方法文章

用于焊道有限元分析的基于激光的自动几何捕获

DOI:

10.3791/68654

2025年7月25日

本文内容

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

描述了一种获取焊道近实时计量并自动准备生成的几何形状以进行有限元分析的过程。

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

用于高价值制造的熔焊需要对部件变形进行严格的工艺控制,并确定赋予成品部件的残余应力水平。该过程依赖于控制无数参数,主要侧重于确保母材和耗材的充分融合。如果不加以控制,过程中施加的高热梯度可能会导致严重的变形,如果组件完全受制,可能会导致高水平的残余应力。有限元分析通常应用于熔焊工艺中以预测变形。然而,这些模型几乎完全使用在流程开始之前定义的理想化或简化的几何形状,这可能不能代表最终组件。描述了一种协议,用于使用激光扫描系统在唯一坐标系内捕获单个焊道沉积的真实形状,并将捕获的几何形状转换为可立即纳入有限元分析的形式。这允许在有限的用户输入下快速填充代表真实沉积的几何形状。

引言

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

熔焊用于通过母材和填充材料的局部熔化来永久粘合金属部件。这些填充材料呈线材或棒材的形式。影响这种熔化的热源可以变化1,但在所有情况下,母体和填料都暴露在高温和梯度下。这些热偏移会导致显着变形、材料性能变化,并在焊接过程和冷却过程中在部件内产生残余应力。由于这些副作用可能对高价值部件的使用寿命或生存能力极为不利,因此焊接工艺通常通过有限元(FE)方法进行建模,以确定热历史、变形和残余应力2。此类模型通常使用焊缝和母材的简化或理想化几何形状,这是在进行任何焊接之前确定的,而不是使用基于完整 3D 沉积的几何形状,包括焊接开始和停止位置。使用自动化系统可以实现可重复的多道焊接,其中焊枪由机械臂纵。需要注意的是,一些用于自动电弧焊的设备也可用于直接能量沉积增材制造,称为定向能量沉积电弧(DED-Arc)或线弧增材制造3 (WAAM)。WAAM 通常也采用与加入4 相同的预测建模方法。

WAAM可以通过选择性地组合多层沉积材料来生产近净形状的3D组件。WAAM过去曾用于创建墙壁和其他几何形状5、管道6,以及具有更复杂拓扑结构的组件,例如涡轮叶片7。由于与连接相比热循环次数增加以及沉积材料的增加,此类 WAAM 组件的变形可能会变得显着。因此,任何反映此过程的有限元模型都可能因其理想化或假定的打印几何形状而受到损害。通过增加机械约束,可以在沉积过程中限制基板的变形。然而,这也会增加最终部件的残余应力水平,这也是不可取的。

传统上,焊后几何形状检测可以使用检测工具8手动实现,也可以通过对沉积物和基材进行横截面来揭示焊缝的轮廓,包括沉积材料、母材的熔化区域和热影响区9。手动几何检测工具虽然可以很好地提供有关沉积范围的信息,但要求操作员中断自动例程以进行任何测量并转录获得的任何数据。同样,横截面提供了非常准确的焊缝表示,但具有破坏性,需要多个准备步骤,这些步骤必须在制造地点的外部进行。这两种方法都仅提供有关特定测量位置的珠子轮廓的信息,对于横截面,这些轮廓可能是单个轮廓。相比之下,激光扫描仪的优点是可以快速评估焊缝轮廓,而无需从焊槽中取出样品,并且有可能对整个沉积物进行高分辨率捕获。使用激光系统焊接过程中监测真实焊道几何形状 10,11 的方式与金属成型中通常采用的方式大致相同12激光系统也用于捕获WAAM几何形状10。然而,处理这些数据以包含或与有限元分析进行比较所采取的具体步骤尚未得到很好的描述。目前的工作提出了一种新协议,用于使用自动激光扫描仪来监测沉积过程之间焊缝几何形状的演变,并集成记录的几何形状以更新有限元分析(FEA),正如商业包ABAQUS所实现的那样。能够在有限的用户输入下自动原捕获焊道并将焊道转换为有限元输入几何形状,这是迈向智能制造的一步。

本工作中使用的几何捕获是对焊缝的全面扫描,通过扫描仪与具有六个自由度的机械臂集成在一起,该机械臂与控制沉积的机械臂不同且分开,从而促进了这一点。这与以前的激光扫描系统的实现不同,激光扫描系统设计用于通过手持装置13探测特定位置的几何形状,固定但受样品台10,11的范围限制,或者激光扫描仪连接到与焊枪8相同的机械臂上.目前的方法允许在焊接单元的坐标系中捕获焊道的完整几何形状,而不管电池内的沉积位置如何,而无需定制夹具或复杂的算法。

然后,捕获的几何形状可用于预测重要因素,例如沉积过程中的温度历史。当与合适的热电偶数据相结合时,还可以模拟变形和残余应力,这与本工作相邻。这有可能通过允许对实际焊接进行快速过程建模来改善制造。槽型捕获的自动化特性提供了一种将焊接参数链接到生成的槽型的途径。反过来,这可用于开发改进的过程控制和路径规划。目前的手工焊接依靠操作员的技能来控制输出。机器人焊接增加了一致性,但限制了即时决策的机会。在通过之间捕获磁珠轮廓将允许根据需要更改下一个磁珠通过的编程,并与工艺建模相结合,有可能提高生产率、材料特性和零件寿命。本协议通过单个板上珠示例案例进行举例说明,以演示所开发的工作流程。

焊接单元和所用设备的设置
主题焊接单元由机械臂组成,机械臂带有进行焊接(称为焊接机器人)和激光扫描(称为扫描机器人)所需的附件。主题单元格如图 1 所示这些机器人可以通过理解库卡机器人语言 (KRL)14 的编程接口进行控制,库卡机器人语言 (KRL)14 是一种函数式编程语言,可向机器人提供必要的指令,这些指令被机器人解释为关节和电机运动。焊接系统以冷金属转移 (CMT) 模式运行,并配备了 TouchSense,这是一种电子点查找形式。使用的耗材是 G3Si-120n 直径 1.2 毫米的钢丝,存在氩气/二氧化碳气体混合物 (80/20%)。使用的基材是一块用夹子固定的G43低碳钢板。施加的沉积物是板上的珠子,参数如表1所示。选择这种焊接参数组合是因为众所周知,它可以产生具有工业代表性的沉积物。所采用的激光扫描仪能够同时扫描一条 2048 个点的线,用于以 100 Hz 的频率采集数据。此外,坐标测量机 (CMM) 用于提供校准组件的尺寸。

从激光扫描仪获得的计量数据需要校准。当必须移动扫描仪以捕获具有重叠扫描的大区域时,这种校准需求就显得尤为重要。如果激光扫描仪相对于基板倾斜或运动不平滑,则生成的几何形状会出现失真,如 图 2 所示。此外,扫描仪仅记录返回传感器的光信息;因此,在焊接中,随着熔池凝固,焊接会产生高反射、不均匀的曲面,因此大部分空间信息可能会丢失。为了提高被记录的形状代表真实珠子形状的可能性,因此需要进行一定程度的曲线拟合。在最简单的情况下,单个焊道形状可以通过抛物线15 很好地近似。胡等人已将这种方法与激光扫描类型系统一起使用来计算珠子重叠13。以下协议将采用这种拟合技术到单个磁珠示例案例,以在选定的有限元封装中创建数字表示。

访问受限。请登录或开始试用以查看此内容。

方案

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

假设两个机器人都已激活并进行了任何设置诊断以确认位置合规性,例如制动测试,并且已经归位。

1. 执行校准

注意: 在使用激光扫描仪之前,必须对其进行校准,以确保其感知的距离代表真实距离。默认情况下可能并非如此,因为如果扫描仪与板成一定角度,这将产生距离的三角变化(图 2)。

  1. 要校准,请扫描已知尺寸的组件,该组件是刚性的,最好是金属的,并以球体的形式添加基准点。
    注意:这些球体提供了易于识别的形状,可以安装以以少量数据点和高精度可靠地找到基准球体的中心。 图 3A 中的焊接单元中显示了一个示例组件。用于校准步骤 1.1-1.13 的汇总工作流程如 图 4 所示。
  2. 在不同位置随机放置至少三个基准球体,例如,大于 10 mm 的标准球轴承,中低品位 ABEC 额定值(例如,直径为 15.875 mm 的球轴承 [0.625 ± 0.0001 英寸])。用合适的介质(例如导电环氧树脂)将它们附着在组件上,以确保球体和校准部件之间的良好导电性。使用合适半径(例如 10 mm)的垫圈来支撑球体,以改善球体和部件之间的表面积接触。
  3. 使用坐标测量机 (CMM) 定位基准球体表面上多个点的坐标,如 图 3C 所示。这些坐标将用于生成与每个基准球体中心相对应的虚拟基准面(图3B)。
    1. 在测量基准球体之前,首先通过将已知尺寸的校准基准固定到坐标测量机托架中来校准CCM。该校准基准采用半径为29.993 mm的陶瓷球的形式,嵌入到带有螺纹底部的杆上,因此可以将其拧入CMM托架并牢固固定。
    2. 将校准基准拧入 CMM 托架。
    3. 将 CMM 的尖端与用于测量焊接单元校准组件的基准球的方向相同,在适当的软件中运行 自动校准 功能。要开始运行 CMM 测尖的校准,将 CMM 设置为 测量 模式,将测尖移动到与校准基准的顶面接触。然后,程序将进行控制,自动映射基准球体并校准 CMM 尖端以适应当前方向。
    4. 完成尖端校准后,将校准保存为所选的尖端编号,例如,尖端编号 1。
    5. 从 CMM 中取出校准基准。
    6. 将带有连接基准球的校准组件放入 CMM 托架中。选择一个方向并记下方向以备将来参考,例如使用带有注释的照片,每个基准球体都编号。
    7. 创建一个程序来识别每个基准球体上的点。
      1. 使用探头选择测头 |更换探头
      2. 选择 轮廓 |测量 CNC 点 ,并使尖端与第一个基准球接触。对第一个基准球体上半球的许多点重复上述步骤。
      3. 对每个基准球体执行相同的作,为球体的每个表面创建一个点云。
        注意:原则上,每个球体至少需要三个点来定位中心;然而,更多的是首选。在这里,至少使用了位于整个一半的 12 个点,如 图 3D 中 CMM 点的拟合球体所示。涉及 CMM作以获得基准球上的表面点的方面将因所使用的设备而异。
  4. 通过最小二乘拟合方法将曲面点拟合到球体,计算基准球体中心的坐标。例如,这可以使用 Numpy 最小二乘求解器16 来实现。
  5. 选择其中一个基准球体作为校准坐标系的原点。从每个基准球体中减去此坐标以创建零件坐标系。
    注意:假设校准组件是刚性的,一旦CMM程序完成并且基准球的中心已知,该协议的未来实现可以跳过步骤1.2-1.5,因为校准组件尺寸和相关坐标系已经已知。
  6. 在 CMM 中测量时,将校准组件以相对于原点的相同方向放置在焊接单元中。
    注意:方向在理论上并不重要,但复制原始方向可以更容易地识别任何错误。
  7. 使用激光扫描仪设置校准组件的扫描,如 图 5A 所示。输出采用 x、y、z 坐标文件的形式。
    注意: 激光扫描仪是激光辐射源,因此如果不遵守激光安全协议,可能会造成危险。使用 2M 级及以下激光器是必要的,因为它们可以发挥所需的作用,并且通常需要开光束。
  8. 对于所采用的说明性激光系统,测量每个直径为15.875 mm的基准球体,并使用激光扫描仪扫描每个基准球体以测量组件(图5A)。截断这些线扫描的输出,以删除源自基板的任何信息,使用已知球位置和 z 值阈值周围的 x 和 y 圆圈的组合。使用与步骤 1.4 中相同的最小二乘拟合过程,使用剩余的点拟合球体(图 5B)来获得中心坐标。
    注意:基准球体的表面光洁度可能与所使用的激光扫描仪相互作用不佳。雾化染料渗透剂显影剂可用于涂覆和哑光表面,如 图5A所示。
  9. 将扫描机器人返回到其原始位置。
  10. 使用电子找点功能用焊接机器人定位校准组件。使用集成到焊枪中的已知尺寸的金属尖端。使该尖端在表面周围的多个点处与基准球接触(图 6),类似于 CMM 方法。当尖端接触基准球时,完成低压电路,机器人系统直接记录当前机器人位置。
    注意:使用安装在焊接机器人上的其他类型的电子寻边器也可以实现类似的效果,这些探边器依赖于物理接触。
  11. 使用这些点拟合球体,并在沉积机器人坐标系中定位每个基准球体的中心位置。
  12. 将焊接机器人返回到其原位,并从焊接单元上拆下校准组件。
  13. 使用CMM坐标系通过单值分解来校准焊缝单元坐标。 图 7 给出了创建所需仿射变换矩阵的过程的概述。
    注意:生成的仿射变换矩阵将每个基准球中心的位置从测量的坐标转换为真实距离。这将纠正激光扫描仪与扫描方向的任何未对准。

2. 找到构建板位置

  1. 将要接收沉积的基板或母材放入焊接单元中。
    1. 将激光扫描仪运行在构建区域的角落上,使其悬垂在板的边缘,完全从板开始,部分在板上结束,如 图 8A 所示。确保这是以恒定速度连续运动完成的,并且数据记录的频率是已知的。使用获取特定扫描的时间以及路径的起点和终点,为在特定时间记录的每个扫描分配空间中的位置。记录构建板角的位置,这将用于获取适合有限元分析的几何形状。
      注意:执行步骤 2.1.1 允许板的角位于激光扫描仪坐标系中,因为当激光到达板上方时,将有一个步进函数,高度显着变化(图 8B)。
    2. 通过步骤1.13中计算的变换矩阵,将步骤2.1.1中发现的角转换为焊接机器人的坐标系,识别扫描机器人坐标系中的基板。
  2. 作为检查,使用焊接机器人,将焊头的尖端带到板的每个角上,并记录如 图 8C 所示的位置,并确认这些位置符合预期。

3. 进行证词

  1. 找到板后,对焊接机器人进行编程,使其在相对于焊接机器人坐标中的板的位置在正确的位置生成所需的路径。
  2. 启动焊接通道,导致材料珠的沉积,如 图 9 所示。
  3. 通过完成后,将焊接机器人头缩回安全距离,防止与扫描机器人发生碰撞。

4. 扫描珠子并生成有限元几何形状

注意:有关扫描珠子几何形状和使用扫描数据创建 3D 点云的工作流程摘要,请参见 图 10 ,该点云可以固化和网格划分以进行 FEA。以下步骤描述了工作流的每个部分是如何执行的。

  1. 对扫描机器人进行编程,使其遵循允许扫描珠子的路径。对于简单的生产线,使用与焊接机器人相似的起点和终点,或者对于更稳健的方法,对整个板进行扫描。
    注意:这将使用最初用于定位板位置的相同扫描要求。
  2. 图 11 所示,当扫描仪在工件上移动时进行测量。注意路径的起点和终点、机器人移动速度和采集频率。确保采集频率对应的距离间隔不小于用于后续有限元分析的最小单元尺寸。
  3. 如果一次无法捕获珠子轮廓,请进行多次平行通过,重叠对应于激光扫描仪视场的至少 10%。
  4. 扫描完成后,缩回激光扫描机器人,以防止在任何后续焊接过程中与焊接机器人发生碰撞。
  5. 使用适当的分析函数拟合磁珠输出,通过用 Python 编码的一系列命令来促进。对于单个珠子的沉积示例,抛物线函数用于拟合。
    注意:用于执行步骤 4.5.1-4.5.10 的 Python 代码可在补充存储库中找到17.步骤 4.5.10 需要一个额外的软件包 FreeCAD18以及 Python 安装,才能运行。
    图10 显示本节中概述的工作流程。以下每个阶段的示例输出在 图 12A-J.用于扫描的珠子的示例脚本 图11 以及用于生成的扫描几何体 图12 在补充存储库中也可用17.
    1. 在尝试以任何方式作或使用来自激光扫描仪的点云数据之前,请将与校准步骤 1.13 相同的仿射变换矩阵应用于激光输出。
    2. 将扫描数据裁剪到要拟合的单个珠子的粗略区域。确保在珠子周围包括一些板,受窗口化珠子宽度的一定百分比的影响。在此阶段,使用高度滤波器消除由反射引起的任何扫描伪影。
    3. 通过求解板的法线并应用旋转矩阵,使数据现在位于板法线平行于垂直轴的坐标系中,从而展平扫描的裁剪部分内的局部板块。
    4. 通过在基板高度上方应用高度滤波阈值来定位板上珠子的方向,然后用一阶多 项式拟合剩余的数据点。这将给出珠子方向的向量。如果已知珠子不是直的,则将珠子分成更小的部分,可以用直线部分来近似
    5. 旋转珠子,使其与 y 轴平行,以便于作。
    6. 裁剪旋转部分以去除板的末端,但在珠子的两侧留下少量(~5 mm)以允许安装。
    7. 选择要拟合的珠子截面的中心,并在此 y 位置对数据的横截面进行抛物线拟合。此步骤的程序工作流程如 图 13 所示。
    8. 使用拟合,通过评估与板的最大高度相对应的 x 坐标(珠子开始的位置)的拟合来提取珠子的范围。
      1. 使用相同的阈值评估珠子的最大 y 位置。
      2. 使用相同的抛物线形状创建珠端轮廓,但转置到珠子两端的 x-y 平面中。
      3. 通过评估跨越珠子整个范围的一系列 x 和 y 坐标处的所有抛物线来记录构成轮廓的点。
    9. 首先从新坐标系的原点开始焊道,然后将其转换为原始焊接机器人坐标系,将点的域平移回原始坐标。
    10. 使用网格划分工具,填充点的曲面并制作可导入有限元分析的实体曲面。为此,请使用 FreeCAD18 程序组合一系列抛物线以创建适合导入 FEA 预处理器的完整 3D 实体。
      1. 通过根据需要定义真实底板范围或其他尺寸,在此点添加基板。
      2. 使用宏生成 STL(标准曲面细分语言)和 STEP(产品数据交换标准)文件,使用步骤 4.5.9 中计算的点。
      3. 一旦产生实体几何体,它就会以适合有限元分析的文件格式导出,在本例中为“.inp”(输入)格式。如果需要,可以直接创建有限元网格,由另一个 FreeCAD 宏促进。在本例中,使用了 FreeCAD 的 Netgen 网格 FEM 工具插件。示例珠子网格是在 Netgen 网格内使用中等细度生成的,定义的最大单元尺寸为 0.5 mm,最小单元尺寸为 0.1 mm。
        注意:在此阶段,现在可以成功地将真实几何图形导入有限元分析处理器。

访问受限。请登录或开始试用以查看此内容。

结果

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

2 显示了每个坐标系中校准分量的计算半径和基准球体之间的距离。每个基准球位置的 CMM 和电子点查找之间的误差很小,小于 0.1 mm。这两种技术都依赖于基准球和手写笔之间的物理接触。相比之下,激光扫描仪在定位球体时引起的误差稍大,在 1-2 毫米处占主导地位。变换矩阵在基准球位置上的应用如 图 14 所示。 图 15 显示了导入到 FEA 包中的网格化全珠,这是捕获方法的终点。

figure-results-1
图 1:焊接单元。 机械臂(橙色部分)装有激光扫描仪(左)和焊枪(右)。基板(中心)放置在多向载物台上。...

访问受限。请登录或开始试用以查看此内容。

讨论

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

捕获质量
通过 表2中基准球的位置和半径研究了激光扫描系统的尺寸精度和精密度。每个系统的精度取决于机器人系统(激光扫描仪和电边查找)测量的基准球体与转换为焊接机器人坐标系时的 CMM 数据相比的位置差异。众所周知,CMM 具有高精度和高精度,底层机器精度导致的不确定性为 ±6 μm。

对于激光扫描仪,这个平均差异为 1.6 ± 0.3 毫米。虽然存在五个基准球,但进行校准的理论最小值是三个。在五个基准球体中,与校准组件的总尺寸相比,最可靠的三个实际上误差低于 1%。由于激光扫描仪可用于识别沉积物和任何基板或母材,因此此偏移将适用于两者,因此有限元封装中的表示不会受到局部影响。当将抛物线接头计算的珠冠高度 (2.6 ± 0.1) 与使用焊规 (2.5 ± 0.5 mm) 进行的物理测量进行比较时,就证明了这一点。引用的高度是一致的,并且精度更高。如果需要,激光扫描仪系统还可以以比手动实际测量的间隔大得多的间隔进行测量。

访问受限。请登录或开始试用以查看此内容。

披露

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者没有需要声明的利益冲突。

致谢

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

这项工作还得到了英国原子能管理局通过聚变工业计划的支持。聚变产业计划正在刺激英国聚变生态系统的发展,并为未来的全球聚变发电厂市场做好准备。有关聚变工业计划的更多信息,请访问:https://ccfe.ukaea.uk/programmes/fusion-industry-programme/。此外,所有作者都感谢使用亨利·罗伊斯先进材料研究所主办的设施,该设施由EPSRC赠款EP/R00661X/1、EP/S019367/1、EP/P025021/1和EP/P025498/1资助。MJR 感谢 Stephen Pryce 先生为确认此处所含软件元素的功能所做的努力。

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
直径 3 mm 红宝石 CMM 测针雷尼绍三坐标测量机上使用的手写笔 (A-5004-0422)
80% 氩气 20% CO2 气体中行保护气体混合气体 (Argosheild)
Crysta-Apex 776 (水晶塔顶点 776)三丰坐标测量机,报价精度10&微;m
FK 1000 MIG 1.2 mm 焊丝伊阿布科焊丝耗材 
免费加元 1.0FreeCAD用于从点云扫描几何形状和创建 stl、step 和 FE 文件的软件。使用版本 1.0
伏能士 CMT 4000 GMAW 焊机伏能士焊枪 
G43低碳钢板 50 cm x 50 cm x2.5 cm史密斯金属用作构建板的基材金属
GEOPAK/MCOSMOS三丰 用于控制 CMM 的软件。使用版本 4.0
库卡KR20库卡一种机械臂用作扫描机器人
库卡KR70库卡一种用作焊接机器人的机械臂
LAZ3RUS曼彻斯特大学通用场景中基于LAZer的3D渲染:用于创建激光扫描的有限元几何体。使用版本 1.0
微型厄普西隆 LLT3010-100  微型 Epsilon 激光扫描仪,引用 precition 9 & micro;m
三丰 30 mm 尺寸校准球三丰 熔融石英 CMM 校准球
ScanCONTROL3000_100 微型 Epsilon 用于捕获和处理激光扫描仪信息的软件
触摸感应伏能士机器人化焊接实施中的电子边缘/特征查找系统

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

Laser Geometry CaptureFinite Element AnalysisWeld Bead GeometryLaser ScanningAutomated WeldingResidual StressDigital Welding CellParabolic Curve Fitting3D Solid GeometryMesh Generation

相关文章