CAD-prior-driven teaching-free robotic welding trajectory generation for complex structural components
Cet article propose une méthode pilotée par un a priori CAO pour le soudage robotique sans apprentissage de composants structurels complexes qui intègre la perception active, le découplage de coordonnées et l'extraction de caractéristiques basée sur des profils 2D afin de compenser les écarts d'assemblage et de générer des trajectoires de soudage de haute précision, atteignant un taux de couverture de nuages de points de 98,6 % et une précision submillimétrique lors d'essais physiques.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le monde de la fabrication lourde, la construction de structures massives comme des coques de navires, des cadres de ponts ou des équipements miniers implique souvent de joindre ensemble des plaques de métal épaisses. Pendant des décennies, le moyen le plus fiable pour garantir que ces plaques restent fusionnées était de faire en sorte qu'un soudeur humain guide la torche à la main, ou d'apprendre à un robot exactement où se déplacer en déplaçant physiquement son bras le long du chemin une seule fois. Cette méthode de « l'enseignement et de la répétition » fonctionne bien lorsque chaque pièce est identique et s'ajuste parfaitement. Cependant, les pièces métalliques du monde réel sont rarement parfaites. Lors de l'assemblage de grandes plaques, de minuscules interstices apparaissent, et le métal peut se déformer légèrement sous l'effet de la chaleur ou de la pression. Si un robot suit aveuglément un chemin préprogrammé basé sur un dessin numérique parfait, il pourrait rater entièrement la soudure, entraînant un joint fragile ou une pièce gâchée. Pour résoudre ce problème, les ingénieurs se sont tournés vers des systèmes de vision, donnant aux robots des « yeux » pour voir la soudure au fur et à mesure. Pourtant, posséder une caméra ne suffit pas ; si la caméra ne peut pas voir la jointure à cause des ombres, des reflets ou du corps même du robot qui bloque la vue, le système échoue. Le défi consiste à apprendre au robot non seulement à regarder, mais aussi à savoir exactement où se placer et comment incliner sa caméra pour obtenir une image claire et complète d'une soudure complexe et sinueuse avant même de commencer à souder.
Des chercheurs de l'Université des arts et des sciences de Hubei ont développé une nouvelle approche qui permet à un robot de déterminer la meilleure façon de voir et de souder une structure métallique complexe sans aucune intervention humaine. Au lieu de compter sur un humain pour montrer le chemin au robot ou sur une caméra qui se contente de scanner ce qui se trouve devant elle, le système commence par un modèle numérique 3D détaillé de la pièce, appelé modèle CAO. Les chercheurs ont appris au robot à lire ce modèle comme une carte, identifiant précisément là où les plaques de métal se touchent et où la soudure devrait théoriquement se trouver. En utilisant cette carte numérique comme guide, le robot planifie son propre mouvement. Il calcule un chemin fluide pour sa caméra, garantissant que l'objectif reste à la distance et à l'angle parfaits pour éviter les ombres et les reflets, tout en s'assurant que le bras du robot ne reste pas coincé ou bloqué par la pièce elle-même. Ce processus, que l'équipe appelle « perception active », permet au robot de recueillir une image 3D complète et claire de la soudure, même dans les coins étroits où les méthodes traditionnelles manquent souvent de données.
Une fois que le robot a capturé cette image claire, il est confronté à un autre problème : la pièce métallique réelle n'est jamais exactement identique à la carte numérique. Il existe de petits écarts et des courbures que le modèle informatique ne connaît pas. Pour y remédier, l'équipe a créé une méthode pour trouver le centre réel de la ligne de soudure en analysant les données de manière astucieuse. Au lieu d'essayer de trouver la soudure dans le nuage de points désordonné et tridimensionnel capturé par la caméra, le système découpe les données en sections transversales bidimensionnelles plates. Imaginez que vous regardiez une miche de pain ; au lieu d'essayer de tracer une courbe à travers toute la miche, vous regardez la face plate d'une seule tranche. En procédant ainsi, le robot peut facilement repérer l'endroit où les deux plaques de métal se rejoignent, filtrant le bruit et les erreurs qui confondent habituellement la vision par ordinateur. Il construit ensuite une ligne continue et lisse représentant l'emplacement physique réel de la soudure, corrigeant la carte numérique originale pour l'adapter à la réalité.
Avec cette carte corrigée en main, le robot génère son chemin de soudage final. Il traduit la ligne lisse de la soudure réelle en un ensemble d'instructions pour ses propres articulations, garantissant que la torche de soudage reste parfaitement alignée avec la jointure lors de son mouvement. Les chercheurs ont testé ce système sur une structure métallique complexe présentant à la fois des lignes droites et des courbes tridimensionnelles torsadées. Ils ont constaté que leur méthode capturait 98,6 % de la zone de soudure, une amélioration significative par rapport au balayage à angle fixe traditionnel, qui ne parvenait à voir qu'environ 72 % de cette même zone en raison des angles morts. Les mesures de la longueur de la soudure étaient incroyablement précises, avec une erreur moyenne de seulement 0,19 millimètre. Lorsque le robot a réellement effectué le soudage, il a réussi à créer des joints continus et solides le long des sections droites et des intersections courbes difficiles, sans s'arrêter ni commettre d'erreurs.
L'étude démontre qu'en combinant un plan numérique avec une vision intelligente et autocorrectrice, les robots peuvent gérer la réalité désordonnée de la fabrication industrielle sans avoir besoin qu'un humain leur enseigne chaque mouvement. Le système a prouvé qu'il pouvait s'adapter aux imperfections inévitables de l'assemblage réel, trouvant le véritable chemin de la soudure et l'exécutant avec une grande précision. Cette approche va au-delà de la simple automatisation, offrant un moyen pour les machines de comprendre et de naviguer dans des environnements physiques complexes de manière autonome, garantissant que les structures lourdes qui soutiennent notre monde sont construites avec un niveau de précision qui était auparavant difficile à atteindre sans une supervision humaine constante.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.