英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
第八届数字企业技术国际会议 - 2014年DET - “制造工程向第四次工业革命的颠覆性创新”
铁路制造应用自动焊接系统的三维数字重构
摘要：
在过去几年中，人们一直致力于实现气体金属电弧焊接工艺参数自动化的新方法。在这个框架中，开发了一种基于3轴运动装置的创新焊接系统，由摄像机，激光头和带通滤波器组成的视觉系统，以实现焊接接头的所需特征，例如已知几何尺寸，根据这些特征自动调整焊接工艺参数。
本文重点介绍铁路制造业与转向架框架焊接过程相关的实例研究。通过使用3D运动模拟，在完全数字化的框架中研究通过利用工业机器人替换3轴运动装置来识别系统的合适重新配置。焊接过程的模拟涉及到计算机器人运动学，碰撞检测和运动规划。
1.简介
气体保护金属弧焊（GMAW）工艺需要精确选择和设置合适的焊接参数。大多数情况下，这项任务仍然由需要技术经验和技能的人类操作员完成，以便为给定的边界条件最佳地选择所需的焊接参数。在过去几年中，基于使用不同的传感器和处理算法，努力已经集中于监测和自动调整GMAW过程参数的新方法[1-5]。在此框架中，开发并实施了基于3轴运动装置和视觉系统的创新焊接系统（图1）。视觉系统由摄像机，激光头和带通滤波器组成，可以捕捉焊接接头的图像。已经开发了图像处理算法以识别焊接接头的期望特征，例如几何形状和尺寸。该信息用于关于为特定焊接任务选择最合适的焊接参数的自动决策。在这项研究工作中，开发的GMAW系统是参考铁路制造业的工业案例实施的，包括转向架侧架的焊接。
待连接的两个部件的特征在于大尺寸和复杂的几何形状，因为它们需要沿弯曲路径连接。视觉系统用于捕获工作区域的图像并自动识别相关的关节间隙特征。
自动决策软件程序允许确定焊炬要遵循的路径，并根据视觉系统提供的输出设置适当的焊接工艺参数。参考实际工业案例研究，在实验室设施开发的软件程序在可用的GMAW设备上进行实验测试。
三维运动仿真首先用于数据分析当前系统行为和实验室设备的实验测试设置。为了在铁路制造业中实施创新的GMAW系统，需要对系统进行物理重新配置，以克服与现有3轴运动装置相关的部件尺寸和联合复杂性方面的强大限制。基于3D运动仿真的方法应用于支持在完全数字化框架中针对特定应用的系统的最合适的重新配置的决策。通过三维运动仿真的应用，在完全数字化的框架下研究了基于工业机器人的重构焊接系统的识别和验证。
2.自动气体金属弧焊系统
在那不勒斯大学实验室开发的自动化GMAW系统具有现代视觉系统和创新软件功能，旨在根据特定焊接应用的特性自动调整焊接参数。
2.1。
视觉系统
创新的气体保护金属弧焊系统配备了视频系统，包括摄像机，激光头和带通滤波器（图2）。通过在所需物体上投射激光条纹并在条纹移动时捕获图像，可以基于激光条纹的形状计算物体几何形状。这可以有效地应用于识别焊接接头的所需特征，例如几何形状和尺寸，用于为特定焊接任务设置合适的焊接参数的自动决策：这在多道焊接的情况下特别有用，用于视觉系统的视频摄像机（Allied Vision Technologies的Guppy F-033C）配备了一个分辨率为658x494像素的CCD传感器和一个用于与PC通信的IEE1394a接口，传输速率为100， 200,400 Mbit / s，帧速率超过60fps。已经安装了能够减少图像失真的合适的光学透镜。
激光条纹由3级红色激光二极管发射，功率为15 mW，波长约为640nm。选择波长时考虑到需要减少焊炬产生的光谱内的发射。为了获得条纹而不是点，应用圆柱形光学透镜。带通滤波器的作用是排除以激光源频率为中心的10nm范围之外的所有频率（从637,441nm到648,359nm），以减少噪声。
2.2。
图像处理
为了使气体金属电弧焊接过程自动化，已经开发了适当的软件工具。该算法基于数学函数，通过该数学函数处理输入数据，即由视觉系统捕获的图像，以便给出所需特征作为输出。基于这些特征，可以基于合适的决策制定程序，例如神经模糊方法，确定诸如焊炬位置，焊炬速度或电参数之类的工艺参数[6-8]。
使用图像和数据分析工具执行图像处理，以从获取的图像开始重建关节轮廓。
每个工具都用于指定的任务，例如：
边缘检测：它基于像素强度局部变化识别关节轮廓;
阈值：由于图像仍然模糊，滤镜会在定义的阈值下切出灰度，以获得清晰的图像;
查找表，此过滤器的目的是将图像转换为黑白（二进制）图片。数字滤波后获得的图像如图4所示。在该图像上，必须进行进一步处理以提取所需特征
图像归一化：通过旋转矩阵校正摄像机的倾斜度;
2.图像稳定：通过设置为1.5 Hz的低通滤波器;
3.检测所需特征：在关节间隙部分的xy图上检测到所需特征（图5），并取决于应用类型（例如关节间隙的边缘，关节间隙的中心，最小高度）
焊接接头等）。基于检测到的特征，确定焊接过程的有用参数。例如，在简单的焊缝跟踪的情况下，焊接位置设置为对应于接合间隙的中心，而在多道焊接的情况下，焊接位置是根据焊接接头的最小高度设置，因为这是应该执行下一次焊接的点。然后通过实施闭环控制来执行所选参数的自动调节。
2.3。
实验室焊接设备
那不勒斯大学实验室设施提供的GMAW设备，包括焊枪和视觉系统，安装在3轴运动装置和固定工作台上。此配置涉及以下限制：
部件的最大尺寸：与3个运动轴的运行相关的工作空间为3000 mm x 400 mm x 400 mm;
零件的几何复杂性和所需的焊接接头：只有3个轴可用，因此，焊枪的可能方向受到很大限制。
3.铁路制造业工业案例研究
这项研究工作的目的是研究创新的GMAW系统实施，以实现铁路制造的实际工业案例研究。根据以下步骤，通过3D运动模拟方法支持关于实验室实验的最佳系统配置和实际工业应用所需的重新配置的决策
案例研究识别和数据收集
3D运动模拟
实验设置配置实验室设备的物理测试 3D运动模拟
GMAW重新配置
4.转向架侧架的焊接
铁路制造工业案例研究包括实现自动焊接工艺以连接平台和转向架侧框架的核心。传统上这种焊接过程是手动进行的，这需要操作员的高专业知识并且需要很长时间才能完成。自动化该过程在生产率和可重复性方面具有相当大的优势，但是它存在与以下方面相关的困难：复杂的焊接路径（参见图6中的黄色曲线），因为待焊接的两个部件具有弯曲轮廓; 沿焊接路径的接缝宽度的可变性。
这两个轮廓并不完全重合，因为通过根据所需轮廓切割金属板获得芯弯曲轮廓，而通过弯曲金属板产生平板形状。两个弯曲轮廓之间的最终距离在整个焊接路径上是不同的，并且不能预先精确地预测接合间隙宽度的大小。根据焊接路径各点的接缝间隙宽度，调整焊枪位置，焊丝进给速度，电气参数等工艺参数，使焊枪轴线与接头间隙轴线重合，输出适量的熔融金属。这种适应性允许在快速自动化中获得具有良好机械性能的焊道
5.现有的GMAW系统3D数字仿真
需要对选定的案例研究实施创新GMAW系统的实验测试。为了研究在列车转向架组件上进行测试的最佳设置，已经使用图8中所示的GMAW系统的3D模型进行了3D数字模拟。该模型是具有能够再现的关节的3D设备。执行焊接过程所需的运动。这允许为GMAW过程的物理实验配置最佳设置，同时考虑到实验室设施可用系统的特性和限制。与可用的GMAW系统相关的第一个限制涉及待焊接部件的尺寸。与GMAW系统相比，转向架框架部件具有相当大的尺寸，因此应该仅考虑一部分进行焊接实验。
实现了部件的3D模型，并选择了要进行测试的适当部分，如图9所示。然后采用3D运动模拟来找到最佳部件和焊距定位，以便焊接所需部件。需要考虑的一个重要限制因素是视觉系统应始终位于割炬之前，以便能够识别轨迹和间隙宽度，以便软件根据视觉系统输出调整焊接参数。在焊接过程的模拟过程中采用碰撞检测，以找到允许割炬达到所有要求点而不会撞击零件的其他表面的路径。在模拟具有不同零件定位和焊炬方向的几种情况之后，确定了用于自动化GMAW实施的实验测试的最终设置（设置如图9所示）。
通过沿x轴旋转45°修改了割炬方向，使其能够到达沿xy平面移动的关节上的所有点。因此，视觉系统被定位在焊炬前方，倾斜度为45°，以聚焦在平台和芯之间的连接间隙上。
6.焊接参数自动调整的物理实验
用于在转向架框架上焊接的创新自动化GMAW系统的实施需要在测试部件上进行物理实验以开发焊接参数的自动调节。根据第5节中描述的模拟活动的结果，在实验室设施上的GMAW设备上进行测试。实施2.2节中描述的开发软件以执行过程参数的自动调整 - 例如焊枪位置，焊接速度，送丝速率和电气参数 - 通过获取安装在GMAW设备上的视觉系统收集的适当信息。
根据由视觉系统捕获的图像执行的处理算法获得的输出来调整焊炬位置的闭环控制根据图10中的方案设计。在焊接过程中，视觉系统获取轨迹
在xy图上。
通过样条在每2个点之间增加10个点来实现连续点之间的插值。对于每个x-y位置坐标，图像处理算法还给出间隙宽度的对应值作为输出。表1中示出了这些值的一些示例，而图11和12示出了通过视觉系统获得的路径以及沿着路径的间隙宽度的值。
根据图像处理算法对视觉系统拍摄的图像提取的特征，进行焊接参数的自动调整，以提高焊接接头的质量。特别是，接头间隙宽度的测量一方面用于将焊炬位置对准接头间隙的中间，另一方面用于调整其他工艺参数，例如焊丝进给速率，焊枪速度和电气参数。当间隙宽度较高时，焊炬速度降低，或者，焊丝进给速率增加并且电参数适当地适应（例如，通过设定更高的电压等）。实验结果用于实现转向架侧架焊接过程中自动参数调整的软件。
然而，为了使该工艺在工业上适用于铁路制造业，实验室3轴配置太有限，因为它不允许焊接整个转向架框架，因为它具有较大的尺寸（3000 x 3500 mm）和复杂性。寻找合适的焊炬位置。为提高性能，需要额外的运动轴和更大的工作空间。
7.自动GMAW系统的3D数字重新配置
参考转向架侧架焊接的具体应用，通过三维运动仿真进行了自动化GMAW系统的数字重构。数字仿真环境可以重现具有高度细节的装配过程，这在铁路制造领域极具吸引力[9-10]。特别地，3D运动模拟的使用证明对于允许诸如机器人之类的设备必须执行的活动的虚拟验证是必要的[11-14]。
它有效地用于模拟机器人任务，以便识别最合适的布局，机器人与周围设备之间的适当距离，并规划安全路径而不会发生碰撞。该仿真基于运动学模型和碰撞检测能力的采用。通过将目标放置在整个工作区域的适当位置并为每个目标分配复制机器人活动的适当操作来创建任务。在全数字的基础上测试了不同的系统配置，并且分析了它们的可行性和性能，以根据图13中的方案设置机器人焊接系统的正确配置。
零件和设备的几何和功能特性在这种类型的模拟中尤其重要。转向架框架的3D 模型是在数字环境中创建的, 用于配置和数字测试机器人焊接的最佳设置。为该应用选择的机器人是一个6轴机器人, Fanuc Arcate 120iB, 最大触角1667毫米, 有效载荷20公斤, 可重复性plusmn;0.08 mm。利用具有相关运动学的机器人三维模型对焊接过程进行了仿真。机器人应配备焊枪和视觉系统。视觉系统应该与火炬一起移动, 因为它应该永远集中在关节缝隙上。确保视觉系统始终能够正确定位在焊枪前面的一个方法是将视觉系统与火炬连接。 这样, 它就可以与机器人的第六轴一起旋转;这种旋转可以用来确保视觉系统在路径的每一点都在焊枪前面, 这样就可以获得关节缝隙的图像, 并对焊接参数进行自动调整。 考虑到激光和摄像机在整个焊接过程中的位置, 两个装置的轴都突出显示为直线: 焦点由两个轴的交点表示 (图 14)。通过识别3D 空间中的目标 (由具有特定方向的点定义) 来模拟机器人焊接活动: 在与每个目标的对应中, 与指定的机器人任务相关 (例如加工/焊接、通过点等)。 在确定产品上的适当目标时, 不仅考虑到了焊枪的位置, 还考虑到了摄像机对焦的位置, 该焦点以两个突出轴的交角几何表示, 如如图15所示。图16显示了在转向架侧框上定义的用于执行焊接过程的整个目标集。 一旦定义了产品上的所有目标, 就会进行可达性分析。这种类型的分析允许验证所选机器人是否可以从其当前位置到达所有目标。 如果无法达到所需的一些目标, 可以采用几种解决方案:机器人的起始位置可以修改;x 机器人模型可以替换 (例如, 由一个较大的机器人);可以在设置中引入辅助设备, 例如导轨或龙门。在本案例研究中, 由于部分尺寸较大, 机器人被要求达到距离彼此3500毫米的目标: 为了确保整个转向架侧架能够到达, 机器人被放置在适当的导轨上, 其最小长度是确定的根据三维运动仿真实验的结果。根据现有的标准模块, 最适合的钢轨尺寸设置为3900毫米。 通过这种方法, 可以很容易地克服零件尺寸限制, 机器人焊接系统可以对整个转向架侧架进行加工。整个机器人焊接系统的配置设置如图所示.
随着重新配置的设置, 任务分配给机器人: 任务是在每个目标点执行的活动, 再现整个焊接过程。对这些任务进行了三维运动仿真, 以验证目标是否能够到达, 并能够确定焊接机器人与产品之间没有碰撞的路径。 基于机器人运动学和碰撞检测模块的仿真给出了机器人完成任务所应遵循的路径。此路径有可能用于离线机器人编程, 尽管此模拟的目的是确定最适合的系统重构, 并在自动 GMAW 的物理工业实现之前验证其可行性本文结合铁路的一个实际工业案例, 说明并实现了一种创新的燃气金属弧焊系统, 该系统配备了由摄像机、激光头和带通滤波器组成的视觉系统
8 总结
所开发的系统能够根据视觉系统收集的信息, 通过专门的软件程序进行焊接工艺参数的自动调整。 参照工业案例研究, 包括
全文共6051字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[2429]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
