下:
,
其中,E为曝光度参数值,Xi和Yi分别为原始和处理之后的RGB值;
曝光度参数值是以电流值为150A及弧压值为10V的焊接参数下图像曝光参数值作为基准进行调节,具体计算公式如下:
,
其中,I为电流值,U为弧压值,α和β为常数,η与材质有关,λ与保护气体种类有关。
3.根据权利要求1所述的自动TIG焊电弧聚集度在线监测及智能预警方法,其特征在于,步骤1所述的建立标准电弧聚集度模型包括:采用保护气流速为10L/min、电流值为150A、弧压值为10V的焊接参数下电弧区域的面积以及钨极尺寸计算标准电弧聚集度,具体公式如下:
,
其中,AG *为标准电弧形态,dmin为钨极尖端最小尺寸,D为钨极直径,θ为钨极端部角度,S*为电弧区域的面积。
4.根据权利要求1所述的自动TIG焊电弧聚集度在线监测及智能预警方法,其特征在于,步骤3所述的双阈值确定模型包括:
边缘检测中高阈值和低阈值计算具体公式如下:
,
其中,Th为高阈值,Tl为低阈值,a1、a2、b1、b2、c1和c2为常数。
5.根据权利要求1所述的自动TIG焊电弧聚集度在线监测及智能预警方法,其特征在于,步骤4所述的电弧聚集度进行归一化处理包括:
归一化电弧聚集度计算公式如下:
,
其中,δ为归一化的电弧聚集度,S为电弧区域的面积,Q为保护气流速,I电流大小,U为弧压,ε、φ和ρ为常数。
6.根据权利要求1所述的自动TIG焊电弧聚集度在线监测及智能预警方法,其特征在于,步骤5所述的基于归一化电弧聚集度与标准电弧聚集度比值将电弧图像分类包括:
归一化电弧聚集度与标准电弧聚集度比值计算公式如下:
,
基于T的大小将电弧图像分类;当T值在1-2之间时,定义电弧聚集度良好;当T值在2-5之间时,定义电弧聚集度一般;当T值在5以上时,定义电弧聚集度不合格;将分类后的电弧图像按照7:2:1比例制作训练集、验证集和测试集。
7.根据权利要求1所述的自动TIG焊电弧聚集度在线监测及智能预警方法,其特征在于,步骤6所述的根据电弧聚集度大小制定不同的处理方案包括:
(1)电弧聚集度良好时,则继续焊接;
(2)电弧聚集度一般时,则在当前管道焊接完成情况下停弧更换钨极;
(3)电弧聚集度不合格时,则立即停止焊接并更换钨极。
8.根据权利要求1所述的自动TIG焊电弧聚集度在线监测及智能预警方法,其特征在于:步骤7所述的根据预测模型输出的结果和处理方案,执行不同的预警包括:
(1)电弧聚集度良好时,计算机界面不出现任何提示;
(2)电弧聚集度一般时,计算机界面弹出当前管道焊接完成情况下停弧更换钨极的预警提示;
(3)电弧聚集度不合格时,计算机界面弹出停止焊接并更换钨极的提示并向控制***反馈,执行停止焊接命令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311191223.6A CN116921817B (zh) | 2023-09-15 | 2023-09-15 | 自动tig焊电弧聚集度在线监测及智能预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311191223.6A CN116921817B (zh) | 2023-09-15 | 2023-09-15 | 自动tig焊电弧聚集度在线监测及智能预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116921817A true CN116921817A (zh) | 2023-10-24 |
CN116921817B CN116921817B (zh) | 2023-12-15 |
Family
ID=88377511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311191223.6A Active CN116921817B (zh) | 2023-09-15 | 2023-09-15 | 自动tig焊电弧聚集度在线监测及智能预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116921817B (zh) |
Citations (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61269975A (ja) * | 1985-05-24 | 1986-11-29 | Nippon Steel Weld Prod & Eng Co Ltd | プラズマ切断・溶接における電極破壊検知方法及び検知装置 |
JPH0394982A (ja) * | 1989-09-08 | 1991-04-19 | Daihen Corp | プラズマアーク加工装置 |
JPH044979A (ja) * | 1990-04-20 | 1992-01-09 | Babcock Hitachi Kk | タングステン電極自動交換装置 |
US5134578A (en) * | 1991-02-11 | 1992-07-28 | General Electric Company | Digital signal processor for selectively performing cordic, division or square-rooting procedures |
JP2002222757A (ja) * | 2001-01-26 | 2002-08-09 | Canon Inc | 露光装置、デバイス製造方法及びデバイス |
JP2004042067A (ja) * | 2002-07-09 | 2004-02-12 | Kawasaki Heavy Ind Ltd | アーク形状監視による自動開先倣い溶接装置および方法 |
CN101275976A (zh) * | 2007-03-29 | 2008-10-01 | 中国科学院理化技术研究所 | 一种声场中的热线风速仪标定装置及标定方法 |
US20100258534A1 (en) * | 2009-04-08 | 2010-10-14 | Russell Vernon Hughes | Method of converting a gas tungsten arc welding system to a plasma welding system |
WO2011099637A1 (ja) * | 2010-02-12 | 2011-08-18 | バブコック日立株式会社 | Tigアーク溶接用電極及びtigアーク溶接方法 |
CN102625739A (zh) * | 2009-09-11 | 2012-08-01 | 弗罗纽斯国际有限公司 | 用于监控利用电弧的过程的监控模块 |
CN103269558A (zh) * | 2013-06-05 | 2013-08-28 | 南京理工大学 | 一种超音速等离子体喷枪的阳极及超音速等离子体喷枪 |
CN104254425A (zh) * | 2012-04-18 | 2014-12-31 | 村田彰久 | 狭窄喷嘴以及使用狭窄喷嘴的tig焊接用炬 |
CN205309522U (zh) * | 2012-08-10 | 2016-06-15 | 西门子公司 | 用于在焊接时评价钨电极的寿命的焊接*** |
US20160267806A1 (en) * | 2015-03-09 | 2016-09-15 | Illinois Tool Works Inc. | Methods and apparatus to provide visual information associated with welding operations |
US20170046976A1 (en) * | 2015-08-12 | 2017-02-16 | Illinois Tool Works Inc. | Stick welding electrode holders with real-time feedback features |
CN107077893A (zh) * | 2014-05-29 | 2017-08-18 | 辉光能源公司 | 发电***及其相关方法 |
CN107107231A (zh) * | 2014-12-19 | 2017-08-29 | 林肯环球股份有限公司 | 焊接视像与控制*** |
CN107430823A (zh) * | 2014-11-05 | 2017-12-01 | 伊利诺斯工具制品有限公司 | 记录多工步数据的***和方法 |
CN107570899A (zh) * | 2017-06-28 | 2018-01-12 | 中联重科股份有限公司 | 焊接方法和用于实施该焊接方法的焊接设备 |
CN108225569A (zh) * | 2017-12-31 | 2018-06-29 | 北京工业大学 | 一种基于双谱线特征的标准温度法 |
CN108480823A (zh) * | 2018-02-09 | 2018-09-04 | 中国东方电气集团有限公司 | 一种用于热丝tig自动焊的远程质量监控*** |
JP2018192524A (ja) * | 2017-05-12 | 2018-12-06 | 株式会社神戸製鋼所 | 自動溶接システム、溶接制御方法、及び機械学習モデル |
CN109530955A (zh) * | 2018-12-03 | 2019-03-29 | 江苏科技大学 | 气保焊焊丝的焊接工艺性能评价装置及方法 |
CN109949263A (zh) * | 2017-12-18 | 2019-06-28 | 西安交通大学 | 一种气体电弧电极喷溅烧蚀的原位观测方法 |
CN110260648A (zh) * | 2019-06-20 | 2019-09-20 | 天恩璐(大连)智能船舶装备有限公司 | 一种基于dsp的智能电弧炉稳弧控制*** |
CN110321903A (zh) * | 2019-07-05 | 2019-10-11 | 天津科技大学 | 一种基于Y-net多层卷积神经网络的焊缝特征点提取方法 |
CN111069748A (zh) * | 2019-12-20 | 2020-04-28 | 南京理工大学 | 一种实时检测及控制空心螺柱焊电弧旋转的方法与装置 |
CN111451604A (zh) * | 2020-04-10 | 2020-07-28 | 西安交通大学 | 一种gtaw电弧熔丝增材制造熄弧处补焊监测反馈方法及*** |
CN111656284A (zh) * | 2018-01-24 | 2020-09-11 | 株式会社尼康 | 曝光装置及曝光方法 |
CN112846445A (zh) * | 2020-12-31 | 2021-05-28 | 南京英尼格玛工业自动化技术有限公司 | 一种金属结构多层多道复合电弧增材制造方法及*** |
CN112916988A (zh) * | 2014-06-27 | 2021-06-08 | 伊利诺斯工具制品有限公司 | 监视焊接信息的***和方法 |
CN113096042A (zh) * | 2021-04-09 | 2021-07-09 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种辉光图像采集装置及其图像处理方法 |
CN113321274A (zh) * | 2021-07-01 | 2021-08-31 | 宁波市思虎电子科技有限公司 | 一种太阳能铜离子发生器、倒极方法及电极耗尽判断方法 |
CN113618204A (zh) * | 2021-07-29 | 2021-11-09 | 中建安装集团有限公司 | 一种k-tig焊接***及方法 |
CN113674206A (zh) * | 2021-07-21 | 2021-11-19 | 华南理工大学 | 一种适用于深熔k-tig焊熔池和锁孔入口特征参数的提取方法 |
CN215116482U (zh) * | 2021-06-21 | 2021-12-10 | 承德华腐隆辰防腐工程有限责任公司 | 一种阴极保护电位测量工具 |
CN113850802A (zh) * | 2021-10-19 | 2021-12-28 | 内蒙古工业大学 | 基于matlab的焊接电弧特征谱线图像光谱数据自动提取方法 |
CN114083091A (zh) * | 2021-12-09 | 2022-02-25 | 中国计量大学 | 一种基于云边端协同的窄深空间内部焊接预警监测方法 |
CN114260547A (zh) * | 2021-12-23 | 2022-04-01 | 山东大学 | 一种基于深度学习算法的窄间隙旋转电弧gtaw钨极位置纠偏方法 |
CN114295913A (zh) * | 2021-12-30 | 2022-04-08 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种电弧加热器在线监测方法 |
CN114299003A (zh) * | 2021-12-24 | 2022-04-08 | 内蒙古工业大学 | 基于PSO-AwASD-POCS算法的焊接电弧发射系数重建参数调优方法 |
CN114740310A (zh) * | 2022-03-18 | 2022-07-12 | 湖南大学 | 一种有载分接开关金属触头抗烧蚀性能检测装置和方法 |
CN114929420A (zh) * | 2020-01-23 | 2022-08-19 | 松下知识产权经营株式会社 | 焊接装置 |
CN115106621A (zh) * | 2022-05-20 | 2022-09-27 | 华南理工大学 | 一种全位置机器人深熔k-tig焊接***及控制方法 |
CN115519214A (zh) * | 2022-09-20 | 2022-12-27 | 唐山松下产业机器有限公司 | 用于氩弧焊机的引弧方法以及采用该方法的氩弧焊机 |
CN115533273A (zh) * | 2022-10-11 | 2022-12-30 | 南京工程学院 | 一种智能焊接厚大工件自适应打底层坡口组对误差装置及方法 |
CN115609110A (zh) * | 2022-11-22 | 2023-01-17 | 南京理工大学 | 基于多模融合的电弧复合增材熔深预测方法 |
US20230166345A1 (en) * | 2021-11-30 | 2023-06-01 | Esab Ab | Adaptive inductance compensation in a welding circuit |
CN116208860A (zh) * | 2023-02-22 | 2023-06-02 | 华南理工大学 | 适用于k-tig焊超强弧光场景的图像融合方法及相机 |
CN116237616A (zh) * | 2023-02-09 | 2023-06-09 | 江苏科技大学 | 一种焊接电弧物理特性检测***及方法 |
US20230191540A1 (en) * | 2020-04-20 | 2023-06-22 | L'Air Liquide, Société Anonyme pour l'Etude et l'Exploitation des Procédés Georges Claude | Method, device and computer program for determining the performance of a welding method via digital processing of an image of the welded workpiece |
CN116275405A (zh) * | 2023-05-22 | 2023-06-23 | 中建安装集团有限公司 | 一种薄板低温钢k-tig智能焊接装置及方法 |
US20230241704A1 (en) * | 2020-08-20 | 2023-08-03 | Fronius International Gmbh | Method and apparatus for monitoring a non-melting welding electrode of an automatic arc welding apparatus |
-
2023
- 2023-09-15 CN CN202311191223.6A patent/CN116921817B/zh active Active
Patent Citations (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61269975A (ja) * | 1985-05-24 | 1986-11-29 | Nippon Steel Weld Prod & Eng Co Ltd | プラズマ切断・溶接における電極破壊検知方法及び検知装置 |
JPH0394982A (ja) * | 1989-09-08 | 1991-04-19 | Daihen Corp | プラズマアーク加工装置 |
JPH044979A (ja) * | 1990-04-20 | 1992-01-09 | Babcock Hitachi Kk | タングステン電極自動交換装置 |
US5134578A (en) * | 1991-02-11 | 1992-07-28 | General Electric Company | Digital signal processor for selectively performing cordic, division or square-rooting procedures |
JP2002222757A (ja) * | 2001-01-26 | 2002-08-09 | Canon Inc | 露光装置、デバイス製造方法及びデバイス |
JP2004042067A (ja) * | 2002-07-09 | 2004-02-12 | Kawasaki Heavy Ind Ltd | アーク形状監視による自動開先倣い溶接装置および方法 |
CN101275976A (zh) * | 2007-03-29 | 2008-10-01 | 中国科学院理化技术研究所 | 一种声场中的热线风速仪标定装置及标定方法 |
US20100258534A1 (en) * | 2009-04-08 | 2010-10-14 | Russell Vernon Hughes | Method of converting a gas tungsten arc welding system to a plasma welding system |
CN102625739A (zh) * | 2009-09-11 | 2012-08-01 | 弗罗纽斯国际有限公司 | 用于监控利用电弧的过程的监控模块 |
WO2011099637A1 (ja) * | 2010-02-12 | 2011-08-18 | バブコック日立株式会社 | Tigアーク溶接用電極及びtigアーク溶接方法 |
CN104254425A (zh) * | 2012-04-18 | 2014-12-31 | 村田彰久 | 狭窄喷嘴以及使用狭窄喷嘴的tig焊接用炬 |
CN205309522U (zh) * | 2012-08-10 | 2016-06-15 | 西门子公司 | 用于在焊接时评价钨电极的寿命的焊接*** |
CN103269558A (zh) * | 2013-06-05 | 2013-08-28 | 南京理工大学 | 一种超音速等离子体喷枪的阳极及超音速等离子体喷枪 |
CN107077893A (zh) * | 2014-05-29 | 2017-08-18 | 辉光能源公司 | 发电***及其相关方法 |
CN112916988A (zh) * | 2014-06-27 | 2021-06-08 | 伊利诺斯工具制品有限公司 | 监视焊接信息的***和方法 |
CN107430823A (zh) * | 2014-11-05 | 2017-12-01 | 伊利诺斯工具制品有限公司 | 记录多工步数据的***和方法 |
CN107107231A (zh) * | 2014-12-19 | 2017-08-29 | 林肯环球股份有限公司 | 焊接视像与控制*** |
US20160267806A1 (en) * | 2015-03-09 | 2016-09-15 | Illinois Tool Works Inc. | Methods and apparatus to provide visual information associated with welding operations |
CN107980153A (zh) * | 2015-03-09 | 2018-05-01 | 伊利诺斯工具制品有限公司 | 提供与焊接操作相关联的视觉信息的方法和器械 |
US20170046976A1 (en) * | 2015-08-12 | 2017-02-16 | Illinois Tool Works Inc. | Stick welding electrode holders with real-time feedback features |
JP2018192524A (ja) * | 2017-05-12 | 2018-12-06 | 株式会社神戸製鋼所 | 自動溶接システム、溶接制御方法、及び機械学習モデル |
CN107570899A (zh) * | 2017-06-28 | 2018-01-12 | 中联重科股份有限公司 | 焊接方法和用于实施该焊接方法的焊接设备 |
CN109949263A (zh) * | 2017-12-18 | 2019-06-28 | 西安交通大学 | 一种气体电弧电极喷溅烧蚀的原位观测方法 |
CN108225569A (zh) * | 2017-12-31 | 2018-06-29 | 北京工业大学 | 一种基于双谱线特征的标准温度法 |
CN111656284A (zh) * | 2018-01-24 | 2020-09-11 | 株式会社尼康 | 曝光装置及曝光方法 |
CN108480823A (zh) * | 2018-02-09 | 2018-09-04 | 中国东方电气集团有限公司 | 一种用于热丝tig自动焊的远程质量监控*** |
CN109530955A (zh) * | 2018-12-03 | 2019-03-29 | 江苏科技大学 | 气保焊焊丝的焊接工艺性能评价装置及方法 |
CN110260648A (zh) * | 2019-06-20 | 2019-09-20 | 天恩璐(大连)智能船舶装备有限公司 | 一种基于dsp的智能电弧炉稳弧控制*** |
CN110321903A (zh) * | 2019-07-05 | 2019-10-11 | 天津科技大学 | 一种基于Y-net多层卷积神经网络的焊缝特征点提取方法 |
CN111069748A (zh) * | 2019-12-20 | 2020-04-28 | 南京理工大学 | 一种实时检测及控制空心螺柱焊电弧旋转的方法与装置 |
CN114929420A (zh) * | 2020-01-23 | 2022-08-19 | 松下知识产权经营株式会社 | 焊接装置 |
CN111451604A (zh) * | 2020-04-10 | 2020-07-28 | 西安交通大学 | 一种gtaw电弧熔丝增材制造熄弧处补焊监测反馈方法及*** |
US20230191540A1 (en) * | 2020-04-20 | 2023-06-22 | L'Air Liquide, Société Anonyme pour l'Etude et l'Exploitation des Procédés Georges Claude | Method, device and computer program for determining the performance of a welding method via digital processing of an image of the welded workpiece |
US20230241704A1 (en) * | 2020-08-20 | 2023-08-03 | Fronius International Gmbh | Method and apparatus for monitoring a non-melting welding electrode of an automatic arc welding apparatus |
CN112846445A (zh) * | 2020-12-31 | 2021-05-28 | 南京英尼格玛工业自动化技术有限公司 | 一种金属结构多层多道复合电弧增材制造方法及*** |
CN113096042A (zh) * | 2021-04-09 | 2021-07-09 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种辉光图像采集装置及其图像处理方法 |
CN215116482U (zh) * | 2021-06-21 | 2021-12-10 | 承德华腐隆辰防腐工程有限责任公司 | 一种阴极保护电位测量工具 |
CN113321274A (zh) * | 2021-07-01 | 2021-08-31 | 宁波市思虎电子科技有限公司 | 一种太阳能铜离子发生器、倒极方法及电极耗尽判断方法 |
CN113674206A (zh) * | 2021-07-21 | 2021-11-19 | 华南理工大学 | 一种适用于深熔k-tig焊熔池和锁孔入口特征参数的提取方法 |
CN113618204A (zh) * | 2021-07-29 | 2021-11-09 | 中建安装集团有限公司 | 一种k-tig焊接***及方法 |
CN113850802A (zh) * | 2021-10-19 | 2021-12-28 | 内蒙古工业大学 | 基于matlab的焊接电弧特征谱线图像光谱数据自动提取方法 |
US20230166345A1 (en) * | 2021-11-30 | 2023-06-01 | Esab Ab | Adaptive inductance compensation in a welding circuit |
CN114083091A (zh) * | 2021-12-09 | 2022-02-25 | 中国计量大学 | 一种基于云边端协同的窄深空间内部焊接预警监测方法 |
CN114260547A (zh) * | 2021-12-23 | 2022-04-01 | 山东大学 | 一种基于深度学习算法的窄间隙旋转电弧gtaw钨极位置纠偏方法 |
CN114299003A (zh) * | 2021-12-24 | 2022-04-08 | 内蒙古工业大学 | 基于PSO-AwASD-POCS算法的焊接电弧发射系数重建参数调优方法 |
CN114295913A (zh) * | 2021-12-30 | 2022-04-08 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种电弧加热器在线监测方法 |
CN114740310A (zh) * | 2022-03-18 | 2022-07-12 | 湖南大学 | 一种有载分接开关金属触头抗烧蚀性能检测装置和方法 |
CN115106621A (zh) * | 2022-05-20 | 2022-09-27 | 华南理工大学 | 一种全位置机器人深熔k-tig焊接***及控制方法 |
CN115519214A (zh) * | 2022-09-20 | 2022-12-27 | 唐山松下产业机器有限公司 | 用于氩弧焊机的引弧方法以及采用该方法的氩弧焊机 |
CN115533273A (zh) * | 2022-10-11 | 2022-12-30 | 南京工程学院 | 一种智能焊接厚大工件自适应打底层坡口组对误差装置及方法 |
CN115609110A (zh) * | 2022-11-22 | 2023-01-17 | 南京理工大学 | 基于多模融合的电弧复合增材熔深预测方法 |
CN116237616A (zh) * | 2023-02-09 | 2023-06-09 | 江苏科技大学 | 一种焊接电弧物理特性检测***及方法 |
CN116208860A (zh) * | 2023-02-22 | 2023-06-02 | 华南理工大学 | 适用于k-tig焊超强弧光场景的图像融合方法及相机 |
CN116275405A (zh) * | 2023-05-22 | 2023-06-23 | 中建安装集团有限公司 | 一种薄板低温钢k-tig智能焊接装置及方法 |
Non-Patent Citations (8)
Title |
---|
向川;黄智慧;董华军;郑占峰;邹积岩;: "真空开关电弧形态演变实验与仿真研究", 真空科学与技术学报, no. 09 * |
吴统立;杨嘉佳;王克鸿;郭顺;高琼;: "高频复合双钨极氩弧焊电弧行为规律", 电焊机, no. 05 * |
周灿丰;焦向东;薛龙;陈家庆;王中辉;吕涛;房晓明;: "高压空气环境钨极氩弧焊电弧形态", 焊接, no. 01 * |
朱志明;符平坡;于英飞;程世佳;: "基于图像的电弧波动行为表征及保护气体流量影响规律", 焊接, no. 10 * |
樊重建;***;陈善本;: "铝合金钨极氩弧焊熔池被动视觉信息传感", 上海交通大学学报, no. 01 * |
汪继宗;黄继强;黄军芬;薛龙;郭雯雯;: "焊接电弧等离子体热学特性测量方法的研究进展", 焊接, no. 10 * |
罗祥;王宗义;: "基于多曝光的明弧焊接视觉***", 焊接学报, no. 09 * |
郭波;石永华;易耀勇;: "基于电弧形态的熔滴过渡形式识别", 焊接学报, no. 11 * |
Also Published As
Publication number | Publication date |
---|---|
CN116921817B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047225B (zh) | 一种基于边缘侧模型处理的smt表面组装组件焊点的质量评定方法 | |
CN111127402A (zh) | 一种机器人焊接质量的视觉检测方法 | |
CN111815555A (zh) | 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置 | |
CN114871620B (zh) | 一种厚板焊接质量监测与控制***及其焊接方法 | |
AU2021259109A1 (en) | Method, device and computer program for determining the performance of a welding method via digital processing of an image of the welded workpiece | |
Yu et al. | Application of arc plasma spectral information in the monitor of Al–Mg alloy pulsed GTAW penetration status based on fuzzy logic system | |
CN116363126B (zh) | 一种数据线usb插头焊接质量检测方法 | |
CN114119595A (zh) | 一种基于集成深度学习的gmaw焊接质量在线监测及评价方法 | |
CN116921817B (zh) | 自动tig焊电弧聚集度在线监测及智能预警方法 | |
Huang et al. | Feature extraction for gas metal arc welding based on EMD and time–frequency entropy | |
CN112580935A (zh) | 一种基于机器视觉的工业产品生产流程溯源分析方法 | |
WO2022040819A2 (en) | Computer-implemented monitoring of a welding operation | |
DE102012207045B4 (de) | Bildverarbeitungsvorrichtung und Bildverarbeitungsverfahren | |
CN116511652B (zh) | 一种气体保护焊接工艺参数优化***及方法 | |
CN116618878A (zh) | 一种焊前工艺参数确定方法、焊接质量在线预测方法、装置及存储介质 | |
CN116871632A (zh) | 基于弧压和熔池视觉的机器人打底焊成形缺陷监测方法 | |
CN113941774B (zh) | 焊缝检测***参数阈值设定方法、装置、设备、存储介质 | |
EP3961559B1 (de) | Verfahren und vorrichtung zum ermitteln von defekten während eines oberflächenmodifizierungsverfahrens | |
DE102008038332A1 (de) | Verfahren und Vorrichtung zur Regelung eines Schweißprozesses | |
CN112801984A (zh) | 一种激光视觉***下的基于对抗学习的焊缝定位方法 | |
CN111811437A (zh) | 一种带锯条焊接质量检测方法及装置 | |
Fei et al. | Machine Vision Analysis of Welding Region and Its Application to Seam Tracking in Arc Welding | |
Jin et al. | Spectrogram based detection algorithm for back-bead in gas metal arc welding process using convolution neural network | |
CN112129774A (zh) | 一种焊接未熔合缺陷在线检测方法 | |
Lin et al. | Welding quality analysis and prediction based on deep learning |
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 |