방법 논문

용접 비드의 유한 요소 분석을 위한 자동 레이저 기반 형상 캡처

DOI:

10.3791/68654

2025년 7월 25일

이 논문에서

요약

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

용접 비드의 거의 실시간 계측을 획득하고 유한 요소 분석을 위해 결과 형상을 자동으로 준비하는 프로세스가 설명되어 있습니다.

초록

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

고부가가치 제조를 위한 융합 용접에는 부품 왜곡에 대한 엄격한 공정 제어와 완성된 부품에 전달되는 잔류 응력 수준을 확인해야 합니다. 이 프로세스는 무수한 매개변수를 제어하는 데 의존하며, 주로 모재와 소모품의 적절한 융합을 보장하는 데 중점을 둡니다. 공정 중에 전달되는 높은 열 구배는 확인하지 않고 방치하면 상당한 왜곡을 초래할 수 있으며, 구성 요소가 완전히 구속되면 높은 수준의 잔류 응력이 발생할 수 있습니다. 유한 요소 분석은 일반적으로 왜곡을 예측하기 위해 융합 용접 공정에 적용됩니다. 그러나 이러한 모델은 프로세스 시작 전에 정의된 이상화되거나 단순화된 형상을 거의 독점적으로 사용하며, 이는 최종 구성 요소를 대표하지 않을 수 있습니다. 레이저 스캐닝 시스템을 사용하여 고유한 좌표계 내에서 단일 용접 비드 증착의 실제 모양을 캡처하고 이 캡처된 형상을 유한 요소 분석에 즉시 통합할 수 있는 형태로 변환하기 위한 프로토콜이 설명되어 있습니다. 이를 통해 제한된 사용자 입력으로 실제 증착을 대표하는 형상으로 유한 요소 모델을 신속하게 채울 수 있습니다.

서론

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

융합 용접은 모재와 충전재의 국부적인 용융을 통해 금속 부품을 영구적으로 결합하는 데 사용됩니다. 이러한 필러 재료는 와이어 또는 막대 형태입니다. 이 용융에 영향을 미치는 열원은1 다양할 수 있지만 모든 경우에 모체와 필러 모두 고온과 구배에 노출됩니다. 이러한 열 편위는 용접 공정과 냉각 중에 상당한 왜곡, 재료 특성 변화, 부품 내 잔류 응력을 유발할 수 있습니다. 이러한 부작용은 고부가가치 부품의 수명이나 생존 가능성에 극도로 해로울 수 있으므로 용접 공정은 종종 유한 요소(FE) 방법으로 모델링되어 열 이력, 왜곡 및 잔류 응력을 결정합니다2. 이러한 모델은 일반적으로 용접 시작 및 중지 위치를 포함한 전체 3D 증착을 기반으로 하는 형상을 사용하는 대신 용접이 발생하기 전에 결정되는 용접 및 모재의 단순화되거나 이상화된 형상을 사용합니다. 재현 가능한 다중 패스 용접은 로봇 팔에 의해 용접 토치를 조작하는 자동화 시스템을 사용하여 달성할 수 있습니다. 자동 아크 용접에 사용되는 일부 장치는 직접 에너지 증착 적층 제조에도 사용할 수 있으며, 이는 DED-Arc(Directed Energy Deposition-Arc) 또는 WAAM(Wire Arc Additive Manufacturing3)으로 알려져 있습니다. 동일한 예측 모델링 접근 방식은 일반적으로 4 결합과 마찬가지로 WAAM에도사용됩니다.

WAAM은 증착된 재료의 여러 층을 선택적으로 결합하여 거의 그물 모양의 3D 구성 요소를 생성할 수 있습니다. WAAM은 과거에 벽 및 기타 기하학적 형상(5), 파이프(6) 및 터빈 블레이드(7)와 같은 보다 복잡한 토폴로지를 가진 구성 요소를 만드는 데 사용되었습니다. 접합에 비해 열 사이클 수가 증가하고 증착된 재료가 증가하기 때문에 이러한 WAAM 구성 요소의 왜곡이 심각해질 수 있습니다. 따라서 이 프로세스를 반영하여 구현된 모든 FE 모델은 이상화되거나 추정되는 인쇄 형상에 의해 정확도가 저하될 수 있습니다. 기판의 왜곡은 기계적 구속 증가에 의해 증착 중에 제한될 수 있습니다. 그러나 이것은 또한 최종 구성 요소의 잔류 응력 수준을 증가시키며 이는 바람직하지 않습니다.

전통적으로 용접 후 형상 검사는 검사 도구(8)를 사용하거나 증착 및 기판을 단면화하여 증착된 재료, 모재의 용융 영역 및 열 영향 영역(9)을 포함한 용접의 프로파일을 드러냄으로써 수동으로 수행할 수 있습니다. 수동 기하학적 검사 도구는 증착 범위에 대한 정보를 제공하는 데 적합하지만 작업자가 측정을 수행하고 얻은 데이터를 기록하기 위해 자동화된 루틴을 중단해야 합니다. 마찬가지로 단면은 용접을 매우 정확하게 표현하지만 파괴적이며 여러 준비 단계가 필요하며 제조 위치 외부에서 수행해야 합니다. 두 접근 방식 모두 측정된 특정 위치의 비드 프로파일에 대한 정보만 제공하며, 단면을 위해 단일 프로파일일 수 있습니다. 대조적으로, 레이저 스캐너는 용접 셀에서 샘플을 제거할 필요 없이 용접 프로파일을 신속하게 평가할 수 있다는 장점이 있으며 전체 증착을 고해상도로 캡처할 수 있는 잠재력이 있습니다. 레이저 시스템을 사용한 용접 중 실제 비드 형상의 모니터링은 금속 성형에 일반적으로 사용되는 것과 거의 동일한 방식으로사용되었습니다 10,11 12 . 레이저 시스템은 또한 WAAM 형상(10)을 캡처하는 데 사용되었습니다. 그러나 이 데이터를 처리하여 FE 분석을 포함하거나 비교하기 위해 취한 구체적인 단계는 잘 설명되지 않았습니다. 본 연구는 자동 레이저 스캐너를 사용하여 증착 패스 사이의 용접 형상의 진화를 모니터링하고 기록된 형상을 통합하여 상용 패키지 ABAQUS로 실현된 유한 요소 분석(FEA)을 업데이트하는 새로운 프로토콜을 제시합니다. 용접 비드를 현장에서 자동으로 캡처하고 제한된 사용자 입력으로 용접 비드를 FE 입력 형상으로 변환하는 기능은 지능형 제조를 향한 한 단계입니다.

본 작업에 사용된 형상 캡처는 용접의 전체 스캔으로, 스캐너가 증착을 제어하는 로봇 팔과 구별되고 분리된 6개의 자유도를 가진 로봇 팔과 통합됨에 의해 촉진됩니다. 이것은 휴대용 수단(13)에 의해, 고정되었지만 샘플 스테이지(10,11)의 범위에 의해 제한되거나, 레이저 스캐너가 용접 토치(8)와 동일한 로봇 팔에 부착되는 특정 위치에서 형상을 프로빙하도록 설계된 레이저 스캐닝 시스템의 이전 구현에서 벗어난 것이다. 본 접근 방식을 사용하면 맞춤형 고정 장치나 복잡한 알고리즘 없이 용접 셀의 좌표계에서 셀 내의 증착 위치에 관계없이 비드의 전체 형상을 캡처할 수 있습니다.

그런 다음 캡처된 형상을 사용하여 증착 중 온도 기록과 같은 중요한 요소를 예측할 수 있습니다. 적절한 열전대 데이터와 결합하면 왜곡 및 잔류 응력도 시뮬레이션할 수 있으며 이는 본 작업에 인접합니다. 이는 실제 용접의 신속한 공정 모델링을 허용하여 제조를 개선할 수 있는 잠재력을 가지고 있습니다. 형상 캡처의 자동화된 특성은 용접 매개변수를 결과 형상에 연결하는 방법을 제공합니다. 이는 향상된 프로세스 제어 및 경로 계획의 개발에 사용될 수 있습니다. 현재의 수동 용접은 출력을 제어하는 작업자의 기술에 의존합니다. 로봇 용접은 일관성을 더하지만 즉석에서 의사 결정을 내릴 수 있는 기회를 제한합니다. 패스 사이에 비드 프로파일을 캡처하면 원하는 경우 다음 비드 패스의 프로그래밍을 변경할 수 있으며 공정 모델링과 결합하여 생산 속도, 재료 특성 및 부품 수명을 향상시킬 수 있습니다. 본 프로토콜은 개발된 워크플로우를 시연하기 위해 단일 비드 온 플레이트 예제 사례에 의해 예시된다.

사용된 용접 셀 및 장비 설정
대상 용접 셀은 용접(용접 로봇이라고 함)과 레이저 스캐닝(스캐닝 로봇이라고 함)을 수행하는 데 필요한 부착물이 있는 로봇 팔로 구성됩니다. 주제 셀은 그림 1에 나와 있습니다. 이러한 로봇은 로봇에 필요한 명령을 제공하는 함수형 프로그래밍 언어인 KUKA Robot Language(KRL)14를 이해하는 프로그래밍 인터페이스를 통해 제어할 수 있으며, 로봇은 이를 관절 및 모터 움직임으로 해석합니다. 용접 시스템은 CMT(Cold Metal Transfer) 모드에서 작동하며 전자 포인트 찾기의 한 형태인 TouchSense가 장착되어 있습니다. 사용된 소모품은 아르곤/이산화탄소 가스 혼합물(80/20%)이 있는 G3Si-120n 직경 1.2mm 강선이었습니다. 사용된 기판은 클램프로 고정된 G43 연강판이었습니다. 부과된 증산은 표 1에 주어진 매개변수를 가진 비드 온 플레이트였습니다. 이 용접 매개변수 조합은 산업적으로 대표적인 증착을 생성하는 것으로 알려져 있기 때문에 선택되었습니다. 사용 된 레이저 스캐너는 2048 포인트의 라인을 동시에 스캔 할 수 있으며, 이는 100Hz의 주파수에서 데이터를 획득하는 데 사용되었습니다. 또한 CMM (Coordinate Measurement Machine) 을 사용하여 교정 컴포넌트의 치수를 제공했습니다.

레이저 스캐너에서 얻은 계측 데이터는 보정이 필요합니다. 이러한 보정 필요성은 겹치는 스캔이 있는 넓은 영역을 캡처하기 위해 스캐너를 이동해야 할 때 더욱 중요합니다. 레이저 스캐너가 기판에 대해 비뚤어지거나 움직임이 매끄럽지 않으면 그림 2와 같이 결과 형상에 왜곡이 있을 수 있습니다. 또한 스캐너는 센서로 돌아가는 빛에 대한 정보만 기록합니다. 따라서 용융 풀이 응고됨에 따라 반사율이 높고 균일하지 않은 곡면을 생성하는 용접에서는 많은 공간 정보가 손실될 수 있는 것이 일반적입니다. 따라서 기록되는 모양이 실제 비드 모양을 나타낼 가능성을 높이려면 일정 수준의 곡선 피팅이 필요합니다. 가장 간단한 경우, 단일 용접 비드 모양은 포물선15로 잘 근사화될 수 있습니다. 이 접근 방식은 Hu et al. 비드 중복을 계산하기 위해 레이저 스캐닝 유형 시스템과 함께 사용되었습니다13. 다음 프로토콜은 선택한 FE 패키지 내에서 디지털 표현을 생성하기 위해 단일 비드 예제 케이스에 이 피팅 기술을 사용합니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

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

두 로봇 모두 활성화되고 브레이크 테스트와 같은 위치 준수를 확인하기 위한 설정 진단을 거쳤으며 홈에 있는 것으로 가정합니다.

1. 교정 수행

알림: 레이저 스캐너를 사용하기 전에 감지하는 거리가 실제 거리를 나타내는지 확인하기 위해 보정해야 합니다. 스캐너가 플레이트에 대해 비스듬히 있는 경우 거리가 삼각법적으로 변경되기 때문에 기본적으로 그렇지 않을 수 있습니다(그림 2).

  1. 보정하려면 단단하고 바람직하게는 금속인 알려진 치수의 구성 요소를 스캔하고 기준점을 구 형태로 추가합니다.
    참고: 이 구는 적은 수의 데이터 포인트와 높은 정밀도로 기준 구의 중심을 안정적으로 찾기 위해 장착할 수 있는 식별하기 쉬운 모양을 제공합니다. 예제 구성 요소는 그림 3A의 용접 셀에 나와 있습니다. 교정 단계 1.1-1.13에 사용된 요약 워크플로우는 그림 4에 나와 있습니다.
  2. 예를 들어 저급 및 중급 ABEC 등급에서 10mm보다 큰 표준 볼 베어링(예: 직경 15.875mm 볼 베어링[0.625 ± 0.0001인치])과 같이 서로 다른 위치에 최소 3개의 기준 구를 무작위로 배치합니다. 전도성 에폭시 수지와 같은 적절한 매체를 사용하여 구성 요소에 부착하여 구와 교정 부품 사이의 우수한 전도성을 보장합니다. 적절한 반경(예: 10mm)의 와셔를 사용하여 구를 지지하여 구와 구성 요소 사이의 표면적 접촉을 개선합니다.
  3. 그림 3C와 같이 좌표 측정기(CMM)를 사용하여 기준 구 표면에서 여러 점의 좌표를 찾습니다. 이러한 좌표는 각 기준 구의 중심에 해당하는 가상 데이텀을 생성하는 데 사용됩니다(그림 3B).
    1. 기준 구를 측정하기 전에 먼저 알려진 치수의 교정 벤치마크를 CMM 베이에 부착하여 CCM을 교정합니다. 이 교정 벤치마크는 나사산 바닥이 있는 막대에 내장된 반경 29.993mm의 세라믹 구체 형태를 취하므로 CMM 베이에 나사로 고정하고 단단히 고정할 수 있습니다.
    2. 교정 벤치마크를 CMM 베이에 나사로 고정합니다.
    3. 용접 셀 교정 구성 요소의 기준 구를 측정하는 데 사용되는 것과 동일한 방향으로 CMM의 팁을 사용하여 적절한 소프트웨어 내에서 자동 교정 기능을 실행합니다. CMM이 측정 모드로 설정된 상태에서 CMM 팁의 교정 실행을 시작하려면 교정 벤치마크의 상단 표면에 접촉하도록 팁을 이동합니다. 그런 다음 프로그램이 제어를 수행하여 벤치마크 구를 자동으로 매핑하고 현재 방향에 맞게 CMM 팁을 보정합니다.
    4. 팁 교정이 완료되면 선택한 팁 번호(예: 팁 번호 1)에 교정을 저장합니다.
    5. CMM에서 교정 벤치마크를 제거합니다.
    6. 부착된 기준 구가 있는 캘리브레이션 구성 요소를 CMM 베이에 놓습니다. 방향을 선택하고 각 기준구에 번호가 매겨진 주석이 달린 사진을 사용하는 등 나중에 참조할 수 있도록 방향을 기록해 둡니다.
    7. 각 기준구의 점을 식별하는 프로그램을 작성합니다.
      1. 프로브를 사용하여 팁을 선택합니다 | 프로브 변경.
      2. 윤곽선 선택 | CNC 점을 측정하고 팁을 첫 번째 기준구와 접촉시킵니다. 첫 번째 기준구의 위쪽 반구를 가로지르는 여러 지점에 대해 반복합니다.
      3. 각 기준 구에 대해 동일한 작업을 수행하여 구의 각 표면에 대한 포인트 클라우드를 만듭니다.
        참고: 원칙적으로 중심을 찾으려면 구당 최소 3개의 점이 필요합니다. 그러나 더 많은 것이 선호됩니다. 여기에서는 그림 3D의 CMM 포인트에서 피팅된 구에서 볼 수 있듯이 절반 전체에 위치한 최소 12개의 포인트가 사용되었습니다. 기준구의 표면 지점을 얻기 위한 CMM 작동과 관련된 측면은 사용되는 장비에 따라 다릅니다.
  4. 최소 제곱 피팅 접근 방식으로 표면 점을 구에 피팅하여 기준 구의 중심 좌표를 계산합니다. 예를 들어, 이것은 Numpy 최소 제곱 솔버(16)를 사용하여 달성될 수 있다.
  5. 보정 좌표계의 원점 역할을 할 기준 구 중 하나를 선택합니다. 각 기준구에서 이 좌표를 빼서 부품 좌표계를 만듭니다.
    참고: 교정 구성 요소가 강성이라고 가정하면 CMM 절차가 완료되고 기준 구의 중심이 알려지면 교정 구성 요소 치수 및 관련 좌표계가 이미 알려져 있으므로 이 프로토콜의 향후 구현은 1.2-1.5단계를 건너뛸 수 있습니다.
  6. CMM에서 측정할 때 원점을 기준으로 동일한 방향으로 용접 셀의 교정 구성 요소를 배치합니다.
    참고: 방향은 이론적으로 중요하지 않지만 원래 방향을 복제하면 오류를 더 쉽게 식별할 수 있습니다.
  7. 그림 5A와 같이 레이저 스캐너로 보정 구성 요소의 스캔을 설정합니다. 출력은 x,y,z 좌표 파일 형식입니다.
    주의 : 레이저 스캐너는 레이저 방사선의 원천이므로 레이저 안전 프로토콜을 따르지 않으면 위험할 수 있습니다. 클래스 2M 이하의 레이저는 필요한 역할을 수행할 수 있고 개방형 빔이 필요한 경우가 많기 때문에 사용해야 합니다.
  8. 사용된 예시 레이저 시스템의 경우 직경 15.875mm의 각 기준 구를 측정하고 레이저 스캐너로 각 기준 구를 스캔하여 구성 요소를 측정합니다(그림 5A). 이러한 라인 스캔의 출력을 잘라 알려진 볼 위치와 z 값 임계값 주위의 x와 y의 원 조합을 사용하여 기판에서 발생하는 모든 정보를 제거합니다. 나머지 점을 사용하여 1.4단계와 동일한 최소 제곱 피팅 절차를 사용하여 구를 피팅합니다(그림 5B) 중심 좌표를 얻습니다.
    알림: 기준 구의 표면 마감은 사용된 레이저 스캐너와 제대로 상호 작용하지 않을 수 있습니다. 에어로졸화된 염료 침투 현상액을 사용하여 그림 5A와 같이 표면을 코팅하고 무광택으로 처리할 수 있습니다.
  9. 스캐닝 로봇을 홈 위치로 되돌립니다.
  10. 전자 포인트 찾기를 사용하여 용접 로봇으로 교정 구성 요소를 찾습니다. 알려진 치수의 용접 토치에 통합된 금속 팁을 사용하십시오. CMM 접근 방식과 유사하게 이 팁을 표면 주변의 여러 지점에서 기준구와 접촉시킵니다(그림 6). 팁이 기준구에 닿으면 저전압 회로가 완성되고 현재 로봇 위치가 로봇 시스템에 의해 직접 기록됩니다.
    알림: 물리적 접촉에 의존하는 용접 로봇에 장착된 다른 유형의 전자 에지 파인더를 사용하여 유사한 효과를 얻을 수 있습니다.
  11. 이 점을 사용하여 구를 맞추고 증착 로봇 좌표계에서 각 기준 구의 중심 위치를 찾습니다.
  12. 용접 로봇을 홈 위치로 되돌리고 용접 셀에서 교정 구성 요소를 제거합니다.
  13. CMM 좌표계를 사용하여 단일 값 분해를 통해 용접 셀 좌표를 교정합니다. 필요한 아핀 변환 행렬을 생성하는 프로세스의 개요는 그림 7에 나와 있습니다.
    참고: 결과 아핀 변환 행렬은 각 기준 구 중심의 위치를 측정된 좌표에서 실제 거리로 변환합니다. 이렇게 하면 레이저 스캐너가 스캔 방향으로 잘못 정렬되는 것을 수정합니다.

2. 빌드 플레이트 위치 찾기

  1. 용접 셀에 증착을 받을 기판 또는 모재를 배치합니다.
    1. 그림 8A와 같이 플레이트의 가장자리에 돌출되어 플레이트에서 완전히 시작하여 부분적으로 플레이트에서 끝나도록 빌드 영역의 모서리 위로 레이저 스캐너를 실행합니다. 이것이 데이터 기록의 빈도를 알고 있는 상태에서 일정한 속도로 연속적인 동작으로 수행되는지 확인하십시오. 경로의 시작점 및 끝점과 함께 특정 스캔의 획득 시간을 사용하여 특정 시간에 기록된 각 스캔에 공간 내 위치를 할당합니다. FE 해석에 적합한 형상을 획득하는 데 사용할 빌드 플레이트의 모서리 위치를 기록합니다.
      참고: 2.1.1단계를 수행하면 레이저가 플레이트 위에 도착할 때 높이가 크게 변경되는 스텝 기능이 있으므로 플레이트의 모서리가 레이저 스캐너 좌표계에 위치할 수 있습니다(그림 8B).
    2. 1.13단계에서 계산된 변환 행렬을 통해 2.1.1단계에서 발견된 모서리를 용접 로봇의 좌표계로 변환하여 스캐닝 로봇 좌표계에서 기판을 식별합니다.
  2. 점검으로 용접 로봇을 사용하여 용접 헤드의 끝을 플레이트의 각 모서리로 가져와 그림 8C 와 같이 위치를 기록하고 이러한 위치가 예상과 일치하는지 확인합니다.

3. 증언 수행

  1. 플레이트를 찾은 상태에서 용접 로봇을 프로그래밍하여 용접 로봇의 좌표에서 플레이트 위치를 기준으로 올바른 위치에서 원하는 경로를 생성합니다.
  2. 그림 9와 같이 재료 비드를 증착하는 용접 패스를 시작합니다.
  3. 패스가 완료된 후 스캐닝 로봇과의 충돌을 방지하기 위해 용접 로봇 헤드를 안전한 거리로 후퇴시킵니다.

4. 비드를 스캔하고 FE 형상을 생성합니다.

참고: 비드 형상을 스캔하고 스캔 데이터를 사용하여 FEA를 위해 응고하고 메쉬할 수 있는 3D 포인트 클라우드를 생성하는 워크플로우에 대한 요약은 그림 10 을 참조하십시오. 다음 단계에서는 워크플로의 각 부분이 수행되는 방법을 설명합니다.

  1. 비드를 스캔할 수 있는 경로를 따르도록 스캐닝 로봇을 프로그래밍합니다. 간단한 라인의 경우 용접 로봇과 유사한 시작점과 끝점을 사용하거나 보다 강력한 방법의 경우 전체 플레이트를 스캔합니다.
    참고: 이것은 처음에 플레이트 위치를 찾는 데 사용된 것과 동일한 스캔 요구 사항을 사용합니다.
  2. 그림 11에 따라 스캐너가 공작물 위로 이동하면서 측정합니다. 경로의 시작점과 끝점, 로봇 이동 속도 및 획득 빈도를 기록해 둡니다. 획득 빈도가 후속 FEA에서 사용하기 위한 최소 요소 크기보다 작지 않은 거리 간격에 해당하는지 확인하십시오.
  3. 비드 프로파일을 한 번에 캡처할 수 없는 경우 레이저 스캐너 시야의 최소 10%에 해당하는 겹침으로 여러 병렬 패스를 수행합니다.
  4. 스캔이 완료되면 레이저 스캐너 로봇을 후퇴시켜 후속 용접 패스에서 용접 로봇과의 충돌을 방지합니다.
  5. Python으로 코딩된 일련의 명령을 통해 촉진되는 적절한 분석 함수로 비드 출력을 맞춥니다. 단일 비드의 증착 예의 경우 포물선 함수가 피팅에 사용됩니다.
    참고: 4.5.1-4.5.10 단계를 수행하는 데 사용되는 Python 코드는 추가 저장소에서 사용할 수 있습니다17. 4.5.10단계에는 추가 소프트웨어 패키지 FreeCAD가 필요합니다.18와 Python 설치가 작동합니다.
    그림 10 이 섹션에 설명된 워크플로를 보여 줍니다. 다음 각 단계의 예제 출력은 그림 12A-J. 에서 스캔한 비드에 사용되는 예제 스크립트 그림 11 생성하는 데 사용되는 스캔된 형상과 함께 그림 12 는 보충 저장소에서도 사용할 수 있습니다.17.
    1. 어떤 식으로든 레이저 스캐너의 포인트 클라우드 데이터를 조작하거나 사용하기 전에 보정 단계 1.13에서 발견한 것과 동일한 아핀 변환 행렬을 레이저 출력에 적용하십시오.
    2. 스캔한 데이터를 끼울 단일 비드의 거친 영역으로 자릅니다. 윈도우를 위한 비드 너비의 일정 비율에 의해 영향을 받는 비드 주위에 플레이트의 일부를 포함해야 합니다. 이 단계에서 높이 필터를 사용하여 반사로 인한 스캔 아티팩트를 제거합니다.
    3. 플레이트의 법선을 풀고 회전 행렬을 적용하여 스캔의 자른 섹션 내에서 로컬 플레이트를 평평하게 하여 데이터가 플레이트 법선이 세로축과 평행한 좌표계에 있도록 합니다.
    4. 베이스 플레이트 높이 바로 위에 높이 필터 임계값을 적용하여 플레이트에서 비드의 방향을 찾은 다음 나머지 데이터 포인트를1차 다 항식으로 맞춥니다. 이것은 비드의 방향에 대한 벡터를 제공합니다. 비드가 직선이 아닌 것으로 알려진 경우 비드를 직선 섹션으로 근사화할 수 있는 더 작은 섹션으로 분할합니다
    5. 조작이 용이하도록 비드를 y축과 평행하게 회전시킵니다.
    6. 회전된 부분을 잘라 플레이트의 말단을 제거하되 피팅을 위해 비드의 양쪽에 소량(~5mm)을 남겨 둡니다.
    7. 피팅할 비드 단면의 중심을 선택하고 이 y 위치에서 데이터의 단면에 포물선 피팅을 수행합니다. 이 단계의 프로그램 워크플로는 그림 13에 나와 있습니다.
    8. 맞춤을 사용하여 비드가 시작되는 플레이트의 최대 높이에 해당하는 x 좌표에서 맞춤을 평가하여 비드의 범위를 추출합니다.
      1. 동일한 임계값을 사용하여 비드의 최대 y 위치를 평가합니다.
      2. 동일한 포물선 모양을 사용하지만 비드의 각 끝에서 x-y 평면으로 전치된 비드 종단 프로파일을 생성합니다.
      3. 비드의 전체 범위에 걸쳐 있는 일련의 x 및 y 좌표에서 모든 포물선을 평가하여 윤곽선을 구성할 점을 기록합니다.
    9. 먼저 새 좌표계의 원점에서 비드를 시작한 다음 원래 용접 로봇 좌표계로 변환하여 점의 영역을 원래 좌표로 다시 변환합니다.
    10. 메쉬 도구를 사용하여 점의 표면을 채우고 FE 해석으로 가져올 수 있는 솔리드 표면을 만듭니다. 이렇게 하려면 FreeCAD18 프로그램을 사용하여 일련의 포물선을 결합하여 FEA 전처리기로 가져오기에 적합한 전체 3D 솔리드를 만듭니다.
      1. 필요에 따라 실제 베이스 플레이트 범위 또는 기타 치수를 정의하여 이 지점에서 기판을 추가합니다.
      2. 매크로를 사용하여 4.5.9단계에서 계산된 포인트를 사용하여 STL(Standard Tessellation Language) 및 STEP(Standard for the Exchange of Product Data) 파일을 생성합니다.
      3. 솔리드 형상이 생성되면 FE 해석에 적합한 파일 형식(이 경우 ".inp"(입력) 형식으로 내보내집니다. 원하는 경우 유한 요소 메쉬를 직접 생성할 수 있으며, 다른 FreeCAD 매크로를 통해 용이하게 할 수 있습니다. 이 예에서는 FreeCAD에 대한 Netgen 메시 FEM 도구 플러그인이 사용됩니다. 예제 비드 메쉬는 Netgen 메쉬 내에서 적당한 미세도, 정의된 최대 요소 크기 0.5mm, 최소 요소 크기 0.1mm를 사용하여 생성되었습니다.
        참고: 이 단계에서 이제 실제 형상을 FE 해석 프로세서로 성공적으로 가져올 수 있습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

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

각 좌표계에서 캘리브레이션 구성 요소에 대해 계산된 반지름과 기준구 사이의 거리는 표 2에 나와 있습니다. 각 기준구 위치에 대한 CMM과 전자 점 찾기 사이의 오차는 0.1mm 미만으로 작습니다. 이 두 기술 모두 기준구와 스타일러스 사이의 물리적 접촉에 의존합니다. 구를 찾을 때 레이저 스캐너에 의해 발생하는 오류는 이에 비해 다소 크며 1-2mm에서 지배적입니다. 기준구 위치에 대한 변환 행렬의 적용은 그림 14에 나와 있습니다. 그림 15 는 캡처 방법의 끝점인 FEA 패키지로 가져온 메쉬 풀 비드를 보여줍니다.

figure-results-1
...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

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

캡처 품질
레이저 스캐닝 시스템의 치수 정확도와 정밀도는 표 2의 기준구의 위치와 반경으로 조사되었습니다. 각 시스템의 정확도는 용접 로봇의 좌표계로 변환되었을 때 CMM 데이터와 비교하여 로봇 시스템(레이저 스캐너 및 전기 에지 찾기)에 의해 측정된 기준 구의 위치 차이에 의해 결정됩니다. CMM은 정확도와 정밀도가 모두 높은 것으로 알려져 있으며, 기본 기계 정확도로 인해 ±6 μm의 불확실성이 있습니다.

레이저 스캐너의 경우 이 평균 차이는 1.6mm± 0.3mm입니다. 5개의 기준 구가 존재하지만 교정을 수행하기 위한 이론적 최소값은 3개입니다. 5개의 기준 구 중 가장 신뢰할 수 있는 3개는 교정 구성 요소의 전체 크기와 비교할 때 효과적으로 1% 미만의 오류를 갖습니다. 레이저 스캐너는 증착과 기판 또는 모 재료를 모두 식별하는 데 사용할 수 ...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

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

저자는 선언할 이해 상충이 없습니다.

감사의 글

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

이 작업은 핵융합 산업 프로그램을 통해 영국 원자력 당국의 지원도 받았습니다. 핵융합 산업 프로그램은 영국 핵융합 생태계의 성장을 촉진하고 미래의 글로벌 핵융합 발전소 시장을 준비하고 있습니다. 퓨전 산업 프로그램에 대한 자세한 내용은 온라인에서 확인할 수 있습니다: https://ccfe.ukaea.uk/programmes/fusion-industry-programme/. 또한 모든 저자는 EPSRC 보조금 EP/R00661X/1, EP/S019367/1, EP/P025021/1 및 EP/P025498/1을 통해 자금을 지원하는 Henry Royce Institute for Advanced Materials가 주최하는 시설에 대한 접근에 감사드립니다. MJR은 여기에 포함된 소프트웨어 요소의 기능을 확인하기 위한 노력에 대해 Mr. Stephen Pryce에게 감사의 말씀을 전합니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
직경 3mm 루비 CMM 스타일러스레니쇼CMM 기계에 사용되는 스타일러스(A-5004-0422)
80% 아르곤 20% CO2 가스BOC차폐 가스용 가스 혼합물(Argosheild)
크리스타 정점 776미투토요좌표 측정 기계, 인용 정밀도 10 및 마이크로; m
FK 1000 MIG 1.2mm 용접 와이어아이아브코용접 와이어 소모품 
프리캐드 1.0프리캐드지오메트리를 탐색하고 포인트 클라우드에서 stl, step 및 FE 파일을 생성하기 위한 소프트웨어입니다. 중고 버전 1.0
Fronius CMT 4000 GMAW 용접기프로니우스용접 토치 
G43 연강판 50cm×50cm×2.5cm스미스 메탈빌드 플레이트로 사용되는 기판 금속
지오팍/MCOSMOS미투토요 CMM 제어를 위한 소프트웨어. 사용 버전 4.0
쿠카 KR20쿠카스캐닝 로봇으로 사용되는 로봇 팔
쿠카 KR70쿠카용접 로봇으로 사용되는 로봇 팔
LAZ3RUS맨체스터 대학교유니버설 씬의 LAZer 기반 3D 렌더링: 레이저 스캔을 위한 FE 형상을 생성합니다. 중고 버전 1.0
마이크로 엡실론 LLT3010-100   마이크로 엡실론 레이저 스캐너, 인용 precition 9 & micro; m
Mitutoyo 30mm 디미터 교정 구체미투토요 용융 실리카 CMM 교정 구체
ScanCONTROL3000_100 마이크로 엡실론 레이저 스캐너에서 정보를 캡처하고 처리하기 위한 소프트웨어
터치센스프로니우스로봇화된 용접 구현에서 전자 에지/피처 찾기를 위한 시스템

참고문헌

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).

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

허가 요청

태그

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

관련 논문