研究表明,人工智能(AI)有望彻底改变传统的焊接方法。利用人工智能的力量,制造商解决了焊接参数和焊缝几何形状控制不力等长期存在的挑战。这些技术创新有助于最大限度地减少焊接质量问题,提高效率和生产力。
利用人工智能,TRUMPF正在增强激光、光学、传感器技术和软件的总体系统,减少生产时间以及废料和返工量。其EasyModel AI和VisionLine Detect解决方案只需用户培训,而不需要机器编程专业知识。这简化了焊接过程,改善了图像处理,最大限度地减少了外部干扰(如污垢、划痕或光线不足)的影响。
管理焊接参数和变量
人工智能能够对影响焊接操作的众多工艺参数和接头几何参数进行复杂分析,包括电弧电压、电弧电流、焊接速度、基材厚度、接头轮廓、接头凹槽和间隙、焊道高度和焊透度。焊接的非线性特性使得这些关系难以建立和控制。
尽管数据可用性有所提高,但由于难以在焊接参数和变量之间建立准确的关系,挑战依然存在,包括电弧不稳定、接头位置误差、变形、焊缝咬边、气孔、焊道不规则、焊缝未焊透、未熔合、热影响区(HAZ)软化、微观结构退化和裂纹敏感性。解决这些问题需要一个由实时传感器、监测设备和人工智能方法组成的协调系统,能够有效地调整、监测、预测和控制焊接参数。
为了应对这些挑战,研究人员转向了具有人工智能能力的非线性方法,如田口方法、响应面方法(RSM)、人工神经网络(ANN)、遗传算法(GA)、模糊逻辑系统、自适应神经模糊推理系统(ANFIS)和粒子群优化(PSO)。这些方法为识别输入参数和输出变量之间的关系提供了一个框架,从而能够更好地控制焊接参数,以提高焊接质量。
例如,人工神经网络已被用于预测对接接头焊缝高度的焊接参数,其精度高于回归模型。同样,其他研究也成功地将人工智能模型应用于热塑性塑料激光透射焊接的焊缝质量预测和控制。目前,人工智能在焊接机器人控制方面的发展已经被证明在解决运动规划、路径优化和轨迹到达增强方面的挑战是有效的。人工智能方法缩短了路径规划的时间,提高了焊接效率,实时防止了对机器人和设备的损坏。
利用人工智能的进步
TRUMPF服务产品管理激光技术主管Florian Kiefer表示:“在慕尼黑的‘激光世界光电子展’上,TRUMPF展示了两种新的基于人工智能的激光焊接应用解决方案。EasyModel AI使客户无需编程知识即可创建算法。同时,图像处理系统VisionLine Detect的人工智能过滤器允许客户在他们的生产中应用该算法。使用人工智能可以在算法中捕捉专家的知识,从而更快地传递知识。”
另一家公司Amada Weld Tech正在推动电阻焊和激光焊接的人工智能和机器学习应用的进步。他们的主要关注领域是焊接过程监控,它使用AI/ML通过收集和分析过程中的物理信号来检查制造过程。
一个重要的进步在于高分辨率数据采集过程。为了实现对焊接质量的精确预测,该公司强调收集微秒级的数据,强调更多的数据对应更准确的结果。这种高分辨率的数据收集有助于通过AI/ML算法更好地区分好焊缝和坏焊缝。
Amada还利用网络将数据收集从本地转移到全球,同时投资于网络安全措施。通过以太网连接过程监视器,简化信息传输,并允许工艺工程师收集和分析全球多家工厂的数据。这种方法快速丰富了焊接库,并提供了对焊接过程的更精细的判断。最后,将收集到的数据部署到AI和ML算法中。这提供了关于工艺效率、设备性能、生产率、缺陷和异常的见解。
智能自适应
当前的机器人操作方法存在显著的局限性——低效的参数识别过程,以及缺乏适应和学习新情况的智能响应机制。T Systems正在努力超越这些限制。他们与汽车制造商合作,开发并试用了一种人工智能架构,该架构不仅可以识别焊缝的质量,还可以对其进行评估,以评估机器人的激光焊接过程。
这种人工智能架构使激光焊接机器人能够自动识别参数,提供了现有方法无法比拟的效率。它还为机器人提供了对各种场景的情景理解。该概念实现了机器人之间的集体学习以及操作过程中的持续学习。机机器人对焊缝引导的经验理解的显著扩展可以被系统地集成和记录。
智能的融合使激光焊接机器人能够更高效地操作,具有更大的安全性、成本效益和灵活性。汽车合作伙伴关系有助于证明深度学习和强化学习的融合显著增强了激光焊接机器人的功能,改善了激光焊接工艺。这些能力对于满足汽车和其他行业制造商的安全和效率需求至关重要。