Обнаружение дефектов в режиме реального времени при роботизированном аддитивном производстве методом дуговой наплавки проволоки

3D isometric tech illustration of an industrial robotic welding arm performing wire arc additive manufacturing with real-time laser defect detection sensors

Обнаружение дефектов в реальном времени при роботизированном аддитивном производстве методом дуговой наплавки проволокой

Как интеллектуальный мониторинг и оптимизация процессов могут повысить стабильность промышленной 3D-печати металлом.

Почему аддитивное производство методом дуговой наплавки проволокой (WAAM) требует строгого управления процессом в реальном времени?

Аддитивное производство металла позволяет инженерным командам изготавливать сложные конструкционные детали, послойно наращивая материал. По сравнению с фрезерованием на станках с ЧПУ из цельной заготовки или крупной поковки эта технология значительно сокращает расход исходного материала и сроки производства, а также позволяет создавать органические формы, практически недостижимые при использовании традиционной оснастки.

Аддитивное производство методом дуговой наплавки проволокой (WAAM) сочетает электрическую дугу (GMAW, GTAW или плазменную) в качестве источника тепла с обычной промышленной сварочной проволокой в качестве материала для наплавки. Промышленный сварочный робот с шарнирными сочленениями или портальная система перемещения направляет горелку по многоосевым траекториям, послойно формируя деталь заданной геометрии.

WAAM особенно привлекателен для изготовления крупногабаритных аэрокосмических, морских и энергетических конструкций благодаря скорости наплавки, превышающей несколько килограммов в час. Однако каждый слой одновременно служит основой для последующих проходов и подвергается их термическому воздействию, поэтому металлургическая целостность и точность размеров всей детали полностью зависят от непрерывной стабильности процесса.

Какие серьезные дефекты возникают при наплавке методом WAAM и почему контроля после обработки недостаточно?

Дефекты наплавки быстро возникают при нарушении стабильности физических процессов в дуге или изменении отвода тепла из-за разной толщины стенок детали. К типичным дефектам относятся:

  • Геометрическая нестабильность: Неравномерная высота валика или образование наплывов из-за колебаний скорости подачи проволоки или перемещения горелки.
  • Несплавление и холодные наплывы: Недостаточное тепловложение не позволяет расплавить нижележащую поверхность или соседний валик.
  • Пористость и окисление: Турбулентность защитного газа, загрязнение поверхности или попадание воздуха.
  • Чрезмерное разбрызгивание и термическая деформация: Нестабильные режимы переноса металла дугой создают остаточные напряжения и вызывают геометрическую деформацию.

Подповерхностные дефекты и внутренние пустоты практически невозможно обнаружить визуальными камерами после того, как их перекрывают последующие проходы. Если проверять крупные детали только после обработки методами неразрушающего контроля (ультразвуковым, вихретоковым или промышленной компьютерной томографией), дефекты обнаруживаются лишь спустя несколько дней производства, когда уже израсходованы сотни фунтов сварочной проволоки. Это приводит к катастрофическим затратам на брак.

Эта реальность подталкивает к переходу на мониторинг в режиме реального времени непосредственно в процессе производства: аномалии выявляются сразу после их возникновения, чтобы роботизированная ячейка могла приостановить работу, скорректировать процесс или отметить место для немедленного ремонта.

Как мониторинг процесса на основе ИИ переводит WAAM от заранее заданных режимов к адаптивному производству?

В недавнем исследовании, опубликованном в журнале Применение искусственного интеллекта в инженерии (1 ноября 2026 года), рассматривается передовая система на основе ИИ для классификации дефектов в реальном времени и автоматической оптимизации процесса роботизированного дугового аддитивного производства.

Традиционный контроль качества опирается на статические пороговые сигналы тревоги (например, остановку, если ток отклоняется более чем на ±10 А). Однако дуговая сварка по своей природе динамична: кратковременные скачки тока обычно возникают при запуске и остановке, а также при прохождении углов и не указывают на дефекты. И наоборот, опасные случаи несплавления часто проявляются в виде малозаметных сдвигов корреляций между несколькими переменными, а не превышения порога по одной переменной.

Обученные нейронные сети и ансамблевые модели машинного обучения эффективно объединяют высокочастотные данные с множества каналов сенсоров. Выявляя многомерные характерные закономерности, системы ИИ могут отличать штатные помехи процесса от развивающихся дефектов, прокладывая путь к по-настоящему автономному адаптивному производству с обратной связью.

Какие ключевые параметры сенсоров и движения должна отслеживать комплексная система мониторинга WAAM?

Надежная архитектура мониторинга процесса WAAM объединяет мультимодальные средства измерения в электрической, визуальной, тепловой и механической областях:

1. Электрические сигналы дуги и мощности

Мгновенные осциллограммы напряжения дуги и сварочного тока показывают механизмы отделения капель, частоту коротких замыканий и общую стабильность дуги. Для высокоточной регистрации данных требуется детерминированное изолированное аналоговое оборудование, например 8-канальный модуль аналогового ввода Yokogawa AAI135-S03, или специализированные каналы измерения тока, такие как модуль аналогового ввода тока Yokogawa SAI143-H63, для передачи синхронизированных данных об электрических параметрах без наложения спектров.

2. Визуальная и тепловая информация о процессе

Высокоскоростные соосные камеры наблюдают за геометрией расплавленной сварочной ванны, вылетом проволоки и центровкой дуги. Параллельно инфракрасные пирометры и тепловизионные системы отслеживают градиенты охлаждения. Контроль температуры между проходами часто осуществляется с помощью прецизионных входных модулей для термопар и термосопротивлений, таких как модуль ввода температуры Bachmann PTAI216, чтобы проверять, остается ли тепловой режим основного слоя в пределах металлургических квалификационных норм перед наложением следующего валика.

3. Кинематика робота и телеметрия движения

Угол наклона горелки, фактическая скорость перемещения TCP и профили ускорения напрямую определяют линейную тепловую энергию (кДж/мм). Аппаратные процессоры движения, например модуль GE Fanuc IC693APU302 Motion Mate APM, координируют формирование профилей движения и обеспечивают синхронную обратную связь по траектории, позволяя сопоставлять аномалии датчиков с точными трехмерными координатами обрабатываемой детали.

4. Динамика системы подачи проволоки

Датчики натяжения, оптические энкодеры скорости проволоки и телеметрия тока двигателя отслеживают равномерную подачу через направляющий канал, предотвращая проскальзывание проволоки или микрозамирания, приводящие к катастрофическому обратному прогоранию дуги.

Как производителям оборудования интегрировать обнаружение аномалий с помощью ИИ с контроллерами промышленных роботов и ПЛК?

Сырые данные датчиков не имеют смысла без защищенного промышленного интерфейса, связывающего периферийный аналитический механизм с программируемым контроллером автоматизации производственной ячейки.

Проверенная архитектура развертывания передает потоки данных с датчиков на периферийный промышленный компьютер (IPC), выполняющий предварительно обученные модели вывода. Чтобы обеспечить детерминированное время цикла ПЛК в миллисекундах при обработке интенсивного сетевого трафика, инженеры по автоматизации часто устанавливают выделенные сопроцессоры связи, например программируемый сопроцессорный модуль GE Fanuc IC693PCM311, для буферизации флагов состояния в реальном времени и координат дефектов в сетях промышленных полевых шин.

В зависимости от серьезности аномалии система выполняет предусмотренные ступенчатые действия:

  • Регистрация рекомендаций: Маркировка точных координат слоя CAD/CAM для целевого ультразвукового контроля после изготовления.
  • Пауза между проходами: Подача сигнала контроллеру робота для остановки в конце валика с запуском автоматической очистки или ожидания показаний пирометра.
  • Адаптивная корректировка параметров: Динамическое изменение скорости подачи проволоки или скорости перемещения робота в пределах допусков предварительно квалифицированной технологии сварки (WPS).

 

Инженерное примечание: Изменение параметров ни в коем случае не должно выполняться без ограничений. Автономные корректировки должны строго соответствовать утвержденным записям квалификации технологии сварки (PQR), чтобы не изменять механические свойства при растяжении или вязкость разрушения.

Какие ключевые данные необходимы для ведения аудиторской записи прослеживаемости качества деталей, изготовленных аддитивным способом?

В критически важных отраслях, таких как аэрокосмическая и оборонная промышленность, обнаружение дефектов должно завершаться созданием неизменяемого цифрового паспорта производства для каждого компонента с серийным номером. Набор данных WAAM, соответствующий требованиям аудита, должен включать:

  • Уникальный серийный номер компонента, редакция CAD-модели и хеш траектории послойного построения.
  • Номер партии катушки проволоки, сертификаты химического состава и журналы состава защитного газа.
  • Синхронные временные ряды значений тока, напряжения, подачи проволоки и скорости перемещения.
  • Пространственное трёхмерное облако точек положения роботизированной горелки и расчётное линейное тепловложение.
  • Версия модели ИИ, оценки уверенности и зарегистрированные оповещения об аномалиях.
  • Записи о вмешательстве операторов, проверке межслойной температуры и сменные журналы.

Интеграция этого периферийного репозитория с корпоративной системой MES или PLM обеспечивает полное соответствие стандартам аддитивного производства ISO/ASTM 52920 и AWS D20.1.

Какие практические инженерные шаги следует предпринять производителям перед внедрением ИИ-мониторинга в производственном цехе?

Переход от лабораторной проверки концепции к работе в суровых производственных условиях требует строгого соблюдения инженерных практик:

  • В первую очередь выявляйте конкретные признаки дефектов: Сосредоточьте первые модели на обнаруживаемых дефектах с серьёзными последствиями (например, наплывах или несплавлениях), а не пытайтесь сразу охватить универсальную классификацию.
  • Обеспечьте надёжную защиту датчиков: Защищайте оптические линзы и тепловые пирометры от интенсивного ультрафиолетового излучения дуги, ударов брызг металла и сильных электромагнитных помех с помощью воздушных ножей под давлением и оптических экранов.
  • Предотвращайте дрейф модели с помощью калиброванных данных: Учитывайте различия поверхности проволоки от партии к партии и износ контактного наконечника горелки, которые постепенно смещают базовые значения напряжения при длительной печати, занимающей 50 часов.
  • Проверяйте результаты методами физической металлографии: Регулярно выполняйте поперечные срезы контрольных образцов, чтобы сопоставлять сигналы ИИ об аномалиях с реальными дефектами микроструктуры.

Основные инженерные выводы и практические шаги

Роботизированное аддитивное производство металлических изделий дуговой наплавкой проволоки открывает революционные возможности для изготовления массивных металлических сборок, близких к конечной форме, с минимальными отходами. Однако внедрение этой технологии в промышленность полностью зависит от стабильности процесса и сертифицированного контроля качества.

Сочетая защищённые промышленные модули ввода-вывода, детерминированные контроллеры движения и ИИ для обнаружения аномалий в реальном времени, производители могут превратить роботизированные сварочные ячейки в интеллектуальные системы аддитивного производства металлоконструкций с функцией самоконтроля.

Об авторе

Chen Weiming — ведущий инженер по робототехнике и системам автоматизации сварки с обширным практическим опытом интеграции многоосевых роботов, применения технологий дугового контроля и работы с телеметрией промышленных ПЛК/РСУ.

Показать все
Сообщения в блоге
Показать все
3D isometric tech illustration of an industrial robotic welding arm performing wire arc additive manufacturing with real-time laser defect detection sensors

Обнаружение дефектов в режиме реального времени при роботизированном аддитивном производстве методом дуговой наплавки проволоки

Узнайте, как интеллектуальный мониторинг, сбор данных с нескольких датчиков и обнаружение дефектов с помощью ИИ в реальном времени повышают стабильность наплавки и однородность деталей при роботизированной дуговой наплавке проволокой (WAAM).
3D isometric tech illustration of an industrial high-performance motion control MCU on a circuit board with servo drives and EtherCAT communication

Микроконтроллеры для промышленного управления движением: возможности высокопроизводительных встраиваемых вычислений

Узнайте, как высокопроизводительные промышленные микроконтроллеры, такие как семейство GD32H7 Arm Cortex-M7, обеспечивают компактные сервоприводы, поддержку EtherCAT на кристалле и функциональную безопасность уровня SIL 2/SIL 3.
3D isometric illustration of industrial gas density measurement system and DCS control integration

Измерение плотности промышленного газа: новый подход к мониторингу водорода и технологических процессов

Как современные приборы на основе резонанса улучшают контроль состава газа, прозрачность работы и интеграцию измерений в водородных и промышленных технологических системах.