基于多层ANN的机器人等离子熔射智能化模型

分析了机器人等离子熔射过程的神经网络模型的实现方法,基于多层人工神经网络(artifici alneural network,ANN)建立了等离子熔射过程的智能化模型.基于该模型,系统研究了等离子弧电流、熔射距离、机器人扫描间距和速度对主要涂层性能参数-残余应力和孔隙率的影响规律,并通过试验数据库的学习对涂层性能参数进行预测.结果表明,模型预测结果与试验结果有着很好的吻合,解决了工艺试验结果中仅有离散数据且难以全面反映等离子熔射工艺参数-涂层性能之间复杂非线性关系的难题.

机器人等离子熔射路径参数对涂层温度分布影响

结合红外测温仪与机器人熔射路径对基体/涂层温度分布进行连续在线检测,提取周期温度均值和标准差对检测结果进行表征.据此实验研究了机器人Z字形路径参数,包括熔射距离、扫描间距与速度对涂层温度分布的影响.结果表明:扫描速度对周期温度均值变化没有影响,扫描速度的选择应优先考虑周期温度波动;涂层周期温度标准差随扫描间距的增加而减小,但是周期温度均值变化取决于射流/粒子流对基体/涂层的作用时间;周期温度均值和标准差均随熔射距离的减小而增大.

机器人等离子弧熔射涂层厚度在线检测与过程控制

提出了一种采用机器人携带位移传感器进行等离子弧熔射涂层厚度接触式在线检测方法,据此建立了过程控制系统。针对不同表面特征的涂层,设计了相应的检测方式与机器人路径,试验研究了机器人运行状态以及检测路径等对检测结果的影响。结果表明,该检测方法能够用于不同类型等离子弧熔射涂层厚度的在线检测与过程控制。