基于双目视觉的电弧增材沉积尺寸原位获取系统和方法

    公开(公告)号:CN115908534A

    公开(公告)日:2023-04-04

    申请号:CN202211637488.X

    申请日:2022-12-16

    Abstract: 本发明提供了一种基于双目视觉的电弧增材沉积尺寸原位获取系统和方法,包括:电弧增材制造系统、图像采集及处理系统,其中,所述电弧增材制造系统配置有机器人、智能化焊机、送丝机、焊枪、焊接保护气瓶,所述图像采集及处理系统配置有双目相机、计算机;所述双目相机安装在焊枪上,用于采集沉积过程中的熔敷道图像,并将采集到的熔敷道图像发送给计算机进行处理,得到当前沉积件的整体尺寸。本发明可以在沉积过程中直接对沉积尺寸进行监测,获取沉积件尺寸,具有同步性好、不受大型工件尺寸限制的优点。并且不受制件尺寸限制,可以实现大型件电弧增材制造过程中的尺寸原位监测,测量数据更为准确。

    基于2D/3D相机的焊缝识别和焊缝跟踪系统和方法

    公开(公告)号:CN115741724A

    公开(公告)日:2023-03-07

    申请号:CN202211646550.1

    申请日:2022-12-21

    Abstract: 本发明提供了一种基于2D/3D相机的焊缝识别和焊缝跟踪系统和方法,包括工控机、焊接机器人、焊机、2D视觉传感器、3D相机、离线编程系统、焊缝识别和焊缝跟踪软件系统,工控机用于安装焊缝识别和焊缝跟踪软件系统;焊接机器人带动焊枪进行焊接操作;焊机控制焊接机器人执行焊接任务;离线编程系统用于规划焊缝,以及控制焊接机器人的运动;焊缝识别和焊缝跟踪软件系统安装于工控机上,负责整个系统的流程控制。通过将3D相机和2D视觉传感器结合的方式,3D相机拍摄的点云即可识别点云中的所有焊缝,直接驱动机器人进行焊接,其效率远高于焊缝跟踪。当3D点云配准和点云匹配失败时,可以转而对焊缝进行寻位并实时跟踪,提高焊接精度。

    一种机器人GMA-AM过程电弧填丝3D打印控制系统及控制方法

    公开(公告)号:CN111215726B

    公开(公告)日:2021-11-05

    申请号:CN201911230987.5

    申请日:2019-12-02

    Abstract: 本发明属于金属增材制造领域,具体是一种机器人GMA‑AM过程电弧填丝3D打印控制系统,包括:模型预处理模块,切片模块,路径规划模块,焊接控制模块。模型预处理模块包括:数据提取筛选模块,拓扑关系构建模块。焊接控制模块包括:运动指令生成模块,实时数据传输模块。解决了现有的增材制造系统存在适用的三维模型体积小,不能用于不方便减材的大型金属构件的生产;各家焊接机器人的运动指令体系、格式有所不同;内置的PR寄存器远不足以储存全部路径点;增材系统仅完成简单的层层堆叠,并未针对模型的几何特征设计更适合的路径填充规划方法的技术问题。

    基于CMOS的紧凑型机器人焊缝跟踪激光视觉传感器

    公开(公告)号:CN111195759A

    公开(公告)日:2020-05-26

    申请号:CN201811383399.0

    申请日:2018-11-20

    Abstract: 一种基于CMOS的紧凑型机器人焊缝跟踪激光视觉传感器,包括:安装支架、系统外壳、摄像机、激光器和减光滤光系统,其中:摄像机和减光滤光系统在焊接过程中同轴设置于系统外壳内壁并传输焊接过程焊缝图像,摄像机和激光器以20°的夹角设置于系统外壳的内部,安装支架设置于焊枪上;本发明具有结构简单,多自由度,体积小,整体成型,价格便宜等特点,能满足常见的狭窄空间的焊缝类型例如角焊缝和T型焊缝的焊接需求。通过回型气道冷却系统,提高了视觉传感器的使用寿命和使用范围,从而满足实际工业应用中长时间自动化焊接的操作需求并确保监控效果。本发明可应用于焊接中的信息获取与识别、焊缝跟踪与控制等方面。

    基于深度学习的挖掘机动臂机器人焊接质量在线检测方法

    公开(公告)号:CN118013251A

    公开(公告)日:2024-05-10

    申请号:CN202410007302.5

    申请日:2024-01-03

    Abstract: 本发明涉及一种基于深度学习的挖掘机动臂机器人焊接质量在线检测方法,包括以下步骤:使用多种传感器实时监测焊接过程中的焊接信息,包括焊接熔池图像、焊接电流信号、焊接电压信号以及电弧声音信号;分别利用不同的深度学习模型对收集到的熔池图像和电流、电压、声音信号进行特征提取,得到特征向量;将提取得到的不同信号源的特征向量进行融合;搭建特征融合模型,将融合后的特征向量作为融合模型输入,输出当前状态下的焊接质量分类结果;将融合模型输出的焊接质量分类结果输出为概率分布,并将概率最大的类别作为对当前焊接状态的预测结果。与现有技术相比,本发明可以实现在线监测、具有更高的可移植性和质量监测准确性。

    焊接数字孪生三维场景模型并发构建方法

    公开(公告)号:CN116225640A

    公开(公告)日:2023-06-06

    申请号:CN202211622966.X

    申请日:2022-12-16

    Abstract: 本发明提供了一种焊接数字孪生三维场景模型并发构建方法,包括:根据数据规模及计算机内核数,进行任务分块;通过三角阵列获取每个数据分块的起始位置;根据计算机内核数量构建并查集;对各个并查集进行计算,并合并各个并查集;根据合并的并查集,进行场景合并运算,导出场景文件。本申请中的方法充分利用了现代计算机的多核特性,充分利用计算机算力提高模型运算速度,可以实现无精度损失,或者在可控的精度范围内,构建出复杂焊接系统的数字孪生场景,大幅缩短耗时,效率高。

    电弧增材过程的沉积质量判断系统及方法

    公开(公告)号:CN114012210B

    公开(公告)日:2022-12-09

    申请号:CN202111481554.4

    申请日:2021-12-06

    Abstract: 本发明涉及一种电弧增材过程的沉积质量判断系统及方法。根据过程监控采集到的信号,对增材沉积质量进行判断,整体系统包括工控机、工业机器人、弧焊焊机、三通路采集卡、被动视觉传感模块等。其中工控机、机器人以及弧焊焊机相连接,构成电弧增材实验系统,被动视觉传感器则负责过程中熔池图像采集,采集卡与工控机相连,负责电流电压信号的采集。送丝电弧增材在沉积过程中,在进行除基层外的堆积时,容易出现熔池向两侧流淌的情况,从而导致焊道的塌陷,最终影响沉积成形质量。针对这种现象,本发明通过采集过程中的熔池图像以及电流电压信号,对图像进行处理并提取熔池图像特征以及电流电压特征,建立深度学习分类模型,对堆焊沉积情况做分类判断,判断结果良好,有较高准确率。该方法对提高电弧增材成品率有很大帮助,对送丝电弧增材过程控制有着重要意义。

    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

    公开(公告)号:CN114119595A

    公开(公告)日:2022-03-01

    申请号:CN202111479871.2

    申请日:2021-12-06

    Abstract: 本发明涉及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,包括:采集焊接过程中包括焊接熔池图像、电弧声音信号、焊接电压信号和焊接电流信号在内的焊接信息;对焊接信息进行预处理,并进行特征提取;对获取的不同信号源的特征进行连接融合,构建融合后的特征向量;构建质量基础检测模型,将融合后的特征向量输入至质量基础检测模型中,输出当前状态下的焊接质量;采用不同质量基础检测模型获取当前状态下的焊接质量,根据不同质量基础检测模型的结果获取最后的决策结果。与现有技术相比,本发明具有实现在线监测、提升检测质量准确性等优点。

    基于激光视觉传感器的摆动焊接焊缝跟踪误差控制方法

    公开(公告)号:CN113695712A

    公开(公告)日:2021-11-26

    申请号:CN202111052924.2

    申请日:2021-09-06

    Abstract: 本发明提供了一种基于激光视觉传感器的摆动焊接焊缝跟踪误差控制方法,包括以下步骤:获取焊接坡口的激光条纹图像;以前一时刻的激光条纹图像的特征条纹作为基准,在当前时刻的激光条纹图像中搜索,获得特征条纹的位置;获取特征条纹中的特征点在图像坐标系下的二维坐标值,并利用矩阵变换将特征点的二维坐标转换为机器人坐标系下的三维坐标值;对激光视觉传感器的时钟与机器人的时钟进行同步,根据激光条纹图像的采集时间,在机器人汇报坐标的时间戳序列中根据摆动周期运动规律参数寻找最近邻的前后两个汇报坐标并按时间戳进行插值,计算机器人的三维坐标值。消除了基于激光视觉传感器的焊缝跟踪中时钟不同步及机器人摆动带来的汇报坐标误差。

Patent Agency Ranking