Ang preprint ng ISPARK research team noong Oktubre 15 ay naglalarawan ng paraan upang subukan sa simulation ang mga kontrol ng robotic welding bago gamitin sa pisikal na kagamitan. Hinuhulaan ng modelo kung paano maaaring tumugon ang weld pool kapag bumagal ang robot sa kanto. Pagkatapos, pinapahintulutan ng mabilis na estadistikal na approximation ang simulated controller na baguhin ang power-source setting habang gumagalaw.

Nag-uulat ang pag-aaral ng kapaki-pakinabang na paraan ng paunang pagpili, na may malinaw na hangganan: walang weld na ginawa o sinukat para sa papel na ito. Simulated ang robot, controller feedback at mga nabuong lapad ng weld. Ayon sa mga may-akda, kailangan pa ang experimental validation at pagsusubok sa robotic hardware.

Ang malaking pagbabago

  • Ano ang nagbago: Pinagdugtong ng mga mananaliksik ang thermal weld-pool model, mabilis na predictor at simulated na six-axis robot. Sa gayon, naihahambing nila ang power adjustment habang nagbabago ang travel-speed profile, sa halip na tingnan lamang ang nakapirming welding setting.
  • Bakit mahalaga: Kaunti ang pagkakataon ng mga inhinyerong bumubuo ng paraan ng pagdurugtong sa kalawakan na magsubok sa mga kondisyong malapit sa aktuwal na paglipad. Makatutulong ang modelong ito sa pagpili ng mga setting at kilos ng controller na nararapat sa pisikal na pagsusubok, ngunit hindi pa nito napapatunayan ang lakas at pagiging maaasahan ng weld.
  • Ano ang dapat bantayan: Maipapakita ng mga sukat sa weld coupon, thermal-vacuum test at reduced-gravity test kung saan tumutugma ang modelo sa proseso. Hiwalay na susubukin ng robotic hardware-in-the-loop trial ang galaw, sensing at pagkaantala ng command.

Mula sa mabagal na heat model tungo sa mabilis na prediksiyon

Ang buong papel ay nagsisimula sa finite-volume calculation para sa 1 mm na kapal na 316L stainless-steel sheet. Sinusubaybayan nito ang init at pagkatunaw habang gumagalaw ang torch. Kinakatawan ng modelo ang ilang transport ng tunaw na metal sa pamamagitan ng inayos na thermal conductivity, at itinuturing ang welding arc bilang itinakdang heat input. Hindi nito kinakalkula ang arc plasma, droplet transfer o gumagalaw na ibabaw ng molten pool.

Masyadong mabagal kung gagawin ang kalkulasyong iyon sa bawat robot control step. Gumamit ang mga mananaliksik ng 58 tinanggap na model case upang sanayin ang dalawang uri ng surrogate: Gaussian process at neural network. Pareho silang tumatanggap ng welding at environmental setting at humuhula ng walong output, kabilang ang lapad ng pool sa itaas at root side, penetration depth at peak temperature. Sa paulit-ulit na cross-validation, mas mababa ang normalized mean absolute error ng Gaussian process kaysa sa neural network para sa lahat ng walong output. Ginagamit ng controller ang hinulaang root-side width nito.

Umabot sa 249 microsecond ang isang three-output Gaussian-process query sa iniulat na implementasyon, kasama ang input scaling at predictive variance. Tumakbo ang simulated closed-loop run nang 53.6 na beses na mas mabilis kaysa real time sa setup ng mga may-akda. Ipinapakita ng mga bilang na sapat na magaan ang prediksiyon para sa simulation na ito; hindi kasama sa timing ang komunikasyon sa pisikal na robot controller at hindi nito mag-isang pinatutunayan ang katumpakan sa aktuwal na weld.

Ano ang nangyari sa simulated na kanto

Nag-simulate ang team ng six-axis UR5 manipulator na sumusunod sa hugis-L na seam. Bumababa ang planadong travel speed nito mula 12.0 tungong 8.94 mm bawat segundo malapit sa kanto. Sa nakapirming power-source setting, pinapataas ng mas mabagal na galaw ang heat input ng modelo sa bawat yunit ng haba. Sa halip, binabago ng proportional controller ang setting na iyon ayon sa hinulaang root-side width ng surrogate. Pareho ang planadong landas na sinusundan ng travel speed sa dalawang paghahambing.

Pagkatapos, muling pinatakbo ng mga mananaliksik ang mas mabagal na finite-volume model sa 12 piniling posisyon para sa bawat control mode. Pasok ang lahat ng 12 closed-loop na posisyon at 9 sa 12 open-loop na posisyon sa halimbawang 1–3 mm na root-side-width band. Nakatipon ang mga posisyon malapit sa kanto, kaya hindi bahagi ng kabuuang haba ng seam ang mga bilang na iyon. Threshold ito ng pag-aaral, hindi pamantayan ng pagtanggap ng weld. Dalawang modelo ng parehong mungkahing proseso ang pinaghahambing, hindi resulta ng sinukat na weld.

Gumagamit din ang loop ng steady-state response sa bawat puntong inuutusan. Tumutugon sa paglipas ng oras ang pisikal na molten pool, at hindi sinusubok ng papel kung mananatiling stable ang controller kapag naroon ang pagkaantalang iyon, mga basa ng sensor at galaw ng robot. Hindi pa nakakonekta sa welding hardware ang mungkahing sensing interface nito.

Kung saan nagtatapos ang simulation

Hindi kasama ang gravity sa thermal equation. Lumilitaw ito sa hiwalay na pressure-ratio calculation at bilang input na ginagamit upang tiyaking hindi nagbabago ang thermal output sa modelo. Hindi mapatutunayan ng hindi pagbabagong iyon kung paano kumikilos ang aktuwal na weld sa reduced gravity. Hindi rin kasama sa pinasimpleng modelo ang surface deformation, arc behavior at metal transfer na maaaring mahalaga roon.

Iniulat ng mga may-akda ang numerical quality checks, ngunit walang pormal na grid-convergence study o experimental validation gamit ang katugmang coupon. Nanawagan sila ng calibration at independiyenteng pagsukat sa coupon, thermal-vacuum at nakatuong reduced-gravity test, at hardware-in-the-loop work bago gamitin ang sistema upang suriin ang pisikal na robotic weld. Sinuri ng BIG CHANGE ang preprint; hindi nito pinatakbo ang modelo o sinubok ang welding equipment.

Mga sanggunian at karagdagang babasahin