当前位置: 首页 > article >正文

数字图像相关DIC技术用于机械臂自动化焊接全场变形测量

焊接机器人因其固定的运行程序,焊接过程稳定,焊缝成形美观,质量可靠,焊后打磨量较小,大幅降低车间劳动强度。然而,由于与焊接工艺、载荷、边界条件、材料性质和本构关系相关的不确定性,使用数值方法评估高温焊接变形不够准确,对精确焊接变形测量的需求日益增加。

采用新拓三维XTDIC三维全场应变测量系统,对结构件焊接过程中的图像采集分析,可以获得整个焊接区域的全场应变数据,关键点位移数据及主/次应变方向。测试数据可以针对性地对焊接工艺、夹具和辅助装置、零件尺寸等进行有效调整,减轻焊接残余变形的影响。同时通过测试数据的积累,有助于自动化焊接工艺优化,进一步提升焊接产品质量。

在焊接变形测试实验中,XTDIC三维全场应变测量系统以其独特的非接触、高精度、环境适应性、全场测量等优势,展现了其在焊接变形测试中的巨大潜力。相较于传统的应变测量方法,DIC技术能够捕捉到更为微观、全面的焊接变形情况,避免了传统方法可能遗漏的细微应变变化。

图片

高温焊接变形测量的难题

采用有效可靠的测量方法,分析试板在自动化焊接过程中的动态变形,分析影响焊接变形的因素,并寻求在焊接过程中控制焊接变形的方法具有重要意义。

采用数值模拟方法预测焊接件的焊接变形和应变,一般忽略焊接时的复杂因素,比如焊接变形机理的复杂性、高温时材料参数的难以测定性等,预测结果一般与实验结果相差较大。

在实验测量方面,采用接触式传感器如应变计、位移传感器等传统的测量方法,不能测量焊接件表面整体的变形场。

在焊缝区域这种高温短时环境下,变形的速度较快,变形量较大,接触式测量设备需要耐高温,测头的位置不能阻挡焊枪轨迹,因此,难以充分接近焊缝区域,故这种方法使用受限。

DIC技术用于焊接变形测量

DIC技术可实现焊接变形的快速、准确测量,是评价控制和调整焊接变形效果的理想变形监测方法,DIC技术能够生成试样表面细致的应变场分布图,特别是在焊接接头等关键部位,清晰展示出局部应变集中的情况,在焊接变形领域具有明显的应用优势。

非接触式测量:在高温焊接等或形变复杂的试验中,非接触式测量显得尤为重要。DIC技术通过捕捉焊接机表面的散斑特征图像,无需物理接触即可完成测量,保证实验数据的准确性和一致性。

实时变形监测:在焊接测试过程中,DIC技术能够实时追踪试样的形变情况。通过分析应变集中区域,研究人员可以迅速调整测试参数,优化实验设计。这种实时变形监测能力,可大大提升试验的效率和准确性。

高温弱相关环境下图像的匹配

在板件焊接过程中,焊枪产生的亮点使焊接散斑图像光照不均匀,焊接高温环境的产生的亮度不均和散斑变色将阻碍散斑的正常匹配。

新拓三维XTDIC三维全场应变测量系统,DIC软件通过在高温弱相关环境下的匹配算法,对原始图像采用高斯平滑滤波处理,抑制服从正态分布的噪声,增强图像对比度,实现相关计算时图像子区的成功匹配。

图片

采用高斯平滑处理的前后图像对比

对应焊点区域散斑的质量降低,仍不利于图像的相关计算。由于相邻状态变形的连续性,DIC软件采用分步匹配算法,基于相邻弱相关图像的相似性,在图像序列中自动建立基准,采用分段自适应建立基准的方法保证相关图像能够正常匹配,将精度损失降到最低。

焊接变形实验数据分析

通过DIC技术获取的应变场数据显示,在焊接过程中,焊接变形主要是由于不均匀温度场导致热源周围的金属运动产生的。

在焊接过程中,接近热源位置的金属温度较高而迅速膨胀,以热源为中心,距离热源越远的位置热影响越小,产生的热变形越小,因此,板件自外向内产生挤压作用;同样,当热源离开时,该区域的温度降低,开始收缩,远离热源的区域对它又产生拉伸作用。

新拓三维XTDIC三维全场应变测量系统在焊接变形测量领域的应用,可克服焊接高温、高亮现象对采集图像的干扰,全面获取板件试样焊接过程的全场应变数据,分析焊接机械臂的焊接均匀性和焊接质量,从而为焊接工艺优化和材料改进提供可靠依据。


http://www.kler.cn/a/458289.html

相关文章:

  • NLP中的神经网络基础
  • win11蓝屏死机 TPM-WMI
  • 计算机网络体系结构基础知识
  • VScode 只能运行c,运行不了c++的解决问题
  • 自动化办公 | 根据成绩进行自动评级
  • 消息队列类型介绍
  • YOLOv11模型改进-模块-引入多尺度大核注意力Multi-scale Large Kernel Attention
  • 儿童教育网站:客户服务与学习支持模块
  • SpringBoot导出Excel的四种方式
  • 告别 $arr[0]: PHP 和 Laravel 中更优雅的数组处理方式
  • 五子棋小游戏设计(Matlab)
  • 【Python】 -- python3 读取 aws athena 表数据
  • Mono里运行C#脚本13—mono_image_load_cli_header
  • 【linux学习指南】linux捕捉信号(二)软中断缺⻚中断?等 如何理解内核态和⽤⼾态
  • qwenvl 以及qwenvl 2 模型架构理解
  • 黑马程序员Java笔记整理(day08)
  • 【电脑组装】【教程】一、主板和CPU
  • 如何自动解决服务器弹性伸缩问题?
  • .net core 的面向对象编程
  • Go Web开发之Revel - 网页请求处理流程
  • MATLAB中binornd函数用法
  • 钉钉开发h5微应用文档链接总结
  • 《机器学习》——KNN算法
  • conda常用维护命令
  • 多说话人ASR的衡量指标和有效计算工具包
  • 第 29 章 - ES 源码篇 - 网络 IO 模型及其实现概述