自动焊接系统、自动焊接方法、焊接支援装置以及程序与流程

1.本发明涉及自动焊接系统、自动焊接方法、焊接支援装置以及程序。


背景技术：

2.在专利文献1中公开了：使焊丝的前端一边在坡口的上端部与下端部之间摆动(weaving)一边沿着坡口移动，在使焊丝的前端从坡口的下端部向上端部摆动的过程中使焊炬的行驶停止，在坡口的上端部使焊丝的前端的摆动停止，并且一边使焊炬行驶一边降低对焊丝的电力量，在使焊丝的前端从坡口的上端部向下端部摆动的过程中使焊炬的行驶速度、焊丝的前端的摆动速度以及对焊丝的电力量上升。
3.然而，虽然在上述专利文献1中记载了使焊炬的行驶速度、焊丝的摆动速度以及对焊丝的电力量变化，但是未考虑相对于熔池的位置关系，因此焊炬、焊丝有可能相对于范围容易变化的熔池先行或者迟行。
4.现有技术文献
5.专利文献
6.专利文献1：日本特开2017-6968号公报


技术实现要素：

7.本发明是鉴于上述的情况而完成的发明，其目的在于提供能够在横向焊接中将焊炬相对于熔池维持在适当的位置的自动焊接系统、自动焊接方法、焊接支援装置以及程序。
8.本发明的自动焊接系统、自动焊接方法、焊接支援装置以及程序在电弧焊接中，在电弧与熔池的前端部的距离为规定的范围的情况下，基于该距离来决定焊接速度的修正量，该电弧焊接针对形成于沿铅垂方向排列的两个被焊接构件之间的沿水平方向延伸的坡口，在将焊接行进方向作为前方向时，一边使焊炬向前下方向和后上方向交替地摆动一边进行。
9.上述以及其他的本发明的目的、特征以及优点通过以下的详细的记载和附图来明确。
附图说明
10.图1是由实施方式的自动焊接系统进行的焊接例的图。
11.图2是示出所述自动焊接系统的结构例的图。
12.图3是示出由相机拍摄的熔池的图像例的图。
13.图4是示意性示出熔池的具体例的图。
14.图5是示出用于学习阶段的数据集例的图。
15.图6是示出学习阶段的步骤例的流程图。
16.图7是用于说明学习阶段的图。
17.图8是示出推论阶段的步骤例的流程图。
18.图9是用于说明推论阶段的图。
19.图10是定性地示出leadx以及dy的时间变化的特征的示意图。
20.图11是示出摆动角度的调整例的图。
21.图12是示出第一变形例的处理的步骤例的流程图。
22.图13是用于说明该处理的图。
23.图14是用于说明另一变形例的图。
24.图15是示出第二变形例的处理的步骤例的流程图。
25.图16是用于说明该处理的图。
具体实施方式
26.以下，基于附图对发明的一实施方式进行说明。需要说明的是，在各图中标注相同的附图标记的结构表示相同的结构，适当省略其说明。需要说明的是，在本说明书中，在总称的情况由省略尾标的附图标记表示，在指单独的结构的情况下由标注尾标的附图标记表示。
27.[系统概要]
[0028]
图1是示出由实施方式的自动焊接系统100进行的焊接例的图。图2是示出自动焊接系统100的结构例的图。
[0029]
自动焊接系统100所包括的焊接机器人3在形成于沿铅垂方向(上下方向)排列的两个被焊接构件u、l之间的沿水平方向(前后方向)延伸的坡口g处，将焊接行进方向作为前方向，一边使焊炬31向前方向行进一边进行电弧焊接。在焊炬31的前端部的附近形成熔池p。
[0030]
被焊接构件u、l间的间隔(即，坡口g的宽度)例如为3～10mm左右。在被焊接构件u、l，可以贴附衬垫件，也可以不贴附。坡口g的形状不限于图示的v型形状，也可以是x型形状等。
[0031]
电弧焊接例如应用tig(tungsten inert gas)焊接。不限定于此，也可以应用mig(metal inert gas)焊接或mag(metal active gas)焊接等。
[0032]
焊接机器人3一边使焊炬31向前下方向和后上方向交替地摆动一边进行电弧焊接。该动作用于抑制熔池p的下垂，是模拟高度熟练技能者的运条方式而得到的。
[0033]
相机2对从焊炬31的前端部产生的电弧以及熔池p进行拍摄而生成图像。相机2也对朝向电弧送出的未图示的焊丝(填充材料)进行拍摄。相机2相对于焊炬31配置于前方向，并与焊炬31一起向前方向移动。在相机2的透镜，为了抑制电弧光的入射而装配仅使950nm附近的近红外光透过的带通滤波器。相机2是生成包括时间序列的多个静止图像(帧)的动图像的摄像机。不限定于此，相机2也可以是通过定期的拍摄来生成时间序列的多个静止图像的静态相机。
[0034]
如图2所示，自动焊接系统100具备焊接支援装置1、相机2、焊接机器人3、数据库5以及学习装置6。这些设备例如能够经由互联网或lan等通信网络而相互通信。
[0035]
焊接支援装置1具备控制部10。控制部10是包括cpu(central processing unit)、ram(random access memory)、rom(read only memory)、非易失性存储器以及输入输出接口等的计算机。控制部10的cpu按照从rom或非易失性存储器加载到ram的程序来执行信息
处理。
[0036]
控制部10具备取得部11、检测部12以及决定部13。这些功能部通过控制部10的cpu按照从rom或非易失性存储器加载到ram的程序执行信息处理而实现。程序例如可以经由光盘或存储卡等信息存储介质而供给，例如也可以经由互联网或lan等通信网络而供给。
[0037]
学习装置6也与焊接支援装置1同样地具备控制部60。控制部60具备取得部61、学习部62以及保存部63。需要说明的是，学习装置6也可以由一个或多个服务器计算机构成。
[0038]
焊接支援装置1以及学习装置6能够访问数据库5。在数据库5，以能够由焊接支援装置1读出的方式保存有由学习装置6构建的学习完毕模型51。
[0039]
图3是示出由相机2拍摄的熔池的图像例的图。图4是示意性地示出熔池的具体例的图。在图3中，熔池的前端部的下侧凸部由于电弧光而不可见。在这些图中，x表示前后方向的位置，y表示上下方向的位置。
[0040]
如这些图所示，在熔池的前端部出现向前方向突出的上下两个凸部(上侧凸部以及下侧凸部)和在上下两个凸部之间向后方向凹陷的凹部。由于熔池的下垂的影响，下侧凸部的前端与上侧凸部的前端相比位于前方向。
[0041]
然而，若焊炬相对于熔池先行或者迟行，则有可能带来焊接的不良，因此将焊炬相对于熔池维持在适当的位置是重要的。
[0042]
然而，由于焊接形变、安装误差等各种各样的影响，而存在坡口宽度、焊接线从设计值偏移的情况，由于这些因素而有时熔池的积存状况发生变化，因此将焊炬相对于熔池维持在适当的位置并不容易。尤其是，在焊炬沿包括焊接行进方向在内的方向摆动的情况下，更是如此。
[0043]
于是，在本实施方式中，通过如以下说明的那样基于相机图像来决定焊接速度的修正量，从而实现将焊炬相对于熔池维持在适当的位置。
[0044]
[学习阶段]
[0045]
图5是示出用于学习阶段的数据集的例子的图。数据集包括输入数据以及示教数据。输入数据是学习用图像。学习用图像例如可以是由相机2拍摄到的图像，也可以是由其他相机拍摄到的图像。示教数据包括表示学习用图像的各特征点的位置的值。更具体而言，存在熔池前端-上(上侧凸部的前端)、熔池前端-下(下侧凸部的前端)、熔池前端-凹部(凹部的后端)、电弧中心、焊丝、熔池上端以及熔池下端这7个特征点(参照图3以及4)。其中，熔池前端-上、熔池前端-下、电弧中心以及焊丝的位置由x方向(前后方向)和y方向(上下方向)的坐标表示。熔池前端-凹部的位置仅由x方向的坐标表示。熔池上端以及熔池下端的位置仅由y方向的坐标表示。即，关于特征点的位置，存在合计11个值。并且，示教数据包括表示学习用图像中的各特征点的可视性的标志。特征点的可视性由可(
○
)和否(-)这两个值表示。即，关于可视性，存在合计7个值。例如在图3的图像中，熔池前端-下的特征点由于电弧光而不可见。作为示教数据的各特征点的位置以及可视性例如由观察学习用图像的技能者等人来判断，例如使用定点设备等来输入。
[0046]
图6是示出在学习装置6中实现的学习阶段的步骤例的流程图。学习装置6的控制部60通过按照程序执行该图所示的处理，从而作为取得部61、学习部62以及保存部63而发挥功能。图7是用于说明学习阶段的图。
[0047]
首先，控制部60制作多个包括学习用图像、各特征点的位置坐标以及各特征点的
可视性标志的数据集(s11，参照图5)。
[0048]
接着，控制部60取得数据集中的一部分数据集作为训练数据(s12；作为取得部61的处理)。
[0049]
接着，控制部60使用所取得的训练数据执行机器学习(s13；作为学习部62的处理)。更具体而言，控制部60将学习用图像作为输入数据，将各特征点的位置坐标以及可视性标志作为示教数据，通过机器学习来构建用于从图像推定各特征点的位置坐标以及准确度的学习完毕模型。
[0050]
模型例如是卷积神经网络，包括卷积层、池化层、全连接层以及输出层。特别是，组合多段神经元而得到的深度神经网络是优选的。在输出层设置与各特征点的位置坐标以及可视性标志对应的要素。即，设置与特征点的位置相关的合计11个要素以及与可视性相关的合计7个要素。与特征点的位置相关的要素例如使用恒等函数。与可视性相关的要素例如使用归一化指数(softmax)函数，由0～1之间的实数表示的输出值能够用作特征点的准确度。更具体而言，控制部60以如下方式进行学习：将学习用图像输入模型，进行计算，将各特征点的位置坐标以及准确度作为输出数据从模型输出并且计算输出数据与示教数据的差量，使该差量减少。
[0051]
接着，控制部60取得与数据集中的训练数据不同的一部分数据集作为测试数据(s14)，使用所取得的测试数据来评价学习完毕模型(s15)。
[0052]
之后，控制部60将评价为规定以上的学习完毕模型保存于数据库5(s16)，并结束学习阶段。
[0053]
需要说明的是，图示的卷积神经网络只不过是一例，层结构并不限定于此，卷积层、池化层以及全连接层的层数也可以不同。特征点的检测也可以使用模式匹配(pattern matching)等机器学习以外的方法。
[0054]
[推论阶段]
[0055]
图8是示出在焊接支援装置1中实现的、作为实施方式的自动焊接方法的推论阶段的步骤例的流程图。焊接支援装置1的控制部10通过按照程序执行该图所示的处理而作为取得部11、检测部12以及决定部13发挥功能。图9是用于说明推论阶段的图。
[0056]
首先，控制部10从相机2取得相机图像(s21；作为取得部11的处理)。更具体而言，控制部10依次取得由相机2生成的动图像所包括的时间序列的多个静止图像(帧)来作为相机图像。
[0057]
接着，控制部10使用在学习阶段构建的学习完毕模型，推定相机图像中的各特征点的位置坐标以及准确度(s22；作为检测部12的处理)。更具体而言，控制部10将时间序列的多个相机图像作为输入数据依次输入学习完毕模型，进行计算，输出各特征点的位置坐标以及准确度。如上所述，特征点为熔池前端-上(上侧凸部的前端)、熔池前端-下(下侧凸部的前端)、熔池前端-凹部(凹部的后端)、电弧中心、焊丝、熔池上端以及熔池下端这7个(参照图3以及4)，特征点的准确度由0～1之间的实数表示。
[0058]
接着，控制部10计算电弧与熔池的前端部的距离leadx以及电弧与熔池的上端部的距离dy(s23)。更具体而言，距离leadx是电弧中心与熔池的前端部的x方向(前后方向)的距离。用于距离leadx的熔池的前端部是熔池前端-上、熔池前端-下以及熔池前端-凹部中的任一个。但是，存在熔池前端-下由于熔池的下垂而位于最前方向，并且由于电弧光而不
可见的情况，因此与熔池前端-下相比优选采用位于上方向的熔池前端-上或熔池前端-凹部。特别是，优选采用位于最上方向且可视性高的熔池前端-上。即，距离leadx优选为电弧中心与熔池前端-上的x方向的距离(参照图4)。另一方面，距离dy为电弧中心与熔池上端的y方向(上下方向)的距离。不限定于此，距离dy也可以是电弧中心与熔池下端的y方向的距离。
[0059]
需要说明的是，在用于距离leadx以及距离dy的计算的特征点中任一个的准确度为阈值以下的情况下，跳过距离leadx以及距离dy的计算。
[0060]
图10是定性地示出距离leadx以及距离dy的时间变化的特征的示意图。距离leadx以及距离dy由于焊炬31的摆动而周期地变化。距离leadx以及距离dy处于相位错开180
°
的关系。更具体而言，在距离leadx处于最近范围(所谓的谷部)时、即电弧中心接近熔池前端时，距离dy处于最远范围(所谓的峰部)、即电弧中心远离熔池上端。另一方面，在距离leadx处于最远范围(所谓的峰部)时、即电弧中心远离熔池前端时，距离dy处于最近范围(所谓的谷部)、即电弧中心靠近熔池上端。需要说明的是，最近范围是将最靠近的点包括在中央的规定宽度的范围，最远范围是将最远离的点包括在中央的规定宽度的范围。
[0061]
这样，距离leadx周期性地变化，因此无法简单地使用距离leadx计算焊接速度的修正量。于是，在本实施方式中，在距离leadx处于规定的范围的情况下，计算焊接速度的修正量。更具体而言，在本实施方式中，在距离leadx处于最近范围的情况下，计算焊接速度的修正量。换言之，在距离dy处于最远范围的情况下，计算焊接速度的修正量。
[0062]
为了实现它，如图8所示，控制部10在计算出距离leadx以及距离dy后(s23)，判定距离dy是否为阈值y0以上(s24)，从而判定距离dy是否处于最远范围。阈值y0被设定为阈值y0以上的距离dy属于最远范围。在距离dy为阈值y0以上的情况(s24：是)下，控制部10计算距离leadx与基准值l0的差量，并基于计算出的差量来计算焊接速度的修正量(s25、s26；作为决定部23的处理)。基准值l0被设定为距离leadx的最佳的值、即能够形成品质最好的背焊道的值。焊接速度的修正量δv通过对距离leadx与基准值l0的差量δl乘以规定的变换系数β而计算。即，为δv＝δl
×
β。在此，焊接速度是焊炬31沿焊接行进方向行进的速度(除去由摆动引起的变化量)。
[0063]
接着，控制部10应用计算出的焊接速度的修正量(s27)。更具体而言，控制部10将计算出的焊接速度的修正量向焊接机器人3(参照图2)输出。焊接机器人3的控制器使用来自焊接支援装置1的焊接速度的修正量来修正焊接速度。
[0064]
根据以上说明的实施方式，在焊炬31沿包括焊接行进方向(前方向)在内的方向摆动的横向焊接中，能够将焊炬31相对于熔池p维持在适当的位置，且实现高品质的自动焊接。
[0065]
需要说明的是，上述实施方式中，控制部10在距离leadx处于最近范围的情况下计算焊接速度的修正量，但不限定于此，例如也可以是距离leadx处于最远范围的情况，也可以是处于半山腰范围(振幅的中央附近)的情况。
[0066]
另外，在上述实施方式中，控制部10通过判定距离dy是否处于最远范围，来判定距离leadx是否处于最近范围，但不限定于此，也可以直接判定距离leadx是否处于最近范围。但是，使用可视性较高的电弧中心与熔池上端的距离dy能够实现更加精度良好的判定。
[0067]
另外，在上述实施方式中，控制部10使用电弧中心与熔池上端的距离dy，但不限定
于此，也可以使用电弧中心与熔池下端的距离，通过判定该距离是否处于最近范围来判定距离leadx是否处于最近范围。
[0068]
另外，在上述实施方式中，控制部10根据相机图像来推定电弧中心的位置坐标，但不限定于此，例如也可以基于从焊接机器人3的控制器提供的焊炬31的位置数据来求出电弧中心的位置坐标。
[0069]
以上，对本发明的实施方式进行了说明，但本发明并不限定于以上说明的实施方式，对于本领域技术人员而言当然能够进行各种变更。
[0070]
图11是示出摆动角度的调整例的图。图11a示出坡口g的宽度相对较窄的情况，图11b示出坡口g的宽度相对较宽的情况。
[0071]
例如，如图11所示，焊接支援装置1的控制部10也可以基于坡口g的宽度，来调整焊炬31的摆动角度或摆动振幅(作为调整部的处理)。例如，以图11a所示的坡口g的宽度越窄，则摆动方向越接近前后方向且摆动振幅越小的方式，调整摆动方向以及摆动，以图11b所示的坡口g的宽度越宽则摆动方向越接近上下方向且摆动振幅越大的方式调整摆动方向以及摆动。坡口g的宽度例如通过从相机图像提取被焊接构件u、g的缘部而取得。不限定于此，例如也可以取得在上述s22中推定的熔池上端与熔池下端的y方向(上下方向)的距离来作为与坡口g的宽度对应的值。
[0072]
[第一变形例]
[0073]
图12是示出第一变形例的处理的步骤例的流程图。图13是用于说明该处理的图。图13a示出整体，图13b示出坡口部分的放大图。图14是用于说明另一变形例的图。关于与上述实施方式重复的结构或步骤，存在标注相同的编号而省略详细的说明的情况。
[0074]
首先，控制部10从相机2取得相机图像(s21)，使用学习完毕模型，推定相机图像中的各特征点的位置坐标以及准确度(s22)。
[0075]
接着，控制部10基于检测出的熔池上端以及熔池下端的位置，计算坡口g的宽度(s33)。据此，通过基于相机图像检测位置，能够大致实时地追随坡口宽度的变化。坡口g的宽度可以是熔池上端与熔池下端的间隔本身，例如也可以是对该间隔乘以规定的比率而得到的值等。不限定于此，也可以通过从相机图像提取被焊接构件u、l的缘部，而直接计算坡口g的宽度。
[0076]
接着，控制部10随着计算出的坡口g的宽度变宽，而使焊接线wl向上方向位移(shift)(s34～s38：作为调整部的处理)。据此，能够抑制熔池的下垂。更具体而言，控制部10在坡口g的宽度小于阈值w2的情况下(s34：是)，将焊接线wl1设定于坡口g的中央线gc上(s35)。控制部10在坡口g的宽度为阈值w2以上且小于阈值w3的情况下(s34：否，s36：是)，设定相比焊接线wl1向上方向位移了的焊接线wl2(s37)。控制部10在坡口g的宽度为阈值w3以上的情况下(s34：否，s36：否)，设定相比焊接线wl2向上方向位移了的焊接线wl3(s38)。焊接线wl是使由焊炬31进行的焊接行进的预定线。焊炬31以焊接线wl为中心向前下方向和后上方向交替地摆动。
[0077]
另外，通过使焊接线wl向上方向位移，在被焊接构件u、l存在变形的情况、坡口不为直线的情况下，也能够进行自动焊接。另外，在不能将摆动宽度设定为非对称的焊接机器人中，通过以焊接线为坡口中心调整摆动宽度，能够适当确保熔池的桥接性。
[0078]
并且，控制部10也可以不仅使焊接线wl向上方向位移，还随着坡口g的宽度变宽，
使焊炬31的摆动角度接近上下方向，也可以增大摆动振幅。
[0079]
不限定于此，也可以如图14所示，控制部10在保持使焊接线wl与坡口g的中央线gc上一致的状态下，随着坡口g的宽度变宽，而使焊炬31的摆动宽度中的、比焊接线wl靠上方向的上侧摆动宽度uh大于比焊接线wl靠下方向的下侧摆动宽度lh。由此，也能够抑制熔池的下垂。熔池容易随着重力而下落，因此通过这样调整，能够确保桥接性。
[0080]
[第二变形例]
[0081]
图15是示出第二变形例的处理的步骤例的流程图。图16是用于说明该处理的图。关于与上述实施方式重复的结构或步骤，存在标注相同的编号而省略详细的说明的情况。图16a示出整体，图16b是坡口部分的放大图。
[0082]
首先，控制部10从相机2取得相机图像(s21)，使用学习完毕模型，推定相机图像中的各特征点的位置坐标以及准确度(s22)。
[0083]
接着，控制部10基于检测出的熔池上端以及熔池下端的位置，计算坡口g的中央(s43)。坡口g的中央为熔池上端与熔池下端的中间。不限定于此，也可以通过从相机图像提取被焊接构件u、l的缘部，而直接计算坡口g的中央。
[0084]
接着，控制部10在检测出的焊丝的位置与坡口g的中央的间隔为阈值以上的情况下，使焊接线wl向坡口g的中央的方向位移(s44～s47：作为调整部的处理)。焊丝的位置表示焊接线wl的位置。更具体而言，控制部10在从焊丝的高度减去坡口g的中央的高度而得到的差为大于正的阈值的情况(s44：是)、即焊丝的位置相比坡口g的中央位于上方且其间隔大于阈值的情况下，将焊接线wl向下方向位移(s45)。另一方面，控制部10在从焊丝的高度减去坡口g的中央的高度而得到的差小于负的阈值的情况(s44：否，s46：是)、即焊丝的位置相比坡口g的中央位于下方、且其间隔大于阈值的情况下，将焊接线wl向上方位移(s47)。据此，即使坡口g由于被焊接构件u、l的板接头等而倾斜，也能够使焊接线wl追随坡口g的中央。另外，通过仅在偏离值大的情况下位移，从而控制的稳定性提高。
[0085]
本说明书如上述那样公开了各种各样的方案的技术，但其中主要的技术总结为以下。
[0086]
一方案的自动焊接系统具备：焊接机器人，其在形成于沿铅垂方向排列的两个被焊接构件之间的沿水平方向延伸的坡口处，在将焊接行进方向作为前方向时，一边使焊炬向前下方向和后上方向交替地摆动一边进行电弧焊接；相机，其对由于所述电弧焊接而产生于所述坡口的电弧以及熔池进行拍摄；检测部，其对由所述相机拍摄到的相机图像中的所述熔池的前端部的位置进行检测；以及决定部，其在所述电弧与所述熔池的前端部的距离处于规定的范围的情况下，基于该距离来决定焊接速度的修正量。
[0087]
另一方案的自动焊接方法在形成于沿铅垂方向排列的两个被焊接构件之间的沿水平方向延伸的坡口处，在将焊接行进方向作为前方向时，一边使焊炬向前下方向和后上方向交替地摆动一边进行电弧焊接，利用相机对由于所述电弧焊接而产生于所述坡口的电弧以及熔池进行拍摄，对由所述相机拍摄到的相机图像中的所述熔池的前端部的位置进行检测，在所述电弧与所述熔池的前端部的距离处于规定的范围的情况下，基于该距离来决定焊接速度的修正量。
[0088]
又一方案的焊接支援装置具备：取得部，其取得由相机生成的相机图像，所述相机对由于电弧焊接而产生于所述坡口的电弧以及熔池进行拍摄，所述电弧焊接在形成于沿铅
垂方向排列的两个被焊接构件之间的沿水平方向延伸的坡口处，在将焊接行进方向作为前方向时，一边使焊炬向前下方向和后上方向交替地摆动一边进行；检测部，其对所述相机图像中的所述熔池的前端部的位置进行检测；以及决定部，其在所述电弧与所述熔池的前端部的距离处于规定的范围的情况下，基于该距离来决定焊接速度的修正量。
[0089]
又一方案的程序使计算机作为取得部、检测部以及决定部而发挥功能，所述取得部取得由相机生成的相机图像，所述相机对由于电弧焊接而产生于所述坡口的电弧以及熔池进行拍摄，所述电弧焊接在形成于沿铅垂方向排列的两个被焊接构件之间的沿水平方向延伸的坡口处，在将焊接行进方向作为前方向时，一边使焊炬向前下方向和后上方向交替地摆动一边进行，所述检测部对所述相机图像中的所述熔池的前端部的位置进行检测，所述决定部在所述电弧与所述熔池的前端部的距离处于规定的范围的情况下，基于该距离来决定焊接速度的修正量。
[0090]
据此，能够在横向焊接中将焊炬相对于熔池维持在适当的位置。
[0091]
本技术以在2019年11月19日申请的日本国专利申请特愿2019-208569以及在2020年8月18日申请的日本国专利申请特愿2020-137800为基础，其内容包含于本技术。
[0092]
为了表现本发明，上述参照附图通过实施方式对本发明适当且充分地进行了说明，但应认识到只要是本领域技术人员，则能够容易地对上述的实施方式进行变更和/或改良。因此，本领域技术人员所实施的变更方式或改良方式只要不是脱离技术方案所记载的权利要求的权利范围的水平，则该变更方式或该改良方式解释为包含于该技术方案的权利范围。
[0093]
工业可利用性
[0094]
根据本发明，能够提供自动焊接系统、自动焊接方法、焊接支援装置以及程序。