弧焊机器人增材制造成形信息检测及控制研究
本文关键词:弧焊机器人增材制造成形信息检测及控制研究 出处:《哈尔滨工业大学》2016年硕士论文 论文类型:学位论文
更多相关文章: GMA-AM 多层多道结构 熔敷道尺寸检测 成形精度控制
【摘要】:熔化极气体保护电弧增材制造(Gas Metal Arc-Additive Manufacturing,GMA-AM)是一种金属材料增材制造工艺,具有生产成本低、熔敷效率高、灵活性强等优点,然而,其熔敷过程易受干扰,熔敷道尺寸容易偏离规划值,随着尺寸偏差不断累积,后续熔敷过程有可能无法按照规划进行,得到的成形件尺寸也会与规划结果相差甚远。因此提高GMA-AM成形精度是一个亟待解决的问题,本文建立了一套智能GMA-AM系统,对多层多道结构GMA-AM成形信息检测与闭环控制展开了研究。首先结合智能GMA-AM的需求,本文基于弧焊机器人技术以及主动视觉传感技术,设计并建立了一套智能GMA-AM系统,该系统能够在逐道熔敷过程中实时检测熔敷道尺寸信息,在人机交互界面显示并存储,同时具有操作者在线调控熔敷规范参数的接口,支持人机协作,操作者和机器都可以对熔敷过程进行决策,为实现熔敷道尺寸闭环控制打下了良好基础。在熔敷过程中采用META线结构光传感器提取熔敷道截面轮廓信息,开发了一套基于点云数据的多层多道GMA-AM熔敷道尺寸实时检测算法,根据结构光条纹形态学特征,从点云数据中提取熔敷道顶点以及焊趾特征来计算熔敷道高度、熔敷道宽度以及熔敷道中心距,并结合熔敷道截面积信息对其加以修正,使检测结果更接近实际值。通过阶跃试验辨识了熔敷道尺寸与熔敷规范参数之间的传递函数,制定了以“控制熔敷道宽度为主要目标,控制熔敷道高度与熔敷层表面平整度为次要目标”的控制策略,结合人机协作控制思想,设计了由熔敷速度控制熔敷道宽度的单神经元PI控制器以及由熔敷电压调整熔敷道高度的经验规则控制器,同时由操作者调整熔敷道中心距,保证各个熔敷道平整搭接。最后,进行了多层两道结构的闭环控制熔敷试验,成形件熔敷道宽度偏差小于0.5mm,高度偏差无明显积累,同时熔敷层上表面平整,表明采用本文所设计的多层多道GMA-AM熔敷道尺寸控制器能够保证成形件尺寸与规划结果相吻合,达到了提高GMA-AM成形精度的目标。
[Abstract]:MIG arc increasing material manufacturing (Gas Metal Arc-Additive Manufacturing, GMA-AM) is a kind of metal material increase in material manufacturing process, has low production cost, high deposition efficiency, flexibility and other advantages, however, the melting process is vulnerable to interference, deposited Chi Cunrong easy to deviate from the value of planning, with the continuous size deviation the accumulation of subsequent deposition process may not be carried out according to the plan, the forming size will vary greatly with the planning results. Therefore, improving the forming accuracy of GMA-AM is a problem to be solved urgently. In this paper, a set of intelligent GMA-AM system is established, and the information detection and closed loop control of multi-layer and multi-channel GMA-AM forming is studied. Firstly, combined with the GMA-AM requirements, the arc welding robot technology and active vision sensing technology based on the establishment of a set of intelligent GMA-AM system design and the system can gradually deposited in the process of real-time detection of weld size information in the man-machine interface display and store at the same time, the operator has online regulation of cladding parameters interface, support man-machine collaboration, the operator and the machine can make decision on the deposition process, in order to achieve closed-loop control of cladding size and lay a good foundation. In the deposition process of weld cross section contour information extraction using META line structure light sensor was developed based on the real-time multi pass GMA-AM cladding size detection algorithm of point cloud data, according to the morphological characteristics of structured light stripe extraction, cladding road vertex and weld toe feature from point cloud data to calculate the cladding height, width and cladding cladding road center distance, and combined with the weld cross section area of the corrected information, making the results more close to the actual value. Through the step test identification of the transfer function between the cladding channel size and cladding parameters, to set up control weld width as the main target, the control strategy of cladding height and smooth surface cladding layer as a secondary target, combined with collaborative control thought, design of a single neuron PI the controller consists of melting speed control cladding width and cladding by voltage adjusting cladding height controller experience road rules, at the same time by the operator to adjust the weld road center distance, to ensure the smooth lap weld. Finally, the two closed-loop control structure of multilayer cladding forming test, weld width deviation is less than 0.5mm, the height deviation without obvious accumulation, and the cladding layer on the surface, show that the designed multi-layer cladding GMA-AM controller can guarantee the size of parts size and planning results GMA-AM, to improve the forming accuracy of target.
【学位授予单位】:哈尔滨工业大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TG409;TP242
【相似文献】
相关期刊论文 前10条
1 白津生;;修正弧焊机器人位置偏移的肤浅体会[J];焊接技术;1991年02期
2 王树仁,阎培良;弧焊机器人在工业锅炉部件焊接上的应用[J];机械工人(热加工);1995年01期
3 陈炯;弧焊机器人应用与推广[J];电焊机;2003年05期
4 刘双伟,王克鸿;发展弧焊机器人自动焊技术的途径[J];机械制造与自动化;2004年02期
5 汪苏,张东升,陈光辉,肖玉平;弧焊机器人自适应简化数学模型[J];电焊机;2005年03期
6 姜海珍;李亮玉;范芳蕾;周鑫;;一种弧焊机器人网络视频监控系统的设计与实现[J];天津工业大学学报;2007年02期
7 王晓峰;陈焕明;;弧焊机器人焊接姿态与工艺参数联合规划[J];焊接技术;2008年06期
8 雷冬雪;;弧焊机器人系统引弧故障处理方法[J];金属加工(热加工);2010年16期
9 倪宝;吕家友;;弧焊机器人在车架焊接上的应用[J];电焊机;2013年02期
10 王维新;;装上眼睛的弧焊机器人[J];现代兵器;1984年12期
相关会议论文 前10条
1 唐肖;;弧焊机器人在摩托车焊接生产中的应用[A];重庆汽车摩托车、焊接、涂装学术研讨会文集[C];2000年
2 刘南生;魏升;林浩亮;;爬行式弧焊机器人焊缝位置检测中的抗杂光干扰研究[A];第十一届全国光学测试学术讨论会论文(摘要集)[C];2006年
3 骆远福;谷声孔;;弧焊机器人在三万辆汽车组焊线上应用技术研究[A];四川省汽车工程学会第一届二次年会论文集[C];1991年
4 刘志峰;倪楠;黄海鸿;;弧焊机器人焊缝跟踪系统的研究与发展[A];2004“安徽制造业发展”博士科技论坛论文集[C];2004年
5 陈炯;;便携式关节型弧焊机器人的开发[A];第十一次全国焊接会议论文集(第2册)[C];2005年
6 田劲松;吴林;戴明;;弧焊机器人系统的编程分析及其数学建模[A];第九次全国焊接会议论文集(第2册)[C];1999年
7 李金泉;陈善本;吴林;;一种用于弧焊机器人视觉导引的图像底层处理算法[A];第十次全国焊接会议论文集(第2册)[C];2001年
8 钟继勇;许燕铃;陈华斌;李来平;胡明华;陈善本;;五通连接器弧焊机器人焊接系统简介[A];第十六次全国焊接学术会议论文摘要集[C];2011年
9 聂尔来;;AW-600弧焊机器人开发[A];面向21世纪的科技进步与社会经济发展(下册)[C];1999年
10 杨新刚;黄玉美;;一种弧焊机器人的结构设计和运动学分析[A];制造技术自动化学术会议论文集[C];2004年
相关重要报纸文章 前2条
1 记者 刘志良;佳士科技将主攻六轴弧焊机器人[N];中国船舶报;2014年
2 ;智能弧焊机器人在南昌问世[N];今日信息报;2004年
相关博士学位论文 前4条
1 蔡广宇;弧焊机器人运动位姿精度与焊缝图像处理技术研究[D];华中科技大学;2009年
2 冯胜强;基于UG的弧焊机器人离线编程与统计方法的焊接质量判定[D];天津大学;2010年
3 杜乃成;弧焊机器人金属快速成形研究[D];天津大学;2009年
4 刘永;弧焊机器人工作站智能化技术研究[D];南京理工大学;2005年
相关硕士学位论文 前10条
1 李志芳;装载机铲斗焊接模拟仿真与质量控制[D];长安大学;2015年
2 刘念;弧焊机器人焊缝跟踪系统的研究和实现[D];哈尔滨工业大学;2016年
3 胥潇;全位置弧焊机器人机构及控制系统设计与实现[D];电子科技大学;2014年
4 葛宇晨;基于SolidWorks的弧焊机器人作业仿真研究[D];河北科技大学;2014年
5 何佳斌;弧焊机器人与变位机协调焊接马鞍型焊缝离线编程与仿真[D];太原科技大学;2015年
6 吴瑞;基于视觉的弧焊机器人焊缝跟踪系统控制研究[D];广西科技大学;2015年
7 韩庆t,
本文编号:1344079
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1344079.html