人工智能在钢箱梁焊接中的发展

2020-01-06赵双健

山西建筑 2020年13期

赵双健

(太原市城乡管理局机关服务中心，山西太原 030012)

0 引言

随着城市飞速的发展，大跨径桥梁在城市建设中起着非常重要的作用，为人们出行带来众多便捷。钢箱梁作为一种典型的大跨径桥梁，其具有施工工艺易操作、安全性稳定性高、工作效率高以及组装方便等优点。目前对于钢箱梁焊接组装施工仍然是通过人工焊接来实现，施工技术和施工难度也对焊接工带来很高的考验。随着国务院于2015年发布的《中国制造2025》，人工智能和信息技术为未来钢箱梁焊接带来了发展方向。此外，国家于2017年7月8日印发并实施的《关于印发新一代人工智能发展规划的通知》文件，其中明确提出人工智能在国家战略需求中扮演的角色以及人工智能在未来智能发展生态中的发展方式。因此智能编程、远程智能焊接操作、焊缝跟踪技术等为人工智能在钢箱梁焊接中的发展和应用提供可行性参考。

1 钢箱梁焊接中的智能编程

在钢箱梁智能焊接中一般用到焊接机器人，而焊接机器人的操作方式和操作流程都要通过编程语言来实现。一般机器人的智能编程包括示教编程和离线编程两种方法，这两种方法都是从传统编程方法演化发展而来，主要借助于微机图形学和几何算法来实现机器人与钢箱梁在不同工作环境下的完好配合，通过设定相关的焊接路径、焊接参数和几何尺寸来合理规划焊接轨迹，从而保证钢箱梁焊接的高品质和高精准。

对于钢箱梁中存在的规则性、重复性的焊接位置可以使用示教编程的方法进行。示教编程的主要方法是：首先，操作人员通过手动操作示教器来控制焊接机器人到达预定的焊接位置并记录当前所在位置。其次，将记录的位置传输到焊接机器人的控制器中。最后，焊接机器人可以根据控制指令来进行焊接任务。一次的焊接结束以后，焊接机器人可以根据控制指令重复进行焊接任务。操作人员也可以通过示教编程法定义不同的焊接坐标系对焊接机器人进行控制。示教编程方法具有快捷高效、操作简单、无需设定环境模型等优点，可以实现钢箱梁在焊接中存在的重复性操作，同时可以修正钢箱梁结构带来的误差。而对于钢箱梁中存在的复杂的、特殊的构型，示教编程就无法实现智能化了，因此就需要离线编程来实现。离线编程主要是通过软件，如Robot Art，Robot Studio等，在电脑里重构钢箱梁中复杂构件的三维虚拟环境，然后软件可以根据结构的形状、尺寸和材料操作机器人来实现焊接轨迹，通过在离线编程仿真软件中模拟整个焊接过程，可以随时监控和调整焊接轨迹和形态来确定最终的焊接方案，最后通过软件生成最终的焊接程序。示教编程与离线编程并不是对立存在的，而是相互补充相互促进的关系，在钢箱梁的焊接中，需要根据具体的工程环境，合理选择能提高工作效率和工作质量的编程方式。利用智能编程可以缩短焊接工艺技术的准备周期，可提高10倍以上的工作效率，并提高了焊接工艺标准化和规范化程度。

2 钢箱梁焊接中的远程焊接技术

在钢箱梁焊接中一般采用弧焊技术，而弧焊技术决定了钢箱梁的焊接质量，随着计算机技术、自动控制技术和电子技术的发展，弧焊技术也得到了大力发展。弧焊电源技术就是弧焊技术中很重要的核心技术，其通过计算机和反馈自动控制系统来实现对电源在工作和非工作时的特性进行即时监测和控制，通过控制电源可以间接对弧焊技术中所用的电流进行调节和控制，以此来保证机器人在弧焊过程中的精准性和高效性。

不同于人工焊接操作，远程焊接技术的操作主要是人通过远程操控焊接机器人来对钢箱梁进行焊接监测和控制，确保焊接任务的完成。远程焊接技术在整个焊接过程较为复杂，其是机械、信息、传感器、自动化等多学科融合的技术，且涉及到许多如力、热、光、电、磁非线性耦合的问题，这就导致无法建立准确而吻合的数学模型，因此，远程焊接技术是焊接自动化和智能化的最直接体现。随着计算机信息化的发展，人工智能、神经网络、云计算等学科结合能够对这些问题得到很好的解决，能够实现快速计算，这有效地推动钢箱梁焊接中的远程焊接技术的发展和应用。

对于大型钢箱梁的焊接，通过单个焊接机器人完成任务是不实际的问题，因此势必需要多个焊接机器人协同操作，共同完成焊接任务。这会极大增加信息化、智能化的难度，在自动化设计的时候，需要并列考虑多个机器人的焊接顺序、焊接操作，首先需要确定每一台机器人在焊接工作中的分工来保证每个机器人之间能够沟通顺畅，通过相互配合协调来提高机器人在焊接过程中的精准性和高效性。因此这涉及数学逻辑、多功能化、多信息统一、多信号处理和多物理连接等多方面柔性化集成问题。

3 钢箱梁焊接中的焊缝跟踪技术

焊缝跟踪技术也可称为智能视觉焊接坏点识别技术，是指在实际焊接过程中，由于环境等因素的影响，需要随时调整焊接路径、焊接工艺和焊接参数，来确保焊接质量的可靠性。该技术主要是通过一系列传感器来随时跟踪检测焊接过程中的焊接质量和焊接稳定性，设计的理论主要是传感器技术和自动控制原理，随着模糊数学、数值软件、在线传输和神经网络等的兴起，该技术都可以应用到焊缝跟踪技术中。焊缝跟踪技术通过视频画面直观的呈现机器人的焊接状态，同时对焊缝和神经网络进行检测，并通过模糊自动控制来实现对焊缝跟踪系统的实时计算，并做相应的调整和控制，这有效的提高了焊接跟踪技术自动化和智能化的水平。

对于在恶劣环境下的钢箱梁焊接过程，可能在跟踪采集的图像中容易出现图像噪声，初始采集的图像是无法识别的，所以需要在钢箱梁焊接坏点识别前，先采集钢箱梁焊接坏点的图像，通过使用非线性滤波方法进行去噪处理，然后采用非线性滤波处理(NFP)来计算图像中的像素灰度均值，其表达式为:

H(x,y)=med[g(x+1,y+a)]

(1)

其中，H(x,y)为通过非均衡滤波处理方法得到的特征参数；g(x,y)为初始采集到初始钢箱梁焊接图像(x,y)处的特征参数；a为滤波窗口大小，通常取值为4×4。经过非线性滤波处理后，需要对钢箱梁焊接坏点图像进行图像二值化处理。图像二值化处理方法是根据焊接坏点图像在全部图像中的比例，设置钢箱梁焊接坏点图像像素的阈值范围。钢箱梁焊接坏点图像像素阈值范围的表达式为：

G={g|min[Pg-P]}

(2)

其中,Pg为通过运算获取的像素分布系数；P为原始钢箱梁焊接坏点图像对比度，其表达式为P=Xm/X，Xm为钢箱梁焊接坏点图像中的灰度值，X为采集图像中全部的像素数据。根据以上步骤处理，钢箱梁焊接坏点图像的去噪处理完成，得到了钢箱梁焊接坏点处的清晰图像。

焊缝跟踪技术还用于超大规模焊接技术的缺陷检测。其中图像处理和模式识别更广泛地应用于焊缝跟踪技术。例如其可用于熔焊过程的处理和检测,对影响焊接质量的熔深和焊宽可进行联机跟踪检测，实现焊接过程的自动控制。此外,焊缝跟踪技术还可以和专家系统结合在一起，更好地利用数据库来进行焊缝的识别,并由此评定焊接工艺的好坏并设计相应的优化。