您當(dāng)前的位置：檢測(cè)資訊 > 科研開(kāi)發(fā)
嘉峪檢測(cè)網(wǎng) 2025-06-10 20:21
當(dāng)前，中厚壁壓力管道、鋼結(jié)構(gòu)、大型筒體等焊接生產(chǎn)面臨全人工或機(jī)器人示教條件下焊工經(jīng)驗(yàn)要求高、勞動(dòng)強(qiáng)度大、質(zhì)量控制難等現(xiàn)實(shí)問(wèn)題，迫切需要推廣應(yīng)用機(jī)器人智能化焊接技術(shù)以實(shí)現(xiàn)“機(jī)器人代人”。分別從智能感知及檢測(cè)、路徑及工藝規(guī)劃、焊接過(guò)程智能控制、數(shù)字孿生與虛擬現(xiàn)實(shí)，以及人機(jī)協(xié)同與仿生機(jī)器人等角度討論了相關(guān)技術(shù)發(fā)展現(xiàn)狀。同時(shí)，結(jié)合中建安裝集團(tuán)有限公司、中建鋼構(gòu)股份有限公司近年來(lái)在機(jī)器人自動(dòng)化焊接技術(shù)方面的研究經(jīng)驗(yàn)，重點(diǎn)介紹了機(jī)器人智能化焊接技術(shù)在石化工藝管道、鋼結(jié)構(gòu)領(lǐng)域取得的技術(shù)突破及典型應(yīng)用成果。
1 序言
能源化工、船舶海工、特種車(chē)輛等領(lǐng)域的制造技術(shù)體現(xiàn)了我國(guó)裝備制造水平，其工藝管道、壓力容器、大型筒體及鋼結(jié)構(gòu)等中厚板主體結(jié)構(gòu)承受巨大載荷，焊縫接頭是最薄弱環(huán)節(jié)，直接影響裝備功能、性能和安全可靠性，而上述構(gòu)件均具有大尺度、大厚度、高強(qiáng)度、焊道數(shù)量多及結(jié)構(gòu)分布復(fù)雜等特征，導(dǎo)致加工成形和組裝尺寸變化大，焊縫坡口尺寸誤差大、軌跡重復(fù)性差、構(gòu)件拘束應(yīng)力嚴(yán)重，極易發(fā)生焊偏、焊漏、裂紋及未熔合等缺陷，使得行業(yè)內(nèi)長(zhǎng)期面臨經(jīng)驗(yàn)要求高、勞動(dòng)強(qiáng)度大、質(zhì)量控制難等現(xiàn)實(shí)問(wèn)題，迫切需要實(shí)現(xiàn)機(jī)器人智能化焊接。常見(jiàn)厚壁高壓承載結(jié)構(gòu)件如圖1所示。
國(guó)內(nèi)外學(xué)者從焊前、焊中等關(guān)鍵環(huán)節(jié)出發(fā)，分別圍繞焊縫感知與檢測(cè)、路徑與工藝規(guī)劃、過(guò)程控制等技術(shù)開(kāi)展了大量研究，包括基于中值濾波、Canny邊緣檢測(cè)、閾值分割及模板匹配等傳統(tǒng)圖像處理方法進(jìn)行焊縫識(shí)別以及特征提取；采用基于規(guī)則或幾何模型的經(jīng)典路徑規(guī)劃方法（A搜索算法、快速擴(kuò)展隨機(jī)樹(shù)等）進(jìn)行焊接路徑規(guī)劃[1-3]；采用田口法、線性回歸法、響應(yīng)曲面法等試驗(yàn)與數(shù)據(jù)擬合方法進(jìn)行焊接參數(shù)規(guī)劃[4-6]；在過(guò)程控制層面，則主要依托模糊控制理論構(gòu)建實(shí)時(shí)控制系統(tǒng)[7，8]。然而上述成果在實(shí)際應(yīng)用中仍然面臨掃描精度低、工藝規(guī)劃模型泛化能力不足、動(dòng)態(tài)控制響應(yīng)延遲等關(guān)鍵問(wèn)題。
本文分別從智能感知及檢測(cè)、路徑及工藝規(guī)劃、焊接過(guò)程智能控制、數(shù)字孿生與虛擬現(xiàn)實(shí)，以及人機(jī)協(xié)同等角度討論了相關(guān)技術(shù)發(fā)展現(xiàn)狀。同時(shí)，結(jié)合中建安裝集團(tuán)有限公司、中建鋼構(gòu)股份有限公司近年來(lái)在機(jī)器人自動(dòng)化焊接技術(shù)等方面的研究經(jīng)驗(yàn)，重點(diǎn)介紹了機(jī)器人智能化焊接在石化工藝管道、鋼結(jié)構(gòu)方面取得的技術(shù)突破及典型應(yīng)用成果。
2 焊接智能規(guī)劃技術(shù)
傳統(tǒng)機(jī)器人“示教-在線”模式在焊前路徑及工藝參數(shù)規(guī)劃方面廣泛存在規(guī)劃效率低、環(huán)境適應(yīng)性不足的問(wèn)題，特別是針對(duì)中厚壁多層道、復(fù)雜結(jié)構(gòu)件劣勢(shì)更為明顯[9]，因此提高機(jī)器人焊接路徑及工藝參數(shù)規(guī)劃智能化程度，對(duì)于提高焊接生產(chǎn)效率和質(zhì)量意義重大。
2.1 焊接路徑智能規(guī)劃
機(jī)器人焊前路徑規(guī)劃首先需要獲取焊縫局部或全局坡口特征，當(dāng)前主要通過(guò)工件CAD平面或三維模型[10-12]以及激光視覺(jué)掃描[13-15]（見(jiàn)圖2）等方式獲得。工件CAD模型可直接用于離線編程軟件進(jìn)行路徑規(guī)劃，具有編程效率高、路徑一致性好的優(yōu)勢(shì)，但由于缺乏實(shí)時(shí)環(huán)境感知能力，其適應(yīng)性受到局限。相比之下，基于視覺(jué)掃描的焊縫識(shí)別技術(shù)能夠?qū)崟r(shí)獲取工件三維形貌及焊縫特征數(shù)據(jù)，顯著提升了系統(tǒng)對(duì)裝配誤差、熱變形等工況變化的適應(yīng)能力。
研究通常采用多目標(biāo)智能優(yōu)化算法進(jìn)行焊接路徑規(guī)劃，以便于同時(shí)考慮避障、路徑長(zhǎng)度、焊接變形及能耗等多個(gè)約束，包括進(jìn)化算法（EA）、粒子群優(yōu)化算法（PSO）、免疫優(yōu)化算法（IOA）等[11，16-18]。SHEN等[16]以焊接路徑長(zhǎng)度和能量損失為優(yōu)化目標(biāo)，提出了基于多目標(biāo)免疫優(yōu)化的船舶焊接機(jī)器人路徑規(guī)劃并與經(jīng)典優(yōu)化算法進(jìn)行對(duì)比。研究結(jié)果表明，該算法在規(guī)劃路徑長(zhǎng)度、能耗和穩(wěn)定性方面均表現(xiàn)最佳。WANG等[18]以最短路徑長(zhǎng)度和能耗作為優(yōu)化目標(biāo)，采用聚類(lèi)引導(dǎo)多目標(biāo)粒子群算法（CGMOPSO）實(shí)現(xiàn)汽車(chē)前擋板機(jī)器人點(diǎn)焊路徑規(guī)劃，該優(yōu)化方法可以幫助焊接工程縮短示教時(shí)間，提高焊接效率。
2.2 焊接參數(shù)智能規(guī)劃
由于工藝參數(shù)規(guī)劃涉及工件屬性、焊接位置、力學(xué)性能要求等多個(gè)因素，且不同參數(shù)間呈現(xiàn)非線性，因此國(guó)內(nèi)外主要借助專家系統(tǒng)或者機(jī)器學(xué)習(xí)模型（ML）來(lái)實(shí)現(xiàn)焊接工藝規(guī)劃[9，19-25]。
焊接工藝專家系統(tǒng)結(jié)構(gòu)如圖3所示，其中知識(shí)庫(kù)和推理機(jī)是專家系統(tǒng)的核心[20]。根據(jù)知識(shí)表示方法的不同，現(xiàn)有專家系統(tǒng)分為實(shí)例和實(shí)例-規(guī)則混合專家系統(tǒng)[9，22-24]。實(shí)例專家系統(tǒng)通過(guò)檢索案例數(shù)據(jù)庫(kù)來(lái)實(shí)現(xiàn)工藝參數(shù)自動(dòng)規(guī)劃[9，23]，其在新應(yīng)用場(chǎng)景下的泛化性一般較低，而實(shí)例-規(guī)則混合專家系統(tǒng)則通過(guò)整合實(shí)例推理與規(guī)則推理的雙重機(jī)制，在實(shí)例數(shù)據(jù)不足時(shí)仍能基于領(lǐng)域知識(shí)實(shí)現(xiàn)有效的工藝規(guī)劃。南京航空航天大學(xué)魏艷紅團(tuán)隊(duì)研發(fā)的不銹鋼、軌道車(chē)架構(gòu)等焊接專家系統(tǒng)，均采用混合推理模式[22，24]。
除專家系統(tǒng)外，在新材料或特定性能要求的焊縫工藝設(shè)計(jì)方面，則多采用基于機(jī)器學(xué)習(xí)的建模方法[19，21，25]進(jìn)行焊接參數(shù)優(yōu)化，其流程如圖4所示。MA等[19]采用可解釋多任務(wù)神經(jīng)網(wǎng)絡(luò)（MTNN）與粒子群優(yōu)化（PSO）方法對(duì)激光焊接參數(shù)與熔池成形尺寸（熔深、熔寬）之間的關(guān)系建模并進(jìn)行工藝參數(shù)優(yōu)化。試驗(yàn)結(jié)果表明，優(yōu)化后的工藝參數(shù)預(yù)測(cè)性能與實(shí)際性能之間平均誤差為9.83%。然而，專家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)（ANN）均存在固有局限性，其中專家系統(tǒng)的泛化能力有限，而人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練則需大量訓(xùn)練樣本。WANG等[26]將XGBOOST作為專家系統(tǒng)的模糊推理機(jī)制，同時(shí)將知識(shí)庫(kù)作為模型訓(xùn)練基礎(chǔ)，該系統(tǒng)充分融合了專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)兩者優(yōu)勢(shì)，可以有效實(shí)現(xiàn)未知接頭及坡口信息情況下的焊接。XIE等[27]將工業(yè)互聯(lián)網(wǎng)技術(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合，其中神經(jīng)網(wǎng)絡(luò)模型可根據(jù)實(shí)際應(yīng)用獲得的新數(shù)據(jù)動(dòng)態(tài)調(diào)整。經(jīng)試驗(yàn)驗(yàn)證，其在攪拌摩擦焊性能預(yù)測(cè)中表現(xiàn)良好。
3 焊接過(guò)程智能感知調(diào)控技術(shù)
由于焊接坡口組對(duì)間隙/錯(cuò)邊量、焊槍/坡口位置動(dòng)態(tài)變化、鎢極燒損等多種變化因素，容易出現(xiàn)燒穿、未熔透、側(cè)壁未熔合等成形缺陷。采用焊接過(guò)程電信號(hào)、熔池視覺(jué)、光譜等傳感手段，并實(shí)時(shí)分析焊接過(guò)程質(zhì)量，是提高焊接質(zhì)量的重要手段之一[28]。
3.1 焊接過(guò)程動(dòng)態(tài)感知分析技術(shù)
焊接過(guò)程傳感方式主要有電信號(hào)、視覺(jué)、電弧聲及多種信號(hào)協(xié)同的多模態(tài)傳感等方式（見(jiàn)圖5）。視覺(jué)傳感憑借其多維時(shí)空分辨率優(yōu)勢(shì)，在焊接過(guò)程智能監(jiān)測(cè)領(lǐng)域展現(xiàn)出獨(dú)特應(yīng)用價(jià)值[29，30]。主動(dòng)視覺(jué)通過(guò)光場(chǎng)調(diào)制策略構(gòu)建熔池反射圖樣與表面形貌的映射模型，實(shí)現(xiàn)亞毫米級(jí)三維形貌重構(gòu)及動(dòng)態(tài)特征解析[31，32]。被動(dòng)視覺(jué)則聚焦于先進(jìn)圖像處理算法開(kāi)發(fā)[33-36]，WANG等[35]將自注意力機(jī)制引入熔池特征提取，建立了基于Vision Transformer（ViT）的GTAW熔透狀態(tài)識(shí)別模型（見(jiàn)圖6），測(cè)試準(zhǔn)確率可以達(dá)到98.11%。
電信號(hào)傳感器不易受到焊接煙霧、弧光、飛濺等情況的干擾，但對(duì)電弧燃燒及熔滴過(guò)渡過(guò)程的微小波動(dòng)較敏感[37，38]。焊接聲信號(hào)蘊(yùn)含熔池振蕩頻譜特征，通過(guò)時(shí)頻分析可實(shí)現(xiàn)熔滴過(guò)渡模式辨識(shí)及缺陷特征提取[39-41]，但容易受到環(huán)境背景噪聲影響。這兩類(lèi)傳感方式相較于視覺(jué)傳感實(shí)時(shí)性更高且成本低廉，但均受限于傳感精度。
為了提高焊接過(guò)程傳感精度和抗干擾能力，近年來(lái)國(guó)內(nèi)外圍繞多模態(tài)傳感協(xié)同分析開(kāi)展了部分研究。FENG等[42]通過(guò)融合主動(dòng)視覺(jué)與被動(dòng)視覺(jué)獲得了GTAW熔池多角度信息，并通過(guò)集成多個(gè)異構(gòu)體系神經(jīng)網(wǎng)絡(luò)完成了不同傳感單元對(duì)熔池的協(xié)同感知，增強(qiáng)了模型的靈活性及對(duì)不同焊接場(chǎng)景的適用性。CHEN等[43]分別使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）、時(shí)-頻域分析、統(tǒng)計(jì)學(xué)方法從熔池視覺(jué)、電弧聲音及弧壓信號(hào)進(jìn)行特征提取，并融合形成完整的19維向量，可以實(shí)現(xiàn)對(duì)未來(lái)2s內(nèi)焊接狀態(tài)的有效預(yù)測(cè)，其精度在0s（99.25%）時(shí)最高，在1.8s（83.95%）時(shí)最差。YU等[44]利用單色相機(jī)和紅外相機(jī)構(gòu)建一個(gè)雙目視覺(jué)傳感系統(tǒng)，并建立了基于多模態(tài)融合感知的機(jī)器人軌跡偏差監(jiān)測(cè)系統(tǒng)，其預(yù)測(cè)精度可達(dá)到99.35%。
3.2 焊接過(guò)程自適應(yīng)調(diào)控技術(shù)
由于焊接過(guò)程中母材不可避免地發(fā)生熱變形，出現(xiàn)坡口尺寸動(dòng)態(tài)變化[45]，同時(shí)疊加焊前工藝參數(shù)、路徑規(guī)劃誤差等加劇了質(zhì)量失穩(wěn)風(fēng)險(xiǎn)，因此準(zhǔn)確全面感知焊接過(guò)程，建立動(dòng)態(tài)補(bǔ)償模型實(shí)現(xiàn)復(fù)雜場(chǎng)景下自適應(yīng)調(diào)整，是提高焊接質(zhì)量的重要方法[46]。
近年來(lái)，相關(guān)研究中多借助模糊控制、神經(jīng)網(wǎng)絡(luò)等智能控制方法來(lái)實(shí)現(xiàn)焊接過(guò)程在線調(diào)整[47-51]。如朱明等[52]建立了MIG焊模糊規(guī)則表，通過(guò)實(shí)時(shí)監(jiān)控焊縫來(lái)動(dòng)態(tài)調(diào)節(jié)糾偏控制量，將對(duì)中偏差距離控制在±0.5mm。WU等[53]設(shè)計(jì)不依賴于焊接過(guò)程的無(wú)模型自適應(yīng)控制方法（MFAC），系統(tǒng)如圖7所示。通過(guò)調(diào)節(jié)可變極性等離子弧焊（VPPAW）焊接電流和等離子體氣體流速可以控制變散熱條件下、變熱輸入下的熔透狀態(tài)。試驗(yàn)結(jié)果表明，焊縫背面寬度實(shí)際值與期望值平均誤差為0.45mm。周躍龍[54]借助神經(jīng)網(wǎng)絡(luò)控制實(shí)時(shí)監(jiān)測(cè)焊槍位置，根據(jù)焊縫偏差對(duì)局部焊接路徑進(jìn)行重新規(guī)劃，實(shí)時(shí)糾正軌跡偏差，在滿足實(shí)時(shí)性要求下將平均絕對(duì)跟蹤誤差降低至0.3mm。
4 數(shù)字孿生與虛擬現(xiàn)實(shí)技術(shù)
數(shù)字孿生技術(shù)通過(guò)物理層感知并集成的車(chē)間各類(lèi)數(shù)據(jù)，建立高精度虛擬仿真模型（見(jiàn)圖8），通過(guò)在模型層分析物理層劃分合理性，并將分析結(jié)果通過(guò)信息融合層反饋到物理層，反復(fù)迭代，進(jìn)而改進(jìn)車(chē)間劃分方案[55，56]?；谔摂M現(xiàn)實(shí)（VR）技術(shù)建立虛擬車(chē)間和真實(shí)物理車(chē)間高精度實(shí)時(shí)同步，可以在仿真車(chē)間完成人員培訓(xùn)[57]及生產(chǎn)過(guò)程的動(dòng)態(tài)實(shí)時(shí)監(jiān)控[58]。此外，還可借助各類(lèi)傳感裝置、人機(jī)交互設(shè)備收集生產(chǎn)過(guò)程數(shù)據(jù)，通過(guò)數(shù)字孿生建模來(lái)實(shí)現(xiàn)生產(chǎn)線能力評(píng)估與調(diào)度優(yōu)化[59]。
通過(guò)實(shí)時(shí)數(shù)據(jù)模擬物理實(shí)體在實(shí)際生產(chǎn)線上的行為而進(jìn)行焊接路徑及工藝優(yōu)化[60-62]。WANG等[60]構(gòu)建了船舶雙弧焊機(jī)器人系統(tǒng)的五維數(shù)字孿生模型，并采用遺傳算法（GA）和RRT算法分別進(jìn)行焊接序列全局規(guī)劃和局部路徑規(guī)劃。將數(shù)字孿生實(shí)時(shí)數(shù)據(jù)融合至深度學(xué)習(xí)或仿真模擬等，并通過(guò)控制理論進(jìn)行反饋，以建立焊接過(guò)程在線控制的數(shù)字孿生模型[63-65]。WANG等[64]采用深度卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)圖像處理相結(jié)合的方法來(lái)提取和分析來(lái)自焊接熔池和電弧圖像的信息，建立GTAW接頭熔深控制的數(shù)字孿生模型，原理如圖9所示。試驗(yàn)結(jié)果表明，背部熔寬預(yù)測(cè)均方誤差（MSE）為0.0472mm2。DONG等[65]采用有限元技術(shù)建立電阻點(diǎn)焊過(guò)程在線檢測(cè)數(shù)字孿生系統(tǒng)，研究表明，數(shù)字孿生技術(shù)可以實(shí)時(shí)監(jiān)控焊接過(guò)程，熔核檢測(cè)準(zhǔn)確率為96%。
5 人機(jī)協(xié)同與仿生智能技術(shù)
5.1 人機(jī)協(xié)同技術(shù)
近年來(lái)，部分機(jī)器人廠家相繼研制出了可應(yīng)用于工業(yè)環(huán)境的協(xié)作焊接機(jī)器人，例如丹麥的優(yōu)傲機(jī)器人（見(jiàn)圖10）[66]以及國(guó)產(chǎn)越疆CR系列協(xié)作機(jī)器人。這些協(xié)作焊接機(jī)器人具有簡(jiǎn)易部署、操作簡(jiǎn)便、安全高效等顯著特征，但由于焊接路徑及工藝參數(shù)規(guī)劃等問(wèn)題的復(fù)雜性，決策過(guò)程幾乎完全依賴人類(lèi)專家。未來(lái)智能算法輔助決策將成為突破協(xié)作機(jī)器人技術(shù)瓶頸的關(guān)鍵技術(shù)。WANG等[67]提出了一種虛擬現(xiàn)實(shí)人機(jī)協(xié)作焊接系統(tǒng)，焊工可以采用HTCVIVE設(shè)備遠(yuǎn)程觀察焊接環(huán)境并借助運(yùn)動(dòng)跟蹤手柄操控焊槍移動(dòng)速度，而機(jī)器人設(shè)備借助內(nèi)置的焊縫跟蹤算法保證減少路徑偏差。試驗(yàn)結(jié)果表明，智能人機(jī)協(xié)作比單獨(dú)人工或機(jī)器人焊接的工件具有更好的焊縫性能。
5.2 仿生智能機(jī)器人技術(shù)
仿生智能機(jī)器人通常根據(jù)應(yīng)用場(chǎng)景選擇最合適的仿生學(xué)對(duì)象[68-70]。目前，使用類(lèi)人機(jī)器人進(jìn)行焊接任務(wù)尚未見(jiàn)諸直接報(bào)道，但構(gòu)成智能焊接類(lèi)人機(jī)器人范式的基礎(chǔ)技術(shù)已經(jīng)被人們廣泛研究（見(jiàn)圖11）。SUN等[71]研制了一種由類(lèi)人上半身與履帶式移動(dòng)平臺(tái)組成的雙臂移動(dòng)機(jī)器人BIT-DMR，該平臺(tái)可以變換多種形式，從而在復(fù)雜地形中實(shí)現(xiàn)高通行性。
6 實(shí)際應(yīng)用
6.1 鋼結(jié)構(gòu)機(jī)器人焊接系統(tǒng)
鋼結(jié)構(gòu)機(jī)器人焊接系統(tǒng)針對(duì)建筑鋼構(gòu)件結(jié)構(gòu)特點(diǎn)，提出采用視覺(jué)全景掃描識(shí)別技術(shù)搭配激光尋位技術(shù)的復(fù)合傳感方式，實(shí)現(xiàn)快速精確測(cè)量焊縫位置與焊縫特征（見(jiàn)圖12），同時(shí)搭建智能軟件系統(tǒng)（見(jiàn)圖13），借助內(nèi)置的焊接參數(shù)數(shù)據(jù)庫(kù)及智能路徑規(guī)劃算法，快速實(shí)現(xiàn)箱形、加勁板等不同鋼結(jié)構(gòu)的免示教智能化焊接。該系統(tǒng)適用工件規(guī)格12000mm×1600mm×1000mm，視覺(jué)掃描及焊接程序生成時(shí)間＜180s，可完成T形接頭橫角焊及立角焊焊接，一次掃描可生成整個(gè)工件所有焊縫機(jī)器人焊接軌跡，解決了大型非標(biāo)鋼結(jié)構(gòu)機(jī)器人快速批量焊接難題，與人工相比整體焊接效率提升約60%。該系統(tǒng)用于H型鋼的實(shí)際焊接效果如圖14所示。
6.2 石化工藝管道機(jī)器人智能焊接系統(tǒng)
針對(duì)石化工藝管道/管件焊接依靠人工打底或機(jī)器人示教打底焊存在生產(chǎn)效率低、經(jīng)驗(yàn)要求高、勞動(dòng)強(qiáng)度大等不足，提出了結(jié)構(gòu)光-知識(shí)庫(kù)協(xié)同驅(qū)動(dòng)的分段式工藝規(guī)劃方法（見(jiàn)圖15），突破了機(jī)器人人工示教僅依據(jù)管道單一周向坡口幾何特征工藝規(guī)劃帶來(lái)的工藝適應(yīng)性難題。采用了基于電信號(hào)（LSTM網(wǎng)絡(luò)）驅(qū)動(dòng)的熔池視覺(jué)（CNN網(wǎng)絡(luò)）熔透性在線智能監(jiān)控等方法，實(shí)現(xiàn)了焊接過(guò)程燒穿缺陷實(shí)時(shí)動(dòng)態(tài)監(jiān)控，可滿足坡口組對(duì)間隙0～3mm、錯(cuò)邊量0～2.5mm的自適應(yīng)焊接。
7 結(jié)束語(yǔ)
近年來(lái)，焊接智能化技術(shù)進(jìn)展迅速，特別是“免示教編程”概念日趨熱門(mén)，但當(dāng)前在中厚壁結(jié)構(gòu)、焊縫分布復(fù)雜等條件下的機(jī)器人焊接仍存在極大挑戰(zhàn)。
1）坡口幾何尺寸感知與檢測(cè)精度還有待進(jìn)一步提高，以適應(yīng)復(fù)雜場(chǎng)景及高精密裝配焊接需求。
2）焊接工藝規(guī)劃仍依賴于大量工藝試驗(yàn)數(shù)據(jù)，而焊接過(guò)程自適應(yīng)控制模型對(duì)于焊接動(dòng)態(tài)擾動(dòng)（熔池流動(dòng)、熱變形等）的調(diào)控能力還有待進(jìn)一步提升。
3）數(shù)字孿生方面需進(jìn)一步提升建模保真水平，深度融合實(shí)時(shí)數(shù)據(jù)，逐步從“虛擬映射”向“預(yù)測(cè)-優(yōu)化-控制”一體化演進(jìn)。
4）仿生機(jī)器人方面需要充分借助人工智能及生產(chǎn)大數(shù)據(jù)挖掘技術(shù)，提高機(jī)器人對(duì)生產(chǎn)環(huán)境、工件、人員、材料及質(zhì)量等維度的融合感知分析能力，使機(jī)器人焊接技術(shù)向智能化、柔性化方向發(fā)展。
參考文獻(xiàn)
[1] TAVARES P，LIMA J，COSTA P，et al. Multiple manipulators path planning using double A*[J].Industrial Robot：An International Journal，2016，43（6）：657-664.
[2] WANG X W，GAO J，ZHOU X，e t a l. Path planning for the gantry welding robot system based on improved RRT*[J]. Robotics and Computer-Integrated Manufacturing，2024，85：102643.
[3] SUH J，GONG J，OH S. Fast sampling-based costaware path planning with nonmyopic extensions using cross entropy[J]. IEEE Transactions on Robotics，2017，33（6）：1313-1326.
[4] SRIRANGAN A，PAULRGAJ S. Multi-response optimization of process parameters for TIG welding of Incoloy 800HT by Taguchi grey relational analysis[J]. Engineering Science and Technology，2016，19（2）：811-817.
[5] SRIVASTAVA S，GARG R. Process parameter optimization of gas metal arc welding on IS：2062 mild steel using response surface methodology[J]. Journal of Manufacturing Processes，2017，25：296-305.
[6] DONG H，CONG M，ZHANG Y M，et al. Real time welding parameter prediction for desired character performance：Proceedings of the 2017 IEEE International Conference on Robotics and Automation （ICRA）[C]. USA：IEEE，2017.
[7] DAVIS T，NGO P，SHIN Y. Multi-level fuzzy control of friction s t i r welding power[J]. The International Journal of Advanced Manufacturing Technology，2012，59（5）：559-567.
[8] HU P F，HUANG J S，ZENG M. Application of fuzzy control method in gas metal arc welding[J]. The International Journal of Advanced Manufacturing Technology，2017，92（5）：1769-1775.
[9] 鮑亮亮，嚴(yán)文榮，樊云博，等. 石化工藝管道氬弧智能打底焊接技術(shù)研究[J]. 材料導(dǎo)報(bào)，2023，37（S2）：358-361．
[10] HONG L，WANG B S， XU Z Q，et al. Research on o f f-l i n e programming method o f s p a t i a l intersection curve welding based on VTK[J]. The International Journal of Advanced ManufacturingTechnology，2020，106（5）：1587-1599.
[11] TANG Q C，MA L，ZHAO D，et al. A dualrobot cooperative arc welding path planning algorithm based on multi-objective cross-entropy optimization[J]. Robotics and Computer-IntegratedManufacturing，2024，89：102760.
[12] ZHOU X，WANG X W，XIE Z H，et al. Online obstacle avoidance path planning and application for arc welding robot[J]. Robotics and Computer-Integrated Manufacturing，2022，78：102413.
[13] ZHANG K，YAN M Z，HUANG T Y，et a l. 3D reconstruction of complex spatial weld seam for autonomous welding by laser structured light scanning[J]. Journal of Manufacturing Processes，2019，39：200-207.
[14] ZHANG Y K，GENG Y S，TIAN X C，et al. Feature extraction and robot path planning method in 3D vision-guided welding for multi-blade wheel structures[J]. Optics and Lasers in Engineering，2024，176：108066.
[15] XU F J，HOU Z，XIAO R Q，et al. A novel welding path generation method for robotic multilayer multi-pass welding based on weld seam feature point[J]. Measurement，2023，216：112910.
[16] SHEN Y，GAO Y Q，YUAN M X，et al. Multiobjective immune optimization of path planning for ship welding robot [J]. Electronics 2023，12（9）：2040.
[17] TAN Y S，ZHANG Z，LAO Y L，et al. Path planning for spot welding robots based on improved ant colony algorithm[J]. Robotica，2023，41（3）：926-938.
[18] WANG X W，YAN Y X，GU X S. Spot welding robot path planning using intelligent algorithm[J]. Journal of Manufacturing Processes，2019，42：1-10.
[19] MA S，CHEN Z Y，ZHANG D，et al. Interpretable multi-task neural network modeling and particle swarm optimization of process parameters in laser welding[J]. Knowledge-Based Systems，2024，300：112116.
[20] LIAO SH. Expert system methodologies and applications—a decade review from 1995 to 2004[J]. Expert Systems with Applications，2005，28（1）：93-103.
[21] XIONG X H，WANG C，WANG F S，et a l. Optimization of process parameters for induction welding of composite materials based on NSGAII and BP neural network[J]. Materials Today Communications，2022，33：104749.
[22] ZHANG Y L，WEI Y H，PU J，et al. Development and application of knowledge-based software for railcar frame welding process[J]. The International Journal of Advanced Manufacturing Technology，2021，112：273-284.
[23] 黃永生．計(jì)算機(jī)輔助焊接工藝設(shè)計(jì)系統(tǒng)[J]．機(jī)械設(shè)計(jì)與制造，2011（1）：100-101．
[24] 劉立鵬，魏艷紅，梁寧，等. 不銹鋼焊接性分析與焊接工藝設(shè)計(jì)專家系統(tǒng)[J]. 焊接技術(shù)，2009，38（7）：30-34．
[25] 朱廣明，華亮，趙佳皓，等．CSSA-DWNN算法的機(jī)器人焊接工藝參數(shù)優(yōu)化研究[J]．實(shí)驗(yàn)室研究與探索，2023，42（7）：48-53．
[26] WANG X W，CHEN Q，SUN H，et al. GMAW welding procedure expert system based on machine learning[J]. Intelligence & Robotics，2023，3（1）：56-75.
[27] XIE X C，SUN S J，CHEN J S，et al. Welding process expert system based on industrial internet and neural network：Proceedings of the 2023 24th International Conference on Electronic Packaging Technology（ICEPT）[C]. USA：IEEE，2023.
[28] WANG B C，SUN L，F(xiàn)REIHEIT T. Intelligent welding system technologies：State-of-the-art review and perspectives[J]. Journal of Manufacturing Systems，2020，56：373-391.
[29] 陳浩宇．基于深度學(xué)習(xí)的快頻脈沖TIG焊熔透識(shí)別及控制[D]．廣州：華南理工大學(xué)，2022．
[30] XIAO R Q，XU F J，HOU Z，et a l. LSFPtracker： An autonomous laser stripe feature point extraction algorithm based on siamese network for robotic welding seam tracking[J]. IEEE Transactions on Industrial Electronics，2024，71（1）：1037-1048.
[31] XIAO R Q，XU Y L，HOU Z，et al. An adaptive feature extraction algorithm for multiple typical seam tracking based on vision sensor in robotic arc welding[J]. Sensors and Actuators A：Physical，2019，297：111533.
[32] SHI Y，ZHANG G，LI C K，et al. Weld pool oscillation frequency in pulsed gas tungsten arc welding with varying weld penetration：Proceedings of the 2015 IEEE International Conference on Automation Science and Engineering（CASE）[C].USA：IEEE，2015.
[33] SHI Y H，WANG Z S，LIANG ZY，et al. A welding seam tracking algorithm adaptive to variable groove type：An interactive segmentation passive vision method[J]. Optics & Laser Technology，2025，181：111861.
[34] WANG W Y，SUN H H，CHEN C，e t a l . Autonomous path generation for side-seal welding of composite plate billets based on binocular vision and lightweight network VGG16-UNet[J]. Robotics and Computer-Integrated Manufacturing，2025，94：102969.
[35] WANG Z M，CHEN H Y，ZHONG Q M，et al. Recognition of penetration state in GTAW based onvision transformer using weld pool image[J]. The International Journal of Advanced Manufacturing Technology，2022，119（7）：5439-5452.
[36] ZHANG X D，WANG F，CHEN Y R，et a l.Weld joint penetration state sequential identification algorithm based on representation learning of weld images[J]. Journal of Manufacturing Processes，2024，120：192-204.
[37] 于鵬，蔡正標(biāo)，趙明明，等. 基于焊接電信號(hào)頻域特征的焊接過(guò)程穩(wěn)定性評(píng)估[J]. 焊接學(xué)報(bào)，2023，44（4）：105-110．
[38] MAZLAN A，DANIYAL H，MOHAMED A，et al. Monitoring the quality of welding based on welding current and ste analysis[J]. IOP Conference Series：Materials Science and Engineering，2017，257（1）：012043.
[39] XU F J，XU Y L，ZHANG H J，et al. Application of sensing technology in intelligent robotic arc welding：A review[J]. Journal of Manufacturing Processes，2022，79：854-880.
[40] 徐興旺. 基于多模態(tài)融合的焊縫熔深協(xié)同測(cè)控技術(shù)研究[D]. 南京：南京理工大學(xué)，2023．
[41] NA L，GU F，XU Y L，et al. Real-time monitoring of welding path in pulse metal-inert gas robotic welding using a dual-microphone array[J]. The International Journal of Advanced Manufacturing Technology，2017，90（9）： 2955-2968.
[42] FENG Y H，CHEN Z Y，WANG D L，et al. Deep welding：A deep learning enhanced approach to GTAW using multisource sensing images[J]. IEEE Transactions on Industrial Informatics，2020，16（1）：465-474.
[43] CHEN C，XIAO R Q，CHEN H B，e t a l .Prediction of welding quality characteristics during pulsed GTAW process of aluminum al loy by multisensory fusion and hybrid network model[J].Journal of Manufacturing Processes，2021，68：209-224.
[44] YU R W，TAN X X，HE S，et al. Monitoring of robot trajectory deviation based on multimodal fusion perception in WAAM process[J]. Measurement，2024，224：113933.
[45] CHEN S B，CHEN X Z，QIU T，et al. Acquisition of weld seam dimensional position information for arc welding robot based on vision computing[J].Journal of Intelligent and Robotic Systems，2005，43（1）：77-97.
[46] 陳華斌，肖潤(rùn)泉，陳善本. 焊接機(jī)器人視覺(jué)感知及智能化焊接關(guān)鍵技術(shù)研究進(jìn)展[J]. 焊接學(xué)報(bào)，2024，45：1-9．
[47] 陳華斌，陳善本. 復(fù)雜場(chǎng)景下的焊接智能制造中的信息感知與控制方法[J]. 金屬學(xué)報(bào)，2022，58：541-550．
[48] 丁東紅，黃榮，張顯程，等. 電弧增材制造研究進(jìn)展：多源信息傳感[ J ] . 焊接技術(shù)，2022，51（10）：1-20，113．
[49] 郭韜. 窄間隙MAG焊擺動(dòng)電弧參數(shù)及焊縫跟蹤方法研究[D]. 長(zhǎng)沙：湘潭大學(xué)，2021．
[50] 盧維佳，高向東，張南峰，等. 模糊控制技術(shù)在電弧焊焊縫自動(dòng)跟蹤中的應(yīng)用[J]. 制造技術(shù)與機(jī)床，2017（7）：50-54．
[51] 王嘉昕. 窄間隙熱絲TIG打底焊全熔透視覺(jué)傳感與智能控制[D]. 蘭州：蘭州理工大學(xué)，2023．
[52] 朱明，雷潤(rùn)吉，翁軍，等. 圖像自動(dòng)增強(qiáng)與注意力機(jī)制深度學(xué)習(xí)的MIG焊縫跟蹤系統(tǒng)[J]. 焊接學(xué)報(bào)，2024，45（11）：90-94．
[53] WU D，CHEN H B，HUANG Y M. Online monitoring and model-free adaptive control of weld penetration in VPPAW based on extreme learning machine[J]. IEEE Transactions on Indust r i a lInformatics，2019，15（5）：2732-2740.
[54] 周躍龍. 基于激光視覺(jué)的焊縫檢測(cè)與跟蹤系統(tǒng)研究[D]. 廣州：廣東工業(yè)大學(xué)，2021．
[55] GUO H F，ZHU Y X，ZHANG Y，et al. A digital twin-based layout optimization method for discrete manufacturing workshop[J]. The International Journal of Advanced Manufacturing Technology，2021，112：1307-1318.
[56] 陶飛，程穎，程江峰，等. 數(shù)字孿生車(chē)間信息物理融合理論與技術(shù)[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2017，23（8）：1603-1611．
[57] WANG Q Y，JIAO W H，WANG P，et al. Digital twin for human-robot interactive welding and welder behavior analysis[J]. IEEE/CAA Journal of Automatica Sinica，2021，8（2）：334-343.
[58] ZHANG Q L，WEI Y，LIU Z，et al. A framework for service-oriented digital twin systems for discrete workshops and its practical case study[J]. Systems，2023，11（3）：156.
[59] LIU J F，JI Q K，ZHANG X H，et al. Digital twin model-driven capacity evaluation and scheduling optimization for ship welding production line[J]. Journal of Intelligent Manufacturing，2024，35（7）：3353-3375.
[60] WANG X W，HUA Y，GAO J，et al. Digital twin implementation of autonomous planning arc welding robot system[J]. Complex System Modeling and Simulation，2023，3（3）：236-251.
[61] TABAR R，KRISTINA W，RIKARD S，et al. Efficient spot welding sequence optimization in a geometry assurance digital twin[J]. Journal of Mechanical Design，2020，142（10）：102001.
[62] ZHANG Q L，XIAO R，LIU Z，et al. Process simulation and optimization of arc welding robot workstation based on digital twin[J]. Machines，2023，11（1）：11010053.
[63] TAO J，NOR N，ABDULLAH A. Acoustic signalbased automated control of welding penetration using digital twin technology[J]. Mechanical Systems and Signal Processing，2024，208：110962.
[64] WANG Q Y，JIAO W H，ZHANG YM. Deep learning-empowered digital twin for visualized weld joint growth monitoring and penetration control[J].Journal of Manufacturing Systems，2020，57：429-439.
[65] DONG J W，HU J M，LUO Z. Quality monitoring of resistance spot welding based on a digital twin[J/OL]. Metals，2023，13（4）：799. DOI：https://doi.org/10.3390/metals13040799.
[66] 朱輝杰. 優(yōu)傲機(jī)器人：協(xié)作機(jī)器人市場(chǎng)已進(jìn)入爆發(fā)期[J]. 智能制造，2019（10）：13-15．
[67] WANG Q Y，CHENG Y C，JIAO W H，et al.Virtual reality human-robot collaborative welding：A case study of weaving gas tungsten arc welding[J].Journal of Manufacturing Processes，2019，48：210-217.
[68] LIU Y W，JIANG H Z，XU Z H. Development of novel fish-inspired robot with variable stiffness[J].Ocean Engineering，2024，305：118047.
[69] LU X，WU Y L，CHEN J，et al. A high liftoff speed insect-scale aerial robot direct-driven with piezoelectric bimorph PZT actuator[J/OL]. Chinese Journal of Aeronautics，2025：103494. DOI：10.1016/j.cja.2025.103494.
[70] Q I U H F，ZHANG J Y，ZHAO J，e t a l .Exploratory research of intelligent gecko-inspiredrobot based on integrated design and experiment[J].Heliyon，2024，10（17）：e37375.
[71] SUN Z Y，YANG H，MA Y F，et al. BIT-DMR：A humanoid dual-arm mobile robot for complexrescue operations[J]. IEEE Robotics and AutomationLetters，2022，7（2）：802-809.
來(lái)源：工業(yè)機(jī)器人
關(guān)于我們 聯(lián)系我們 營(yíng)業(yè)執(zhí)照 全國(guó)服務(wù)電話：400-818-0021 嘉峪檢測(cè)版權(quán)所有 備案號(hào)：京ICP備14047019號(hào)-2 
京公網(wǎng)安備11010802046783號(hào)
