Откриване на дефекти в реално време при роботизирано адитивно производство чрез дъгово заваряване с телена електродна жица

Откриване на дефекти в реално време при роботизирано адитивно производство чрез тел и електрическа дъга
Как интелигентният мониторинг и оптимизирането на процеса могат да подобрят последователността при промишления 3D печат на метали.
Защо адитивното производство чрез тел и електрическа дъга (WAAM) изисква строг контрол на процеса в реално време?
Адитивното производство на метали позволява на инженерните екипи да изработват сложни конструктивни компоненти чрез изграждане на материала слой по слой. В сравнение с отнемането на материал чрез CNC обработка от масивна заготовка или голяма кована заготовка, тази технология значително намалява отпадъците от суровини, съкращава сроковете за производство и прави възможни органични форми, които практически не могат да бъдат произведени с конвенционална инструментална екипировка.
Адитивното производство чрез тел и електрическа дъга (WAAM) съчетава електрическа дъга (GMAW, GTAW или плазмена) като източник на топлина със стандартна промишлена заваръчна тел като изходен материал. Съчленен промишлен заваръчен робот или портална система за движение координира заваръчната горелка по многоосови кинематични траектории, за да изгради геометрията на детайла.
WAAM е изключително привлекателен за мащабни конструкции в аерокосмическата, морската и енергийната промишленост поради скорости на напластяване над няколко килограма на час. Тъй като обаче всеки слой служи едновременно като отливка и като термична обработка за подлежащите слоеве, цялостната металургична и размерна цялост зависи изцяло от непрекъснатата стабилност на процеса.
Какви основни дефекти възникват по време на напластяване чрез WAAM и защо проверката след процеса не е достатъчна?
Дефекти при напластяването възникват бързо винаги когато физиката на дъгата се дестабилизира или когато разсейването на топлината се променя при различна дебелина на стените на компонента. Типичните режими на отказ включват:
- Геометрична непоследователност: Неравномерна височина на заваръчната следа или образуване на издутини, причинени от колебания в подаването на телта или скоростта на движение.
- Липса на сливане и студени застъпвания: Недостатъчно топловлагане, което не успява да разтопи подлежащата основа или съседната заваръчна следа.
- Порьозност и окисляване: Турбулентност на защитния газ, повърхностно замърсяване или проникване на атмосферни газове.
- Прекомерни пръски и термична деформация: Неконтролирани режими на пренос на дъгата, създаващи остатъчни напрежения и геометрично изкривяване.
Дефектите под повърхността и вътрешните кухини са почти невъзможни за откриване с визуални камери, след като бъдат покрити от следващите слоеве. Разчитането единствено на безразрушителен контрол след процеса (ултразвуков, с вихрови токове или с индустриална компютърна томография) при големи детайли означава дефектите да бъдат открити едва след дни изграждане и изразходването на стотици фунтове тел, което води до катастрофални разходи за брак.
Тази реалност налага преход към мониторинг на място в реално време: откриване на аномалии в момента на възникването им, за да може автоматизираната клетка да спре, да се коригира или да маркира мястото за незабавен ремонт.
Как наблюдението на процеса с помощта на ИИ превръща WAAM от предварително зададени рецепти в адаптивно производство?
Неотдавнашно изследване, публикувано в Приложения на изкуствения интелект в инженерството (1 ноември 2026 г.), представя усъвършенствана рамка, базирана на ИИ, за класифициране на дефекти в реално време и автоматизирана оптимизация на процеса при роботизирано адитивно производство чрез електродъгово заваряване.
Традиционният контрол на качеството разчита на аларми с фиксирани прагове (напр. спиране, ако токът се отклони с повече от ±10A). Заваряването с електрическа дъга обаче по своята същност е динамичен процес: краткотрайни преходни процеси на тока възникват нормално при стартиране и спиране, както и при преминаване през ъгли, без това да означава дефекти. Опасните случаи на несплавяване, напротив, често се проявяват като фини корелационни промени между множество променливи, а не като превишаване на праг за една-единствена променлива.
Обучените невронни мрежи и ансамбловите модели за машинно обучение са отлични в обединяването на многоканални високочестотни сензорни данни. Разпознавайки многомерни характерни модели, системите с ИИ могат да различават нормалния шум на процеса от възникващи дефекти и така проправят пътя към наистина автономно адаптивно производство със затворен контур.
Какви ключови сензорни параметри и параметри на движението трябва да улавя една цялостна система за наблюдение на WAAM?
Надеждната архитектура за наблюдение на процеса WAAM интегрира мултимодална апаратура в електрическата, визуалната, термичната и механичната области:
1. Електрическа дъга и силови сигнали
Моментните форми на вълната на напрежението на дъгата и заваръчния ток разкриват механизмите на отделяне на капките, честотата на късите съединения и общата стабилност на дъгата. Висококачественото събиране на данни разчита на детерминирана, галванично изолирана аналогова апаратура, като 8-каналния аналогов входен модул Yokogawa AAI135-S03, или на специализирани канали за измерване на ток, като аналоговия входен модул за ток Yokogawa SAI143-H63, за предаване на синхронизирани електрически данни без наложен алиасинг.
2. Визуална и термична информация от работната зона
Високоскоростни коаксиални камери наблюдават геометрията на заваръчната вана, свободния край на телта и центрирането на дъгата. Паралелно с това инфрачервени пирометри и термовизионни камери проследяват температурните градиенти при охлаждане. Управлението на температурата между проходите често включва прецизни входни модули за термодвойки/RTD, като входния температурен модул Bachmann PTAI216, за да се провери дали топлината в базовия слой остава в допустимите металургични граници, преди да се положи следващият заваръчен валяк.
3. Кинематика на робота и телеметрия на движението
Ъгълът на горелката, действителната скорост на движение на TCP и профилите на ускорение определят пряко линейния топлинен вход (kJ/mm). Хардуерни процесори за движение, като APM модула Motion Mate GE Fanuc IC693APU302, координират профилирането на движението и предоставят синхронна обратна връзка за траекторията, за да свържат аномалиите, засечени от сензорите, с точните 3D координати на детайла.
4. Динамика на системата за подаване на тел
Сензорите за опън, оптичните енкодери за скоростта на телта и телеметрията на тока на двигателя следят равномерното подаване през водача, като предотвратяват приплъзване на телта или краткотрайни спирания, водещи до катастрофално обратно обгаряне на дъгата.
Как производителите на машини могат да свържат откриването на аномалии с изкуствен интелект с контролерите на индустриални роботи и PLC?
Суровите данни от сензори са безсмислени без надежден индустриален интерфейс, който свързва периферния аналитичен механизъм с програмируемия контролер за автоматизация на клетката.
Доказана архитектура на внедряване насочва потоците от сензори към периферен IPC, който изпълнява предварително обучени модели за извеждане на заключения. За поддържане на детерминистични времена на цикъла на PLC от порядъка на милисекунди при обработка на голям мрежов трафик инженерите по автоматизация често внедряват специализирани комуникационни копроцесори, като програмируемия копроцесорен модул GE Fanuc IC693PCM311, за буфериране на флагове за състоянието в реално време и координати на дефекти в индустриални мрежи за полева шина.
В зависимост от сериозността на аномалията системата изпълнява многостепенни реакции:
- Информационно регистриране: Маркиране на точните координати на CAD/CAM среза за целенасочен ултразвуков контрол след изграждането.
- Пауза между проходите: Подаване на сигнал към контролера на робота за пауза в края на заваръчния шев, с което се стартира автоматизиран цикъл за почистване или изчакване с пирометър.
- Адаптивно фино регулиране на параметрите: Динамично регулиране на скоростта на подаване на телта или скоростта на придвижване на робота в рамките на предварително квалифицираните допускови граници на WPS (спецификация на процедурата за заваряване).
Инженерна бележка: Корекциите на параметрите никога не бива да се извършват без ограничения. Автономните корекции трябва да се изпълняват стриктно в рамките на сертифицираните квалификационни записи за процедури (PQR), за да се избегне промяна на механичните свойства на опън или жилавостта при разрушаване.
Кои ключови данни изграждат одитируем запис за проследимост на качеството на адитивно произведени детайли?
За критични сектори като авиацията и отбраната откриването на дефекти трябва да завършва със създаването на неизменяем цифров производствен паспорт за всеки компонент със сериен номер. Наборът от данни за WAAM, съответстващ на изискванията за одит, трябва да обхваща:
- Уникален сериен номер на компонента, ревизия на CAD модела и хеш на траекторията за послойното изграждане.
- Номер на партидата на макарата с тел, сертификати за химичния състав и дневници за състава на защитния газ.
- Синхронни времеви редове на тока, напрежението, подаването на телта и скоростта на движение.
- Пространствен 3D облак от точки на позициите на роботизираната горелка и изчислен топлинен принос на единица дължина.
- Версия на модела с ИИ, оценки на увереността и регистрирани сигнали за аномалии.
- Записи за намесите на операторите, проверки на температурата между слоевете и дневници на смените.
Интегрирането на това периферно хранилище със системата MES или PLM на предприятието осигурява пълно съответствие със стандартите за адитивно производство ISO/ASTM 52920 и AWS D20.1.
Какви практически инженерни стъпки трябва да предприемат производителите, преди да внедрят наблюдение с ИИ в производственото предприятие?
Преходът от лабораторно доказване на концепцията към тежки производствени условия изисква стриктни инженерни практики:
- Първо насочете усилията към конкретни признаци на дефекти: Съсредоточете първоначалните модели върху лесно откриваеми дефекти с тежки последици (например образуване на гърбици или липса на сплавяване), вместо още от първия ден да се опитвате да класифицирате всички възможни дефекти.
- Осигурете надеждна защита на сензорите: Предпазвайте оптичните лещи и топлинните пирометри от интензивното UV излъчване на дъгата, ударите от пръски и силните електромагнитни смущения чрез въздушни ножове с подаване на въздух под налягане и оптични екрани.
- Предотвратявайте дрейфа на модела с калибрирани данни: Отчитайте различията в състоянието на повърхността на телта между партидите и износването на контактния накрайник на горелката, които постепенно променят базовите стойности на напрежението при дълги печатни задания от по 50 часа.
- Проверявайте чрез физическа металография: Редовно правете напречни сечения на пробни образци, за да съпоставяте сигналите за аномалии от ИИ с действителните микроструктурни дефекти.
Основни инженерни изводи и практически следващи стъпки
Адитивното производство с роботизирано дъгово напластяване на тел предлага революционен подход за изработване на масивни метални възли с форма, близка до крайната, и минимално количество отпадъци. Внедряването му в промишлеността обаче зависи изцяло от детерминистичната стабилност на процеса и сертифицираното осигуряване на качеството.
Чрез съчетаването на подсилени промишлени входове/изходи, детерминистични контролери за движение и откриване на аномалии с изкуствен интелект в реално време производителите могат да превърнат роботизираните заваръчни клетки в интелигентни, самонаблюдаващи се системи за адитивно производство на метални изделия.
