焊管智造AI+高频直缝焊管制造的构想

2020-02-26曹国富

焊管 2020年1期

曹笈,曹国富

（南京凯博乐教育咨询有限公司，南京210000）

人工智能（artificial intelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新兴技术科学。随着人工智能技术在AI+（金融、教育、交通、健康、零售、服务、智造）等领域取得的不同进展，可以预料， “AI+高频直缝焊管制造” （以下简称焊管智造AI）将成为未来焊管制造的发展方向，使得有着近70年发展历史的高频直缝焊管行业实现 “AI+智造”成为可能。由于焊管智造AI涉及面广，包括人机交互、机器学习、信息系统、专家系统、虚拟现实、知识工程、数据挖掘和计算理论等，是一项复杂的系统工程，不仅需要投入人力、物力和财力，而且AI与高频直缝焊管制造相结合还有许多问题需要求解，不可能一蹴而就，笔者仅就焊管智造AI谈一点初步构想，以飨读者。

1 高频焊管生产工艺流程控制的现状

1.1 高频直缝焊管生产工艺流程

高频直缝焊管生产工艺流程根据管坯材质不同差异较大，以常见的水煤气输送用管为例，其生产工艺流程如图1所示。

由图1可见，水煤气输送用高频直缝焊管的生产工艺流程可分成三部分，即供料系统、成型焊接定径系统与后处理系统。其中，前两个系统是在同一时间、对同一刚性体——管坯实施不同的工艺作业，它们的状态直接决定高频焊管质量，如供料系统中管坯进入焊管机组之前的纵向拉拽力F突然增大或减小，会导致机组中管坯运行速度骤减或陡增，而焊接电流、电压、速度的调节则是操作者发现工艺状态异常之后的举动；至于后处理系统因焊管已经被切断，对前两个系统没有直接影响，所以本研究所讨论的控制主要是针对供料系统和成型焊接定径系统。

图1 水煤气输送用高频直缝焊管生产工艺流程

1.2 控制现状

图1 中水煤气输送用高频直缝焊管的工艺流程有20多个工序，其中，焊管成型和高频焊接工序是整个工艺流程的核心，决定焊管的品质。但这两个关键工序的控制现状却并不乐观，主要表现在以下三个方面：

（1）对成型（包括定径）工序依据成型（定径）轧辊孔型参数进行调整的尝试。该思路仅仅考虑了管坯的基本几何尺寸，对管坯厚度、宽度、性能以及机组精度等动态变化缺少有效的控制手段，也没有将管坯弹塑性的变形考虑进去，导致理论与实际相去甚远，少有应用。

（2）对焊接工序进行自动控制的尝试，代表性的控制思路如图2所示。稍加分析便知，这些控制都是在缺陷生成之后采取的滞后措施，既没有将供料系统与成型焊接系统看成一个相互联系、相互影响的系统来处理，更没有考虑轧制力的动态变化对焊接的影响，其控制效果并不理想。

图2 高频直缝焊管焊接及闭环控制系统

（3）因调试工个人的知识、经验、感觉和精力，致使焊缝品质因人而异。一系列应用成果证明，人工智能不仅能凭借各种传感器时刻感知制造工艺过程中发生的、人类智能无法每时每刻感知的细微变化，弥补人类智能的不足；而且还能对这些细微变化做出前瞻性、趋势性预判，并提供最优解决方案。因此笔者认为，倘若将人工智能与高频直缝焊管制造相结合，则焊管制造水平必将产生质的飞跃，成为名副其实的焊管智造。

2 高频焊管智造AI构想

2.1 基本架构简介

一个完整的焊管智造AI由需要感知的环境、感知、Agent和自主与最优的对环境进行干预的执行四部分构成，各部分核心要义的描述见表1。

表1 高频焊管智造AI构成部分核心要义描述

2.2 高频焊管智造AI的环境

焊管智造AI需要面对的环境包括供料系统、高频直缝焊管机组、焊管坯、管坯成型焊接定径和高频焊接等部分。

2.2.1 供料系统

主要解决三个问题：一是不断供，保证机组得以连续运转；二是确保进入焊管机组前的管坯纵向拉拽力F恒定；三是当纵向拉拽力出现变动趋势时能及时感知，并做出相应反应。

2.2.2 高频直缝焊管机组

高频直缝焊管机组由成型机、焊接机和定径机三部分组成，各部分主要构件或总成如图3所示。这些构件、装置或总成中的任意一项都会以影响管坯运行速度的形式来影响焊接温度。

图3 高频直缝焊管机组主要部件与总成

2.2.3 焊管坯

从大类上分，目前有钢管坯、铝管坯、铜管坯和不锈钢管坯等，其中，每个大类又包含若干品种，即使是同一牌号的管坯，硬度状态不同，差异也大。钢管坯料常见硬度划分及其与HRB和HV的对应值见表2。

表2 板材硬度划分（日本）及其与HRB和HV的对应值

材料不同对高频焊接的影响也不同。以硬度为例，Q195、1/2质硬与1/8质硬相比，前者的变形抗力约是后者两倍，而实际焊接挤压力Fj由公式（1）确定

式中：FS——焊接挤压辊施加的挤压力；

FK——待焊管坯对焊接挤压辊中的抗力。

公式（1）中，FK会影响高频焊接挤压力、焊接温度和焊接速度。

2.2.4 管坯成型

平直管坯经过十多个道次由大到小不同孔型轧辊的轧制，被轧制成待焊开口圆（异型）管筒，等待随后的焊接。在这一过程中，受操作经验差异、轧辊孔型磨损、机组温度变化、机组精度突变、管坯性能突变、管坯运行状态突变等因素影响，致使轧制力和管坯变形程度发生变化，而且这种变化并不仅仅出现在成型阶段，还包括焊接段和定径段，甚至包括锯切过程，并影响管坯的稳定运行。目前焊管行业对这些 “突变”缺少有效的监测和控制。

2.2.5 高频焊接

高频焊接原理建立在电磁学理论中的焦耳－楞次定律基础之上，并充分利用高频电流的临近效应和集肤效应，使待焊管坯中的感应电流及其焦耳热能在瞬间会汇聚到待焊管坯表面和相邻的待焊管坯两边缘，并且首先使管坯两边缘的金属持续升温，在达到金属熔融温度时由挤压辊提供挤压力实现焊接。

高频焊接的显著特点之一是将金属加热到焊接温度的时间极短。高频焊管机组型号与感应加热用时参考值见表3。从表3中的加热时间看，都在毫秒级，用时极短。在这么短时间内要求操作者靠肉眼很难精准地判断出焊接温度。而人工智能可以通过建立的专家系统，凭借各种传感器快速感知温度，依靠专家系统自主拿出解决方案，自主采取预防措施。高频焊接的显著特点之二是加热焊接区域较窄且不均匀。在高频电流临近效应和集肤效应作用下，管坯上的感应电流高度集中到待焊管坯两边缘，通常只有几十微米至数百微米宽，频率越高加热焊接区域越窄。而且由该电流引起的焦耳热能在整个加热焊接区域温差很大，在距边缘约2～3 mm宽度区域内温差高达700～800℃，而被直接加热的管坯边缘宽度极窄，人工智能必须首先解决焊接温度精准检测与捕捉（焊缝有时不可避免地发生偏摆）问题。

表3 高频焊管机组型号与感应加热用时参考值

高频焊机的人工智能要感知五个方面的环境变化：①高频焊机的输出频率、电流、电压波动值及其引起这些波动的各元器件的变化；②高频焊机供电线路的电压波动，并自主地依据波动调节输出电流、电压；③感应圈与待焊开口管筒之间的间隙，以及感应圈前端与焊接挤压辊的工艺距离；④焊接开口角的动态值，并自主依据动态值增大或减小输出电流电压；⑤阻抗器的冷却。

2.2.6 高频直缝焊管生产环境的特征

（1）完全可观察与只可部分观察并存。简单的如管坯卷内外圈的硬度可以借助多种监测手段获知，但卷中间的就不得而知；复杂的如焊缝品质，在其形成过程中可通过焊接区金属色泽的变化、飞溅的火花、外毛刺大小等间接知晓，但焊缝中是否存在气孔、微裂纹、非金属夹杂等缺陷便无从知晓。

（2）确定性与随机性并存。以密闭在滑块中的平辊轴承为例，在磨损达到一定程度后何时发生质变（局部损坏），与使用时间、润滑状态、管坯强度、冷却方式、操作者等关系密切，具有不确定性。

（3）片段式与延续式并存。焊管生产环境中的片段式指传感器在某一时刻所采集到的信息与其之前或之后的没有关联，如管坯运行速度因纵向拉拽力突变而在瞬间变快或变慢，完全可以将该次变化视为孤立事件；再譬如，压力传感器感知到焊接挤压力逐渐变小，这可理解为是挤压辊孔型和挤压辊轴承逐渐磨损的自然过程。

（4）静态与动态并存。在运行的焊管机组上，静态与动态并存的现象比比皆是，如立辊与支承立辊的立辊轴，既要求随管坯而转动的立辊绕立辊轴安静地转动，又要求静止状态的立辊轴不能有摆动，否则，横向轧制力就会因摆动而发生变化。在使用焊管智造AI的情况下，传感器能感知这种变化，从而向Agent传递错误信息，因为此刻横向轧制力的这种变化并非由管坯硬度引起，这一特征从另一个侧面要求使用焊管智造AI的焊管机组的精度必须要高。

2.3 高频焊管智造AI的感知系统

高频焊管智造AI的感知系统主要由压力传感器、温度传感器、位移传感器、厚度计、速度计等各类传感器和人机对话窗口组成，通过这些传感器时刻感知供料过程、焊管机组、管坯运行和焊接温度的细微变化，并以各种能量的形式传递给Agent，为Agent提供源源不断的信息。如给焊接挤压辊轴装上压力传感器后，既能感知由待焊管坯强度和硬度变化引起FK发生的变化，又能通过挤压辊轴的安定程度感知挤压辊轴承的损伤程度和挤压力的稳定状态，当Agent知道这些变化后，就会主动调节FS，使Fj与彼时的待焊管坯强度和硬度符合工艺规定值；或向操作者发出更换挤压辊轴承的提示。

2.4 高频焊管智造AI的Agent

2.4.1 确定Agent的结构

对Agent有多种理解，笔者更倾向于是一种通过传感器感知环境，并能自主地借助执行器作用于该环境的实体。按模拟人类思维的不同层次，Agent可分为反映式、慎思式、跟踪式、目标式、效果式和复合式。根据表1中对Agent性能度量的描述，选择复合式Agent比较合适，焊接温度控制AI用复合式Agent的结构如图4所示。之所以选用复合式Agent，是因为考虑到一旦钢管用Agent成功后，能够方便地植入铝管、铜管、不锈钢管用Agent。

图4 焊接温度控制AI用复合式Agent的结构示意图

2.4.2 焊管智造AI之Agent应具备的特性

（1）行为自主性。不仅能够控制自身行为，而且还要确保对焊接温度的控制是主动的、自发的，目标和意图明确，并能根据管坯硬软、厚薄、宽窄变化信息做出规划与决策，将决策意图及时通知执行器对焊接电流、电压、速度做出相应调整。

（2）作用交互性。能够通过人机对话窗口进行交流，能够与焊管机组进行交互沟通，能够感知焊管机组和其中管坯的动态变化，随时对这种变化做出适当调节，使焊接在最佳状态下进行。

（3）面向目标性。使焊接在最佳状态下持续进行是高频焊接的终极目标，Agent要能为实现这一目标而主动采取一系列措施。如机组入口处的距离传感器感知到某一时刻管坯宽度为下偏差，那么在该段管坯到达挤压辊处焊接时，Agent能及时、主动地增加焊接挤压力、焊接电流、焊接电压，或降低焊接速度，用主动增大的挤压力、电流、电压或降低焊速来弥补管坯宽度不足对焊缝强度的影响。

（4）存在社会性。要求以钢管为先行的焊管智造AI之Agent，既要满足焊接钢管从甲规格变换成乙规格后的推理过程和目标意向完全一致，也需要为今后的铝、铜、不锈钢等焊管用焊管智造AI顺利接入预留通讯接口，确保新Agent能顺利集成到系统中而无需对原有Agent进行重新设计，具有很强的适应性和可扩展性。

（5）结构分布性。Agent的结构要在物理上或逻辑上体现为分布式，如将焊管机组与轧辊参数、焊管坯与焊管规格参数等归类到一个数据库中，将焊管工艺与优化归类到专家库中，将管坯化学成分、力学性能、热学性能、电学性能、磁学性能和光学性能等集合到知识库中，便于技术集成、资源共享、性能优化和系统整合。

（6）运行持续性。焊管智造AI之Agent程序启动后，能够在相当长的时间内维持持续运转状态，以满足焊管机组连续运行地需要。

2.5 焊管智造AI的执行器

焊管智造AI用执行器主要包括交流直流伺服电机、交直流调速器、气液压系统、机械传动、制动、高频电流电压调节电位器等，负责执行来自Agent的指令。

3 高频焊管智造AI的实施难点

（1）影响因素众多。设计焊管智造AI的目的是实现恒温焊接。但从图1和图3来看，焊接温度是一系列因素综合作用后的表象，其实质是速度问题；而且这些速度的变化，大多是在操作者不知情的情况下发生的，这里用vR表示。这种速度变化包括宏观和微观两方面，宏观指人能察觉到的、运行中的管坯顿挫，微观则指人感觉不到的顿挫，特别是后者对焊接温度的影响更大、更难控制。因为这种焊接温度的波动幅度小，不易被人察觉，而且引起vR变化的因素太多，用函数表示为

公式（2）中的A、B、C、D、E、F……N代表管坯运行速度影响因子，每一个因子又可能包括或组合成若干个影响因子a、b、c……n。仅以轧辊对管坯施加的轧制力PS为例，生产一种规格的焊管，需用轧辊50～70只，其中任意一只发生变化，如确保轧辊灵活转动的轴承滚珠保持架突然部分损坏，且从表面看不出轧辊转动存在问题，但是该轧辊对管坯施加的轧制力实际上已经发生了变化，进而影响管坯运行（焊接）速度。而发生突变的几率始终存在，并可用公式（3）表示

其中，n为自然数，ΔPY表示一个或多个轴承程度不同地损坏后轧制力可能产生的若干种组合变化，包括大小变化、力偶变化等。这些变化最终都会表现在管坯运行（焊接）速度上，问题是并不知道何时、哪个或哪几个轧辊的轴承会发生突变，这就对Agent的搜索、规划、推理、建模和决策生成等的设计提出挑战。

（2）焊管规格更换频繁。这里的规格不仅指焊管外径和壁厚，还包括冷轧退火、冷硬、Q195、Q215、Q235等不同性能的焊管。以相隔一个月生产同一种规格的焊管为例，即使忽略轧辊磨损、管坯差异等因素，单就机组状态而言，如平辊轴承经过一个月的磨损，滚珠与外壳间的间隙势必变大，在下压平辊时必须将这一因素考虑进去，否则，由该平辊施加的轧制力与上一个周期比要小，这对Agent的学习能力提出更高要求。

（3）一因多果与一果多因现象普遍存在。这些需要Agent对感知到的信息进行更加细致的分析、辨认，要求专家系统和知识库必须达到专家级知识，能模拟专家的思维和专家级解题水平；同时要满足从大量数据中挖掘出隐含的、未知的、有潜在价值的因果联系信息和知识的要求，以便决策生成最佳解决方案。

尽管人工智能在焊管机组上的应用存在诸多困难，但焊管行业历经数十年的发展，工艺成熟度较高，聚集了一批专家学者，产品供求稳定，对应用人工智能有需求，这些都为人工智能在焊管行业的应用提供了可能。

4 高频焊管智造AI的可行性

（1）高精度高频直缝焊管机组已经问世。高精度高频焊管机组是生产优质焊管的前提条件，正逐步成为设备制造者与使用者的共识。设备制造商越来越重视焊管设备的制造精度，使用者也更愿意以较高的价格购买高精度、高性能的焊管设备。

（2）高精度管坯。管坯精度与焊管品质呈强正相关关系，高精度管坯无论从管坯化学成分和力学性能方面，还是几何尺寸和边缘形貌方面都能满足高精度焊管的要求与人工智能的应用。

（3）从业者受教育程度发生了质的变化。新时代的操作者对计算机、人机互动甚至是简易编程的驾驭能力更强，为人工智能顺利进入工业运用并发挥作用提供了人力保证。

（4）算法模型更优。各种更高算力和大数据，使人们对人工智能的认识与理解达到新的高度。

（5）传感器种类繁多。如按测量物理量分，有位移、接近、速度、温度、力、力矩、压力、加速度等传感器；新型传感器则有光纤传感器、红外传感器、气敏传感器、生物传感器、机器人传感器、智能传感器、数字传感器等。传感器的种类几乎涵盖了人类生产生活的各方面，这些传感器为监督管坯运行、设备运转、速度微妙变化等提供了精准、及时的检测手段，并最终根据这些信息提前对焊接温度进行干预、实现焊管智造AI化。如硬软不同的管坯会影响焊接开口角的大小和高频电流临近效应的强弱，通过压力传感器和接近传感器，就能在焊管成型阶段准确感知管坯的硬软，计算出与之对应的焊接开口角和临近效应，并预先生成相应的焊接电流和电压，从而保证给出的焊接温度恰好与彼时的管坯状态匹配。

（6）焊管生产工艺的相似性。尽管焊管规格大小、壁厚、材质差异很大，但是，制造原理、生产设备、工艺流程相同，对应道次的成型、焊接和定径轧辊孔型相似，成组技术的特征明显，这些都为人工智能中的传感器、语言识别、图像识别、知识库和专家系统的应用与建立提供了可能，也使得要构建的焊管智造AI框架相对简单。