需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

基于激光的焊缝几何形貌自动采集及其在有限元分析中的应用

1.3K 次观看

⸱

DOI：

10.3791/68654

⸱

2025年7月25日

 ,  ,  ,  ,  , 
1Department of Mechanical and Aerospace Engineering, University of Manchester, 2Henry Royce Institute, University of Manchester

本文内容

摘要

介绍了一种获取焊道近实时计量数据的方法，并自动将所得几何形状准备用于有限元分析。

摘要

高价值制造中的熔焊工艺需要对部件变形和残余应力水平进行严格的过程控制。该工艺依赖于对大量参数的调控，主要聚焦于确保母材与消耗材料之间的充分熔合。若不加以控制，焊接过程中产生的高热梯度可能导致显著变形；若部件完全受限，则可能产生高水平的残余应力。有限元分析通常被用于熔焊工艺中以预测变形情况。然而，这些模型几乎均采用在工艺开始前定义的理想化或简化几何形状，可能无法真实反映最终部件的实际形貌。本文描述了一种协议，利用激光扫描系统在独特坐标系中捕捉单道焊道沉积的真实形状，并将所获取的几何数据转换为可直接用于有限元分析的格式。这使得有限元模型能够快速导入代表真实沉积形貌的几何信息 有限的用户输入。

引言

熔化焊是通过局部熔化母材和填充材料实现金属部件永久连接的一种方法。这些填充材料通常以丝状或棒状形式存在。实现熔化的热源形式多样1，但在所有情况下，母材和填充材料都会经历高温及温度梯度。这种热循环可能导致显著的变形、材料性能的变化，并在焊接过程及冷却过程中在部件内部产生残余应力。由于这些副作用可能严重影响高价值部件的使用寿命或可用性，因此通常采用有限元（FE）方法对焊接过程进行建模，以预测热历史、变形和残余应力2。这类模型通常使用简化或理想化的焊缝及母材几何形状，该几何形状在焊接开始前即已确定，而非基于包含起弧和收弧位置在内的完整三维沉积形貌。通过自动化系统操控焊接焊枪的机械臂，可实现可重复的多道次焊接。需要注意的是，某些用于自动化电弧焊的设备也可用于直接能量沉积增材制造，这种工艺被称为定向能量沉积-电弧（DED-Arc）或电弧增材制造3（WAAM）。对于WAAM，通常也采用与焊接连接相同的预测性建模方法4。

通过选择性地堆叠多层沉积材料，WAAM 能够近净成形地制造三维构件。过去，WAAM 已被用于制造壁状结构和其他几何形状5、管道6，以及具有更复杂拓扑结构的构件，例如涡轮叶片7。由于与连接工艺相比热循环次数增加，且沉积材料量增多，此类 WAAM 构件的变形可能变得显著。因此，任何用于模拟该过程的有限元模型，其准确性可能因打印几何形状的理想化或假设而受到影响。在沉积过程中，可通过增强机械约束来限制基板的变形。然而，这也会增加最终构件中的残余应力水平，而这一点同样是不可取的。

传统上，焊后几何形状检测可通过检测工具手动完成8 或通过截取沉积层与基板的横截面，揭示焊缝的形貌，包括沉积材料、母材的熔化区域以及热影响区9手动几何检测工具虽然能够提供沉积范围的信息，但需要操作人员中断自动化程序以进行测量并记录所获得的数据。类似地，截面分析法虽能非常准确地反映焊缝形貌，但属于破坏性方法，且需经过多个制备步骤，这些步骤必须在制造现场之外完成。这两种方法仅能提供特定测量位置的焊道轮廓信息，其中截面分析法可能仅获得单个截面轮廓。相比之下，激光扫描仪具有快速评估焊缝形貌的优势，无需将样品从焊接单元中移除，并具备高分辨率完整捕获整个沉积形貌的潜力。在焊接过程中利用激光系统对实际焊道几何形貌进行监测已被采用10,11 与金属成型中常用的工艺方式类似12激光系统也已被用于捕捉电弧增材制造的几何形貌10然而，将这些数据进行处理以纳入或与有限元分析进行比较的具体步骤尚未得到充分描述。本研究提出了一种新方案，利用自动激光扫描仪监测焊道沉积层之间的焊缝几何形貌演变，并将记录的几何形貌整合到有限元模型中以实现模型更新。 分析（FEA）， 如使用商业软件包 ABAQUS 所实现的那样，能够自动捕捉焊缝成形 原位 将焊缝熔敷形貌转换为只需少量用户输入即可生成的有限元输入几何模型，是迈向智能制造的重要一步。

本研究中采用的几何形貌采集方法是对焊缝进行完整扫描，通过将扫描仪集成到一个具有六个自由度的独立机器人臂上实现，该机器人臂与控制熔敷过程的机器人臂相互分离。这与此前激光扫描系统的实施方式有所不同，以往的系统设计用于在特定位置探测几何形貌，其方式包括手持操作13、固定安装但受限于样品台移动范围10,11，或激光扫描仪与焊接焊枪安装在同一机器人臂上8。本方法能够在焊接单元的坐标系下，对焊道的完整几何形貌进行采集，且不受熔敷位置限制，无需定制夹具或复杂的算法。

捕获的几何形貌可用于预测沉积过程中的温度历史等重要参数。结合适当的热电偶数据，还可模拟变形和残余应力，这与本研究工作密切相关。该方法有望通过实现真实焊接过程的快速工艺建模，从而提升制造水平。几何形貌捕获的自动化特性为焊接参数与最终成形几何之间的关联提供了途径。这反过来可用于改进工艺控制和路径规划的开发。目前的手工焊接依赖操作人员的技能来控制输出结果，而机器人焊接虽然提高了重复性，却限制了实时决策的灵活性。在多道焊之间捕获焊道轮廓，可实现根据需要调整下一道焊道的编程参数，结合工艺建模，有望提高生产效率、材料性能以及构件的使用寿命。本方案以单道焊在平板上的示例案例进行说明，以展示所开发的工作流程。

焊接单元及所用设备的设置
本研究中的焊接单元包含具有必要附件的机械臂，用于执行焊接（称为焊接机器人）和激光扫描（称为扫描机器人）。该单元如图1所示。这些机器人可通过一个编程接口进行控制，该接口能够理解KUKA机器人语言（KRL）14，这是一种功能型编程语言，可向机器人提供必要的指令，并由机器人解释为关节和电机运动。焊接系统以冷金属过渡（CMT）模式运行，并配备TouchSense技术，即一种电子寻点方式。所用耗材为G3Si-120n型直径1.2 mm的钢丝，在氩气/二氧化碳混合气体（80/20%）保护下进行焊接。基板采用G43低碳钢板，并通过夹具固定。沉积方式为板上堆焊，具体参数见表1。选择该组焊接参数是因为其可形成具有工业代表性的焊道沉积。所用激光扫描仪能够同时扫描2048个点，数据采集频率为100 Hz。此外，使用坐标测量机（CMM）获取校准部件的尺寸信息。

从激光扫描仪获得的计量数据需要进行校准。当需要移动扫描仪以通过重叠扫描捕获大范围区域时，校准尤为重要。如果激光扫描仪相对于基板存在倾斜，或运动过程不平稳，则会导致最终几何形状出现畸变，如图2所示。此外，扫描仪仅记录返回传感器的光线信息；因此，在焊接过程中，由于熔池凝固会形成高反射性、不均匀且呈曲面的表面，常常导致大量空间信息丢失。为了提高所记录形状能够真实反映焊道形貌的可能性，必须进行一定程度的曲线拟合。在最简单的情况下，单道焊缝形貌可用抛物线良好近似15。Hu等人已将该方法应用于基于激光扫描的系统，用于计算焊道重叠量13。以下实验方案将采用此种拟合技术处理单道焊缝示例，以在选定的有限元软件中建立其数字化表征。

访问受限。请登录或开始试用以查看此内容。

方案

假设两个机器人均已启动，并完成了所有必要的设置诊断以确认位置符合要求，例如制动测试，并且已完成归零操作。

1. 进行校准

注意：在使用激光扫描仪之前，必须对其进行校准，以确保其测得的距离能够真实反映实际距离。默认情况下可能并不满足该条件，特别是当扫描仪处于 一个与培养板成角度的位置，这将引起三角函数变化 距离（图2).

  1. 进行校准时，扫描一个具有已知尺寸、刚性且优选为金属材质的部件，该部件表面附有以球体形式存在的基准点。
    注：这些球体具有易于识别的形状，可通过少量数据点实现高精度拟合，从而可靠地确定基准球体的中心位置。示例部件如图3A中焊接单元所示。校准步骤1.1–1.13所用的总体工作流程见图4。
  2. 至少在不同位置随机放置三个基准球体，例如低至中等ABEC等级的标准滚珠轴承（直径大于10 mm，如15.875 mm直径的滚珠轴承 [0.625 ± 0.0001 英寸]）。使用合适的介质（如导电环氧树脂）将球体固定在部件上，以确保球体与校准部件之间具有良好的导电性。使用适当半径的垫圈（例如10 mm）支撑球体，以增大球体与部件之间的接触表面积。
  3. 使用坐标测量机（CMM）测量基准球体表面多个点的坐标，如图3C所示。这些坐标将用于生成虚拟基准，对应于每个基准球体的中心位置（图3B）。
    1. 在测量基准球体之前，首先通过将一个具有已知尺寸的校准基准件安装到CMM测量舱中来校准CMM。该校准基准件为一个半径为29.993 mm的陶瓷球体，嵌入一根底部带螺纹的杆中，可旋入CMM测量舱并牢固固定。
    2. 将校准基准件旋入CMM测量舱。
    3. 将CMM测头调整至与后续测量焊接单元校准部件基准球体时相同的方向，在相应软件中运行自动校准功能。开始执行CMM测头校准时，将CMM设置为测量模式，移动测头接触校准基准件的顶部表面。程序将自动接管，测绘基准球体并完成当前方向下测头的校准。
    4. 测头校准完成后，将校准结果保存至指定测头编号，例如测头编号1。
    5. 从CMM中移除校准基准件。
    6. 将附有基准球体的校准部件放入CMM测量舱中。选择一个方向，并记录该方向以供后续参考，例如通过使用一张标注了每个基准球体编号的示意图。
    7. 创建一个程序以识别每个基准球体上的多个点。
      1. 通过探针 | 更换探针选择测头。
      2. 选择轮廓 | 测量CNC点，并将测头接触第一个基准球体。在第一个基准球体的上半球表面重复此操作，采集多个点。
      3. 对每个基准球体重复上述操作，为每个球体表面生成点云。
        注：理论上，每个球体至少需要三个点即可确定其中心位置；但建议采集更多点。本实验中，每个球体半球表面至少采集12个点，如图3D中CMM点拟合球体所示。获取基准球体表面点的CMM操作细节将根据所用设备而有所不同。
  4. 采用最小二乘拟合法将表面点拟合为球体，计算各基准球体中心的坐标。例如，可使用Numpy最小二乘求解器16实现。
  5. 选择其中一个基准球体作为校准坐标系的原点。从每个基准球体的坐标中减去该原点坐标，建立部件坐标系。
    注：假设校准部件为刚性体，一旦CMM测量完成且基准球体中心坐标已知，则后续实施本方案时可跳过步骤1.2–1.5，因为校准部件的尺寸及其关联坐标系已知。
  6. 将校准部件以与CMM测量时相对于原点相同的方位放置于焊接单元中。
    注：理论上方位并不重要，但保持原始方位有助于更易识别潜在误差。
  7. 如图5A所示，使用激光扫描仪对校准部件进行扫描设置。输出结果为x、y、z坐标文件。
    警告：激光扫描仪为激光辐射源，若未遵循激光安全规程，可能存在危险。必须使用2M类或更低级别的激光器，因其可满足所需功能且通常需要开放光束。
  8. 对于所用的示例激光系统，测量每个直径为15.875 mm的基准球体，并使用激光扫描仪对每个基准球体进行扫描以测量部件（图5A）。通过结合已知球体位置在x和y方向上的圆形区域以及z值阈值，截断这些线扫描的输出，以去除来自基底的信息。使用剩余的点，采用与步骤1.4相同的最小二乘拟合方法拟合球体（图5B），获得中心坐标。
    注：基准球体的表面光洁度可能与所用激光扫描仪不兼容。可使用喷雾式渗透显像剂涂覆并使表面哑光，如图5A所示。
  9. 将扫描机器人返回至其初始位置。
  10. 使用电子触点探测法，通过焊接机器人定位校准部件。使用集成在焊枪中且尺寸已知的金属探针，将其在多个位置接触基准球体表面（图6），类似于CMM方法。当探针接触基准球体时，低电压电路闭合，机器人系统直接记录当前机器人位置。
    注：也可通过焊接机器人上安装的其他类型电子寻边器实现类似效果，其依赖物理接触。
  11. 利用这些点拟合球体，确定各基准球体在沉积机器人坐标系中的中心位置。
  12. 将焊接机器人返回至其初始位置，并从焊接单元中移除校准部件。
  13. 利用CMM坐标系，通过单值分解法对焊接单元坐标系进行校准。创建所需仿射变换矩阵的过程概要见图7。
    注：所得仿射变换矩阵可将各基准球体中心的测量坐标转换为真实距离，从而校正激光扫描仪与扫描方向之间可能存在的任何错位。

2. 确定构建平台位置

  1. 将待进行沉积的基板或母材放入焊接舱内。
    1. 使用激光扫描仪扫过成形区域的各个角点，使其从板材边缘开始悬空扫描，起始位置完全位于板材之外，结束位置部分位于板材之上，如图8A所示。确保以恒定速度连续移动，并已知数据记录的频率。结合特定扫描的时间、路径的起始点和终止点，为在特定时间记录的每次扫描分配空间位置。记录成形板各角点的位置，这些数据将用于获取适用于有限元（FE）分析的几何信息。
      注：执行步骤2.1.1可使板材角点在激光扫描仪坐标系中被定位，因为在激光到达板材时高度会出现显著变化，形成阶跃函数特征（图8B）。
    2. 通过步骤1.13中计算的变换矩阵，将步骤2.1.1中获得的角点坐标转换至焊接机器人坐标系，从而在扫描机器人坐标系中识别出基板位置。
  2. 作为验证步骤，使用焊接机器人将焊头尖端移至板材的每个角点，记录其位置（如图8C所示），并确认这些位置符合预期。

3. 进行沉积

  1. 确定板材位置后，对焊接机器人进行编程，使其相对于板材在焊接工装中的位置，生成期望的焊接路径 机器人的坐标。
  2. 开始焊接，形成如图所示的焊道金属沉积 图9.
  3. 焊枪完成焊接后，将焊接机器人头部缩回至安全距离，以避免与扫描机器人发生碰撞。

4. 扫描微珠并生成有限元几何模型

注意：扫描微珠几何结构的工作流程，以及利用扫描数据生成可用于有限元分析（FEA）的三维点云并将其固化和网格化的步骤概要，见图10。以下步骤描述了该工作流程中各部分的具体操作方法。

  1. 编程控制扫描机器人沿一条路径移动，以实现对焊 bead 的扫描。对于简单的直线焊缝，可采用与焊接机器人相似的起始点和终点；若需更精确的方法，可对整块板材进行全面扫描。
    注意：这将使用最初用于确定板位置的相同扫描参数。
  2. 根据扫描仪在工件上移动的过程进行测量 图11注意路径的起点和终点、机器人的移动速度以及数据采集频率。确保采集频率对应的距离间隔不小于后续有限元分析（FEA）中拟采用的最小单元尺寸。
  3. 如果一次扫描无法完整捕获珠子的轮廓，则需进行多次平行扫描，每次扫描之间重叠区域至少为激光扫描仪视场的10%。
  4. 扫描完成后，应收回激光扫描机器人，以防止在后续任何焊接过程中与焊接机器人发生碰撞。
  5. 使用 Python 编写的系列命令，通过适当的解析函数对珠状物输出进行拟合。对于单个珠状物沉积的示例，采用抛物线函数进行拟合。
    注意：用于执行步骤 4.5.1–4.5.10 的 Python 代码可在补充资源库中获取17第4.5.10步需要额外的软件包FreeCAD18以及 Python 安装环境才能运行。
    图10 展示了本节所述的工作流程。每个后续阶段均提供了示例输出。 图12A- J用于珠子扫描的示例脚本 图11 以及用于生成的扫描几何结构 图12 也可在补充资源库中获取17.
    1. 在尝试以任何方式处理或使用激光扫描仪生成的点云数据之前，需将校准步骤1.13中获得的相同仿射变换矩阵应用于激光扫描仪的输出数据。
    2. 裁剪扫描数据，保留单个微珠的大致区域用于拟合。确保包含微珠周围受微珠宽度一定百分比影响范围内的孔板区域，以进行窗口化处理。在此阶段，通过使用高度滤波器去除由反射引起的各种扫描伪影。
    3. 通过求解平板的法向量并应用旋转矩阵，使扫描裁剪区域内的局部平板展平，从而使数据处于平板法向与垂直轴平行的坐标系中。
    4. 通过设置略高于基板高度的高度滤波阈值，确定平板上微珠的取向，然后对剩余的数据点进行一阶拟合st 二阶多项式。这将给出珠子方向的向量。如果已知珠子并非直线，则将其划分为若干较小的片段，使每个片段可近似为直线段
    5. 旋转微珠，使其与 y 轴平行，以便于操作。
    6. 裁剪旋转后的部分，以去除培养板的边缘区域，但在珠子两侧各保留少量（约 5 mm），以便后续适配。
    7. 选择待拟合的珠段中心位置，并对该 y 位置处的数据横截面进行抛物线拟合。此步骤的程序工作流程如下所示 图13.
    8. 利用拟合结果，通过在对应于平板最高处（即微珠起始位置）的 x 坐标处评估拟合曲线，提取微珠的范围。
      1. 使用相同的阈值法评估小球的最大 y 位置。
      2. 使用相同的抛物线形状，在焊道两端的每个位置将其转换到 x-y 平面，以创建焊珠终止轮廓。
      3. 通过评估珠子完整范围内的系列 x 和 y 坐标处的抛物线，记录构成轮廓的各点。
    9. 通过首先将焊珠起点置于新坐标系的原点，然后将其变换至原始焊接机器人坐标系，从而将点的域转换回原始坐标。
    10. 使用网格工具填充点的表面，生成可导入有限元分析的实体表面。为此，请使用 FreeCAD18 将抛物线序列组合成一个完整的三维实体的程序，该实体适用于导入有限元分析（FEA）前处理器。
      1. 此时通过定义真实的底板范围或其他所需尺寸来添加基底。
      2. 使用宏根据步骤 4.5.9 中计算的点生成 STL（标准三角网格语言）和 STEP（产品数据交换标准）文件。
      3. 一旦生成实体几何模型，便将其导出为适用于有限元分析的文件格式，在本例中为 ".inp" （输入）格式。如有需要，可借助另一个 FreeCAD 宏直接创建有限元网格。本示例中使用了 FreeCAD 的 Netgen 网格 FEM 工具插件。该示例珠状网格在 Netgen 网格中采用中等精细度生成，设定最大单元尺寸为 0.5 mm，最小单元尺寸为 0.1 mm。
        注意：此时，实际几何模型现已可成功导入有限元分析处理器中。

访问受限。请登录或开始试用以查看此内容。

结果

各坐标系中校准组件的基准球体之间的计算半径和距离如表2所示。三坐标测量机（CMM）与电子触点定位法在每个基准球体位置上的误差均较小，小于0.1 mm。这两种技术均依赖于基准球体与测针之间的物理接触。相比之下，激光扫描仪在定位球体时引入的误差较大，主导误差范围为1–2 mm。基准球体位置经变换矩阵校正后的结果如图14所示。图15展示了导入有限元分析（FEA）软件中的完整珠状物网格模型，该模型为本捕捉方法的最终输出结果。

工业环境中显示扫描和焊接机器人的机器人焊接站，带有构建平台。

访问受限。请登录或开始试用以查看此内容。

讨论

捕获质量
通过表2中基准球体的位置和半径，评估了激光扫描系统的尺寸准确性和精确性。各系统的准确性由基准球体的位置差异确定，即机器人系统（激光扫描仪和电感应边缘探测）测得的数据与三坐标测量机（CMM）数据在转换至焊接机器人坐标系后的对比结果。已知三坐标测量机具有高准确性和高精确性，其测量不确定度为±6 µm，源于设备本身的精度。

对于激光扫描仪，该平均差异为 1.6 ± 0.3 mm。尽管存在五个基准球，但理论上进行校准所需的最小数量为三个。在这五个基准球中，最可靠的三个与校准部件总尺寸相比，误差低于 1%。由于激光扫描仪可用于识别熔积材料以及任何基底或母材，该偏移量对两者均适用，因此在有限元软件中的局部表征不会受到影响。这一点可通过抛物线拟合计算得到的焊道冠部高度（2.6 ± 0.1）与使用焊缝量规进行的实际测量值（2.5 ± 0.5 mm）之间的对比得到验证。所报告的高度结果一致，且具有更高的精度。若需要，激光扫描系统还可实现远高于人工操作可行的测量频率。

访问受限。请登录或开始试用以查看此内容。

披露

作者声明无利益冲突。

致谢

本工作还得到了英国原子能机构通过聚变产业计划的支持。聚变产业计划正在推动英国聚变生态系统的成长，并为其进入未来的全球聚变电站市场做好准备。有关聚变产业计划的更多信息可在线获取： https://ccfe.ukaea.uk/programmes/fusion-industry-programme/。此外，所有作者衷心感谢通过EPSRC资助项目EP/R00661X/1、EP/S019367/1、EP/P025021/1和EP/P025498/1支持的亨利·罗伊斯先进材料研究所所提供的设施。MJR谨向Stephen Pryce先生致谢，感谢其在验证本文所含软件组件功能方面所做的努力。 

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
3 mm直径红宝石三坐标测量机测针Renishaw三坐标测量机上使用的测针（A-5004-0422）
80%氩气20%二氧化碳气体BOC保护气体混合气（Argosheild）
Crysta-Apex 776Mitutoyo坐标测量机，标称精度10 µm
FK 1000 MIG 1.2 mm焊接焊丝Iabco焊接用消耗性焊丝 
FreeCAD 1.0FreeCAD用于查看几何结构并从点云生成stl、step和有限元文件的软件。使用版本1.0
Fronius CMT 4000 GMAW焊机Fronius焊接焊枪 
G43低碳钢钢板 50 cm × 50 cm × 2.5 cmSmiths Metal用作成形基板的基体金属
GEOPAK/MCOSMOSMitutoyo 用于控制三坐标测量机的软件。使用版本4.0
KUKA KR20KUKA用作扫描机器人的机械臂
KUKA KR70KUKA用作焊接机器人的机械臂
LAZ3RUS曼彻斯特大学基于激光的通用场景三维重建：用于为激光扫描创建有限元几何模型。使用版本1.0
Micro Epsilon LLT3010-100  Micro Epsilon 激光扫描仪，标称精度9 µm
Mitutoyo 30 mm直径校准球Mitutoyo 熔融石英三坐标测量机校准球
ScanCONTROL3000_100 Micro Epsilon 用于采集和处理激光扫描仪数据的软件
TouchSenseFronius在机器人化焊接系统中实现电子边缘/特征识别的系统

参考文献

  1. Shravan, C., Radhika, N., Deepak Kumar, N. H., Sivasailam, B. A review on welding techniques: properties, characterisations and engineering applications. Advances Mater Process Technol. 10 (2), 1126-1181 (2024).
  2. Smith, M. C., Smith, A. C., Ohms, C., Wimpory, R. C. The NeT Task Group 4 residual stress measurement and analysis round robin on a three-pass slot-welded plate specimen. Int J Press Vessels Pip. 164, 3-21 (2018).
  3. Ding, J., et al. Thermo-mechanical analysis of wire and arc additive layer manufacturing process on large multi-layer parts. Comput Mater Sci. 50 (12), 3315-3322 (2011).
  4. Lindgren, L. -E., Runnemalm, H., Näsström, M. O. Simulation of multipass welding of a thick plate. Int J Numer Meth Eng. 44 (9), 1301-1316 (1999).
  5. Kazanas, P., Deherkar, P., Almeida, P., Lockett, H., Williams, S. Fabrication of geometrical features using wire and arc additive manufacture. Proc Inst Mech Eng B J Eng Manuf. 226 (6), 1042-1051 (2012).
  6. Nguyen, L., Buhl, J., Israr, R., Bambach, M. Analysis and compensation of shrinkage and distortion in wire-arc additive manufacturing of thin-walled curved hollow sections. Addit Manuf. 47, 102365(2021).
  7. Dugar, J., Ikram, A., Klobčar, D., Pušavec, F. Sustainable hybrid manufacturing of AlSi5 alloy turbine blade prototype by robotic direct energy layered deposition and subsequent milling: an alternative to selective laser melting. Materials. 15 (23), 8631(2022).
  8. BS EN ISO 17637:2016: Non-destructive testing of welds: visual testing of fusion-welded joints. , British Standards Institute. (2016).
  9. BS EN ISO 17639:2022: Destructive tests on welds in metallic materials: macroscopic and microscopic examination of welds. , British Standards Institute. (2022).
  10. Aviles-Viñas, J. F., Rios-Cabrera, R., Lopez-Juarez, I. On-line learning of welding bead geometry in industrial robots. Int J Adv Manuf Tech. 83 (1), 217-231 (2016).
  11. Ye, G., Guo, J., Sun, Z., Li, C., Zhong, S. Weld bead recognition using laser vision with model-based classification. Robot Comput-Integr Manuf. 52, 9-16 (2018).
  12. Sensors & system solutions metallic flat & long products. , Micro-Epsilon. https://www.micro-epsilon.com/fileadmin/download/industries/industry-brochure--metallic-flat-long-products--en.pdf (2024).
  13. Hu, Z., Qin, X., Li, Y., Yuan, J., Wu, Q. Multi-bead overlapping model with varying cross-section profile for robotic GMAW-based additive manufacturing. J Intell Manuf. 31 (5), 1133-1147 (2020).
  14. KUKA Robot Language (KRL). , https://www.kuka.com/ (2014).
  15. Francis, J. A., Bednarz, B., Bee, J. V. Prediction of steady state dilution in multipass hardfacing overlays deposited by self-shielded flux cored arc welding. Sci Technol Weld Join. 7 (2), 95-101 (2002).
  16. Harris, C. R., et al. Array programming with NumPy. Nature. 585 (7825), 357-362 (2020).
  17. Laurence, R., Li, J., Roy, M. LAZ3RUS v0.1. Zenodo. , (2025).
  18. FreeCAD 1.0. , https://www.freecad.org/ (2025).
  19. Huang, W., Wang, Q., Ma, N., Kitano, H. Distribution characteristics of residual stresses in typical wall and pipe components built by wire arc additive manufacturing. J Manuf Process. 82, 434-447 (2022).
  20. Cambon, C., Bendaoud, I., Rouquette, S., Soulié, F. A WAAM benchmark: from process parameters to thermal effects on weld pool shape, microstructure and residual stresses. Mater Today Commun. 33, 104235(2022).
  21. Schajer, G. S., Prime, M. B., Withers, P. J. Why is it so challenging to measure residual stresses. Exp Mech. 62 (9), 1521-1530 (2022).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

激光几何捕捉焊缝成形几何激光扫描自动化焊接残余应力数字化焊接单元抛物线曲线拟合三维实体几何网格生成
基于激光的焊缝几何形貌自动采集及其在有限元分析中的应用
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。