نشریه مهندسی مکانیک ایران

نشریه مهندسی مکانیک ایران

تشخیص مسیر جوشکاری لیزری صفحات مبدل های حرارتی تمام-جوشی با استفاده از الگوریتم های پردازش تصویر

نوع مقاله : مقاله علمی پژوهشی

نویسندگان
1 دانشجوی کارشناسی، گروه مهندسی مکانیک، دانشگاه فردوسی مشهد، مشهد، جمهوری اسلامی ایران
2 استادیار، گروه مهندسی مکانیک، دانشگاه فردوسی مشهد، مشهد، جمهوری اسلامی ایران
3 دکتری تخصصی، سرپرست مرکز پژوهش‌های صنعتی، طاها قالب توس، مشهد، جمهوری اسلامی ایران
4 کارشناس ارشد مهندسی مرکز فناوری‌های نوین، طاها قالب توس، مشهد، جمهوری اسلامی ایران
چکیده
مبدل‌های تمام جوشی، یکی از انواع مبدل‌های حرارتی صفحه‌ای می‌باشند که به دلیل کار در فشار و دمای زیاد، آب‌بندی آنها از اهمیت بالایی برخوردار است. در این پژوهش از جوش لیزر به‌جهت آب‌بندی صحیح صفحات استفاده می‌شود. یکی از عوامل اصلی و مهم در کیفیت جوشکاری لیزر، تشخیص موقعیت صحیح مسیر جوش است و چون صفحات دارای ضخامت کم در حدود 1 میلی‌متر هستند، این مسئله از اهمیت بالاتری برخوردار می‌باشد. تشخیص مسیر توسط اپراتور و به صورت بصری، فرآیندی زمان‌بر است و دقت تشخیص مسیر پایین می‌باشد. به عنوان روشی جایگزین سعی شده تا با استفاده از سیستم بینایی برای تصویربرداری مسیر پیش از شروع جوشکاری و سپس پردازش تصاویر، برنامه‌ مسیر حرکتی محورهای دستگاه مشخص شود. میزان خطا تشخیص مسیر در حدود 037/0 میلی‌متر گزارش شده، به عبارتی برنامه دارای دقت مطلوب می‌باشد. در آخر نتایج کنترل کیفیت بصری جوشکاری انجام شده بر ‌روی چند نمونه، نشان از کیفیت مطلوب جوش حاصل از سیستم توسعه داده شده می‎‌دهد.
کلیدواژه‌ها
موضوعات

[1] O. Levenspiel, “Introduction to Heat Exchangers,” pp. 243–249, 1998, doi: 10.1007/978-1-4899-0104-0_12.
 
[2] J.-P. Vasseur, and A. Dunkels, “Industrial Automation,” Interconnecting Smart Objects with IP, pp. 325–333, 2010, doi: 10.1016/B978-0-12-375165-2.00021-1.
 
[3] K. Xu, K. Qin, H. Wu, and R. Smith, “A New Computer-aided Optimization-based Method for the Design of Single Multi-pass Plate Heat Exchangers,” Processes, Vol. 10, No. 4, pp. 767, 2022, https://doi.org/10.3390/pr10040767.
 
[4] Z. Sun, and J. C. Ion, “Laser Welding of Dissimilar Metal Combinations,” Journal of Materials Science, Vol. 30, No. 17, pp. 4205–4214, 1995, https://doi.org/10.1007/BF00361499.
 
[5] W. J. Shao, X. F. Liu, and Z. J. Wu, “A Robust Weld Seam Detection Method Based on Particle Filter for Laser Welding by using a Passive Vision Sensor,” International Journal of Advanced Manufacturing Technology, Vol. 104, No. 5–8, pp. 2971–2980, 2019, https://doi.org/10.1007/s00170-019-04029-x.
 
[6] A. Rout, B. B. V. L. Deepak, and B. B. Biswal, “Advances in Weld Seam Tracking Techniques for Robotic Welding: A Review,” Robotics and Computer-integrated Manufacturing, Vol. 56, pp. 12–37, 2019, doi: 10.1016/J.RCIM.2018.08.003.
 
[7] M. Kos, E. Arko, H. Kosler, and M. Jezeršek, “Remote-laser Welding System with in-line Adaptive 3D Seam Tracking and Power Control,” Procedia CIRP, Vol. 81, pp. 1189–1194, 2019, doi: 10.1016/J.PROCIR.2019.03.290.
 
[8] N. Wei, X. Yin, Z. Li, J. Xi, R. Yang, and N. Kong, “A Seam Tracking Algorithm Utilizing Spatio-temporal Information of Laser Vision in Thin Plate Butt Welding for Shipbuilding,” Advances in Transdisciplinary Engineering, Vol. 37, pp. 74–81, 2023, doi: 10.3233/ATDE230124.
 
[9] Y. Zou, and W. Zhou, “Automatic Seam Detection and Tracking System for Robots Based on Laser Vision,” Mechatronics, Vol. 63, pp. 102261, 2019, doi: 10.1016/J.MECHATRONICS.2019.102261.
 
[10] Y. Xu, G. Fang, N. Lv, S. Chen, and J. Jia Zou, “Computer Vision Technology for Seam Tracking in Robotic GTAW and GMAW,” Robotics and Computer-Integrated Manufacturing, Vol. 32, pp. 25–36, 2015, doi: 10.1016/J.RCIM.2014.09.002.
                                                               
[11] P. Kiddee, Z. Fang, and M. Tan, “An Automated Weld Seam Tracking System for Thick Pate using Cross Mark Structured Light,” The International Journal of Advanced Manufacturing Technology 2016 87:9, Vol. 87, No. 9, pp. 3589–3603, 2016, doi: 10.1007/S00170-016-8729-7.
 
[12] Y. Xu, G. Fang, N. Lv, S. Chen, and J. Jia Zou, “Computer Vision Technology for Seam Tracking in Robotic GTAW and GMAW,” Robotics and Computer-integrated Manufacturing, Vol. 32, pp. 25–36, 2015, doi: 10.1016/J.RCIM.2014.09.002.
 
[13] Y. Ding, W. Huang, and R. Kovacevic, “An On-line Shape-matching Weld Seam Tracking System,” Robotics and Computer-integrated Manufacturing, Vol. 42, pp. 103–112, 2016, doi: 10.1016/J.RCIM.2016.05.012.
 
[14] J. Muhammad, H. Altun, and E. Abo-Serie, “Welding Seam Profiling Techniques Based on Active Vision Sensing for Intelligent Robotic Welding,” International Journal of Advanced Manufacturing Technology, Vol. 88, No. 1–4, pp. 127–145, 2017, doi: 10.1007/S00170-016-8707-0/METRICS.
 
[15] Y. Zou, X. Wei, and J. Chen, “Conditional Generative Adversarial Network-based Training Image Inpainting for Laser Vision Seam Tracking,” Optics and Lasers in Engineering, Vol. 134, pp. 106140, 2020, https://doi.org/10.1016/j.optlaseng.2020.106140.
                             
[16] J. Fan, S. Deng, F. Jing, C. Zhou, L. Yang, T. Long, and M. Tan, “An Initial Point Alignment and Seam-tracking System for Narrow Weld,” IEEE Transactions on Industrial Informatics, Vol. 16, No. 2, pp. 877–886, 2020, https://doi.org/10.1109/TII.2019.2919658.
 
[17] D. M. Boldrin, L. M. Tosatti, B. Previtali, and A. G. Demir, “Seam Tracking and Gap Bridging during Robotic Laser Beam Welding via Grayscale Imaging and Wobbling,” Robotics and Computer-integrated Manufacturing, Vol. 89, pp. 102774, 2024, doi: 10.1016/J.RCIM.2024.102774.
 
[18] H. Golnabi, and A. Asadpour, “Design and Application of Industrial Machine Vision Systems,” Robotics and Computer-integrated Manufacturing, Vol. 23, No. 6, pp. 630–637, 2007, doi: 10.1016/J.RCIM.2007.02.005.
 
[19] S. H. Dau, T. P. Dang, L. N. A. Khang, N. H. Chi, and L. H. Trang, “A Proposal for an Optical System Utilizing Two Lighting Methods Combined with an Offset Mirror System Applied to an Automated Quality Inspection System for Glass Bottle Bodies,” IFMBE Proc, vol. 122, pp. 1033–1046, 2025, doi: 10.1007/978-3-031-90194-2_75.
 
[20] T. Y. Goh, S. N. Basah, H. Yazid, M. J. Aziz Safar, and F. S. Ahmad Saad, “Performance Analysis of Image Thresholding: Otsu Technique,” Measurement, Vol. 114, pp. 298–307, 2018, doi: 10.1016/J.MEASUREMENT.2017.09.052.
 
[21] L. Lam, and S. W. Lee, “Thinning Methodologies—A Comprehensive Survey,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 14, No. 9, pp. 869–885, 1992, doi: 10.1109/34.161346.
[22] H. L. Weinert, “A Fast Compact Algorithm for Cubic Spline Smoothing,” Computational Statistics & Data Analysis, Vol. 53, No. 4, pp. 932–940, 2009, https://doi.org/10.1016/j.csda.2008.10.036.

  • تاریخ دریافت 13 شهریور 1403
  • تاریخ بازنگری 08 اردیبهشت 1404
  • تاریخ پذیرش 30 تیر 1404