CN118162756A - 一种基于视觉引导的电池模组激光焊接***及方法 - Google Patents
一种基于视觉引导的电池模组激光焊接***及方法 Download PDFInfo
- Publication number
- CN118162756A CN118162756A CN202410599429.0A CN202410599429A CN118162756A CN 118162756 A CN118162756 A CN 118162756A CN 202410599429 A CN202410599429 A CN 202410599429A CN 118162756 A CN118162756 A CN 118162756A
- Authority
- CN
- China
- Prior art keywords
- welding
- quality
- battery module
- module
- parameter
- 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 496
- 238000000034 method Methods 0.000 title claims abstract description 92
- 230000000007 visual effect Effects 0.000 title abstract description 24
- 239000000463 material Substances 0.000 claims abstract description 84
- 230000007547 defect Effects 0.000 claims abstract description 29
- 230000000694 effects Effects 0.000 claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 claims abstract description 12
- 230000003685 thermal hair damage Effects 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 71
- 238000005457 optimization Methods 0.000 claims description 68
- 238000004458 analytical method Methods 0.000 claims description 53
- 238000012360 testing method Methods 0.000 claims description 46
- 238000012544 monitoring process Methods 0.000 claims description 30
- 238000004088 simulation Methods 0.000 claims description 19
- 238000010586 diagram Methods 0.000 claims description 18
- 230000006872 improvement Effects 0.000 claims description 13
- 238000010521 absorption reaction Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 7
- 239000003550 marker Substances 0.000 claims description 7
- 230000035945 sensitivity Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000002310 reflectometry Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 238000002844 melting Methods 0.000 claims description 4
- 230000008018 melting Effects 0.000 claims description 4
- 238000001303 quality assessment method Methods 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 4
- 239000002699 waste material Substances 0.000 claims description 4
- 238000011157 data evaluation Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 5
- 230000006378 damage Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000005493 welding type Methods 0.000 description 1
Landscapes
- Laser Beam Processing (AREA)
Abstract
本发明涉及激光焊接技术领域,具体为一种基于视觉引导的电池模组激光焊接***及方法,***包括定位模板创建模块、激光焊接策略决策模块、焊接参数精调模块、焊接质量实时监测模块、焊接效率优化模块、焊接结果综合评估模块。本发明中,通过激光焊接策略决策模块分析模板坐标集,确定焊接起点和路径的最优布局,优化焊接路径,减少无效移动,通过精确控制焊接顺序和布局,降低焊接引起的材料变形和应力集中,提高焊接接头的一致性和可靠性,焊接参数精调模块针对电池模组的具体材料和厚度,调整激光功率和速度,确保在差异化材料和厚度上实现最佳焊接效果,避免过高的热输入对电池模组造成的热损伤,减少焊接缺陷,提升焊接质量和生产效率。
Description
技术领域
本发明涉及激光焊接技术领域,尤其涉及一种基于视觉引导的电池模组激光焊接***及方法。
背景技术
激光焊接技术领域涵盖使用激光作为能源对材料进行焊接的方法和***,激光焊接利用高能量密度的激光束快速加热材料的局部区域,使之熔化形成熔池,随着激光束的移动和熔池的冷却固化,达到连接材料的目的。这种技术以其高效率、高精度和低热输入的特点,在精密制造、电子、汽车、航空航天等多个行业中得到广泛应用。激光焊接能实现微小区域的精密加工,减少材料的热变形,提高焊接接头的强度和美观度,激光焊接过程易于自动化,配合计算机控制,可以实现复杂路径和非接触式的焊接过程,进一步提升生产效率和焊接质量。
其中,电池模组激光焊接***是专为电池模组组装过程中的焊接需求设计的,旨在通过激光焊接技术实现电池单体之间或电池单体与连接板之间的牢固连接,这种***的目的在于保证电池模组的高导电性、长期稳定性和安全性。在电动汽车和可再充电电池产品中,电池模组的性能直接影响到最终产品的性能和可靠性,因此采用激光焊接***可以达成高精度、高质量焊接效果,确保电池模组具有优异的电气连接性能和抗机械震动能力。激光焊接为电池模组提供了一种无接触、快速、可控的加工方法,有助于提升生产效率,减少制造成本。
传统的电池模组激光焊接***在焊接路径规划、参数设置方面存在明显不足,传统焊接过程依赖经验进行路径规划和参数选择,缺乏对电池模组特性的精细分析和适应,容易导致焊接过程中的不一致性和参数设置的不合理,影响焊接质量和效率,固定的焊接参数在差异化厚度或材料的电池模组上导致热输入过多或不足,引发焊接缺陷和材料损伤,不仅降低产品的可靠性,也增加后期修复的成本和时间,传统***在焊接路径规划上的简化处理,忽视电池模组的特异性,导致焊接过程中的效率低下和能耗高,进一步增加生产成本。
发明内容
本申请通过提供了一种基于视觉引导的电池模组激光焊接***及方法,解决了传统的电池模组激光焊接***在焊接路径规划、参数设置方面存在明显不足,传统焊接过程依赖经验进行路径规划和参数选择,缺乏对电池模组特性的精细分析和适应,容易导致焊接过程中的不一致性和参数设置的不合理,影响焊接质量和效率,固定的焊接参数在差异化厚度或材料的电池模组上导致热输入过多或不足,引发焊接缺陷和材料损伤,不仅降低产品的可靠性,也增加后期修复的成本和时间,传统***在焊接路径规划上的简化处理,忽视电池模组的特异性,导致焊接过程中的效率低下和能耗高,进一步增加生产成本的问题。
鉴于上述问题,本申请提供了一种基于视觉引导的电池模组激光焊接***及方法。
本申请提供了一种基于视觉引导的电池模组激光焊接***,其中,所述***包括:
定位模板创建模块利用机器视觉技术分析电池模组表面标识,通过图像采集设备捕获标志点图像,对图像进行处理识别标志点位置,生成模板坐标集;
激光焊接策略决策模块利用所述模板坐标集分析焊接起点和路径最优布局,参照电池模组尺寸和配置,构建焊接路径规划图;
焊接参数精调模块根据所述焊接路径规划图,调整激光功率和速度,针对电池模组材料和厚度差异进行调整,得到优化参数表;
焊接质量实时监测模块根据所述优化参数表进行实时调整,使用实时图像捕获设备监控焊缝形成和缺陷,获取质量监测结果;
焊接效率优化模块基于所述质量监测结果,分析焊接过程时间消耗,对路径和参数进行迭代优化,通过模拟测试验证新路径和参数效率,生成焊接效率优化方案;
焊接结果综合评估模块基于所述焊接效率优化方案,汇总焊接数据,对焊接过程进行评估判断是否满足生产需求,构建综合质量分析结果。
优选的,所述模板坐标集包括标志点的坐标、参考框架对应的定位参数和标志点与框架的对应位置,所述焊接路径规划图包括焊接起点、终点坐标、预定焊接轨迹和焊接顺序,所述优化参数表包括激光功率调整值、焊接速度设定和对差异化材料的功率适应性,所述质量监测结果包括焊接缺陷类型、缺陷位置和焊缝质量评级,所述焊接效率优化方案包括新的焊接速度、路径最优调整和预计效率提升值,所述综合质量分析结果包括反映焊接过程整体效率、质量评估和改进方案。
优选的,所述激光焊接策略决策模块包括:
路径布局分析子模块基于所述模板坐标集,分析电池模组的尺寸和配置,综合考量焊接效率和覆盖范围,确定焊接路径的走向和关键焊接区域,得到焊接布局方案;
起点定位子模块基于所述焊接布局方案,参照焊接的起始点对整体焊接过程效率的影响,评估每个起点的位置优势,优化焊接路径的顺畅度和预期焊接效率,选定最优的焊接起点,得到焊接的起始位置;
路径规划图绘制子模块基于所述焊接的起始位置,应用启发式搜索算法,规划焊接动作和路径,包括焊接方向的选择,焊接点间的最优路径,规避重复焊接的区域规划,构建焊接路径规划图。
优选的,所述启发式搜索算法按照公式其中,/>为节点到目标点的加权欧几里得距离,/>和/>为当前节点的坐标,/>和/>为目标节点的坐标,/>为焊接速度与焊接质量的加权系数,/>为当前路径与预期焊接方向的夹角,/>和/>为权重系数。
优选的,所述焊接参数精调模块包括:
参数预设子模块基于所述焊接路径规划图,应用材料特性分析方法,分析电池模组材质和厚度差异,设定初始激光功率和速度,参照材料反应对激光焊接的敏感度,调整参数匹配差异化电池模组的需求,生成初始参数设定;
小范围试验子模块利用所述初始参数设定在有限的电池模组样本上执行焊接试验,监控并记录焊缝质量与材料热影响,分析参数设置对焊接效果的影响,收集数据评估参数的适用性,得到试验数据集;
参数优化子模块根据所述试验数据集细化激光功率和速度参数,通过对比差异化参数下的焊接效果,选择最优参数减少热损伤并优化焊接质量,反复调整直至捕捉满足测试条件的参数设置,得到优化参数表。
优选的,所述材料特性分析方法按照公式其中,为改进后的激光吸收效率,/>为材料的吸收系数,/>为材料的厚度,/>为材料的反射率,/>为焊接时的温度,/>为材料的初始温度,/>为材料的熔点温度,/>为根据材料特性调整的权重系数。
优选的,所述焊接质量实时监测模块包括:
性能调节子模块根据所述优化参数表中的数据,调节焊接设备的激光功率和移动速度,参照材料类型和厚度进行匹配,调整操作维持焊接过程在最优状态下进行,生成调整后参数配置;
视觉记录子模块基于所述调整后参数配置,配置实时图像捕获设备的参数,包括曝光率和帧率,匹配焊接过程中的光照变化,捕获焊缝形成过程中连续的图像序列,获取焊接序列图像集;
质量判断子模块分析所述焊接序列图像集,对比焊接过程中焊缝形态与预设质量标准,识别焊接缺陷包括裂纹、孔洞和焊缝,通过图像特征对比确定焊接质量,构建质量监测结果。
优选的,所述焊接效率优化模块包括:
时间消耗分析子模块基于所述质量监测结果,记录焊接过程中的操作时间,识别并记录造成时间延长的环节,包括无效移动和调整时间,对环节进行分析,捕捉造成时间浪费的关键因素,生成时间消耗分析结果;
参数调整子模块依据所述时间消耗分析结果,规划焊接路径缩短移动距离,调整激光功率和速度,优化焊接速率,进行迭代优化捕捉最优参数组合,获取优化参数与路径方案;
模拟测试子模块使用所述优化参数与路径方案执行模拟焊接测试,设置模拟环境反应实时焊接条件,执行模拟焊接操作,记录测试中的焊接时间和焊接质量指标,分析测试数据确定优化参数和路径方案对焊接时间和质量的影响,生成焊接效率优化方案。
基于视觉引导的电池模组激光焊接方法,所述基于视觉引导的电池模组激光焊接方法基于上述基于视觉引导的电池模组激光焊接***执行,包括以下步骤:
S1:应用机器视觉分析电池模组表面目标标志,使用图像采集设备进行连续扫描,捕获目标标志点图像,调整机械臂对齐目标,生成对齐坐标数据集;
S2:基于所述对齐坐标数据集,分析电池模组空间布局,进行路径规划优化焊接顺序,获取焊接路径布局;
S3:依据所述焊接路径布局,设定激光功率与焊接速度,执行样品焊接试验并记录结果,获取参数优化策略;
S4:利用所述参数优化策略,在焊接过程中细调激光功率和速度,比较焊接缺陷与质量标准,生成焊接质量记录;
S5:通过所述焊接质量记录,分析影响效率的因素,规划焊接路径与顺序,调整参数,建立效率优化方案;
S6:集成所述效率优化方案与焊接质量记录,分析焊接综合性能,调整操作流程与参数,形成综合优化策略;
S7:根据所述综合优化策略,调整确定焊接参数和操作流程,设计实验记录焊接质量的一致性与重复性,获取焊接操作标准分析结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过激光焊接策略决策模块分析模板坐标集,确定焊接起点和路径的最优布局,此技术手段不仅优化焊接路径,减少无效移动,还通过精确控制焊接顺序和布局,降低焊接引起的材料变形和应力集中,提高焊接接头的一致性和可靠性,焊接参数精调模块针对电池模组的具体材料和厚度,调整激光功率和速度,确保在差异化材料和厚度上实现最佳焊接效果,通过小范围试验精确确定最优参数组合,有效避免过高的热输入对电池模组造成的热损伤,减少焊接缺陷,如焊穿和裂纹,提升焊接质量和生产效率。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本发明提出一种基于视觉引导的电池模组激光焊接***的模块图;
图2为本发明提出一种基于视觉引导的电池模组激光焊接***的框架图;
图3为本发明提出一种基于视觉引导的电池模组激光焊接***定位模板创建模块的具体流程示意图;
图4为本发明提出一种基于视觉引导的电池模组激光焊接***激光焊接策略决策模块的具体流程示意图;
图5为本发明提出一种基于视觉引导的电池模组激光焊接***焊接参数精调模块的具体流程示意图;
图6为本发明提出一种基于视觉引导的电池模组激光焊接***焊接质量实时监测模块的具体流程示意图;
图7为本发明提出一种基于视觉引导的电池模组激光焊接***焊接效率优化模块的具体流程示意图;
图8为本发明提出一种基于视觉引导的电池模组激光焊接***焊接结果综合评估模块的具体流程示意图;
图9为本发明提出一种基于视觉引导的电池模组激光焊接方法的流程示意图。
具体实施方式
本申请通过提供了一种基于视觉引导的电池模组激光焊接***及方法。
申请概述
现有技术中存在传统的电池模组激光焊接***在焊接路径规划、参数设置方面存在明显不足,传统焊接过程依赖经验进行路径规划和参数选择,缺乏对电池模组特性的精细分析和适应,容易导致焊接过程中的不一致性和参数设置的不合理,影响焊接质量和效率,固定的焊接参数在差异化厚度或材料的电池模组上导致热输入过多或不足,引发焊接缺陷和材料损伤,不仅降低产品的可靠性,也增加后期修复的成本和时间,传统***在焊接路径规划上的简化处理,忽视电池模组的特异性,导致焊接过程中的效率低下和能耗高,进一步增加生产成本的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
如图1、2所示,本申请提供了一种基于视觉引导的电池模组激光焊接***,其中,***包括:
定位模板创建模块利用机器视觉技术分析电池模组表面标识,通过图像采集设备捕获标志点图像,对图像进行处理,识别标志点位置,控制机械臂将标志点对准预设的参考框架,生成模板坐标集;
激光焊接策略决策模块利用模板坐标集,分析焊接起点和路径的最优布局,参照电池模组的尺寸和配置,输入焊接路径优先级和起点选择策略,构建焊接路径规划图;
焊接参数精调模块根据焊接路径规划图,调整焊接参数包括激光功率和速度,针对差异化的电池模组材料和厚度进行调整,通过小范围试验确定最优参数组合,规避对材料造成热损伤,得到优化参数表;
焊接质量实时监测模块依据优化参数表进行实时调整,使用焊接过程中的实时图像捕获设备,监控焊接质量指标,包括焊缝形成和缺陷,将图像与预设的质量标准进行对比,识别质量问题,获取质量监测结果;
焊接效率优化模块从质量监测结果中分析焊接过程的时间消耗,对焊接路径和参数进行迭代的优化调整,减少无效移动和调整时间,通过模拟测试验证新路径和参数的效率,生成焊接效率优化方案;
焊接结果综合评估模块汇总焊接过程的数据,包括从效率优化方案中获得的焊接时间和质量监测结果中的质量数据,对焊接过程进行评估,判断是否满足生产质量和效率的双重要求,构建综合质量分析结果。
模板坐标集包括标志点的坐标、参考框架对应的定位参数和标志点与框架的对应位置,焊接路径规划图包括焊接起点、终点坐标、预定焊接轨迹和焊接顺序,优化参数表包括激光功率调整值、焊接速度设定和对差异化材料的功率适应性,质量监测结果包括焊接缺陷类型、缺陷位置和焊缝质量评级,焊接效率优化方案包括新的焊接速度、路径最优调整和预计效率提升值,综合质量分析结果包括反映焊接过程整体效率、质量评估和改进方案。
具体而言,如图2、3所示,定位模板创建模块包括:
图像捕获子模块利用机器视觉技术分析电池模组表面标识,调整图像采集设备的焦距和曝光时间,对电池模组表面进行图像捕获,调整光线和相机参数匹配差异化表面反射特性,获取标志点图像集的执行流程如下;
图像捕获子模块通过图像采集设备定位到电池模组表面,确定需要捕获的区域,在确定捕获区域后,对焦距进行精确调整,确保图像清晰度最大化。曝光时间的设置基于环境光线条件自动调整,以适应电池表面的反光特性。使用反射光线传感技术,针对差异化材料的反射率自动调整相机参数,如ISO感光度和光圈大小,从而优化图像质量,对于高反光表面,减少曝光时间,降低ISO感光度,减小光圈;对于暗色或低反光表面,增加曝光时间,提高ISO感光度,扩大光圈,获得标志点图像集。
标志点识别子模块对标志点图像集进行灰度转换,应用边缘增强处理优化标志点与背景的对比度,图像分割将标志点从背景中分离,分析确定标志点的位置,建立位置信息表的执行流程如下;
标志点识别子模块接收图像捕获子模块提供的图像集,对图像进行灰度转换,转换后的图像将进入边缘增强处理阶段,通过Sobel或Canny边缘检测算法增强图像中标志点的边缘,提高标志点与背景的对比度,采用基于阈值的自动图像分割方法,如Otsu方法,将标志点从背景中准确分离出来,分离后,通过形态学操作(如膨胀和蚀刻)进一步清晰标志点的轮廓。标志点位置通过中心重心计算法确定,即通过计算图像中每个标志点的像素强度重心来估算其精确位置,将位置信息记录在位置信息表中,为后续的坐标对齐提供数据支持。
坐标创建子模块利用位置信息表计算标志点针对预设参考框架的偏移量,控制机械臂进行移动,使标志点对齐到参考框架,持续调整机械臂的位置,构建模板坐标集的执行流程如下;
坐标创建子模块执行流程:在获得精确的标志点位置信息后,该模块计算每个标志点相对于预设参考框架的偏移量。使用直线距离公式,其中,/>、/>是标志点在图像中的坐标,/>、/>是参考框架中对应位置的坐标。根据计算出的偏移量,控制机械臂进行精确的位置调整,使每个标志点精确对齐到参考框架,需要多次迭代调整,每次调整后重新评估标志点的位置直到达到预设的位置精度,通过机械臂的最终位置数据,构建出用于后续处理的模板坐标集。
具体而言,如图2、4所示,激光焊接策略决策模块包括:
路径布局分析子模块基于模板坐标集,分析电池模组的尺寸和配置,综合考量焊接效率和覆盖范围,确定焊接路径的走向和关键焊接区域,得到焊接布局方案的执行流程如下;
路径布局分析子模块从电池模组的物理特性入手,首先收集电池模组尺寸与配置数据,包括每个电池单元的长度、宽度和高度,以及在模组中的相对位置。通过对数据进行分析,计算出各电池单元之间的空间关系和连接需求,结合焊接设备的操作范围和机动性,***评估差异化焊接序列对焊接效率的影响,制定初步的焊接路径方案,***还需考虑焊接过程中出现的覆盖盲区,以调整焊接顺序和路径,确保每个必要的焊接点都能被覆盖,模块输出一套优化的焊接路径布局方案,该方案详细列出了关键焊接区域及其顺序,优化了焊接过程的总体效率和质量,得到焊接布局方案。
起点定位子模块基于焊接布局方案,参照焊接的起始点对整体焊接过程效率的影响,评估每个起点的位置优势,优化焊接路径的顺畅度和预期焊接效率,选定最优的焊接起点,得到焊接的起始位置的执行流程如下;
起点定位子模块从已确定的焊接布局方案出发,采集各推荐起点的空间位置和可接近性数据。模块计算每个起点的访问效率,包括到达该点的路径长度及其对应的时间成本,***通过对比分析,评估各起点的战略位置优势,如接近度、操作便捷性和对后续焊接路径的影响。此评估基于确保焊接质量与速度的需求,优化焊接起点的选择,减少无效移动和提高焊接起始效率。经过一系列计算和比较,最终确定一个最佳焊接起点,该点能够确保整个焊接过程的流畅和效率最大化,得到焊接的起始位置。
路径规划图绘制子模块基于焊接的起始位置,应用启发式搜索算法,规划焊接动作和路径,包括焊接方向的选择,焊接点间的最优路径,规避重复焊接的区域规划,构建焊接路径规划图的执行流程如下;
路径规划图绘制子模块根据选定的焊接起点,首先构建一个包含所有焊接点的网络图,其中节点代表焊接点,边代表焊接路径,模块运用图论中的最短路径算法,计算从起点开始到达每个焊接点的最短有效路径。在此基础上,考虑到焊接过程中的重复覆盖和资源浪费问题,模块添加筛选机制,排除那些导致重复覆盖的路径,为了进一步优化路径,模块将考虑焊接顺序和方向,以适应焊接机器的物理限制和操作习惯,模块生成一张详细的焊接路径规划图,该图不仅指示了每一步的焊接动作,还通过预先规避冲突和重复,确保焊接过程的高效和精确,构建焊接路径规划图。
启发式搜索算法按照公式其中,/>为节点到目标点的加权欧几里得距离,/>和/>为当前节点的坐标,/>和/>为目标节点的坐标,/>为焊接速度与焊接质量的加权系数,/>为当前路径与预期焊接方向的夹角,/>和/>为权重系数,分别用于调整/>和/>在总距离计算中的影响。
执行过程如下;
计算当前节点到目标节点的直线欧几里得距离,引入焊接速度与焊接质量的加权系数,该系数考虑了在特定速度下焊接的质量,与路径规划的效率和质量直接相关,加入当前路径与预期焊接方向的夹角/>,该参数考虑了焊接过程中工件旋转或移动的需求,减少不必要的机械调整和时间消耗,通过权重系数/>和/>调整/>和/>在总距离计算中的影响,权重系数的确定可通过实验数据分析或专家经验评估获得,确保算法既考虑了路径的实际距离,也综合考虑了焊接过程的复杂性和效率,最终通过迭代搜索,生成最优的焊接路径规划图。
具体而言,如图2、5所示,焊接参数精调模块包括:
参数预设子模块基于焊接路径规划图,应用材料特性分析方法,分析电池模组材质和厚度差异,设定初始激光功率和速度,参照材料反应对激光焊接的敏感度,调整参数匹配差异化电池模组的需求,生成初始参数设定的执行流程如下;
参数预设子模块开始于对焊接路径规划图的详细分析,首先收集电池模组的材质信息,包括各部分的化学成分、密度、热导率等物理特性。基于数据,***计算材质对激光焊接敏感度的响应模型,预测差异化材质在相同激光条件下的行为差异,初始设定激光焊接机的功率和速度参数,以适应材质的反应特性。考虑到电池模组中差异化材质和厚度的变化,***自动调整激光参数,如功率调节从50瓦到200瓦,速度调节从0.5米/秒到2米/秒,以匹配差异化区域的需求。通过这种方式,模块生成一套初步的激光焊接参数,以期最大化焊接效率和质量,同时减少材料损伤,生成初始参数设定。
材料特性分析方法按照公式其中,/>为改进后的激光吸收效率,/>为材料的吸收系数,/>为材料的厚度,/>为材料的反射率,/>为焊接时的温度,/>为材料的初始温度,/>为材料的熔点温度,/>为根据材料特性调整的权重系数。
执行过程如下;
根据原始公式计算基础的激光吸收效率 ,考虑材料的吸收系数/> ,材料的厚度 />和材料的反射率/>,参数共同决定了材料对激光能量的吸收和反射能力,引入温度调节因子/>,其中/>为焊接时的温度,/>为材料的初始温度,/>为材料的熔点温度,此因子考虑了材料温度对吸收效率的影响,乘以权重系数/>,该系数根据材料的特性进行调整,例如,根据材料的热导率、热扩散率等属性确定/>的值,通过实验数据分析或专家经验来设定权重,从而得到改进后的激光吸收效率/> ,综合考虑了材料的物理属性和焊接过程中的温度变化,优化激光功率的设定,确保焊接过程的效率和质量。
小范围试验子模块利用初始参数设定在有限的电池模组样本上执行焊接试验,监控并记录焊缝质量与材料热影响,分析参数设置对焊接效果的影响,收集数据评估参数的适用性,得到试验数据集的执行流程如下;
小范围试验子模块使用先前设置的初始参数,在一批选定的电池模组样本上进行焊接试验,涉及对样本进行***焊接,同时实时监控焊缝的形成质量和周围材料的热影响。通过高精度热像仪和焊缝质量监测设备,收集焊接过程中的温度数据、焊缝形态和完整性信息,基于数据,***分析初始参数设置对焊接效果的具体影响,评估焊缝的均匀性、强度和材料的热变形程度。此分析帮助识别哪些参数需要调整,以优化焊接效果和减少不良影响。所有相关数据被整合进一个综合数据集,为参数优化提供实证基础,得到试验数据集。
参数优化子模块根据试验数据集细化激光功率和速度参数,通过对比差异化参数下的焊接效果,选择最优参数减少热损伤并优化焊接质量,反复调整直至捕捉满足测试条件的参数设置,得到优化参数表的执行流程如下;
参数优化子模块接收来自试验数据集的分析结果,并开始对激光功率和速度进行精细调整,包括对差异化功率和速度组合下焊接结果的比较分析,识别最适合的参数组合,以达到最佳的焊接质量和最小的热损伤。使用统计分析方法如方差分析,模块比较差异化参数设置下的焊接质量指标,如焊缝的均匀性和强度,以及热影响区的大小。根据分析结果,逐步调整参数,每次调整后重新进行小规模试验,验证调整效果,直到找到一组最优参数,参数能够在确保焊接质量的同时,最大程度减少热损伤。最终,确定一套满足所有测试条件的最佳参数设置,并形成优化参数表,得到优化参数表。
具体而言,如图2、6所示,焊接质量实时监测模块包括:
性能调节子模块根据优化参数表中的数据,调节焊接设备的激光功率和移动速度,参照材料类型和厚度进行匹配,调整操作维持焊接过程在最优状态下进行,生成调整后参数配置的执行流程如下;
性能调节子模块起始于解析优化参数表中的详细数据,数据包括为各种材料类型和厚度推荐的激光功率和移动速度设置,该模块对焊接设备的现有配置进行评估,然后根据参数表指示的最佳设置,进行精确的调整,包括对激光功率的逐步增减,例如从150瓦调整至180瓦,以适应较厚材料的焊接需要,调整移动速度,以确保激光头以均匀恒定的速度移动,避免在复杂形状的焊接路径上造成速度波动,子模块还考虑材料的热传导特性,细致调整激光的聚焦深度和照射时间,确保焊接过程在理论上达到最优状态。通过调整,确保焊接设备能够在各种操作条件下维持最佳性能,生成调整后参数配置。
视觉记录子模块基于调整后参数配置,配置实时图像捕获设备的参数,包括曝光率和帧率,匹配焊接过程中的光照变化,捕获焊缝形成过程中连续的图像序列,获取焊接序列图像集的执行流程如下;
视觉记录子模块根据调整后的参数配置,设置实时图像捕获设备以适应焊接过程中的光照条件和操作速度。模块首先确定焊接操作中的关键视觉监控点,并针对点配置摄像机的曝光率和帧率,以优化图像质量和捕获频率。例如,如果焊接过程中激光强度增强,模块会调低摄像机的曝光率,以防过曝,同时增加帧率,以捕捉更多细节动态变化。调整确保在整个焊接过程中,每一个焊接阶段都能被连续且清晰地记录下来,以便后续的分析和质量控制,模块能够有效地捕获关键焊接阶段的连续图像序列,为质量判断提供必要的视觉数据,获取焊接序列图像集。
质量判断子模块分析焊接序列图像集,对比焊接过程中焊缝形态与预设质量标准,识别焊接缺陷包括裂纹、孔洞和焊缝,通过图像特征对比确定焊接质量,构建质量监测结果的执行流程如下;
质量判断子模块接收来自视觉记录子模块的焊接序列图像集,并开始对图像中的焊缝形态进行详细分析。模块利用先进的图像处理技术,自动识别图像中的焊缝特征,如焊缝宽度、对接位置和焊接均匀性,并与预设的质量标准进行对比,模块还能识别出常见的焊接缺陷,如裂纹、孔洞和不连续焊缝,缺陷通过图像特征比对技术确定,如裂纹通过其线性特征识别,孔洞通过局部光亮区域检测。通过分析,模块不仅能提供实时的焊接质量反馈,还能指出需要重新调整的焊接参数或操作步骤,列出各焊接阶段的质量情况和改进建议,构建质量监测结果。
具体而言,如图2、7所示,焊接效率优化模块包括:
时间消耗分析子模块基于质量监测结果,记录焊接过程中的操作时间,识别并记录造成时间延长的环节,包括无效移动和调整时间,对环节进行分析,捕捉造成时间浪费的关键因素,生成时间消耗分析结果的执行流程如下;
时间消耗分析子模块起步于整理并分析焊接过程中的所有操作时间记录,特别关注焊接动作的起始和结束时间点。首先,子模块通过监测***记录每个焊接步骤的持续时间,并标记出其中包含无效移动和调整的时间段。接下来,通过详细的活动日志分析,识别出导致时间延长的具体环节,如机械臂的重新定位、焊接头的调整等。对这环节进行更深入的分析,以确定哪些操作是必要的,由于设备设置不当或操作不佳导致效率低下,该模块利用数据分析技术,如回归分析,识别主要影响时间效率的因素,并建立相关的影响模型。通过这种方式,模块生成一份详细的时间消耗分析结果,明确指出改进措施和建议,旨在减少无效时间,提高整体焊接效率,生成时间消耗分析结果。
参数调整子模块依据时间消耗分析结果,规划焊接路径缩短移动距离,调整激光功率和速度,优化焊接速率,进行迭代优化捕捉最优参数组合,获取优化参数与路径方案的执行流程如下;
参数调整子模块根据时间消耗分析的结果,开始对焊接路径和参数进行优化调整,模块首先计算现有焊接路径的总移动距离,并通过路径优化算法寻找减少移动距离的新路径,对激光功率和速度参数进行调整,以适应新的焊接路径并优化焊接速率。调整过程中,使用模拟软件测试差异化的参数组合对焊接时间和质量的影响,通过多次迭代测试,识别出最有效的参数组合。参数和路径的调整基于减少总焊接时间和提高焊接质量的双重目标,经过反复的试验和数据分析,最终确定一组能够显著提高焊接效率的优化参数与路径方案,获取优化参数与路径方案。
模拟测试子模块使用优化参数与路径方案执行模拟焊接测试,设置模拟环境反应实时焊接条件,执行模拟焊接操作,记录测试中的焊接时间和焊接质量指标,分析测试数据确定优化参数和路径方案对焊接时间和质量的影响,生成焊接效率优化方案的执行流程如下;
模拟测试子模块使用从参数调整子模块得到的优化参数和路径方案来执行模拟焊接测试,设置模拟环境以模仿实际的焊接条件,包括材料特性、激光器设定和操作环境等。在此环境下,执行模拟焊接操作,实时记录焊接过程中的时间和焊接质量指标,如焊缝完整性、深度和均匀性。通过模拟测试,***能够详细评估优化参数和路径方案对实际焊接操作的影响。分析数据后,模块生成一份焊接效率优化方案,详述如何通过调整焊接参数和路径来实现时间效率的最大化和质量的提高,生成焊接效率优化方案。
具体而言,如图2、8所示,焊接结果综合评估模块包括:
数据汇总子模块基于焊接效率优化方案,收集焊接过程中的关键数据,包括焊接时间、激光功率、移动速度和质量指标,整合关键数据并进行分析,生成焊接数据综合结果的执行流程如下;
数据汇总子模块从焊接效率优化方案中开始,首先***地收集焊接过程中的所有关键数据,包括每次焊接的具体时间、激光功率设置、移动速度和各种质量指标,数据通过焊接设备的内置传感器和监测***实时获取,并送入数据存储***中进行初步整合。接下来,子模块对数据进行详细的分析,通过统计方法如均值计算、标准差分析以及趋势线绘制,评估数据间的相关性和变化趋势。包括焊接时间与激光功率、移动速度之间的关系,以及参数与焊接质量指标之间的影响关系。通过这种综合分析,子模块生成一份焊接数据综合结果,详细描述了焊接过程的性能和存在的潜在改进点,生成焊接数据综合结果。
效率评估子模块基于焊接数据综合结果,对焊接过程的时间效率和操作流程进行分析,识别效率低的环节,评估优化措施的随机性,得到焊接效率评估分析结果的执行流程如下;
效率评估子模块基于焊接数据综合结果,面向分析焊接过程中的时间效率和操作流程。子模块首先确定焊接过程中耗时最长的操作环节,如激光头的定位、材料的搬运和准备时间等。通过分析环节的时间数据,识别出效率低下的具体原因,例如机械调整的冗余动作或等待时间过长,子模块还评估已实施的优化措施效果,如路径优化和参数调整,检验措施是否带来了预期的效率提升。通过分析,子模块能够提出新的优化建议,旨在进一步减少无效操作和提高整体焊接效率,得到焊接效率评估分析结果。
质量评估子模块基于焊接效率评估分析结果,分析焊缝质量,包括均匀性、缺陷类型和分布,对比行业标准和内部要求,评定焊接质量是否符合标准,构建综合质量分析结果的执行流程如下;
质量评估子模块接着焊接效率评估的分析结果,转而关注焊接质量的各个方面,子模块分析焊缝的均匀性、缺陷类型(如裂纹、孔洞)、以及缺陷在焊接中的分布情况。通过对焊接过程中捕获的图像和传感器数据进行详细审查,子模块能够精确地评估焊缝的质量和识别出质量问题的来源。分析结果将与行业标准和内部质量要求进行比对,评定每一焊接批次的质量等级。如果发现质量问题,子模块将提出具体的改进措施,如调整焊接参数或改善操作技术,子模块不仅保证焊接质量的持续监控,还能持续推动质量管理的改进,构建综合质量分析结果。
如图9所示,一种基于视觉引导的电池模组激光焊接方法,方法包括:
S1:应用机器视觉分析电池模组表面目标标志,使用图像采集设备对电池模组表面进行连续扫描,捕获目标标志点图像,通过灰度转换和边缘检测处理标志点图像,调节机械臂位置,生成对齐坐标数据集;
S2:根据对齐坐标数据集,进行空间布局分析,综合电池模组的尺寸与配置信息,设定焊接起点与路径优先级,对路径进行布局规划,确定焊接顺序,获取焊接路径布局;
S3:依据焊接路径布局,设定初步焊接参数,包括激光功率和焊接速度,根据电池模组材料特性进行微调,并进行样品焊接试验,记录结果,获取参数优化策略;
S4:利用参数优化策略,在焊接过程中调整激光功率和速度参数,通过高速相机记录焊接过程,分析焊接缺陷类型,并进行焊接缺陷与质量标准对比,生成焊接质量记录;
S5:通过焊接质量记录,识别导致效率低的因素,规划焊接路径,调整焊接顺序和参数设置,进行模拟测试评估新方案效率,建立效率优化方案;
S6:集成效率优化方案中的时间数据与焊接质量记录中的质量信息,分析焊接过程中的综合性能,调整操作流程和参数设置,平衡质量与效率,形成综合优化策略;
S7:根据综合优化策略,执行调整确定焊接参数和操作流程,设计并执行实验,记录实验过程中焊接质量的一致性与重复性指标,分析实验数据确定焊接操作的标准化,整合实验结果和分析,获取焊接操作标准分析结果。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种基于视觉引导的电池模组激光焊接***,其特征在于,所述***包括:
定位模板创建模块利用机器视觉技术分析电池模组表面标识,通过图像采集设备捕获标志点图像,对图像进行处理识别标志点位置,生成模板坐标集;
激光焊接策略决策模块利用所述模板坐标集分析焊接起点和路径最优布局,参照电池模组尺寸和配置,构建焊接路径规划图;
焊接参数精调模块根据所述焊接路径规划图,调整激光功率和速度,针对电池模组材料和厚度差异进行调整,得到优化参数表;
焊接质量实时监测模块根据所述优化参数表进行实时调整,使用实时图像捕获设备监控焊缝形成和缺陷,获取质量监测结果;
焊接效率优化模块基于所述质量监测结果,分析焊接过程时间消耗,对路径和参数进行迭代优化,通过模拟测试验证新路径和参数效率,生成焊接效率优化方案;
焊接结果综合评估模块基于所述焊接效率优化方案,汇总焊接数据,对焊接过程进行评估判断是否满足生产需求,构建综合质量分析结果。
2.根据权利要求1所述的基于视觉引导的电池模组激光焊接***,其特征在于,所述模板坐标集包括标志点的坐标、参考框架对应的定位参数和标志点与框架的对应位置,所述焊接路径规划图包括焊接起点、终点坐标、预定焊接轨迹和焊接顺序,所述优化参数表包括激光功率调整值、焊接速度设定和对差异化材料的功率适应性,所述质量监测结果包括焊接缺陷类型、缺陷位置和焊缝质量评级,所述焊接效率优化方案包括新的焊接速度、路径最优调整和预计效率提升值,所述综合质量分析结果包括反映焊接过程整体效率、质量评估和改进方案。
3.根据权利要求1所述的基于视觉引导的电池模组激光焊接***,其特征在于,所述激光焊接策略决策模块包括:
路径布局分析子模块基于所述模板坐标集,分析电池模组的尺寸和配置,综合考量焊接效率和覆盖范围,确定焊接路径的走向和关键焊接区域,得到焊接布局方案;
起点定位子模块基于所述焊接布局方案,参照焊接的起始点对整体焊接过程效率的影响,评估每个起点的位置优势,优化焊接路径的顺畅度和预期焊接效率,选定最优的焊接起点,得到焊接的起始位置;
路径规划图绘制子模块基于所述焊接的起始位置,应用启发式搜索算法,规划焊接动作和路径,包括焊接方向的选择,焊接点间的最优路径,规避重复焊接的区域规划,构建焊接路径规划图。
4.根据权利要求3所述的基于视觉引导的电池模组激光焊接***,其特征在于,所述启发式搜索算法按照公式其中,/>为节点到目标点的加权欧几里得距离,/>和/>为当前节点的坐标,/>和/>为目标节点的坐标,/>为焊接速度与焊接质量的加权系数,/>为当前路径与预期焊接方向的夹角,/>和/>为权重系数。
5.根据权利要求1所述的基于视觉引导的电池模组激光焊接***,其特征在于,所述焊接参数精调模块包括:
参数预设子模块基于所述焊接路径规划图,应用材料特性分析方法,分析电池模组材质和厚度差异,设定初始激光功率和速度,参照材料反应对激光焊接的敏感度,调整参数匹配差异化电池模组的需求,生成初始参数设定;
小范围试验子模块利用所述初始参数设定在有限的电池模组样本上执行焊接试验,监控并记录焊缝质量与材料热影响,分析参数设置对焊接效果的影响,收集数据评估参数的适用性,得到试验数据集;
参数优化子模块根据所述试验数据集细化激光功率和速度参数,通过对比差异化参数下的焊接效果,选择最优参数减少热损伤并优化焊接质量,反复调整直至捕捉满足测试条件的参数设置,得到优化参数表。
6.根据权利要求5所述的基于视觉引导的电池模组激光焊接***,其特征在于,所述材料特性分析方法按照公式其中,/>为改进后的激光吸收效率,/>为材料的吸收系数,/>为材料的厚度,/>为材料的反射率,/> 为焊接时的温度,为材料的初始温度,/>为材料的熔点温度,/>为根据材料特性调整的权重系数。
7.根据权利要求1所述的基于视觉引导的电池模组激光焊接***,其特征在于,所述焊接质量实时监测模块包括:
性能调节子模块根据所述优化参数表中的数据,调节焊接设备的激光功率和移动速度,参照材料类型和厚度进行匹配,调整操作维持焊接过程在最优状态下进行,生成调整后参数配置;
视觉记录子模块基于所述调整后参数配置,配置实时图像捕获设备的参数,包括曝光率和帧率,匹配焊接过程中的光照变化,捕获焊缝形成过程中连续的图像序列,获取焊接序列图像集;
质量判断子模块分析所述焊接序列图像集,对比焊接过程中焊缝形态与预设质量标准,识别焊接缺陷包括裂纹、孔洞和焊缝,通过图像特征对比确定焊接质量,构建质量监测结果。
8.根据权利要求1所述的基于视觉引导的电池模组激光焊接***,其特征在于,所述焊接效率优化模块包括:
时间消耗分析子模块基于所述质量监测结果,记录焊接过程中的操作时间,识别并记录造成时间延长的环节,包括无效移动和调整时间,对环节进行分析,捕捉造成时间浪费的关键因素,生成时间消耗分析结果;
参数调整子模块依据所述时间消耗分析结果,规划焊接路径缩短移动距离,调整激光功率和速度,优化焊接速率,进行迭代优化捕捉最优参数组合,获取优化参数与路径方案;
模拟测试子模块使用所述优化参数与路径方案执行模拟焊接测试,设置模拟环境反应实时焊接条件,执行模拟焊接操作,记录测试中的焊接时间和焊接质量指标,分析测试数据确定优化参数和路径方案对焊接时间和质量的影响,生成焊接效率优化方案。
9.基于视觉引导的电池模组激光焊接方法,其特征在于,根据权利要求1-8任一项所述的基于视觉引导的电池模组激光焊接***执行,包括以下步骤,
应用机器视觉分析电池模组表面目标标志,使用图像采集设备进行连续扫描,捕获目标标志点图像,调整机械臂对齐目标,生成对齐坐标数据集;
基于所述对齐坐标数据集,分析电池模组空间布局,进行路径规划优化焊接顺序,获取焊接路径布局;
依据所述焊接路径布局,设定激光功率与焊接速度,执行样品焊接试验并记录结果,获取参数优化策略;
利用所述参数优化策略,在焊接过程中细调激光功率和速度,比较焊接缺陷与质量标准,生成焊接质量记录;
通过所述焊接质量记录,分析影响效率的因素,规划焊接路径与顺序,调整参数,建立效率优化方案;
集成所述效率优化方案与焊接质量记录,分析焊接综合性能,调整操作流程与参数,形成综合优化策略;
根据所述综合优化策略,调整确定焊接参数和操作流程,设计实验记录焊接质量的一致性与重复性,获取焊接操作标准分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410599429.0A CN118162756B (zh) | 2024-05-15 | 一种基于视觉引导的电池模组激光焊接***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410599429.0A CN118162756B (zh) | 2024-05-15 | 一种基于视觉引导的电池模组激光焊接***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118162756A true CN118162756A (zh) | 2024-06-11 |
CN118162756B CN118162756B (zh) | 2024-07-26 |
Family
ID=
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015214683A1 (de) * | 2014-08-05 | 2016-02-11 | Bosch Automotive Products (Suzhou) Co., Ltd. | Intelligentes Roboterschweißsystem und Verfahren |
CN110102886A (zh) * | 2019-04-03 | 2019-08-09 | 安徽工布智造工业科技有限公司 | 一种应用于金属结构的智能焊接*** |
CA3165866A1 (en) * | 2020-01-27 | 2021-08-05 | Comau S.P.A. | Method of monitoring the quality of a weld bead, related welding station and computer-program product |
CN114871620A (zh) * | 2022-05-25 | 2022-08-09 | 西南交通大学 | 一种厚板焊接质量监测与控制***及其焊接方法 |
CN114888468A (zh) * | 2022-06-08 | 2022-08-12 | 上海奥特博格科技发展有限公司 | 激光焊接过程中的质量检测*** |
US20230288914A1 (en) * | 2022-03-09 | 2023-09-14 | Worcester Polytechnic Institute | Feature driven next view planning of 3-dimensional surfaces |
CN117300464A (zh) * | 2023-09-28 | 2023-12-29 | 宁波大学 | 一种基于结构光相机的相贯线焊缝检测和轨迹优化***及方法 |
CN117726620A (zh) * | 2024-01-23 | 2024-03-19 | 深圳金恒辉新材料有限公司 | 一种燃料电池双极板的焊接方法 |
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015214683A1 (de) * | 2014-08-05 | 2016-02-11 | Bosch Automotive Products (Suzhou) Co., Ltd. | Intelligentes Roboterschweißsystem und Verfahren |
CN110102886A (zh) * | 2019-04-03 | 2019-08-09 | 安徽工布智造工业科技有限公司 | 一种应用于金属结构的智能焊接*** |
CA3165866A1 (en) * | 2020-01-27 | 2021-08-05 | Comau S.P.A. | Method of monitoring the quality of a weld bead, related welding station and computer-program product |
US20230288914A1 (en) * | 2022-03-09 | 2023-09-14 | Worcester Polytechnic Institute | Feature driven next view planning of 3-dimensional surfaces |
CN114871620A (zh) * | 2022-05-25 | 2022-08-09 | 西南交通大学 | 一种厚板焊接质量监测与控制***及其焊接方法 |
CN114888468A (zh) * | 2022-06-08 | 2022-08-12 | 上海奥特博格科技发展有限公司 | 激光焊接过程中的质量检测*** |
CN117300464A (zh) * | 2023-09-28 | 2023-12-29 | 宁波大学 | 一种基于结构光相机的相贯线焊缝检测和轨迹优化***及方法 |
CN117726620A (zh) * | 2024-01-23 | 2024-03-19 | 深圳金恒辉新材料有限公司 | 一种燃料电池双极板的焊接方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106881462B (zh) | 一种针对激光选区熔化成形缺陷的在线检测与优化*** | |
CN102497952B (zh) | 激光处理头以及用于补偿激光处理头的聚焦位置的改变的方法 | |
US6701615B2 (en) | Inspection and sorting system and method for part repair | |
CN113762240B (zh) | 一种基于深度学习的熔覆层几何特征预测方法及*** | |
Aviles-Viñas et al. | On-line learning of welding bead geometry in industrial robots | |
CN108489986A (zh) | 一种增材制造在线检测及修复方法 | |
US20230201956A1 (en) | Method for analyzing a laser machining process, system for analyzing a laser machining process, and laser machining system comprising such a system | |
CN114871620B (zh) | 一种厚板焊接质量监测与控制***及其焊接方法 | |
Rios-Cabrera et al. | Robotic GMAW online learning: issues and experiments | |
CN117593298A (zh) | 一种基于机器视觉的激光焊接质量检测*** | |
CN115452888A (zh) | 一种基于红外热像技术的焊点质量检测装备及检测方法 | |
He et al. | Weld seam profile extraction using top-down visual attention and fault detection and diagnosis via EWMA for the stable robotic welding process | |
EP4234158A1 (en) | System and method for analyzing weld quality | |
CN115775249A (zh) | 一种增材制造造件成形质量监测方法、***及存储介质 | |
CN117664990A (zh) | 一种pcba外观缺陷智能检测方法 | |
CN116060642A (zh) | 一种激光选区熔化成型质量监测分析方法 | |
CN118162756B (zh) | 一种基于视觉引导的电池模组激光焊接***及方法 | |
US20210197282A1 (en) | Method and apparatus for estimating height of 3d printing object formed during 3d printing process, and 3d printing system having the same | |
CN118162756A (zh) | 一种基于视觉引导的电池模组激光焊接***及方法 | |
CN117282987A (zh) | 大功率激光熔丝沉积熔池同步智能整形的方法 | |
Wang et al. | A novel surface temperature sensor and random forest-based welding quality prediction model | |
CN111843272B (zh) | 基于焊接过程信息融合的质量判别方法及装置 | |
CN115722835A (zh) | 一种基于plc智能控制的智能焊接方法 | |
CN114782378A (zh) | 一种各类构件焊接工艺用机器人智能焊接数据库的构建方法 | |
CN114820539A (zh) | 一种基于汽车焊接生产线的机器人激光检测方法 |
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 |