一种基于云端自学习的自动焊熔池双闭环协同控制方法与流程

摘要: 本发明涉及智能制造自动化焊接,特别涉及一种基于云端自学习的自动焊熔池双闭环协同控制方法。背景技术:1、焊接作为装备制造领域的核心基础工艺,广泛应用于特种设备、轨...
一种基于云端自学习的自动焊熔池双闭环协同控制方法与流程

本发明涉及智能制造自动化焊接,特别涉及一种基于云端自学习的自动焊熔池双闭环协同控制方法。

背景技术:

1、焊接作为装备制造领域的核心基础工艺,广泛应用于特种设备、轨道交通、汽车整车制造、重型工程机械等关键行业,其焊缝成型质量直接决定了构件的结构强度与服役安全性。随着工业4.0与智能制造的深度推进,行业对焊接过程的控制精度、生产效率及质量追溯能力提出了更高要求,现有“工控机集中视觉处理+云端事后数据分析”架构存在四大固有技术瓶颈:

2、cpu视觉算力不足、图像传输丢帧:熔池图像经工控中转传输,总线拥堵易丢帧;cpu串行处理图像单帧延迟100~300ms,熔池尺寸检测滞后失真,无法满足船舶焊接±0.1mm高精度跟踪需求;

3、两套控制回路分步执行、熔池震荡:焊缝视觉跟踪回路、电弧电流电压调节回路独立分时运行,工件同时出现焊偏、熔池宽窄异常时,需两个控制周期分步校正,引发熔池剧烈波动、焊缝宽窄不均,多层多道焊缺陷率高;

4、质量溯源数据割裂:图像、电参数、尺寸时序数据无统一关联索引,特种设备全流程焊接数据调取困难,无法满足行业数字化质量追溯合规要求。

技术实现思路

1、针对现有技术中的上述不足,本发明提供了一种基于云端自学习的自动焊熔池双闭环协同控制方法,其目的是解决cpu 视觉算力瓶颈、图像传输丢帧、视觉电参数控制回路分步调节、模型泛化差等问题。

2、为了达到上述发明目的,本发明采用的技术方案为:一种基于云端自学习的自动焊熔池双闭环协同控制方法,包括本地硬件单元与远端云端ai训练集群;所述本地硬件单元包括:搭载复合光学镜头的高速熔池相机、独立嵌入式npu硬件加速模块、集成5g通信模组的工控机、plc控制器、电参数采集模块、焊接电源、二维步进微调滑台;

3、硬件通信链路划分为四类独立带宽隔离通道:

4、(1)图像采集通道:熔池相机直连npu模块,原始图像不经工控机转发;

5、(2)本地特征控制通道:npu经工业以太网连接工控机,仅向工控输出熔池量化特征数值;

6、(3)云端交互通道:工控机依托5g模组与云端ai训练集群双向加密通信;

7、(4)底层执行通道:工控机与plc双向通讯,plc分别对接二维步进微调滑台、电参数采集模块、焊接电源;

8、所述方法并行运行两条互不抢占带宽的独立执行链路,分别为本地实时焊接双闭环协同控制主线、5g云端异步ai自学习迭代辅线;

9、所述本地实时焊接双闭环协同控制主线循环执行s1~s6:

10、s1:焊前初始化,调取标准工艺库输出基准熔池宽度w0、±0.1mm偏移阈值、基准电流i0、基准电压u0下发至npu与plc,起弧前完成npu模型校验;

11、s2:熔池相机以60~200fps采集图像单向推送至npu缓存,工控机异步存储原图用于停机后云端上传;

12、s3:npu硬件并行完成四级解算:硬件图像预处理、轻量化网络推理提取熔池实际宽度w、横向偏移δx、纵向偏移δy、60帧均值滤波平滑特征、量化输出δw=w-w0,仅向工控传输δx、δy、δw;

13、s4:工控机同步生成二维滑台位置补偿脉冲、电弧电流电压调节增量两类指令并同步下发plc;

14、s5:plc同一硬件时钟周期同步运行两套闭环:视觉位置闭环驱动滑台将δx稳定控制在±0.1mm内;电参数闭环1khz同步采集i、u,耦合δw联动调节焊接电源功率;δw>0下调i、u,δw<0上调i、u;

15、s6:工控本地缓存熔池原图、特征时序、i-u电弧曲线与工况标签,循环s2~s6直至熄弧;

16、所述5g云端异步ai自学习迭代辅线仅在停机间隙静默执行t1~t5:

17、t1:停机后将焊接数据集绑定唯一工件编码加密,经5g断点续传上传云端,云端建立图像、电参数、尺寸时序关联索引;

18、t2:云端归集多厂区异构样本并行训练位置识别网络、电参数映射网络、四维耦合自适应网络,损失函数内置热变形、熔池尺寸约束项,更新全局工艺库;

19、t3:云端对训练模型执行量化剪枝轻量化处理,将轻量化模型包、新版全局工艺库整合为加密下发文件;

20、t4:云端5g下发加密文件至工控,工控校验后下发模型切换指令;npu划分双独立模型缓存分区,后台加载新模型,下一帧图像切换新模型推理,全程无需停机;

21、t5:更新后的轻量化模型接入s3解算流程,系统自主输出最优补偿量与目标电参数,循环t1~t5持续迭代优化;

22、云端永久存储全产线焊接数据,授权用户输入工件编码可远程调取单件完整焊接数据,实现特种设备质量溯源。

23、进一步的,所述二维步进微调滑台采用滚珠丝杠与闭环步进电机,单轴最小补偿单位0.1mm,硬件响应时间≤18ms;当npu同步输出超标δx、δw时,plc在同一控制周期并行输出位置补偿脉冲、电源功率调节信号,两路校正同步生效,消除分步调节造成的熔池震荡、焊缝宽窄不均缺陷。

24、进一步的,所述复合光学镜头由940nm窄带红外滤光片与梯度中性减光片组合,滤除电弧强光、飞溅、烟尘干扰,稳定提取熔池轮廓与坡口基准线。

25、进一步的,所述npu硬件并行解算兼容传统机器视觉算法;云端同步迭代边缘检测、阈值分割算法参数,轻量化后下发npu,无深度学习模型时可独立完成熔池特征提取。

26、进一步的,底层执行单元增设送丝机构;plc依据δw实时调节送丝速度,形成位置、电参数、送丝速度三闭环协同控制,硬件链路、双并行执行链。

27、进一步的,云端ai训练集群归集集团多厂区异构样本构建全局焊接样本库,三层神经网络并行训练,提升坡口波动、热变形、烟尘干扰工况下模型识别泛化精度,减少现场人工工艺调试频次。

28、进一步的,一种自动焊熔池自适应调控系统,用于执行权利要求1~5任一项所述的控制方法,包括:图像采集模块、npu硬件加速模块、工控调度模块、底层执行模块、远端云端ai训练集群;所述图像采集模块为搭载复合光学镜头的高速熔池相机;所述npu硬件加速模块内置双独立模型推理缓存分区,用于硬件并行熔池图像预处理与特征解算;所述工控调度模块集成5g通信模组与本地固态存储;所述底层执行模块包括plc、二维步进微调滑台、1khz电参数采集模块、焊接电源、可选送丝机构;所述远端云端ai训练集群用于样本归集、三层神经网络并行训练、模型轻量化、远程下发与焊接数据永久溯源存储。

29、进一步的,一种计算机可读存储介质,其上存储有计算机可执行程序,其特征在于,所述程序被处理器运行时,实现权利要求1至6任一项所述的基于云端自学习的自动焊熔池双闭环协同控制方法。

30、本发明的有益效果为:

31、本发明的一种基于云端自学习的自动焊熔池双闭环协同控制方法,npu 硬件直采消除图像丢帧、检测延迟大幅降低 熔池相机直连 npu 取消工控中转链路,无总线拥堵、图像丢帧;npu 全硬件并行处理,单帧图像解算耗时≤20ms,传统 cpu 方案延迟 100~300ms;搭配复合红外光学镜头,恶劣烟尘、强光工况下熔池识别稳定,长焊缝偏移稳定控制在 ±0.1mm,彻底解决连续焊偏缺陷;工控完全释放图像处理算力,支持 24 小时不间断连续生产,无卡顿死机。

32、本发明的一种基于云端自学习的自动焊熔池双闭环协同控制方法plc 同步双闭环耦合,熔池波动、焊接缺陷大幅下降 同一硬件时钟周期并行输出位置校正、电源调节两路信号,复合异常一次性完成双重补偿;熔池宽度波动幅度较传统分步调节降低 70%,多层多道焊缝成形均匀;实测焊接缺陷拒收率下降 85% 以上,船舶厚板压力容器焊接缺陷率由12.7% 降至 1.78%。

33、本发明的一种基于云端自学习的自动焊熔池双闭环协同控制方法云端三层神经网络 + 无停机热更新,减少人工调试、提升稼动率 云端归集多厂区异构样本训练耦合网络,提升模型坡口波动、热变形下泛化精度,单车间人工工艺调试时长减少 60%;npu 双分区模型热更新无需停机,生产线连续生产不中断,生产线稼动率显著提升;老旧车间依托5g 无线传输,无需重新铺设工业网线,设备改造成本降低 60%。

34、本发明的一种基于云端自学习的自动焊熔池双闭环协同控制方法单件工件全链路数字化溯源,满足特种设备合规要求 所有焊接数据绑定唯一工件编码,云端建立多维度关联索引,质检、客户可远程调取完整焊接电子档案,适配船级社、压力容器行业出厂探伤、质量审核规范,解决分布式产线数据分散、取证困难问题。