为了实现机器人焊接的免示教路径规划,结合深度学习与点云处理技术,开发了一种高效、稳定的焊缝智能识别算法.首先,采用ETH(Eye-to-hand)构型的工业级3D相机获取焊件周围的二维图像和3D点云模型,利用预先训练的YOLOv8目标检测模型识别焊件所在的ROI区域(region of interest,ROI),模型识别精度为99.5%,从而实现快速剔除背景点云,并基于RANSAC平面拟合、欧式聚类等点云处理算法,对ROI区域的三维点云进行焊缝空间位置的精细识别;最后根据手眼标定结果转化为机器人用户坐标系下的焊接轨迹.结果表明,文中所开发的算法可实现随机摆放的焊缝自动识别和焊接机器人路径规划,生成的轨迹与人工示教轨迹效果相当,偏差在0.5 mm以内.
针对不同预热条件下X80M钢管道全自动焊接接头,开展了裂纹尖端张开位移(crack tip opening displacement,CTOD)的差异性研究.采用单边缺口3点弯曲试样进行CTOD试验,按照GB/T21143-2014标准和ISO15653-2018标准推荐的公式分别进行CTOD值...
详细信息
针对不同预热条件下X80M钢管道全自动焊接接头,开展了裂纹尖端张开位移(crack tip opening displacement,CTOD)的差异性研究.采用单边缺口3点弯曲试样进行CTOD试验,按照GB/T21143-2014标准和ISO15653-2018标准推荐的公式分别进行CTOD值的计算.结果表明,两种计算公式结果不同,采用ISO 15653-2018标准推荐公式计算CTOD值结果与GB/T21143-2014标准相比平均偏高35%,差异出现的原因是两种标准的修正方式侧重点不同,即GB/T21143-2014标准针对裂纹长度变化进行修正,而ISO15653-2018标准针对测试温度的影响进行修正.预热温度为80℃的接头试样CTOD值整体较低,其中按GB/T21143-2014标准计算有3个试样低于标准,最低为0.16 mm,按ISO 15653-2018标准计算有1个试样低于标准,最低为0.20 mm;预热温度为120℃时,所有试样在两种标准下计算的CTOD值均满足标准要求,焊接接头断裂韧性更好.相同预热条件下,熔合区试样CTOD值整体高于焊缝区试样,且CTOD最大值均出现于熔合区,具有较好的断裂韧性,熔合区CTOD值受组织不均匀性的影响,不同位置间存在较大差异,存在性能的不均匀性.
通过改变激光粉末床熔融(laser powder bed fusion,LPBF)的扫描速度研究IN738LC合金组织演化及各向异性机制,采用光学显微镜(optical microscopy,OM)及扫描电镜(scanning electron microscopy,SEM)对组织形貌特征进行表征分析,通过X射...
详细信息
通过改变激光粉末床熔融(laser powder bed fusion,LPBF)的扫描速度研究IN738LC合金组织演化及各向异性机制,采用光学显微镜(optical microscopy,OM)及扫描电镜(scanning electron microscopy,SEM)对组织形貌特征进行表征分析,通过X射线衍射(X-ray diffraction,XRD)对其织构性进行测试,使用显微硬度仪对显微硬度及各向异性进行评价.结果表明,随着扫描速度从800 mm/s提高到1600 mm/s,晶粒尺寸得到显著细化,且晶粒长轴取向由低扫描速度下沿建造方向择优,转变为高扫描速度下的沿熔池边界法线方向择优.这是因为低扫描速度下高熔池重熔率导致更多枝晶沿建造方向外延择优生长.这种沿建造方向的强择优生长同时导致(200)面沿建造方向择优的织构性,且这种织构强度随扫描速度增加而降低.这种(200)面沿建造方向择优织构还导致水平截面软轴居多,进而导致水平显微硬度低于侧界面显微硬度的各向异性.
暂无评论