[發(fā)明專利]一種基于數(shù)字孿生的板件焊接質(zhì)量實時監(jiān)控方法

有效

• 申請?zhí)枺?/td>: 202111600115.0
• 申請日: 2021-12-24
• 公開（公告）號: CN114789307B
• 公開（公告）日: 2022-11-25
• 發(fā)明（設計）人: 李浩;王曉叢;楊文超;劉根;翟中尚;王昊琪;文笑雨;張玉彥;謝貴重
• 申請（專利權(quán)）人: 鄭州輕工業(yè)大學
• 主分類號: B23K31/12
• 分類號: B23K31/12
• 代理公司: 北京哌智科創(chuàng)知識產(chǎn)權(quán)代理事務所(普通合伙) 11745
• 代理人: 張元媛

本發(fā)明提出一種基于數(shù)字孿生的板件焊接質(zhì)量實時監(jiān)控方法，首先，通過焊裝夾具將板件送入自動檢測平臺，基于深度學習算法實現(xiàn)焊縫缺陷識別分類，將板件信息和焊縫缺陷信息、焊接機器人仿真模型信息分別導入數(shù)字孿生系統(tǒng)中的缺陷信息庫與模型庫中；其次，通過模式匹配方法、特征提取分類、數(shù)據(jù)庫技術(shù)等對焊縫精準定位識別分類和焊接參數(shù)調(diào)整，實現(xiàn)焊接質(zhì)量診斷與控制；最后，根據(jù)系統(tǒng)語音視頻模塊給出的調(diào)整方案，通過VR設備使用人機交互功能對產(chǎn)線焊接機器人做在線參數(shù)調(diào)整，實現(xiàn)智能焊接。本發(fā)明運用的基于數(shù)字孿生的板件焊接質(zhì)量實時監(jiān)控方法能直觀、全面地反映焊接過程全生命周期狀態(tài)實現(xiàn)高效焊接質(zhì)量監(jiān)控，大大減少殘次品，提高產(chǎn)線生產(chǎn)效率。

技術(shù)領(lǐng)域

本發(fā)明涉及板件焊縫智能識別與分類技術(shù)領(lǐng)域，智能制造領(lǐng)域，特別是指一種基于數(shù) 字孿生的板件焊接質(zhì)量實時監(jiān)控方法。

背景技術(shù)

焊接缺陷檢測是生產(chǎn)質(zhì)量控制的重要環(huán)節(jié)。焊接缺陷包括表面缺陷和內(nèi)部缺陷，由于 視覺感知的局限性，所提出的缺陷分類模型可能局限于表面缺陷，無法檢測出氣孔、裂紋 等內(nèi)部缺陷，導致焊縫內(nèi)部缺陷檢測還是傳統(tǒng)的檢測方法，這樣依靠人工的方法耗時長且 效率低，而且檢測過程受外部環(huán)境影響，容易出現(xiàn)漏檢和誤檢的情況。因此，基于其他類 型的傳感技術(shù)，可能會提供更好的解決方案，實現(xiàn)表面和內(nèi)部缺陷識別分類。

如今，焊縫自動跟蹤和機器人焊接自動化和智能化程度已經(jīng)大大提升，但是在焊接缺 陷檢測方面的自動化程度則需要進一步的加強。主要目標是實現(xiàn)物理實體實體空間與數(shù)字 虛擬空間信息物理融合，對應焊接生產(chǎn)線即是實時監(jiān)控虛擬產(chǎn)線的板件焊接質(zhì)量和實際產(chǎn) 線的板件焊接質(zhì)量，根據(jù)系統(tǒng)的實時反饋做出調(diào)整優(yōu)化與控制，實現(xiàn)雙向驅(qū)動。

數(shù)字孿生是物理對象的數(shù)字化模型，該模型可以通過接收來自物理對象的數(shù)據(jù)而實時 演化，并將結(jié)果反饋給物理對象，進而幫助對物理對象進行快速優(yōu)化和決策。依靠物理對 象、數(shù)字孿生與基于數(shù)字孿生構(gòu)成的信息物理系統(tǒng)可以實現(xiàn)深度融合。將數(shù)字孿生應用到 實際焊接生產(chǎn)線中，實現(xiàn)對板件的在線焊接質(zhì)量監(jiān)控，大大減少工人的勞動強度。數(shù)字孿 生的應用對于直觀、全面地反映機器人焊接過程全生命周期狀態(tài)，提高焊縫缺陷檢測的生 產(chǎn)效率以及整個焊接過程的自動化程度具有非常重要的意義。

發(fā)明內(nèi)容

針對上述背景技術(shù)中存在的不足，本發(fā)明提出了一種基于數(shù)字孿生的板件焊接質(zhì)量實 時監(jiān)控方法，解決了現(xiàn)有焊接生產(chǎn)線難以同時檢測焊縫表面和內(nèi)部的缺陷，難以在線對板 件焊接質(zhì)量監(jiān)控的問題。

本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

一種基于數(shù)字孿生的板件焊接質(zhì)量實時監(jiān)控方法，所述方法包括如下步驟：

S1、建立焊接機器人仿真模型庫：所述焊接機器人仿真模型庫由焊接機人焊接參數(shù)和 仿真模型信息組成,通過Modbus通訊協(xié)議實時讀取焊接機器人端的數(shù)據(jù)和地址。通過三維 造型軟件SolidWorks完成焊接機器人所有零件造型和整體組裝，并在3DMax軟件中完成 渲染；

S2、將待檢測的缺陷板件通過焊裝夾具送至自動化檢測平臺，對板件缺陷信息進行信 號采集，基于Matlab軟件對超聲信號做預處理，基于遷移學習訓練方式和改進的ResNet 網(wǎng)絡實現(xiàn)對焊縫圖像的識別分類，從而分揀出不合格板件；

S3、建立焊接缺陷信息庫：根據(jù)工業(yè)焊接質(zhì)量標準羅列所有焊縫可能會出現(xiàn)的缺陷信 息，將步驟S2中的板件焊縫缺陷信息導入焊接缺陷信息庫中，所述焊接缺陷信息庫包含 板件編號信息、焊縫缺陷標準信息和檢測后板件焊縫缺陷信息；

S4、將步驟S1中的焊接機器人模型庫導入數(shù)字孿生系統(tǒng)數(shù)據(jù)庫中的模型庫中，將步 驟S3中的焊接缺陷信息庫導入數(shù)字孿生系統(tǒng)數(shù)據(jù)庫中的缺陷信息庫中；

S5、根據(jù)步驟S3中的焊縫缺陷信息和步驟S1中的機器人焊接參數(shù)信息，基于數(shù)據(jù)匹 配方法得出不同焊縫缺陷的焊接參數(shù)匹配方案；