數字化焊接技術研究現狀與趨勢

王克鴻，黃勇，孫勇，吳統立

(1. 南京理工大學 材料科學與工程學院，江蘇 南京 210094； 2. 武漢軍代局駐5103廠代表，河南 南陽 473000)

數字化焊接技術研究現狀與趨勢

王克鴻1，黃勇1，孫勇2，吳統立1

(1. 南京理工大學 材料科學與工程學院，江蘇 南京 210094； 2. 武漢軍代局駐5103廠代表，河南 南陽 473000)

針對焊接技術的數字化，結合互聯網絡、數字信號處理、傳感感知、工業機器人、數據庫以及CAD/CAPP等技術在焊接領域的應用特點，歸納分析了數字化電源、接縫跟蹤、熔池視覺等焊接裝備數字化技術；焊接工藝自動設計、機器人焊接工藝智能規劃等焊接工藝數字化技術；焊接模擬仿真技術；焊接物聯網絡、焊接工藝傳感、焊接質量智能評價、焊接生產管理等車間級數字化技術的現狀和發展，給出了數字化焊接技術具有功能強大、高效穩定、柔性快速、適應性強、海量數據、擴展性好等顯著特點，探討了數字化焊接技術的主要發展方向，認為智能化焊接單元和數字化焊接車間相關技術將促進焊接技術的快速發展。

焊接裝備數字化；焊接工藝數字化；焊接模擬仿真技術；車間級數字化

0 引言

隨著現代信息技術的廣泛應用，“數字化”概念越來越清晰地呈現在人們面前。所謂數字化技術，一般是指以計算機及互聯網為技術手段，以信息的離散化表述、傳感、傳遞、處理、存儲、執行和集成等信息科學理論及方法為基礎的集成技術。數字化作為信息化技術的核心，是兩化融合的關鍵，是發展最為迅速的信息化技術，數字化焊接技術是數字化技術與焊接工藝技術相結合而產生的一類數字化應用技術，主要包括焊接裝備數字化、焊接工藝數字化、焊接模擬仿真數字化、車間級焊接數字化技術等幾個方面。數字化焊接技術應具有如下特征，“焊接裝備單元智能化、工藝設計專家化、焊接過程控制數字化、生產過程可視化、技術管理網絡化、接頭質量透明化”等，主要應用于現代制造業的焊接車間，可顯著提升產品焊接品質、穩定性、可靠性和生產效率，減少焊接材料、能量的消耗以及焊接工時，降低生產成本，提升整體效能，數字化焊接技術是多項技術的集成，其相互關系如圖1。

圖1 數字化焊接生產線集成關系圖

1 焊接裝備單元級數字化技術

1.1 數字化焊接設備

數字化焊機是指在逆變焊機的基礎上，以數字控制技術為基礎，采用數字信號處理器(DSP)作為核心，即用0/1編碼的數字信號代替模擬信號。從而獲得具有精密化、網絡化、高效化、綠色化和人性化的新型焊機[1]。數字化焊機使電源、送絲機、機器人、冷卻裝置、焊槍、工裝之間以及人機交互變得方便快捷，全數字化焊機包含焊機電源數字化、送絲機數字化和焊機面板數字化，不僅焊接電源自身采用了數字化控制系統，電源與工藝過程交互控制也采用數字控制方式，其主要特點之一是焊機內置“焊接專家系統及數據庫”，使用者可實現一元化操作，可快速準確獲得最優的焊接工藝規范參數，保證了焊接工藝品質[2]，體現了數字化焊機核心能力；全數字化焊機還具有遠程故障診斷、遠程修復、遠程控制軟件升級、焊接參數在線記錄等拓展功能。數字化焊接電源以其更高的控制精度、良好的接口兼容性在數字化焊接技術中正發揮越來越重要的作用。

1.2 焊縫跟蹤技術

焊縫跟蹤技術作為智能化單元技術，是數字化焊接的重要組成部分，目前主要的接縫跟蹤可分為電弧自傳感跟蹤(圖2)和激光-CCD跟蹤(圖3)，傳統的機械、其中激光-CCD跟蹤[3-7]以其靈活、方便、適應面寬、跟蹤效果好等優勢，表現最為活躍。

圖2 基于擺動掃描電弧傳感器的焊縫跟蹤系統

圖3 激光-CCD接縫跟蹤傳感器

電弧自傳感跟蹤主要適用于熔化極氣保焊，焊槍擺動引起弧長有規律的波動，進而引起焊接電流急劇變化，同步感知電流的變化量，可獲得焊槍和坡口橫向與高低方向的偏差，實現在線調整，該方法不需要在焊槍上附加外部裝置，電弧自傳感，完全消除了盲區和滯后誤差，實時性強、成本低等顯著優勢，但也存在必須擺焊、適應面窄等不足。激光-CCD傳感器的機理是三角測量原理，當激光條紋投射到坡口表面，形成截面幾何條紋，可得到坡口幾何與位置信息。Gonzalez-Galva等人[8]進行了激光-CCD焊縫軌跡跟蹤、精度0.15 mm；加拿大的 Servo-robot公司、英國NI和Meta 等公司，針對不同應用場合已研制出多種接縫跟蹤商業化產品，產品精度達到0.1-0.2 mm，最大焊速可達100 cm/min，還擴展到焊前定位、裝配品質檢測，熔池感知的自適應控制、焊縫形貌和焊接缺陷檢測等方面。同時，國內外學者Nele[9]、Xu Y L[10]等開展了被動視覺CCD跟蹤的研究，利用弧光本身照亮接縫，避免了激光-CCD的超前檢測誤差，但信噪比較低，上述研究獲得了清晰的圖像，跟蹤試驗效果較好。未來焊縫跟蹤將朝著高速化，微型化，多功能化，網絡化的方向發展，以滿足100-300 cm/min高速弧焊、400-600 cm/min快速激光焊和智能化焊接的需求。

1.3 熔池視覺技術

眾所周知，經驗豐富的焊工可通過觀察熔池形貌變化，調整手中焊槍姿態及進給來獲得優質焊縫。表明熔池視覺形貌承載著與焊接質量相關的很多信息。Dr Luo Hong等人[11]為克服強弧光和飛濺對熔池傳感的影響，采用脈沖激光器快速照射熔池，利用經窄濾光的 CCD 采集到清晰的熔池圖像，實現了焊縫成形的控制。閆志鴻等人[12]針對PMIG焊熔池，進行了 CCD 視覺檢測采集，提取了熔池二維幾何信息(圖4)。Baskoro，A.S等人[13]傳感采集了鋁合金TIG焊熔池，通過熔池亮度差檢測熔池邊緣，獲得了穩定的熔池邊緣，用橢圓逼近法獲取了熔池寬、長和面積，效果良好。國內外還開展了陰影恢復形狀法、雙目立體視覺法、結構光三維視覺法等重建熔池的三維圖像；上海交通大學的王繼鋒[14]采用陰影恢復技術得出了熔池的三維形貌，并采用線性化近似求解簡化了計算過程，提高了處理速度；美國Chris Mnich等人[15]使用雙目立體視覺法(圖5)對GMAW的管道焊接熔池進行恢復，可以看到恢復的熔池表面凹凸感明顯，細節豐富，與熔池實際形狀吻合度高。美國肯塔基大學張裕明教授[16]提出了結構光三維視覺法來檢測熔池信息，采用337 nm波長、瞬時功率達50 kW的脈沖激光照射熔池，攝像機同步拍攝，獲取了清晰的熔池表面反射圖像，采用圖像處理提取出結構光激光條紋的柵格輪廓，計算出熔池表面的高度三維信息，張裕明[17-19]在線性條紋結構激光的基礎上，利用點陣結構激光檢測熔池表面三維形貌信息，精度更高。

圖4 熔池圖像邊緣提取技術

圖5 雙面立體視覺法重建熔池三維形狀

2 焊接工藝數字化技術

2.1 焊接工藝自動化設計系統

長期以來歐美國家相繼開展了焊接數據庫系統的研究，包括母材、焊接方法、焊接材料、坡口形狀、工藝條件、厚度范圍等條件的數據庫等。部分西方國家完成的數據庫系統見表1[20]。

表1 部分西方國家完成的數據庫系統

續表1

Weldmanger焊接數據庫焊接研究所美國Weldplan焊接生產計劃焊接研究所丹麥Filler2焊材數據庫Davignon工業公司英國Weldspec焊接工藝數據庫焊接研究所英國

國內的研究始于20世紀 90 年代，集中在焊接工藝評定數據庫、工藝自動設計、材料定額等幾個方面。表2給出了部分主要的焊接數據庫系統。

表2 國內部分焊接數據庫系統

哈工大和哈爾濱鍋爐廠研發了鍋爐及壓力容器焊接數據庫[21]，包括鋼材和焊接材料的力學性能與化學成分、焊接性試驗結果及焊接CCT圖等。魏艷紅[22]參照“JB4708-2005”等標準，運用面向對象的設計方法，借助 UML 圖形，開發了基于Client/Server/ Database 三層結構的焊接工藝評定管理系統。南京理工大學王克鴻[23]針對重型車輛開發了焊接工藝計算機輔助設計與品質評價系統，具有焊接接頭信息輸入，焊接工藝自動設計與批處理輸出等功能，實現了推理過程的多參數、多規則約束的自動工藝求解，基于JB-4708-2008的面向鍋爐壓力容器的WCAPP系統[24]，在容器行業獲得應用。目前，焊接數據庫和工藝自動設計的研究已逐步成熟，隨著網絡化的發展，開發基于Intranet的Client/Server模式和基于 Internet 的 Browser/Server 模式的數據庫已成為主流。

2.2 機器人焊接智能規劃技術

焊接機器人離線編程技術逐步從基于圖形的屏幕示教向智能編程方向發展，離線編程的核心是焊接任務、焊接路徑、焊槍姿態和焊接參數的規劃問題(圖6)。路徑規劃可通過CAD 建模和視覺系統來實現，并進行無碰撞校正；焊槍姿態規劃可依據焊接位置和工件條件，自動設計最佳的焊槍位姿，以獲得最好的焊縫質量；焊接工藝規劃主要依據焊接CAPP系統進行，重點是CAD、CAPP和離線編程系統的集成。法國Institut De Soudure等單位聯合開發機器人焊接的離線編程軟件ACT WELD，通過自動編程、形成機器人程序，系統還支持典型的焊件參數化裝配，可集成焊縫跟蹤和自適應傳感器同時使用。南京理工大學王克鴻[25]二次開發了MotoMan機器人的離線編程與仿真系統，研究了焊縫幾何信息的提取、軌跡路徑和姿態的規劃、焊接工藝參數設計等，獲得了良好的效果。彭湃等人[26]針對機器人焊接參數規劃問題，采用前饋式神經網絡——單參數動態搜索算法(SPD)設計了機器人焊接參數規劃器，收斂效果優于BP算法。何廣忠[27]開展了焊接工件特征建模、參數規劃、綜合特征識別等技術研究，依托 SolidWorks 開發了焊件特征建模器。

圖6 機器人焊接智能規劃結構圖

3 焊接模擬仿真技術

焊接數值模擬技術通過一組描述焊接基本物理過程的偏微分方程及其定解條件來模擬焊接過程，采用數值方法求解以獲得對焊接過程的定量認識[28]。通過數值模擬與仿真和人工智能技術相結合來確定工藝參數，優化工藝方案，預測加工過程中可能產生的缺陷及采取的防止措施，控制和保護加工工件的品質，還可以解決一些目前尚無法在實驗室里進行直接研究的復雜問題。目前，數值模擬技術已經滲透到各個方面，如焊接熱傳導模型、TIG/MAG焊接熔池形態及傳熱特性、焊接結構件應力和變形預測、接頭氫擴散的數值模擬、焊接接頭組織和性能模擬及預測等(圖7，圖8)，特別焊接熱傳導模擬已經從普通熔焊過程逐步擴展到高能束焊接方法，逐步由單一的溫度場計算發展到流場和熱場耦合計算；焊接結構件的應力和變形可計算的構件也越來越復雜，可逐步實現焊接工序優化。焊接接頭組織和力學性能模擬和預測也有了長足的進步，特別是在組織模擬方面，一些新技術如蒙特卡羅、元胞自動機和相場法的逐步引入，使組織模擬研究非常活躍[29]。

圖7 GMAW-P焊溫度場分布模擬

圖8 激光焊溫度場分布模擬

4 車間級焊接數字化技術

4.1 焊接物聯網絡與工藝參數在線傳感系統

車間級焊接數字化是指裝焊車間焊接裝備智能化、控制過程數字化、生產過程可視化、生產管理網絡化、接頭質量透明化等。唐山松下[30]針對焊機群組化管理，結合有線和無線WiFi網絡建立了數字化焊機網絡監控系統，通過感知焊接信息、實現對焊機的數據、品質、維護、生產和成本等五方面的管理，可對電流、電壓、時間、氣體及焊絲的消耗量等進行管理。時代科技[31]通過CAN總線或485總線實現焊接設備與上位機之間的交互通信，建立了數字化焊接設備的生產現場集中控制管理系統。山東奧太[32]以數字化焊機為最小單元,組成的自動焊接系統，通過局域網實現設備信息互通和網絡化群控管理。上海交通大學[33]針對船舶焊接監測開發了基于無線ZigBee技術的焊接電源群組化監測系統，實現了船舶焊接無線通信技術群組化監測焊接電源。天津大學胡繩蓀教授[34]將嵌入式系統接入以太網，嵌入式Web服務器可以在Internet或局域網內通過IE瀏覽器被訪問，從而實現焊接監測系統的遠程監視、控制、診斷、測試和配置等。南京理工大學王克鴻[35-36]開發了實時傳感采集焊接過程參數，分析計算波形特征參數，在線與WCAPP系統推理工藝參數進行比對，判斷焊接過程穩定性和工藝合理性，并通過局域網實現遠程在線監視，圖9是結構模型，圖10是終端系統主界面， 圖11是焊接過程信息互聯和遠程傳輸客戶端界面。

圖9 焊接工藝信息采集與質量評價系統的結構模型

圖10 終端機本地傳感采集軟件系統主界面

圖11 是焊接過程信息互聯和遠程傳輸客戶端

4.2 焊接過程與焊縫質量數字評價技術

焊接過程是一種十分復雜的理化變化過程，其穩定性與品質信息蘊含在電壓、電流、電弧光信號等信息之中。通過傳感采集電流、電壓、熔池圖像等信號進行實時分析，提取特征參數，可在線和離線判斷焊接過程的穩定性、缺陷產生和品質。Rehfeldt[37]利用漢諾威質量分析儀統計GMAW焊短路過渡周期分布、燃弧時間分布等參數，分析焊接過程穩定性。Quinn等人[38]在研究焊接電流、弧壓及其派生出來的7種參數與焊接缺陷關系的基礎上，提出基于參數基值和閾值原理的缺陷識別方法。Polte T 等人[39]設計一個模糊邏輯系統，采用電壓概率分布和短路時間累計分布兩個統計指標，探索GMAW 焊質量評價。李迪、宋永倫等人[40]提取CO2焊電弧信號特征，采用自組織特征映射(SOM)神經網絡對焊接缺陷進行分類，實現在線識別焊縫缺陷。武傳松[41]通過自組織特征映射(Kohonen)神經網絡模型依據不同焊接工藝條件下焊接電壓的概率密度分布曲線(PDD)以及短路過渡時間的頻數分布曲線(CFD)對焊接過程的干擾信號進行自動識別。王克鴻[42-45]針對GMAW典型熔池圖像灰度分布及幾何信息，提出利用近似熵、不變矩等特征參數研究GMAW焊接過程缺陷與熔池圖像信息之間關系的新思路。Hirai A等[46]在機器人焊接系統中通過CCD攝像機采集熔池圖像，并計算熔池參數和熔池穿透深度建立熔池參數和熔池穿透深度的模糊神經網絡模型與控制，實現熔池滲透深度的智能化控制。Pal S等[47]通過對脈沖焊接過程中的電壓和電流信號以及測得的焊接接頭強度建立神經網絡模型，實現焊接接頭強度的預測。Elena Koleva等[48]依據焊接電流、電極的一整圈的時間等參數和接頭品質之間的關系建立神經網絡模型，根據需要的接頭品質控制焊接電流等參數，實現焊接過程優化。

5 結語

目前數字化焊接技術是焊接裝備單元、焊接工藝、焊接過程、質量控制、生產管理、質量評價數字化技術的組合，是網絡技術、傳感技術、數字建模技術、智能控制技術、機器人技術、CAD/CAPP技術等的集成應用；裝備單元智能化、模擬仿真實用化、焊接工藝自動化、焊接車間網絡化、過程與工藝信息感知數字化、焊接生產管理無紙化、焊接質量檢測評價準確化是今后發展的重點和熱點方向，智能化焊接單元和數字化焊接車間的集成式研發與應用將進一步促進現代焊接技術的發展，將大幅提升焊接制造智能化水平和制造業基礎工藝能力。

[1] 殷樹言，劉嘉. 關于數字化焊機發展的幾點思考[J]. 電焊機，2009，39(2).

[2] 黃黎明，李磊. 數字化焊接設備[J]. 航空制造技術，2008(9)：101-102.

[3] Liu Suyi, Liu Lingteng, Zhang Hua. Study of Robot Seam Tracking System with Laser Vision[C]. 2009 International Conference on Mechatronics and Automation (ICMA 2009), 2009.

[4] Sung K, Lee H, Choi YS, Rhee S. Development of a Multiline Laser Vision Sensor for Joint Tracking in Welding[J]. WELDING JOURNAL, 2009, 4(88):79-85.

[5] Kim Taewook, Lee Seungbeom, Baek Seunghwan. A study on the welding seam tracking by using Laser Vision Sensor[C]. Control Automation and Systems (ICCAS), 2010 International Conference on, 2010.

[6] Yu Huang, Yangliu Xiao, Pingjiang Wang. A seam-tracking laser welding platform with 3D and 2D visual information fusion vision sensor system[J]. The International Journal of Advanced Manufacturing Technology, 2013.

[7] Trinnachoke Eiammanussakul, Jirawut Taoprayoon, Viboon Sangveraphunsiri. Weld Bead Tracking Control of a Magnetic Wheel Wall Climbing Robot Using a Laser-Vision System[J]. Applied Mechanics and Materials, 2014.

[8] Gonzalez-Galvan, E.J, Loredo-Flores, A, Pazos-Flores，F，etc. An Optimal Path-Tracking Algorithm for Unstructured Environments based on Uncalibrated Vision[C], Proceedings-IEEE International Conference on Robotics and Automation, 2005, 2547-2552.

[9] L. Nele, E. Sarno, A. Keshari. An Image Acquisition System for Real-Time Seam Tracking[J]. Int Journal of Advanced Manufacturing Technology, 69 (9-12) (2013), pp. 2099-2110.

[10] Yanling Xu, Huanwei Yu, Jiyong Zhong, Tao Lin, Shanben Chen. Real-time Seam Tracking Control Technology during Welding Robot GTAW Process Based on Passive Vision Sensor[J]. Journal of Materials Processing Technology, 2012, 212 (8), 1654-1662.

[11] Dr Luo Hong, Lawrence Foong, Mun Kee, et al. Vision Based GTA Weld Pool Sensing and Control Using Nero fuzzy Logic[J]. In: SIM Tech Technical Report (AT/00/011/AMP)，2000.

[12] 閆志鴻，張廣軍，邱美珍，等. 脈沖熔化極氣體保護焊熔池圖像的檢測與處理[J]. 焊接學報，2005，26(2)：37-40．.

[13] AS Baskoro, M Kabutomori, Y Suga. Automatic Welding System of Aluminum Pipe by Monitoring Backside Image of Molten Pool Using Vision Sensor[J]. Journal of Solid Mechanics & Materials Engineering, 2008, 2(5): 582-592.

[14] 王繼鋒，王文怡，陳善本. 基于線性化算法的熔池三維形狀提取[J]. 焊接學報，2007，28(8)：54-56.

[15] Mnich C, Al-Bayat F, Debrunner C, et al. In Situ Weld Pool Measurement Using Stereovision[C]. Proceedings of 2004 JUSFA, 2004 Japan-USA Symposium on Flexible Automation. 2004.

[16] Zhang Y M, Li L, Kovacebic R. Monitoring of weld pool appearance for penetration control[C]. 4th international conference on trends in welding research. Gatlinburg, 1995:5-8.

[17] SONG H S, ZHANG Y M. Measurement and Analysis of Three-Dimensional Specular Gas Tungsten Arc Weld Pool Surface[J]. Welding Journal, 2008, 87(4):85-95.

[18] Z Wang, YM Zhang, R Yang. Analytical reconstruction of three-dimensional weld pool surface in GTAW[J]. Journal of Manufacturing Processes, 2013.

[19] XJ Ma, YM Zhang. Reconstruction of Three-Dimensional Gas Metal Arc Weld Pool Surface from Reflected Laser Pattern[J]. Journal of Manufacturing Science and Engineering, 2013.

[20] 李巍，魏艷紅. 焊接工程數據庫系統綜述[J]. 焊接，2006，50(11)：17-21.

[21] 魏艷紅. 材料焊接性試驗方法新探——焊接工藝設計智能保證系統的研究[D]. 哈爾濱：哈爾濱工業大學，1989：1-3.

[22] 黃濤，魏艷紅. 焊接工藝評定數據庫研究進展[C]. 第十六次全國焊接學術會議論文摘要，2011.

[23] 王克鴻，韓杰，李帥，等. 重型車輛計算機輔助焊接工藝自動設計系統[J]. 焊接學報，2005，26(10)：5-8.

[24] 錢曉軍，沈春龍，王克鴻，等. 壓力容器工藝評定規則組織與推理流程設計[J]. 焊接，2007，05(02)：49-52.

[25] 王克鴻，劉永，許越蘭，等. 弧焊機器人離線編程系統[J]．焊接學報，2001，22(4)：84-87．.

[26] 彭湃，吳林，田勁松，等. 神經網絡在機器人焊接參數規劃中的應用[J]. 焊接學報，2001，22(4)：39-42.

[27] 何廣忠，高洪明，張廣軍，吳林. 弧焊離線編程系統中計算機輔助編程技術[J]. 焊接學報，2006，27：81-84.

[28] 武傳松. 焊接工藝過程數值模擬[C]. 中國焊接學會計算機應用技術專業委員會重慶會議，2002：12-19.

[29] 王中輝，李冬雪. 焊接數值模擬技術的發展現狀[J]. 焊管，2010，33(6)：28-31.

[30] 王偉. 數字化網絡監控系統在焊接領域中的應用[J]. 電焊機，2012，42(6) .

[31] 張蘭，苗則層，李力. 數字化焊接設備生產現場集中控制管理系統[J]. 工程焊接，2011，3.

[32] 張光先，陳冬巖，等. 焊接設備的數字化、網絡化及群控系統[J]. 電焊機，2013，43(5)：10-16.

[33] 朱俊杰，楊成本，蔡艷，等. 基于ZigBee技術的焊接電源群組化監測系統設計[J]. 2011，41(1).

[34] 王建明. 基于嵌入式以太網web服務器的焊接參數監控系統研究[D]. 天津：天津大學，2012(12).

[35] 錢曉軍，沈春龍，王克鴻，等. 面向WCAPP的工藝數據處理技術[J]. 焊接學報，2007，28：53-57.

[36] 王克鴻，楊燕，王波，等. 基于網絡的焊接工藝信息發布平臺的建立[J]. 焊接學報，2006，27：11-14.

[37] Rehfeldt D, Schmitz T．A system for process quality evaluation in GMAW[J]. Welding in the World, 1994, 34( 4):227-234．.

[38] Quinn T P, Smith C, Mccowan C N, et al．Arc sensing for defects in constant-voltage gas metal arc welding[J]. Welding Journal, 1999, 78(9):322-328．.

[39] Polte T, Wu C S, Rehfeldt D. A fuzzy logic system for process monitoring and quality evaluation in GMAW[J]. Weld Journal, 2001, 80(2):33-38.

[40] 李迪，宋永倫，等. 基于電弧傳感GMAW過程焊縫缺陷識別方法[J]. 焊接學報，2000，21(1)：30-33.

[41] 武傳松. GMAW焊接過程監測Kohonen神經網絡系統[J]. 機械工程學報，2002，38(1)：131-134.

[42] 高飛，王克鴻，等. MAG焊熔池圖像各區域定義及近似熵分析[J]. 焊接學報，2012，33(10).

[43] 沈螢吉，王克鴻，等. 基于視覺的焊接缺陷熔池圖像特征探討[J]. 焊接學報，2012，33(1).

[44] Gao Fei, Wang Kehong. Classification of MAG weld pool image based on moment invariants and fisher[J]. China Welding, 2011, 20(4).

[45] 楊嘉佳，王克鴻，吳統立，等. 鋁合金雙絲脈沖MIG焊雙向熔池同步視覺傳感及圖像處理[J]. 機械工程學報，2014，50(12).

[46] Hirai A, Kaneko Y, Hosoda T, et al. sensing and control of weld pool by fuzzy-neural network in robotic welding system[J]. The 27th Annual Conference of the IEEE Industrial Electronics Society. 2001:238-242.

[47] Pal S, Surjya K P, Arun K S. Artificial neural network modeling of weld joint strength prediction of a pulsed metal inert gas welding process using arc signals[J]. Journal of Materials Processing Technology. 2008,202(1-3):464-474.

[48] Elena Koleva, Nikolinka Christova, Kamen. Neural Network Based Approach for Quality Improvement of Orbital Arc Welding Joints[C]. The 5th IEEE International Conference of Intelligent Systems. 2010.

Research Status and Development of Digital Welding Technology

WANG Kehong1，HUANG Yong1, SUN Yong2, WU Tongli1

(1. School of Material Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094,China；2. Representive from Wuhan Military Administration in 5103 Factory,Nanyang 473000,China)

As for the digital welding technology, this paper introduces the features of Internet, digital signal processing, sensing, industrial robot, database and CAD/CAPP which are applied to the welding field and summarizes the present research status and development of the welding equipment with the digital welding technology, including digital power, seam tracking, welding pool visual technology, automatic design for welding procedure, intelligent design of robot welding procedure, the welding simulation technology and the workshop level digital technology, including welding network, intelligent evaluation of welding quality, welding production management and so on. Its features, such as powerful function, high efficiency, stability, flexibility, strong adaptability, large amount of data and good expansibility are introduced. Its main development direction is discussed. The technology of intelligent welding unit and digital welding workshop is used to promote the development of the weld technology rapidly.

digital welding equipment； digital welding procedure； welding simulation technology； workshop level digitalizer

王克鴻(1963-)男，安徽蕪湖人，博士，博士生導師，主要從事新材料異種材料結合機理和新方法、加工過程智能化數字化、機器人柔性集成智能化等方面的研究，先后獲國家技術發明、國防技術發明、國防科技、江蘇省科技進步等科技獎勵15項，擁有發明專利58項，發表文章100余篇。任三束國家國防重點實驗室學術委員會成員，《焊接學報》編委，《表面工程》理事，兵器材料學會副理事長、焊接學會理事長、南京市焊接學會主任委員、江蘇省焊接學會副主任委員等職。

TG44

A

1671-5276(2015)05-0001-06

2015-08-20