一种融合蓝光扫描与焊工样本学习的叶片补焊方法与流程

本技术涉及叶片补焊，尤其是涉及一种融合蓝光扫描与焊工样本学习的叶片补焊方法。

背景技术：

1、涡轮叶片作为航空发动机、燃气轮机等动力设备的核心部件，其结构复杂且曲率变化显著，部分区域壁厚较薄。在铸造及长期服役过程中，叶片极易产生气孔、夹杂、裂纹或局部烧蚀等缺陷。为避免直接报废造成的巨大经济损失，通常采用去除缺陷组织后进行氩弧补焊的工艺进行修复。现有的叶片补焊作业主要依赖人工操作或基础的机器人示教再现模式。在人工操作中，熟练焊工依据缺陷的几何形态、位置分布及局部散热条件，实时调整焊接电流、速度、送丝量及焊枪姿态；而在常规的自动化方案中，则多基于预设的三维模型生成固定轨迹，辅以简单的过程监测手段执行焊接任务。

2、然而，面对具有高度非结构化特征的叶片不规则缺陷，现有的补焊技术在适应性与稳定性方面仍面临严峻挑战。由于缺陷的位置、形状、尺寸及周围热边界条件千差万别，固定的工艺程序难以覆盖所有工况，导致补焊质量的一致性难以保证。同时，焊接过程中的热积累状态、熔池动态行为与最终成形质量之间存在复杂的耦合关系，现有技术往往难以实现对多物理场状态的精准感知与闭环控制，容易造成热输入失控、层间误差累积以及因经验无法量化迁移而导致的工艺参数失配，限制了高质量自动补焊技术的广泛应用。

技术实现思路

1、本技术提供一种融合蓝光扫描与焊工样本学习的叶片补焊方法，以解决上述问题，所述方法包括：

2、对缺陷去除后的叶片补焊腔体进行蓝光扫描，重构叶片目标曲面，提取补焊腔体的几何特征和热边界特征，并建立补焊腔体局部坐标系；

3、采集熟练焊工的焊枪轨迹、焊接工艺参数、熔池状态及温度状态，将焊枪轨迹转换至对应的补焊腔体局部坐标系，并按照补焊填充进度对所述焊接工艺参数、熔池状态及温度状态进行对齐，结合补焊质量构建焊工补焊样本库；

4、根据待补焊腔体的几何特征和热边界特征匹配焊工补焊样本，根据叶片材料、局部壁厚和目标焊道尺寸确定物理基准参数，并利用所匹配焊工补焊样本相对于对应物理基准参数的参数差值，生成初始补焊参数；

5、根据所述补焊腔体和目标曲面生成分层分道补焊轨迹，控制焊接机器人执行补焊，并根据实时熔池状态和温度状态相对于所匹配焊工补焊样本对应状态的偏差，调整补焊参数或焊道顺序；

6、完成预定焊道后再次进行蓝光扫描，根据实际补焊表面与目标曲面的差异更新后续补焊轨迹和补焊参数，直至完成补焊。

7、可选地，所述重构叶片目标曲面并建立补焊腔体局部坐标系，包括：

8、利用补焊腔体外围完整叶片表面的扫描点云拟合所述目标曲面，将补焊腔体在所述目标曲面上的投影形心作为坐标原点，将所述投影形心处的目标曲面法向作为高度方向，并将补焊腔体投影轮廓的主延伸方向作为第一切向方向，建立所述补焊腔体局部坐标系；

9、所述几何特征包括补焊腔体的开口面积、最大深度、目标填充体积、长短轴比和边界曲率，所述热边界特征包括补焊腔体所在区域的最小壁厚、平均壁厚、至叶片自由边缘的最短距离以及至冷却孔的最短距离。

10、可选地，所述补焊填充进度按照以下公式确定：

11、；

12、其中，为时刻t的补焊填充进度，为截至时刻t形成的累计有效熔敷体积，为对应补焊腔体的目标填充体积；

13、所述累计有效熔敷体积根据焊丝截面积、送丝速度、送丝时间及预先标定的有效熔敷系数确定，并按照相同的补焊填充进度对不同样本中的焊接工艺参数、熔池状态和温度状态进行对应。

14、可选地，所述匹配焊工补焊样本，包括：

15、从焊工补焊样本库中筛除材料类别、焊丝材料或热处理状态与待补焊叶片不一致的样本；

16、对剩余样本的目标填充体积、最大深度、长短轴比、边界曲率、最小壁厚以及至冷却孔的最短距离进行标准化处理，根据各项标准化特征与待补焊腔体对应特征之间的差异对样本进行排序；

17、从排序结果中选取补焊质量合格且特征差异不大于预设差异阈值的样本作为候选样本，并根据候选样本的特征差异和补焊质量确定样本权重，其中，特征差异增大时对应的样本权重减小，优质样本的样本权重大于可用样本的样本权重，并对各候选样本的样本权重进行归一化，使各候选样本的样本权重之和为1。

18、可选地，所述物理基准参数至少包括基准焊接电流、基准电弧电压、基准焊接速度和基准送丝速度，所述物理基准参数满足单位长度有效热输入：

19、；

20、处于与叶片材料和局部壁厚对应的工艺评定范围内，其中，为单位长度有效热输入，为电弧有效热效率，为电弧电压，为焊接电流，为焊接速度；

21、所述初始补焊参数按照下式确定：

22、；

23、式中，为对应填充进度下的初始补焊参数，为待补焊叶片的物理基准参数，和分别为第个候选样本的实际焊接工艺参数及其对应的物理基准参数，为第个候选样本的样本权重。

24、可选地，所述分层分道补焊轨迹的生成包括：

25、根据补焊腔体的深度和预设单层熔敷高度，将补焊腔体划分为底层、至少一个中间层及表层；

26、在底层先生成沿补焊腔体边界延伸的轮廓焊道，再于轮廓焊道围成的区域内生成内部填充焊道；在相邻中间层之间改变内部填充焊道的延伸方向；在表层生成与目标曲面的局部走向一致的整形焊道；

27、根据候选样本中的焊道宽度和预设搭接率确定相邻焊道间距，并在补焊腔体曲率增大或宽度减小的位置减小所述相邻焊道间距。

28、可选地，根据各候选样本在对应填充进度下的熔池状态、温度状态及样本权重，确定待补焊叶片在对应填充进度下的目标状态范围；

29、所述目标状态范围包括熔池宽度、熔池长度、熔池形心偏移量、熔池前方温度、熔池后方温度及熔池两侧温差各自对应的目标范围，其中，第项状态在填充进度下的目标值按照下式确定：

30、；

31、其中，为第i项状态的目标值，为第个候选样本在相同填充进度下的对应状态值，为第个候选样本的样本权重；

32、根据候选样本对应状态值相对于所述目标值的离散程度确定所述目标状态范围的上限和下限。

33、可选地，根据实时熔池状态和温度状态调整补焊参数或焊道顺序，包括：

34、当实时熔池宽度高于对应目标状态范围的上限时，降低焊接电流、提高焊接速度或减小摆动幅度；

35、当实时熔池宽度低于对应目标状态范围的下限且补焊腔体侧壁未形成连续润湿区域时，提高焊接电流、降低焊接速度或延长焊枪在对应侧壁处的停留时间；

36、当实时熔池后方温度高于对应目标状态范围的上限时，停止执行与当前焊道相邻的后续焊道，并从对应区域温度低于道间温度上限的未焊焊道中选择下一焊道；不存在对应区域温度低于所述道间温度上限的未焊焊道时，暂停补焊直至至少一个未焊焊道区域的温度降低至所述道间温度上限以下。

37、可选地，所述再次进行蓝光扫描，包括在完成一个填充层、完成预设数量的焊道或者检测到实际焊道高度超出预设焊道高度范围时，对补焊区域进行层间扫描；

38、将层间扫描得到的实际补焊表面配准至所述目标曲面，将目标曲面高于实际补焊表面且高度差大于预设欠填阈值的区域确定为剩余填充区域，并根据所述剩余填充区域的面积、深度及局部曲率更新后续填充层数、焊道数量、焊道间距和送丝速度；

39、将实际补焊表面高于目标曲面且高度差大于预设过填阈值的区域确定为过填区域，停止在所述过填区域生成后续焊道，并将所述过填区域保留为补焊后的机械加工区域。

40、可选地，当满足以下至少一项条件时，判定待补焊腔体超出焊工补焊样本库的覆盖范围：候选样本数量小于预设样本数量；候选样本数量大于零且候选样本中的最小特征差异大于预设差异阈值；候选样本数量大于零且待补焊腔体的局部最小壁厚低于各候选样本的局部最小壁厚中的最小值；

41、当候选样本数量为零时，停止自动补焊并输出人工确认指令；当候选样本数量大于零且待补焊腔体超出所述覆盖范围时，控制焊接机器人采用单位长度有效热输入位于对应工艺评定范围下半区的验证参数，在补焊腔体的底层执行验证焊道，采集所述验证焊道的熔池状态、温度状态及实际焊道形貌；

42、当所述熔池状态和温度状态均位于基于候选样本确定的目标状态范围内，且所述实际焊道形貌满足预设焊道宽度、高度及连续性要求时，根据所述验证焊道的实际参数和实际焊道形貌更新后续补焊参数及补焊轨迹；否则停止自动补焊并输出人工确认指令。

43、本技术采用以上技术方案具有以下优点：

44、通过蓝光扫描重构叶片目标曲面，并提取补焊腔体的几何特征和局部热边界特征，使补焊决策能够同时考虑缺陷体积、形状、壁厚、曲率及周围散热条件，提高了不规则叶片缺陷的识别精度和补焊方案的针对性。

45、通过建立补焊腔体局部坐标系，并按照累计有效熔敷体积占目标填充体积的比例对焊工样本进行填充进度对齐，消除了叶片装夹姿态、缺陷位置及缺陷尺寸差异对样本复用的影响，实现了熟练焊工经验在不同补焊任务之间的有效迁移。

46、通过将补焊质量结果与焊枪轨迹、焊接工艺参数、熔池状态及温度状态关联存储，使系统学习的是经质量验证的熟练焊工操作规律，避免不合格或不稳定焊接样本对自动补焊决策造成干扰。

47、通过根据缺陷几何特征和热边界特征匹配焊工补焊样本，并依据样本特征差异及补焊质量确定样本权重，能够针对当前补焊腔体选取适用性更高的焊工经验，降低仅按缺陷类型或固定参数模板进行补焊所产生的适配误差。

48、通过先确定满足叶片材料、局部壁厚、焊道尺寸和单位长度热输入要求的物理基准参数，再叠加熟练焊工相对于物理基准参数的经验修正量，避免了学习模型直接输出缺少物理约束的焊接参数，提高了补焊参数的可解释性和工艺安全性。

49、通过生成分层分道补焊轨迹，并结合补焊区域的实时温度调整焊道顺序，可避免在薄壁区域或相邻区域连续集中加热，降低叶片烧穿、热裂纹、变形及热影响区扩大的风险。

50、通过将候选焊工样本在对应填充进度下的熔池状态和温度状态确定为动态目标状态范围，并根据实时状态偏差调整焊接电流、焊接速度、送丝速度、焊枪姿态及道间等待时间，使机器人补焊过程由固定参数执行转变为随熔池成形和热状态变化进行闭环调节，提高了焊道熔合质量和成形稳定性。

51、通过在完成预定焊道或填充层后再次进行蓝光扫描，根据实际补焊表面与目标曲面的差异更新剩余填充区域、后续轨迹和补焊参数，能够及时消除实际熔敷量、焊道宽度及焊道高度与离线预测之间的累计误差，提高最终叶片轮廓恢复精度。

52、通过对焊工补焊样本库的覆盖范围进行判断，并对超出样本覆盖范围的缺陷先执行低热输入验证焊道，可避免机器人在缺少相似可靠样本时直接实施完整自动补焊，提高了未知缺陷条件下的安全性和容错能力。

53、本技术实现了补焊前缺陷形貌、焊接过程参数、熔池状态、温度变化、轨迹调整、层间成形及最终质量的全过程记录，使传统依赖焊工个人经验的黑箱补焊过程转化为可学习、可监测、可追溯和可持续优化的自动补焊过程。