Figure 9-15: Load-extension graphs obtained for welds carried out with industrial approach and continuous welding

로봇 TIG 용접의 미래: 지능형 3D 심 트래킹 및 적응형 공정 제어 기술

이 기술 요약은 Prasad Manorathna가 2015년 Loughborough University에 제출한 박사 학위 논문 “Intelligent 3D Seam Tracking and Adaptable Weld Process Control for Robotic TIG Welding”을 기반으로 하며, STI C&D의 기술 전문가에 의해 분석 및 요약되었습니다.

키워드

Primary Keyword: 로봇 TIG 용접
Secondary Keywords: 적응형 용접, 3D 심 트래킹, 용접 자동화, 용접 공정 제어, 항공우주 용접, 지능형 로봇

Executive Summary

과제: 숙련된 용접사의 기술에 크게 의존하는 항공우주 부품의 복잡하고 정밀한 TIG 용접을 자동화하는 데에는 기존 로봇 기술의 한계가 있었습니다.
방법: 6축 산업용 로봇, 레이저 삼각 측량 센서, 용접 시스템을 통합하고, 실시간으로 용접 조인트 형상을 분석하여 용접 파라미터를 조절하는 지능형 알고리즘 기반의 폐쇄 루프 시스템을 개발했습니다.
핵심 돌파구: 개발된 로봇 시스템은 가변적인 용접 갭을 실시간으로 감지하고, 이에 맞춰 용접 전류, 듀티 사이클, 와이어 공급 속도를 자동으로 조절하여 숙련된 용접사와 유사한 수준의 고품질 용접을 성공적으로 수행했습니다.
핵심: 본 연구는 복잡한 형상과 변수가 많은 고부가가치 TIG 용접 공정에 지능형 자동화를 적용할 수 있는 실질적인 프레임워크를 제시합니다.

과제: 왜 이 연구가 CFD 전문가에게 중요한가

TIG(Tungsten Inert Gas) 용접은 다른 아크 용접에 비해 월등히 높은 품질의 결과물을 제공하여 항공우주 산업에서 광범위하게 사용됩니다. 그러나 항공우주 부품 용접은 엄격한 공차, 복잡한 3D 형상, 부품 간의 미세한 부정합(fit-up) 등 다양한 변수로 인해 자동화가 매우 어려운 분야로 남아있습니다.

현재 산업에서 사용되는 대부분의 용접 로봇은 사전 프로그래밍된 경로와 설정값에 따라 움직이는 ‘블라인드(Blind)’ 로봇입니다. 이러한 로봇은 예기치 않은 형상 변화나 갭 변동에 적응할 수 없어 항공우주 분야에서 요구하는 정밀도와 품질을 만족시키기 어렵습니다. 결국, 고가의 항공우주 부품 용접은 여전히 비용이 많이 들고 수급이 어려운 숙련된 용접사의 수작업에 의존하고 있는 실정입니다. 이러한 산업적 난제를 해결하기 위해, 용접 조인트의 형상을 실시간으로 감지하고 숙련된 용접사처럼 지능적으로 판단하여 용접 공정을 제어하는 ‘적응형 로봇 TIG 용접‘ 기술의 필요성이 절실히 요구되었습니다.

접근 방식: 연구 방법론 분석

본 연구는 지능형 적응형 로봇 TIG 용접 시스템을 구축하기 위해 하드웨어와 소프트웨어를 통합한 포괄적인 접근 방식을 채택했습니다.

핵심 장비 구성:
- 모션 제어: 6축 산업용 로봇(KUKA KR 16)을 사용하여 용접 토치와 센서의 정밀한 3D 움직임을 구현했습니다.
- 용접 시스템: 자동화 모드 제어가 가능한 Fronius Magicwave 4000 TIG 용접기와 푸시-풀(push-pull) 방식의 와이어 공급 장치를 사용했습니다.
- 3D 비전 센서: Micro-Epsilon의 레이저 삼각 측량 기반 스캐너(Scan control 2900-25)를 사용하여 용접 전 조인트의 3D 형상 데이터를 실시간으로 수집했습니다.
- 데이터 수집 및 제어: National Instruments (NI) DAQ 시스템과 HKS 용접 센서를 통해 용접 전류, 전압 등 핵심 공정 데이터를 모니터링했습니다.
시스템 통합 및 제어: 모든 하드웨어는 단일 워크스테이션(PC)에 연결되었으며, LabVIEW를 사용하여 개발된 중앙 제어 소프트웨어를 통해 통합적으로 제어되었습니다. 이 소프트웨어는 로봇 제어, 레이저 스캐너 데이터 수집, 실시간 형상 특징 추출, 용접기 파라미터 설정 등 모든 프로세스를 자동화하는 역할을 수행합니다.
2단계 접근법 (Two-Pass Approach): 항공우주 산업의 높은 품질 요구사항을 충족시키기 위해 ‘스캔 후 용접’ 방식을 채택했습니다.
1. 스캔 패스(Scan Pass): 로봇이 용접 경로를 따라 이동하며 레이저 스캐너로 조인트의 3D 형상(갭 변화, 정렬 상태 등)을 정밀하게 측정합니다.
2. 용접 패스(Weld Pass): 스캔 단계에서 얻은 형상 데이터를 기반으로, 개발된 알고리즘이 각 위치에 최적화된 용접 파라미터를 계산하고 이를 적용하여 로봇이 용접을 수행합니다.

이러한 접근법은 용접 시작 전에 조인트의 상태를 완벽하게 파악하고 지능적인 결정을 내릴 수 있게 하여, 고가의 부품을 폐기할 위험을 최소화합니다.

돌파구: 주요 연구 결과 및 데이터

본 연구는 숙련된 용접사의 기술을 정량화하고, 이를 기반으로 한 적응형 로봇 시스템의 우수성을 데이터로 입증했습니다.

결과 1: 숙련된 용접사의 기술 정량화 및 제어 전략 도출

자동화의 기반을 마련하기 위해, 연구진은 초보, 중급, 숙련된 용접사의 수동 TIG 용접 과정을 정밀하게 분석했습니다. 그 결과, 숙련된 용접사는 복잡한 용접 환경을 단순화하는 독특한 제어 전략을 사용한다는 사실을 발견했습니다.

핵심 파라미터 집중: 숙련된 용접사는 용접 전류와 와이어 공급 속도를 가장 중요한 변수로 삼아 적극적으로 제어했으며, 용접 속도나 토치 높이(전압)는 비교적 일정하게 유지했습니다 (그림 4-10, 4-17 참조).
시각적 피드백 의존: 용접 풀(weld pool)의 형태와 크기를 시각적으로 관찰하는 것이 파라미터를 조절하는 가장 중요한 피드백 메커니즘이었습니다 (그림 4-28 참조).

이러한 발견은 로봇 제어 알고리즘을 개발할 때 모든 변수를 동시에 제어하려는 복잡한 접근 대신, 가장 영향력 있는 핵심 파라미터(용접 전류, 와이어 공급 속도, 듀티 사이클)에 집중하는 것이 더 효율적이라는 중요한 단서를 제공했습니다.

Figure 6-34: extracted points at vertical offset orientation

결과 2: 적응형 로봇 용접 시스템의 성능 입증

연구진은 0.25mm에서 2.5mm까지 갭이 변하는 까다로운 맞대기 용접(butt joint) 시편을 사용하여 네 가지 다른 용접 접근법의 성능을 비교했습니다.

일정 파라미터 접근법: 용접 품질이 불균일하고 일부 구간에서 용접이 제대로 형성되지 않았습니다 (그림 9-14(a)).
구간별 파라미터 접근법 (산업 방식): 품질은 개선되었으나, 파라미터가 변경되는 구간에서 과도한 열 입력으로 인한 결함이 관찰되었습니다 (그림 9-14(b)).
숙련된 용접사 접근법: 만족스러운 용접 품질을 보였으나, 갭 변화에 따라 용접 비드 폭이 다소 불균일했습니다 (그림 9-14(c)).
적응형 제어 접근법 (본 연구): 개발된 시스템은 갭 변화를 실시간으로 반영하여 파라미터를 연속적으로 조절함으로써, 전체 용접 길이에 걸쳐 가장 일관된 비드 폭과 열영향부(HAZ)를 형성했습니다 (그림 9-14(d)).

인장 강도 테스트 결과, 적응형 제어 접근법으로 제작된 시편은 숙련된 용접사가 제작한 시편과 유사한 높은 기계적 강도와 연신율을 보였으며, 다른 두 접근법에 비해 월등히 우수한 성능을 나타냈습니다 (그림 9-15 참조). 이는 본 연구에서 개발한 시스템이 단순한 경로 추종을 넘어, 기계적 특성까지 고려한 고품질 용접을 수행할 수 있음을 증명합니다.

R&D 및 운영을 위한 실질적 시사점

공정 엔지니어: 본 연구의 경험적 모델(Chapter 8)은 가변 갭 용접 시 듀티 사이클, 용접 전류, 와이어 공급 속도가 품질을 결정하는 가장 중요한 제어 변수임을 보여줍니다. 이는 복잡한 용접 공정의 최적화 변수를 단순화하여 더 빠르고 효과적인 공정 개발을 가능하게 합니다.
품질 관리팀: 그림 9-15의 하중-연신율 그래프는 개발된 적응형 접근법이 숙련된 용접사와 동등한 수준의 반복 가능한 기계적 강도를 달성함을 보여줍니다. 이는 자동화된 용접 공정에 대한 새로운 품질 검사 기준을 수립하는 데 중요한 데이터가 될 수 있습니다.
설계 엔지니어: 이 시스템은 롤(roll), 피치(pitch), 요(yaw)와 같은 다양한 조인트 부정합을 정량화하고 이에 적응할 수 있습니다 (Chapter 7). 이는 설계 단계에서 제조 공차에 더 유연하게 대응할 수 있는 설계를 가능하게 하여 생산 수율을 높이는 데 기여할 수 있습니다.

논문 정보

Intelligent 3D Seam Tracking and Adaptable Weld Process Control for Robotic TIG Welding

1. 개요:

제목: Intelligent 3D Seam Tracking and Adaptable Weld Process Control for Robotic TIG Welding
저자: Prasad Manorathna
발행 연도: 2015
학술지/학회: Loughborough University (박사 학위 논문)
키워드: Robotic TIG welding, 3D seam tracking, adaptable weld process control, intelligent automation, human skill capture, empirical modelling

2. 초록:

텅스텐 불활성 가스(TIG) 용접은 다른 차폐 아크 용접 유형에 비해 고품질의 용접부를 생산하는 독특한 능력으로 인해 항공우주 분야에서 광범위하게 사용됩니다. 그러나 대부분의 TIG 용접은 수동으로 수행되며 다른 용접 기술만큼 자동화 수준을 달성하지 못했습니다. 이는 주로 공정 지식의 부족과 부품 조립 시 발생하는 불일치와 같은 복잡성에 대한 적응력 부족 때문입니다. 최근 자동화의 발전으로 센서를 통해 지능적인 의사결정이 필요한 복잡한 작업에 산업용 로봇을 사용할 수 있게 되었습니다. 항공우주 부품의 TIG 용접과 같은 응용 분야는 엄격한 공차를 요구하며, 예상치 못한 변화에 대응하고 복잡한 형상의 용접을 수행하기 위한 지능적인 의사결정 능력이 필요합니다. 이러한 의사결정 절차는 용접 프로파일 형상에 대한 피드백을 기반으로 해야 합니다.

본 논문에서는 6축 산업용 로봇(KUKA KR 16)과 레이저 삼각 측량 기반 센서(Micro-Epsilon Scan control 2900-25)를 사용하여 실시간 위치 기반 폐쇄 루프 시스템을 개발했습니다. National Instruments 데이터 수집 시스템(NI DAQ)을 사용하여 입출력 제어를 수행했습니다. 용접은 푸시-풀 와이어 공급 시스템이 장착된 Fronius Magicwave 용접 시스템을 사용하여 수행되었습니다. 프로젝트 계획, 장비 선정, 구매, 설계, 시스템 통합 및 전체 로봇 TIG 용접 셀 설정이 박사 과정 연구 작업에 포함됩니다. 본 연구에서는 3차원(3D) 용접 조인트의 조인트 프로파일을 찾고 경로를 추적하기 위한 새로운 알고리즘을 개발했습니다. 또한 실시간으로 조인트 특징을 추출하는 알고리즘도 개발되었습니다. 중요한 용접 품질 특성을 예측하고 용접 조인트 형상을 기반으로 용접 기계 설정을 추정하기 위한 경험적 모델이 개발되었습니다. 개발된 로봇 TIG 용접 시스템은 지능형 알고리즘과 함께 가변 갭 용접 조인트의 용접을 만족스러운 결과로 수행할 수 있었으며, 이는 시각적 외관, 용접 비드 치수 및 기계적 강도 면에서 숙련된 수동 용접사와 밀접하게 관련되었습니다.

이 연구는 TIG 용접의 맥락에서 제시되었지만, 이 개념은 모든 아크 용접 공정 및 로봇 실란트 적용, 스프레이 페인팅과 같은 다른 응용 분야에도 적용 가능합니다.

3. 서론:

대부분의 현대 고부가가치 제조 시스템은 여전히 수동 작업의 기술과 유연성에 크게 의존하고 있습니다. 그러나 많은 경우, 지능형 자동화는 운영 효율성을 개선하고 사람들이 비위생적이거나 어렵고 위험한 작업 환경에서 일할 필요를 없애줌으로써 인간의 작업을 대체하는 더 유리한 대안이 될 수 있습니다. 용접은 가장 역동적이고 복잡한 제조 공정 중 하나이므로 자동화하기 어렵습니다. 산업 기반 응용 분야에서의 용접 자동화는 엔지니어들이 특정 용접 공정, 재료, 크기, 두께 및 용접 형상을 고려해야 하므로 더욱 어렵습니다. 이러한 추가 제약 조건은 자동화를 더 어렵게 만들 수 있습니다.

TIG 용접은 다른 용접 공정보다 더 많은 공정 변수를 포함하므로 자동화하기 매우 어려운 것으로 간주됩니다. TIG 용접은 우수한 용접 품질 때문에 다른 용접 공정으로 대체되기도 어렵습니다. 따라서 더 높은 정밀도와 품질이 요구되는 항공우주 부품 용접과 같은 응용 분야에서는 계속해서 TIG 용접을 사용합니다. 그러나 TIG 용접 로봇은 아직 수동 TIG 용접만큼의 높은 정밀도와 품질을 충족할 수 있는 능력이 없기 때문에, 숙련된 수동 용접사들이 여전히 고급 항공우주 부품 용접에서 주도적인 역할을 하고 있습니다. 선진국에서는 숙련 노동력이 비싸고, 이는 저임금 지역과의 지속적인 경쟁에 직면해 있어 산업계가 TIG 용접 자동화를 지속적으로 모색하게 만들었습니다.

현재 산업에서 사용되는 로봇은 형상 변화에 적응할 수 없기 때문에 “블라인드(Blind)” 용접 로봇이라고 불립니다. 센서가 광범위하게 사용되었지만, 센서 피드백은 적응성을 달성하기 위해 만족스러운 수준으로 사용되지 않았습니다. 속도, 크기, 비용 및 계산 능력과 같은 요소들이 성공적인 자동화를 달성하지 못한 주요 제한 요인이었습니다. 이는 또한 완전 자동화된 용접 로봇의 산업적 실현을 상당히 어려운 과제로 만들었습니다. 따라서 현재 용접 궤적과 용접 공정 변수는 작업자에 의해 사전 프로그래밍됩니다. 이 방법은 항공우주 부품 용접에 필요한 품질을 제공하지 못했습니다.

4. 연구 요약:

연구 주제의 배경:

TIG 용접은 항공우주 산업에서 고품질이 요구되는 핵심 공정이지만, 공정의 복잡성과 변수(부품 부정합 등)로 인해 자동화가 더디게 진행되어 왔습니다. 현재의 ‘블라인드’ 로봇 용접 시스템은 이러한 변수에 대응할 수 없어, 생산성과 품질 향상을 위해 센서 기반의 지능형 적응형 자동화 기술이 필요합니다.

이전 연구 현황:

과거 용접 자동화 연구는 주로 MIG 용접에 집중되었으며, TIG 용접 자동화에 대한 연구는 매우 제한적이었습니다. 기존 연구들은 주로 용접 공정 변수가 용접 품질에 미치는 영향을 이해하는 데 초점을 맞추었으나, 이를 실제 로봇 시스템에 적용하여 조인트 형상 변화에 실시간으로 적응하는 완전한 솔루션을 제시한 사례는 거의 없었습니다. 특히, 실제 용접 조건이 아닌 비드-온-플레이트(bead-on-plate) 기법을 사용한 연구가 많아 산업 적용에 한계가 있었습니다.

연구 목적:

본 연구의 주된 목적은 숙련된 수동 용접사와 유사한 품질로 까다로운 용접 작업을 수행할 수 있는 완전한 적응형 지능형 TIG 용접 로봇 시스템(MCRL 3 수준)을 개발하는 것입니다. 이를 위해 다음 세부 목표를 설정했습니다: 1. 수동 TIG 용접에서 인간의 기술과 지식을 정량적으로 분석. 2. 3D 레이저 스캐너의 성능을 평가하고 데이터 품질을 최적화. 3. 3D 용접 조인트 형상을 실시간으로 추출하고 정량화하는 알고리즘 개발. 4. 용접 공정 변수와 용접 품질(비드 형상, 강도) 간의 관계를 설명하는 경험적 모델 구축. 5. 조인트 형상 피드백을 기반으로 용접 파라미터를 지능적으로 선택하는 적응형 제어 전략 개발 및 검증.

핵심 연구:

본 연구의 핵심은 6축 로봇, 3D 레이저 스캐너, TIG 용접기를 통합한 폐쇄 루프 제어 시스템을 구축하고, 이를 제어하는 지능형 소프트웨어를 개발하는 것입니다. 소프트웨어는 (1) 레이저 스캔을 통해 용접 조인트의 3D 형상과 부정합(fit-up)을 정밀하게 측정하고, (2) 개발된 특징 추출 알고리즘으로 갭, 각도 등 주요 특징을 실시간으로 분석하며, (3) 사전 구축된 경험적 모델을 사용하여 각 위치의 형상에 최적화된 용접 파라미터(전류, 듀티 사이클, 와이어 공급 속도)를 지능적으로 계산하고, (4) 계산된 파라미터를 용접기에 실시간으로 전송하여 용접 품질을 제어하는 일련의 과정을 자동으로 수행합니다.

5. 연구 방법론

연구 설계:

본 연구는 세 단계로 구성된 실험적 설계를 따랐습니다. 1. 1단계 (인간 기술 분석): 수동 TIG 용접 실험을 통해 숙련도(초보, 중급, 숙련)에 따른 용접사의 공정 파라미터 제어 방식을 정량적으로 분석하고, 자동화를 위한 핵심 제어 전략을 도출했습니다. 2. 2단계 (시스템 구축 및 2D 트래킹): KUKA 로봇, Fronius 용접기, NI DAQ, 센서 등을 통합하여 기본 시스템을 구축하고, 2D 카메라를 이용한 초기 심 트래킹 기술을 개발했습니다. 3. 3단계 (3D 트래킹 및 적응형 제어): 3D 레이저 스캐너를 통합하고, 3D 특징 추출 및 심 트래킹 알고리즘을 개발했습니다. 또한, 용접 품질 예측을 위한 경험적 모델을 구축하고, 이를 기반으로 가변 갭에 대응하는 완전한 적응형 공정 제어 시스템을 완성했습니다.

데이터 수집 및 분석 방법:

데이터 수집: HKS 용접 센서와 NI DAQ 시스템을 사용하여 용접 전류 및 전압 데이터를 1kHz 샘플링 속도로 수집했습니다. Micro-Epsilon 3D 레이저 스캐너를 사용하여 용접 조인트의 3D 프로파일 데이터를 획득했습니다. 또한, 카메라를 통해 용접 과정과 토치 각도를 영상으로 기록했습니다. 용접 후 시편은 인장 시험기(INSTRON 8801)를 사용하여 기계적 강도를 측정했습니다.
데이터 분석: 수집된 데이터는 LabVIEW와 Matlab을 사용하여 분석되었습니다. 노이즈 제거를 위해 저역 통과 필터(low-pass filter)가 적용되었습니다. 용접사의 기술 분석과 용접 품질에 미치는 파라미터의 영향을 정량화하기 위해 분산 분석(ANOVA)과 같은 통계적 기법이 사용되었습니다. 타구치(Taguchi) 방법을 적용하여 최소한의 실험으로 공정 변수 간의 관계를 모델링하는 경험적 모델을 개발했습니다.

연구 주제 및 범위:

본 연구는 316L 스테인리스강 박판(1.5mm 두께)의 맞대기(butt), 겹치기(lap), 필렛(fillet) 조인트에 대한 로봇 TIG 용접을 다룹니다. 특히, 용접 갭이 0.25mm에서 2.5mm까지 변하는 가변 갭 맞대기 조인트에 대한 적응형 용접에 중점을 둡니다. 제어 대상이 되는 주요 공정 변수는 용접 전류, 배경 전류, 펄스 주파수, 듀티 사이클, 와이어 공급 속도입니다. 용접 속도, 아크 갭 등 다른 변수들은 일정하게 유지되었습니다. 연구의 핵심은 조인트 형상(특히 갭)의 변화를 감지하여 이들 핵심 변수를 실시간으로 최적화하는 것입니다.

6. 주요 결과:

주요 결과:

본 연구를 통해 개발된 지능형 로봇 TIG 용접 시스템은 가변 갭 맞대기 조인트 용접에서 숙련된 용접사와 유사하거나 더 일관된 용접 품질을 달성했습니다.
분산 분석(ANOVA) 결과, 용접 비드 형상과 강도에 가장 큰 영향을 미치는 파라미터는 듀티 사이클, 용접 전류, 와이어 공급 속도 순이었으며, 배경 전류와 펄스 주파수의 영향은 미미했습니다. 이는 제어 문제의 복잡성을 줄이는 데 중요한 단서를 제공했습니다.
타구치 방법을 사용하여 개발된 상호작용(interaction) 다항식 모델은 용접 비드 폭, 높이, 용입 및 인장 강도를 높은 정확도(R² 값 0.83~0.99)로 예측할 수 있었습니다.
3D 레이저 스캐너 성능 평가를 통해, 최적의 데이터 품질을 얻기 위한 조건(스탠드오프 거리 67-68mm, 노출 시간 1-2ms, 임계 입사각 15°-25° 회피 등)을 확립했습니다.
개발된 3D 특징 추출 알고리즘은 노이즈나 데이터 손실이 있는 상황에서도 V, U, I 형상의 용접 조인트 특징을 x축에서 ±38µm, z축에서 ±127µm의 최대 평균 제곱 오차(MSE)로 정확하게 추출했습니다.
4가지 용접 접근법(일정 파라미터, 산업(구간별), 숙련 용접사, 적응형 제어) 비교 결과, 본 연구에서 제안한 적응형 제어 방식이 가장 균일한 비드 형상과 열영향부를 보였으며, 기계적 강도 또한 숙련 용접사와 동등한 수준으로 가장 우수했습니다.

Figure List:

Figure 1-1: An image of an aero-engine section showing important parts
Figure 1-2: Manufacturing capability readiness levels
Figure 1-3: Intelligent and adaptable robotic TIG welding system developed by the author
Figure 1-4: Project plan
Figure 2-1: Robot work volume
Figure 2-2: Stereo vision principle
Figure 2-3: Laser scanner principle
Figure 2-4: TIG welding principle
Figure 2-5: First welding robot developed by ABB (IRB 6)
Figure 2-6: Collaborative robotic welding
Figure 2-7: Underwater welding
Figure 2-8: human-robot collaboration in welding
Figure 2-9: Stereo vision system correcting for path
Figure 2-10: Laser scanner inspecting prior to welding
Figure 3-1: Summarized system integration diagram
Figure 3-2: CAD design of the welding cell
Figure 3-3: Photographic view of the welding equipment (a) Fronius Magicwave 4000 welding machine (b) Wire feeder unit
Figure 3-4: Different welding torches used for different phases of the project (a) Manual welding torch, (b) Robocta TTW 4500 robotic torch
Figure 3-5: NI DAQ card and PXIe chassis system
Figure 3-6: Hall effect current sensor (a) Hall effect principle, (b) HKS process sensor
Figure 3-7: Principal of welding voltage sensing
Figure 3-8: Block diagram for NI DAQ system integration with the PC
Figure 3-9: Signal channels without noise filtering at dwell state (a) Welding current signal in frequency domain, (b) Welding voltage channel in frequency domain
Figure 3-10: process parameters at dwell state
Figure 3-11: process parameters during welding
Figure 3-12: Current and voltage signals in frequency domain (a) welding current during welding, (b) welding voltage during welding
Figure 3-13: Acquired signals after applying filtering
Figure 3-14: Welding spectrum
Figure 3-15: (a)Band-pass filter, (b) lens and camera
Figure 3-16: Camera with illumination source for weld area viewing
Figure 3-17: The triangulation principle of laser scanners
Figure 3-18: The triangle shape of the scanning beam
Figure 3-19: KUKA KR16 robot and robot coordinate systems
Figure 3-20: Network connection diagram
Figure 3-21: System integration diagram
Figure 3-22: Control diagram of the system
Figure 3-23: Welding fixture
Figure 3-24: Software integration diagram
Figure 3-25: 3D Seam tracking software module
Figure 3-26: Sensor feedback software module
Figure 3-27: 3D Feature extraction software module
Figure 3-28: Weld process control software module
Figure 4-1: Output of manual and robotic welding
Figure 4-2: System diagram of the experimental setup (a) block diagram, (b) image of the physical set-up
Figure 4-3: Three weld joint selected for testing (a) Butt joint, (b) Lap joint, (c) Fillet joint
Figure 4-4: An image of the camera setup for testing a welder
Figure 4-5: Torch and filler wire position definition
Figure 4-6: Typical welding diagram
Figure 4-7: Butt weld completed by a novice welder (a) welding current and voltage variation against time, (b) top view of the weld, (c) bottom view of the weld
Figure 4-8: Butt weld completed by a semi-skilled welder (a) welding current and voltage variation against time, (b) top view of the weld, (c) bottom view of the weld
Figure 4-9: Butt weld completed by a skilled welder (a) welding current and voltage variation against time, (b) top view of the weld, (c) bottom view of the weld
Figure 4-10: Average welding current used by different welders
Figure 4-11: Standard deviation in welding current for different welders
Figure 4-12: Different manual welding techniques (a) pulse created by the manual welder from the foot pedal, (b) normal welding technique used by welders
Figure 4-13: Pictures of bottom side for different weld techniques (a) pulsed current, (b) constant current
Figure 4-14: Indirect effect of pulsing on the voltage signal
Figure 4-15: Average voltage measured for different skill levels
Figure 4-16: Standard deviation in voltage for different skill levels
Figure 4-17: Average welding speed maintained by different welders
Figure 4-18: Effect of welding speed on weld finish (a) Higher speed (b) average speed used by a skilled welder
Figure 4-19: Filler wire feed frequency and consumption rate for different welders (a) filler wire feed frequency, (b) filler wire consumption rate
Figure 4-20: (a) Globular droplets from melting the wire from the arc (b) a weld performed by feeding the wire in to the melt pool
Figure 4-21: Torch stand-off distance for different welders
Figure 4-22: Images taken for different skill levels (a) novice welder, (b) semi-skilled welder, (c) skilled welder
Figure 4-23: Torch/filler wire orientation
Figure 4-24: Average current variation against joint type
Figure 4-25: Average voltage against joint type for different welders
Figure 4-26: Filler wire consumption rate for different weld joints
Figure 4-27: Welding speeds used for different weld joint types
Figure 4-28: Decision making criteria for critical tasks identified in TIG welding
Figure 4-29: Sample weld joint to check human adaptability
Figure 4-30: Experimental results of welding corners (a) welded sample, (b) trial-1, (c) trial-2, (d) trial-3
Figure 5-1: Photographic view of the experimental set-up
Figure 5-2: Photographic view of the Scan-control software
Figure 5-3: Calibration samples (a) feeler gauge set, (b) slip gauge set
Figure 5-4: Specified and measured working ranges of the laser scanner (a) specified laser scanner span, (b) actual span
Figure 5-5: Setup for vertical resolution measurement
Figure 5-6: Percentage error in measurements along z-axis
Figure 5-7: Setup measuring a metric feeler gauge and percentage error in measurements
Figure 5-8: Percentage error along the x-axis of the laser scanner
Figure 5-9: Percentage error against exposure time
Figure 5-10: Percentage error in measurements for checking repeatability
Figure 5-11: Measurement error at different illumination conditions
Figure 5-12: Inappropriate data from a laser scanner
Figure 5-13: Number of missing data points against stand-off distance
Figure 5-14: Arrangement for measurements at different steepness angles
Figure 5-15: Results of number of missing data points measured against steepness angle
Figure 5-16: Data at various steepness angles
Figure 5-17: Arrangement for measurements at different incidences angles
Figure 5-18: Raw images obtained from the laser scanner at different incidence angles
Figure 5-19: Effect of incidence angle on data acquisition
Figure 5-20: Effect of incidence angle on data acquisition (a) number of noisy data points (b)noisy data percentage
Figure 5-21: Different surface finished samples
Figure 5-22: Results obtained for different surface finish
Figure 5-23: Raw images captured at different exposure levels
Figure 5-24: Effect of exposure time on data acquisition (a) number of noisy data points (b) noisy data percentage
Figure 5-25: U-groove for finding optimum exposure time
Figure 5-26: Missing and noisy data percentage against exposure time
Figure 5-27: Data acquisition performance against specified threshold value (a) number of noisy data points (b) noisy data percentage
Figure 6-1: Experimental setup used for joint feature extraction
Figure 6-2: Photographic view of the experimental setup
Figure 6-3: Sequence of operations for robotic scanning and feature extraction
Figure 6-4: Sample weld groove types used for feature extraction (a) I groove, (b) V groove, (c) U groove
Figure 6-5: Features to be extracted from a weld joint
Figure 6-6: Data cropping process for outlier removal (a) data cropping process (b) resulting data
Figure 6-7: Gradient values along the 2D point cloud (dy/dx)
Figure 6-8: horizontal offsets between two consecutive laser points (dx)
Figure 6-9: Extracted feature points (.)
Figure 6-10: Feature extraction steps for the U-groove (a) raw data, (b) cropped data, (c) gradient (dy/dx), (d) Offset between consecutive laser points (dx), (e) extracted feature points (.)
Figure 6-11: Feature extraction of a I-butt joint (a)raw data, (b) dx, (c) Detected points (*)
Figure 6-12: Continuous weld groove edge and detected noisy data point
Figure 6-13: Filtering applied in both x and z axis separately (a) x-y raw data, (b) x-y data after filtering, (c) x-y data after fitting, (d) y-z raw data, (e) y-z data after outlier removal, (f) y-z data after fitting
Figure 6-14: Extracted feature points (a) raw data, (b) fitted data
Figure 6-15: Possible joint configurations
Figure 6-16: Roll angle measurement (a) physical set-up, (b) roll angle
Figure 6-17: Roll angle measurement along the weld joint
Figure 6-18: Pitch angle measurement (a) physical set-up, (b)pitch angle
Figure 6-19: Line fitting for pitch angle measurement
Figure 6-20: Yaw angle measurement (a) physical set-up, (b) yaw angle
Figure 6-21: Line fitting for yaw angle measurement
Figure 6-22: Vertical offset measurement (a) physical set-up, (b) vertical offset
Figure 6-23: Vertical offset measurement along the weld joint
Figure 6-24: Extracted features of selected weld joint type (a) I-groove, (b) V-groove, (c) U-groove
Figure 6-25: Mean square error in detected points for different groove types
Figure 6-26: Gap measurements (a) physical setup (b) gap measured between top edges, (c) gap measured between bottom edges (b)
Figure 6-27: Gap measurements using feature detection algorithms
Figure 6-28: extracted points at roll orientation
Figure 6-29: Average roll angle measurement accuracy (a) absolute error, (b) percentage error
Figure 6-30: extracted points at pitch orientation
Figure 6-31: Pitch angle measurement accuracy (a) absolute error, (b) percentage error
Figure 6-32: extracted points at yaw orientation
Figure 6-33: yaw angle measurement accuracy (a) absolute error, (b) percentage error
Figure 6-34: extracted points at vertical offset orientation
Figure 6-35: vertical offset measurement accuracy (a) absolute error, (b) percentage error
Figure 6-36: Feature extraction in I and U grooves at various joint fit-ups
Figure 7-1: Coordinate systems in the robotic welding system
Figure 7-2: 2D seam tracking setup
Figure 7-3: 2D seam tracking sequence
Figure 7-4: 2D image processing for seam tracking (a) image processing sequence, (b) detected edges
Figure 7-5: 2D seam tracking results
Figure 7-6: Mean square error in x-y coordinates in 2D seam tracking
Figure 7-7: Setup for checking gap sensing performance
Figure 7-8: Results of 2D gap sensing
Figure 7-9: Seam tracking methodology in x-axis
Figure 7-10: Diagram showing the point used for seam tracking
Figure 7-11: Software operating sequence for 3D seam tracking
Figure 7-12: Look-ahead distance
Figure 7-13: Torch placement during seam tracking for robotic welding
Figure 7-14: Points used for guiding the welding torch (a) I-groove, (b) V-groove, (c) U-groove
Figure 7-15: Seam tracking performed at various joint fit-ups (a) roll, (b) pitch, (c) yaw, (d) vertical offset, (e) horizontal offset
Figure 7-16: Seam tracking performance check for possible joint fit-ups (a) horizontal offset, (b) vertical offset, (c) roll, (d) pitch, (e) yaw
Figure 7-17: Seam tracking performed on some complex paths (a) complex 2D, (b) 3D curve, (c) sinusoidal
Figure 7-18: Robotic welding procedure
Figure 7-19: Robotic welding system with fixture
Figure 7-20: Robotic welding results for all possible joint fit-ups (a) roll angle of 0.5˚, (b) pitch angle of 0.5˚, (c) yaw angle of 0.5˚, (d) vertical offset of 0.5mm, (e) horizontal offset of 0.5mm
Figure 8-1: Weld input out parameters
Figure 8-2: Weld bead parameters
Figure 8-3: Pulsing parameters
Figure 8-4: Method of measuring weld bead parameters (a) measurement of bead parameters from Scan-control software, (b) method of obtaining average value
Figure 8-5: Tensile testing machine
Figure 8-6: Specimen preparation for tensile testing
Figure 8-7: Load-extension graph and important parameters extracted
Figure 8-8: Weld bead measurements against welding current
Figure 8-9: Weld bead measurements against background current
Figure 8-10: Weld bead measurements against pulse frequency
Figure 8-11: Weld bead measurements against duty cycle
Figure 8-12: Weld bead measurements against wire feed rate
Figure 8-13: Mathematical model development procedure
Figure 8-14: Results from ANOVA test for two L8 table for weld bead dimensions (a) Bead width : Y1, (b) Penetration : Y2, (c) Bead height : Y3
Figure 8-15: F-value obtained from L8 Table
Figure 8-16: Results from ANOVA for L25 table for weld bead dimensions (a) bead width : Y1, (b) penetration : Y2, (c) bead height : Y3
Figure 8-17: F-values obtained from L25 table
Figure 8-18: Results from ANOVA for weld strength (a) load at maximum tensile extension: Y4, (b) maximum load:Y5, (c) load at break:Y6
Figure 8-19: F-values obtained for tensile strength
Figure 8-20: Actual and predicted results of weld bead dimensions using interaction model (a) Actual () and predicted () results of weld bead width, (b) Actual () and predicted () results of weld bead height, (c) Actual () and predicted () results of weld penetration
Figure 8-21: Actual () and predicted () results of tensile strength using interaction model
Figure 8-22: Results of bead width prediction from validation experiments
Figure 8-23: Results of bead height prediction from the validation experiments
Figure 8-24: Results of penetration prediction from the validation experiments
Figure 8-25: Results of tensile strength prediction from the validation experiments
Figure 9-1: Robotic welding system setup to carry out welding on a variable butt gap joint
Figure 9-2: Effect of process parameters on bead width
Figure 9-3: Cross-sectional profile of an irregular profile weld joint
Figure 9-4: Adjacent cross sectional profiles showing respective cross sectional area
Figure 9-5: Important parameters in the weld pool used for control
Figure 9-6: Methodology for adaptive welding
Figure 9-7: Best process parameters obtained against set gap
Figure 9-8: Adaptive weld process parameter control (a) welding current, (b) duty cycle, (c) wire feed rate
Figure 9-9: Selection of regions for robotic welding
Figure 9-10: Methodology of finding weld process parameters
Figure 9-11: Welding current variation along variable gap
Figure 9-12: Wire feed rate variation along variable gap
Figure 9-13: Welding speed variation along variable gap
Figure 9-14: Photographic views of the representative welds carried out using different approaches (a) Constant process parameter approach, (b) Segmented parameter (industrial) approach, (c) Skilled welder’s approach, (d) Adaptive control approach
Figure 9-15: Load-extension graphs obtained for welds carried out with industrial approach and continuous welding
Figure 10-1: Developed robotic TIG welding system as part of the work carried out for the PhD

7. 결론:

본 논문에서는 지능형 심 트래킹과 적응형 용접 공정 제어 기능을 갖춘 새로운 TIG 용접 로봇을 성공적으로 개발했습니다. MCRL 3 수준의 이 시스템은 산업계의 요구를 충족시키기 위한 연구 결과를 실제 적용 가능한 수준으로 끌어올렸습니다.

인간 행동 분석: 숙련된 용접사는 용접 전류와 와이어 공급 속도를 우선적으로 제어하여 공정을 단순화한다는 것을 발견했으며, 이는 지능형 자동화의 제어 로직을 단순화하고 효율화하는 데 중요한 통찰을 제공했습니다.
3D 비전 및 알고리즘: 3D 레이저 스캐너의 성능을 최적화하고, 개발된 3D 특징 추출 알고리즘을 통해 다양한 조인트 형상과 부정합을 µm 수준의 정밀도로 실시간 정량화하는 데 성공했습니다.
수학적 모델 및 적응형 제어: 용접 공정 변수와 품질 특성 간의 관계를 규명하는 경험적 모델을 구축했으며, 이를 기반으로 한 역전파 알고리즘은 가변 갭 용접에서 용접 파라미터를 지능적으로 선택하고 제어할 수 있음을 입증했습니다.
성능 검증: 제안된 적응형 용접 접근법은 기존의 일정 파라미터 방식이나 산업에서 사용하는 구간별 제어 방식보다 월등히 우수한 용접 품질을 보였으며, 그 결과는 숙련된 용접사의 결과와 동등하거나 일부 측면(일관성)에서는 더 나은 성능을 보였습니다.

결론적으로, 본 연구는 가변적인 갭을 가진 맞대기 용접을 자동으로 수행하는 것이 가능함을 보여주었으며, 지능적이고 적응적인 로봇 TIG 용접을 위한 방법론과 잠재력을 성공적으로 시연했습니다.

8. 참고문헌:

G. Bolmsjo, A. Loureiro, and J. N. Pires, Welding robots technology, system issues and applications. Germany: Springer, 2006.
S. B. Chen and J. Wu, Intelligentized Methodology for Arc Welding Dynamical Process. Springer Berlin / Heidelberg, 2009, pp. 221–273.
A. Blomdell, G. Bolmsjo, T. Brogardh, M. Isaksson, R. Johansson, M. Haage, K. Nilsson, M. Olsson, Olsson T., A. Robertsson, and J. Wang, “Extending and industrial robot controller,” IEEE robotics and Automation Magazine, pp. 85–90, 2005.
B.-B. Mathieu, “Top 5 Robotic Applications in the Aerospace Industry,” 2014. [Online]. Available: http://blog.robotiq.com/bid/70043/Top-5-Robotic-Applications-in-the-Aerospace-Industry.
“Variations of Jet Engines,” 2009. [Online]. Available: http://lyle.smu.edu/propulsion/Pages/variations.htm.
P. Sages, “Adaptive control techniques advance automatic welding,” Richmond, Calif, 2010.
M. J. Ward, S. T. Halliday, and J. Foden, “A readiness level approach to manufacturing technology development in the aerospace sector: an industrial approach,” Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, vol. 226, no. 3, pp. 547–552, Sep. 2011.
K. U. Fu, R. C. Gonzalez, and C. S. G. Lee, Robotics Control, Sensing, Vision, and Intelligence. Newyork: McGraw-Hill, 1987.
“ISO 8373:2012,” 2012. [Online]. Available: https://www.iso.org/obp/ui/#iso:std:iso:8373:ed-2:v1:en.
M. P. Groover, M. Weiss, R. N. Nagel, and N. G. Odrey, Industrial Robotics. Newyork: McGraw-Hill, inc, 1986.
S. B. Niku, Introduction to Robotics Analysis, Control, Applications, 2nd ed. John Wiley and Sons Ltd, 2010.
B. Williams, “Introduction to robotics,” Ohio, 2004.
K. robot Group, “KRC2 edition 2005: Operating instructions,” 2008.
Robotworx, “Robotworx: KUKA KR 16 L6 KRC2,” 2009. [Online]. Available: http://www.robots.com/kuka/kr-16-l6.
N. Nayak and A. Ray, Intelligent Seam Tracking for Robotic Welding. Springer-Verlag, 1993.
C. Walker, “Stereo vision basics.” [Online]. Available: http://chriswalkertechblog.blogspot.co.uk/2014/03/stereo-vision-basics.html.
X. W.F., Z. Li, C. Perron, and X. W. Tu, “Switching Control of Image Based Visual Servoing in an Eye-in-Hand System Using Laser Pointer.” [Online]. Available: http://www.intechopen.com/books/motion-control/switching-control-of-image-based-visual-servoing-in-an-eye-in-hand-system-using-laser-pointer.
A. C. Davies, The science and practice of welding, 10th ed. Cambridge university press, 1993.
W. Alloys, “What is TIG welding introduction.” [Online]. Available: http://www.wballoys.co.uk/TIG/what-is-tig-welding.html.
M. Massoud, Data Communication and Networking, A Practical Approach, Internatio. Cengage Learning, Inc, 2011.
B. Komar, TCP/IP Network Administration, 3rd ed. Indianna, USA: SAMs, 1998.
E. Preston, “Collaborative robotic plasma arc welding of fabricated titanium aero-engine structures,” University of Nottingham, 2011.
Advanced manufacturing research centre, “Shaped metal deposition,” 2011. [Online]. Available: http://www.amrc.co.uk/featuredstudy/shaped-metal-deposition/.
H. Abulrub, “Automated fusion welding,” 2013. [Online]. Available: http://www2.warwick.ac.uk/fac/sci/wmg/business/capabilities/database/?id=41.
I. Brat, “Where Have All the Welders Gone, As Manufacturing and Repair Boom?,” The wall street journal, 2006. [Online]. Available: http://online.wsj.com/articles/SB115560497311335781.
G. D. Uttrachi, “Welder Shortage Requires New Thinking,” 2007.
A. B. Ernest, “Practical Welding Today – Automation training for a new workforce,” Fabricators and Manufacturers Association (FMA), 2008.
C. E. Nolen, “Automated Welding Conceptual Study University of Tennessee,” University of Tennessee, 2007.
ESAB, “Welding Automation Submerged Arc, TIG, MIG/MAG,” ESAB, Italy, 2011.
A. R. Inc, “ABB Robots,” 2010. [Online]. Available: http://labintsis.com/?page_id=116&lang=en.
G. Bolmsjö and M. Olsson, “Robotic Arc Welding — Trends and Developments for Higher Autonomy,” Lund University, 2001.
Welding Technologies Group, “Robotic Welding : The new generation 3G Modular Welding Gun,” France.
J. Villafuerte, “New Trends in Robotic Welding Technology,” Canadian Welding Association Journal, pp. 8–9, 2005.
J. M. Pietrasz, “Robots in gas turbine manufacture,” Computing and control engineering, no. August, pp. 161–165, 1995.
M. J. Pietrasz, “ROBOTS IN GAS TURBINE MANUFACTURE (INCLUDWG ESPRIT PROJECT INTERROB 6457),” London, 1994.
G. Escobar-Palafox, R. Gault, and K. Ridgway, “Robotic manufacturing by shaped metal deposition: state of the art,” Industrial Robot: An International Journal, vol. 38, no. 6, pp. 622–628, 2011.
S. Zheng, P. Dayau, and K. Min, “Precision welding for edge buildup and rapid prototyping,” Singapore, 1999.
Fraunhofer Institute for Laser Technology ILT, “Laser cladding and integrated process chain for blade tip repairs.” [Online]. Available: http://www.ilt.fraunhofer.de/en/publication-and-press/annual-report/2010/annual-report-2010-p79.html.
GKN Aerospace, “Automated robotic welding and assembly,” 2010. [Online]. Available: http://www.gkn.com/aerospace/products-and-capabilities/capabilities/metallics/automated-robotic-welding-and-assembly/Pages/default.aspx.
G. Bolmsjo, A. Loureiro, and J. N. Pires, Welding Robots: Technology, System Issues and Application, 1st ed. Springer, 2006.
Lincoln Electric, “Surface Tension Transfer.”
J. Villafuerte, “Understanding Contact Tip Longevity of Gas Metal Arc Welding,” Welding Journal, pp. 29–35, 1999.
T. W. Eagar, “Automated welding-research needs,” Cambridge, Massachusetts, 1981.
R. Kovacevic, Y. M. Zhang, and S. Ruan, “Sensing and Control of Weld Pool Geometry for Automated GTA Welding,” ASME Transactions, vol. 117, pp. 201–222, 1995.
K. A. Pietrzak and S. M. Packer, “Vision-Based Weld Pool Width Control,” ASME Transactions, vol. 116, pp. 86–92, 1994.
G. Huismann, “Effects during the starting period of the MIG process,” in Proceedings of the 7th International Conference on Welding Research, 2005.
Lincoln Electric Company, “Waveform Control Technology-Pulsed Spray Metal Transfer,” 2004.
Yaskawa Motoman Robotics, “Motomount Fixture Mounting System.” [Online]. Available: http://www.motoman.com/products/positioners/fixturemounting.php.
J. J. Madden, M. P. Stowell, P. Wu, H. Li, and L. He, “Welding Fixture with Active Position Adapting Functions,” Huazhong University of Science and Technology, 2007.
P. Sicard and L. M.D., “An approach to an expert robot welding system,” in IEEE Transactions on Systems, Man and Cybernetics, 2002, pp. 204 – 222.
J. Xie, “Dual Beam Laser Welding,” Welding Journal, pp. 223–230, 2002.
S. Gao, M. Zhao, L. Zhang, and Y. Zou, “Dual-beam structured light vision system for 3D coordinates measurement,” in I7th World Congress on intelligent Control and Automation (WCICA), 2008, pp. 3687–3691.
Lincoln Electric Company, “Tandem MIG-Garden State Chassis.”
M. Vural, H. F. Muzafferoglu, and U. C. Tapici, “The effect of welding fixtures on welding distortions,” Journal of achievements in manufacturing and materials engineering, vol. 20, pp. 511–514, 2007.
H. Long, D. Gery, A. Carlier, and P. G. Maropoulos, “Prediction of welding distortion in butt joint of thin plates,” Material and design, vol. 30, pp. 4126–4135, 2009.
B. Catherine, “What is a Collaborative Robot?,” 2013. [Online]. Available: http://blog.robotiq.com/bid/66463/What-is-a-Collaborative-Robot.
Robotiq, “Collaborative robots for welding?,” 2014. [Online]. Available: http://blog.robotiq.com/bid/72421/Collaborative-Robots-for-Welding.
P. G. Ranky, “A method for planning industrial robot networks for automotive welding and assembly lines,” Industrial Robot: An International Journal, vol. 29, no. 6, pp. 530–537, 2002.
T. David, T. A. Siewert, K. Matsubuchi, R. Su, L. Flanigan, and T. W. Eager, “In-Space Welding Visions & Realities,” in Thirtieth Space Congress “Yesterday’s Vision is Tomorrow’s Reality,” 1993.
J. D. Majumdar, “Underwater welding – present status and future scope,” Journal of Naval Architecture and Marine Engineering, vol. 3, pp. 39–48, 2006.
A. M. Joshi, “Underwater welding,” Bombay, 2007.
Wikipedia, “Hyperbaric welding,” 2014. [Online]. Available: http://en.wikipedia.org/wiki/Hyperbaric_welding.
K. Watson, “Extra-Vehicular Activity Welding Experiment,” alabama, 1989.
A. Ryberg, M. Ericsson, A.-K. Christiansson, K. Eriksson, J. Nilsson, and M. Larsson, “Stereo vision for path correction in off-line programmed robot welding,” in Industrial Technology (ICIT), 2010 IEEE International Conference on, 2010, pp. 1700–1705.
S. Wei, H. Ma, T. Lin, and S. Chen, “Autonomous guidance of initial welding position with ‘single camera and double positions’ method,” Sensor Review, vol. 30, no. 1, pp. 62–68, 2010.
M. Dinham and G. Fang, “Low cost simultaneous calibration of a stereo vision system and a welding robot,” in IEEE International Conference on Robotics and Biomimetics (ROBIO), 2010, pp. 1452–1456.
R. Y. Tsai, “A Versatile Camera Calibration Techniaue for High-Accuracy 3D Machine Vision Metrology Using Off-the-shelf TV Cameras and Lenses,” IEEE Journal of robotics and automation, vol. RA-3, no. 4, 1987.
J. Heikkila, “Flexible camera calibration by viewing a plane from unknown orientations,” in The Proceedings of the Seventh IEEE International Conference on Computer Vision, 1999, vol. 1, pp. 666–673.
Z. Zhang, “A Flexible New Technique for Camera Calibration,” IEEE Transactions on pattern analysis and machine intelligence, vol. 22, no. 11, pp. 1330–1334, 2000.
P. Xu, X. Tang, and S. Yao, “Application of circular laser vision sensor (CLVS) on welded seam tracking,” Journal of Materials Processing Technology, vol. 205, no. 1–3, pp. 404–410, Aug. 2008.
M. Dinham and G. Fang, “A low cost hand-eye calibration method for arc welding robots,” in Robotics and Biomimetics (ROBIO), 2009 IEEE International Conference on, 2009, pp. 1889–1893.
Y. C. Shiu and S. Ahmad, “Calibration of wrist-mounted robotic sensors by solving homogeneous transform equations of the form AX=XB,” in Robotics and Automation, IEEE Transactions on, 1989, vol. 5, no. 1, pp. 16–29.
F. Dornaika and R. Horaud, “Simultaneous robot-world and hand-eye calibration,” in IEEE Transactions on Robotics and Automation, 1998, vol. 14, no. 4, pp. 617–622.
L. Suyi and W. Guorong, “Fast Calibration for Robot Welding System with Laser Vision,” in EEE Conference on Robotics, Automation and Mechatronics, 2008, pp. 706–710.
L. He-xi, S. Yong-hua, W. Guo-rong, and Z. Xiao-xi, “Automatic Teaching of Welding Robot for 3-Dimensional Seam Based on Ant Colony Optimization Algorithm,” in Intelligent Computation Technology and Automation, 2009. ICICTA ’09. Second International Conference on, 2009, vol. 3, pp. 398–402.
P. Komi, “Stereo Imaging and 3D Accuracy Assessment,” Loughborough University, 2005.
Y. K. Liu, W. J. Zhang, and Y. M. Zhang, “A Tutorial on Learning Human Welder ’ s Behavior : Sensing , Modeling , and Control,” Kentucky, 2014.
J. Van Essen, M. Van der Jagt, N. Troll, M. Wanders, M. S. Erden, T. Van Beek, and T. Tomiyama, “Identifying Welding Skills for Robot Assistance,” in IEEE/ASME International Conference on Mechtronic and Embedded Systems and Applications, 2008, pp. 437–442.
V. Malin, “A new approach to the definition and classification of welding automation,” in 2nd International Conference on Development in Automated and Robotic Welding, 1987, pp. 179–190.
S. B. Chen, D. B. Zhao, Y. J. Lou, and L. Wu, “Computer Vision Sensing and Intelligent Control of Welding Pool Dynamics,” in Robotic welding, intelligence and automation, vol. 299, T.-J. Tarn, C. Zhou, and S.-B. Chen, Eds. Springer Berlin / Heidelberg, 2004, pp. 25–55.
M. Steve, C. H. L. Raymond, O. Kalin, G. Shixiang, D. David, N. Calvin, and A. Tao, “Realtime HDR (High Dynamic range) Video for Eyetap Wearable Computers, FPGA-based seeing Aids and Glasseyes ( EYETAPS ),” in 25th IEEE Canadian Conference on Electrical and Computer Engineering (CCECE), 2012.
Y. M. Zhang and L. Kvidahl, “Skilled Human Welder Intelligence Modeling and Control : Part II — Analysis and,” The welding journal, vol. 93, pp. 162–170, 2014.
S. Vaughan, “Taking a closer look at welding robotics and automation – Welding automation is gaining momentum,” The Fabricators and Manufacturers Association (FMA), 2002.
S. Tachi, “Robotics Research toward Next-Generation Human-Robot Networked Systems,” in Proceedings of the 35th International Symposium on Robotics (ISR2004), 2004, pp. 1–8.
R. Koeppe, D. Engelhardt, A. Hagenauer, P. Heiligensetzer, B. Kneifel, A. Knipfer, and K. Stoddard, “Robot-Robot and Human-Robot Cooperation in Commercial Robotics Applications,” Robotics research-Springer Tracts in Advanced Robotics, vol. 15, pp. 202–216, 2005.
A. Mahajan and F. Figueroa, “Intelligent seam tracking using ultrasonic sensors for robotic welding,” Robotica, vol. 15, no. 3, pp. 275–281, May 1997.
E. L. Estochen, C. P. Neuman, and F. B. Prinz, “Application of Acoustic Sensors to Robotic Seam Tracking,” IEEE transactions on industrial electronics, vol. 31, no. 3, pp. 219–224, 1984.
FANUC Robotics, “Through Arc Seam Tracking (TAST),” 2005.
A. Robotics, “ABB Robotics Introduces a ‘Through-the-Arc’ Seam-Tracking System,” 2010. [Online]. Available: http://weldingdesign.com/equipment-automation/news/abb-robotics-through-arc-seam-tracking-system-0629.
M. de Graaf, R. Aarts, B. Jonker, and J. Meijer, “Real-time seam tracking for robotic laser welding using trajectory-based control,” Control Engineering Practice, vol. 18, no. 8, pp. 944–953, Aug. 2010.
B. Cyganek and P. Siebert, An introduction to 3D computer vision techniques and algorithms, 2nd ed. Wiley Subscription Services, Inc., A Wiley Company, 2009.
J. Wang, Q. Chen, and Z. Sun, “Multi-pass weld profile detection for spherical tank through ‘quasi double cameras’ stereovision sensor,” in Proceedings of the International Conference on Information Acquisition, 2004, pp. 376–379.
L. Zhou, T. Lin, and S. B. Chen, “Autonomous Acquisition of Seam Coordinates for Arc Welding Robot Based on Visual Servoing,” Journal of intelligence and robotic systems, vol. 47, no. 3, pp. 239–255, 2006.
T. De, X., Min, T., Xiaoguang, Z. and Zhiguo, “Seam tracking and visual control for robotic arc welding based on structured light stereovision,” International journal of automation and computing, vol. 1, no. 1, pp. 64–75, 2004.
T. Borangiu and A. Dumitrache, “Robot Arms with 3D Vision Capabilities,” Bucharest, Romania, 2009.
M. J. Tsai, W. Lee, and N. Ann, “Machine Vision Based Path Planning for a Golf Club Head Welding System,” Journal of robotics and computer integrated manufacturing, vol. 27, no. 4, pp. 843–849, 2011.
P. Kim, S. Rhee, and C. H. Lee, “Automatic teaching of welding robot for free-formed seam using laser vision sensor,” Optics and Lasers in Engineering, vol. 31, no. 3, pp. 173–182, Mar. 1999.
J. Yu and S. Na, “A study on vision sensors for seam tracking of height-varying weldment. Part 1: Mathematical model,” Mechatronics, vol. 7, no. 7, pp. 599–612, Oct. 1997.
J. Yu and S. Na, “A study on vision sensors for seam tracking of height-varying weldment. Part 2: Applications,” Mechatronics, vol. 8, no. 1, pp. 21–36, Feb. 1998.
J. E. Agapakis, J. M. Katz, J. M. Friedman, and G. N. Epstein, “Vision-Aided Robotic Welding: An Approach and a Flexible Implementation,” The International Journal of Robotics Research, vol. 9, no. 5, pp. 17–34, Oct. 1990.
B. Bahr, J. T. Haung, and K. F. Ehmann, “Sensory guidance of seam tracking robots,” Journal of Robotic Systems, vol. 11, no. 1, pp. 67–76, 1994.
M. Fridenfalk and G. Bolmsjö, “Design and Validation of a Universal 6D Seam Tracking System in Robotic Welding Based on Laser Scanning,” 2006.
R. Modic, “Machine vision system for adaptive robotic welding Product datasheet,” 2008.
Servo-robot Inc, “Arc Seam Tracking,” 2014. [Online]. Available: http://servorobot.com/manufacturing-solutions/arc-seam-tracking/.
Meta Vision Systems Ltd, “Robotic Seam Tracking.” [Online]. Available: http://www.meta-mvs.com/seam-tracking.htm. [Accessed: 02-Apr-2014].
Liburdi Group of Companies, “The Liburdi Seam Tracker,” 2014. [Online]. Available: http://www.liburdi.com/LiburdiAutomation/seam-tracker/default.aspx.
V. Welding, “Welding robots.” [Online]. Available: http://www.valkwelding.com/en/welding-automation/welding-robots. [Accessed: 08-Aug-2014].
F. R. America, “Adaptive Welding,” 2005.
Micro-epsilon, “Laser sensors,IR temperature sensors,Displacement and position sensors,Color sensors,” 2010. [Online]. Available: http://www.micro-epsilon.com/index.html.
V. G. Nick, C. Steven, B. Philip, and K. Jean-, “A Performance Evaluation Test for Laser Line Scanners on CMMs,” Optics and Lasers in Engineering, vol. 47, no. 3–4, pp. 336–342, 2009.
W. Boehler, M. B. Vicent, A. Marbs, and S. Technology, “Investigating laser scanner accuracy,” in The 6th CIPA Symposium at Antalya, 2003, no. October.
G. E. S. Gerald F. Marshall, Handbook of Optical and Laser Scanning. 2004.
D. D. Lichti and B. R. Harvey, “The Effects of Reflecting Surface Material Properties on Time of Flight Laser Scanner Measurements,” in Symposium on Geospatial Theory, Processing and Applications, 2002.
C. T. Yang S., Cho M., Lee H., “Weld line detection and process control for welding automation,” Measurement science and technology, vol. 18, pp. 819–826, 2007.
I. Kim, J. Son, S. Lee, and P. K. D. V. Yarlagadda, “Optimal design of neural networks for control in robotic arc welding,” Robotics and computer-integrated manufacturing, vol. 20, pp. 57–63, 2004.
Computer weld technologies Inc, “ADM IV Arc Data Monitor,” 2014. [Online]. Available: http://www.cweldtech.com/product-ADM4.html.
Weldindustry AS, “WeldEye Quality System,” 2014. [Online]. Available: http://www.weldindustry.com/index.php/products-topmenu-33/weldeye-quality-system.
ETher NDE, “WeldCheck,” 2014. [Online]. Available: http://www.ethernde.com/instruments/flaw-detectors/weldcheck.
X. M. Zeng, J. Lucas, and M. T. C. Fang, “Use of neural networks for parameter prediction and quality inspection in TIG welding,” Transactions of the Institute of Measurement and Control, vol. 15, no. 2, pp. 87–95, Jan. 1993.
M. Miller, B. Mi, A. Kita, and I. C. Ume, “Development of automated real-time data acquisition system for robotic weld quality monitoring,” Mechatronics, vol. 12, no. 9–10, pp. 1259–1269, Nov. 2002.
E. Karadeniz, U. Ozsarac, and C. Yildiz, “The effect of process parameters on penetration in gas metal arc welding process,” Material and design, vol. 28, pp. 649–656, 2007.
G. Singh, K. Singh, and J. Singh, “Mathematical Modeling of the Effect of Welding Parameters on Penetration In Submerged Arc,” International Journal of Engineering Studies, vol. 2, no. 3, pp. 313–320, 2010.
H. J. Park, D. C. Kim, M. J. Kang, and S. Rhee, “Optimisation of the wire feed rate during pulse MIG welding of Al sheets,” Journal of of Achievements in Materials and Manufacturing Engineering, vol. 27, no. 1, pp. 83–86, 2008.
I. S. Kim, K. J. Son, Y. S. Yang, and P. K. D. V. Yarlagadda, “Sensitivity analysis for process parameters in GMA welding processes using a factorial design method,” International journal of machine tools & manufacture, vol. 43, pp. 763–769, 2003.
M. S. Ali and P. V. Kumar, “Affect of Different Input Parameters on Weldment Characteristics in Tungsten Inert Gas ( TIG ) Welding,” American Journal of Scientific Research, vol. 12, no. 12, pp. 153–165, 2010.
P. Kumari, K. Archna, and R. S. Parmar, “Effect of Welding Parameters on Weld Bead Geometry in MIG Welding of Low Carbon Steel,” International Journal of Applied Engineering Research, vol. 6, no. 2, pp. 249–258, 2011.
P. K. Palani and N. Murugan, “Development of mathematical models for prediction of weld bead geometry in cladding by flux cored arc welding,” International journal of advanced manufacturing technology, vol. 30, pp. 669–676, 2006.
D. W. Becker and C. M. Adams, “Investigation of pulsed GTA welding parameters,” in 59th annual meeting of AWS, 1978, pp. 134–138.
Y. . Tarng, H. . Tsai, and S. . Yeh, “Modeling, optimization and classification of weld quality in tungsten inert gas welding,” International Journal of Machine Tools and Manufacture, vol. 39, no. 9, pp. 1427–1438, Sep. 1999.
S. C. Juang and Y. S. Tarng, “Process parameter selection for optimizing the weld pool geometry in the tungsten inert gas welding of stainless steel,” Journal of Materials Processing Technology, vol. 122, pp. 33–37, 2002.
E. Batanouny, “Design and Manufacture of a Control Unit for Monitoring Welding Parameters in Resistance Spot Welding,” International Journal of Engineering & Technology, vol. 10, no. 1, pp. 36–42.
K. Anderson, G. E. Cook, G. Karsai, and K. Ramaswamy, “Artificial neural networks applied to arc welding process modelling and control,” in IEEE transactions on industry automation, 1990, pp. 824–830.
A. Jaleel, “Grey-based Taguchi Method for optimization of Bead Geometry in Laser bead-on-plate Welding,” Advances in Production Engineering & Management, vol. 5, no. 4, pp. 225–234, 2010.
T. Greyjevo, Optimizacija Geometrije, U. Esme, M. Bayramoglu, Y. Kazancoglu, and S. Ozgun, “Optimization of Weld Bead Geometry in TIG Welding Process Unisng Grey-relation Analysis and Taguchi method,” Materials and technology, vol. 43, no. 3, pp. 143–149, 2009.
K. Y. Benyounis and a. G. Olabi, “Optimization of different welding processes using statistical and numerical approaches – A reference guide,” Advances in Engineering Software, vol. 39, no. 6, pp. 483–496, Jun. 2008.
I. S. Kim, A. Basu, and E. Siores, “Mathematical models for control of weld bead penetration in the GMAW process,” International journal of advanced manufacturing technology, vol. 12, pp. 393–401, 1996.
I. S. Kim, K. J. Son, and P. K. D. V. Yarlagadda, “A study on the quality improvement of robotic GMA welding process,” Robotics and computer-integrated manufacturing, vol. 19, pp. 567–572, 2003.
S. Pal, S. K. Pal, and A. K. Samantaray, “Artificial neural network modelling of weld joint strength of a pulsed metal inert gas welding process using arc signals,” Journal of Materials Processing Technology, vol. 202, pp. 464–474, 2008.
Q. Wang, D. Xu, and I. Science, “Robust features extraction for lap welding seam tracking system,” in IEEE Youth Conference on Information, Computing and Telecommunication, 2009, pp. 319–322.
H. Engström and A. Kaplan, “Adaptive process control in laser robotic welding,” 2008.
H. B. Chen, T. Lin, S. B. Chen, and J. F. Wang, “Adaptive Control on Wire Feeding in Robot Arc Welding System,” in IEEE Conference on Robotics, Automation and Mechatronics, 2008, pp. 119–122.
Fronius, “Magic Wave 4000.” [Online]. Available: http://www.fronius.com/cps/rde/xchg/SID-C7973E01-C70ABDB8/fronius_international/hs.xsl/79_9115_ENG_HTML.htm#.VGTzyvnGrLk.
N. Instruments, “Parts of a PXI System,” 2014. [Online]. Available: http://www.ni.com/white-paper/4811/en/.
HKS-ProzeBtechnik GmbH, “HKS sensors for welding data monitoring: technical data/operating instructions/ calibration certificates,” Germany, 2008.
C. Andrew, S. and Daniel, “Cameras for Monitoring Welding,” Welding Design and Fabrication, 2011. [Online]. Available: http://weldingdesign.com/equipment-automation/main/CamerasForMonitoring/#.UDuXEsdHzBw.mendeley.
IDS, “IDS uEye XS Series – Ultra compact USB Camera with Integrated Lens and RichFeature Set,” 2011. [Online]. Available: http://www.stemmer-imaging.co.uk/en/products/series/ids-ueye-xs/.
X. Wen-Fang, L. Zheng, P. Claude, and T. Xiao-Wei, “Switching Control of Image Based Visual Servoing in an Eye-in-Hand System Using Laser Pointer,” in Motion Control, F. Casolo, Ed. 2010.
P. Manorathna, P. Ogun, S. Marimuthu, L. Justham, and M. Jackson, “Performance evaluation of a 3D laser scanner for industrial applications,” in IEEE international conference on information and automation for sustainability, 2014.
Micro-epsilon, “scanCONTROL 2D/3D laser scanner (laser profile sensors).”
KUKA Robot Group, “KUKA KR 16 L6-2,” 2014. [Online]. Available: http://www.kuka-robotics.com/en/products/industrial_robots/low/kr16_l6_2/.
KUKA system technology, “KUKA.Ethernet KRL XML 1.2,” 2012.
F. Duan, Y. Zhang, N. Pongthanya, K. Watanabe, H. Yokoi, and T. Arai, “Analyzing human skill through control trajectories and motion capture data,” in IEEE International Conference on Automation Science and Engineering, 2008, pp. 454–459.
The British Psychological Society, “Code of ethics and conduct,” 2009.
P. C. Miller, “In search of smarter welding systems,” Tooling & Production, 1994.
E. Nadernejad and S. Sharifzadeh, “Edge Detection Techniques : Evaluations and Comparisons,” Applied Mathematical Sciences, vol. 2, no. 31, pp. 1507–1520, 2008.
L. W. S. . Chen, D. B. Zhao, and Y. J. Lou, “Computer Vision Sensing and Intelligent Control of Welding Pool Dynamics,” Robotic welding and intelligent automation, vol. 299, pp. 25–55, 2004.
L. P. Connor, Welding handbook volume 1: Welding technology, 8th ed. American welding society, 1991.

전문가 Q&A: 주요 질문과 답변

Q1: 왜 실시간 단일 패스(single-pass) 방식이 아닌, ‘스캔 후 용접’의 2단계(two-pass) 접근법을 선택했습니까?

A1: 항공우주 산업에서는 고가의 재료를 사용하므로 용접 실패로 인한 부품 폐기는 막대한 비용 손실을 초래합니다. 본 연구에서 채택한 2단계 접근법은 용접을 시작하기 전에 레이저 스캐너로 전체 용접 조인트의 형상을 정밀하게 분석할 수 있게 해줍니다. 이를 통해 시스템은 갭 변화, 부정합 등 모든 변수를 사전에 파악하고 지능적인 판단을 내릴 수 있어 용접 실패 위험을 최소화하고 최고 품질의 용접을 보장할 수 있습니다. (Chapter 7 참조)

Q2: 연구 결과, 배경 전류와 펄스 주파수가 용접 비드 형상에 미치는 영향이 미미하다고 나왔습니다. 그렇다면 이 파라미터들은 중요하지 않은 것인가요?

A2: 비드 형상에 대한 영향은 상대적으로 적었지만, 용접 강도에 대한 분산 분석(ANOVA) 결과(Figure 8-19)에서는 이 두 파라미터가 주 용접 전류나 듀티 사이클보다는 낮지만 무시할 수 없는 영향을 미치는 것으로 나타났습니다. 이는 용접 품질이 단순히 기하학적 형상뿐만 아니라 기계적 특성까지 고려해야 하는 복합적인 문제임을 보여주며, 최적화 목표에 따라 각 파라미터의 중요도가 달라질 수 있음을 시사합니다.

Q3: 특히 반짝이는 표면에서 레이저 스캐너의 노이즈나 데이터 손실 문제는 어떻게 처리했습니까?

A3: 두 가지 방식으로 접근했습니다. 첫째, 사전 실험(Chapter 5)을 통해 반짝이는 스테인리스강 표면에서 최적의 데이터 품질을 얻을 수 있는 레이저 스캐너 설정값(예: 노출 시간 1-2ms, 스탠드오프 거리 67-68mm, 임계 입사각 회피)을 찾아냈습니다. 둘째, 그럼에도 불구하고 발생하는 노이즈 데이터는 3D 포인트 클라우드를 처리하는 후처리 필터링 알고리즘(Chapter 6)을 통해 제거했습니다. 이 알고리즘은 연속된 포인트 간의 예상 변위 임계값을 초과하는 이상치(outlier)를 효과적으로 걸러냅니다.

Q4: 숙련된 용접사의 작업을 분석하여 얻은 가장 핵심적인 교훈은 무엇이었습니까?

A4: 가장 큰 교훈은 숙련된 용접사가 복잡한 TIG 용접 공정을 ‘단순화’하여 제어한다는 점입니다. 그들은 모든 파라미터를 동시에 미세 조정하는 대신, 용접 품질에 가장 큰 영향을 미치는 핵심 파라미터(주로 용접 전류와 와이어 공급 속도)를 우선적으로 제어하고 나머지 변수(용접 속도 등)는 비교적 일정하게 유지했습니다. 이 원칙은 로봇의 적응형 제어 알고리즘 개발에 직접적으로 적용되어, 제어 변수의 수를 줄이고 알고리즘의 안정성과 효율성을 높이는 데 결정적인 역할을 했습니다. (Chapter 4 참조)

Q5: 가변 갭에 대응하기 위해 용접 파라미터를 조절하는 적응형 모델(수식 9.12-9.14)은 어떻게 도출되었습니까?

A5: 이 모델은 실험 데이터 기반의 역전파(back-propagation) 방식으로 도출되었습니다. 먼저, 다양한 크기의 알려진 갭(0.25mm ~ 2.5mm)을 설정하고 각 갭에서 최상의 용접 결과를 내는 용접 전류, 듀티 사이클, 와이어 공급 속도의 조합을 실험적으로 찾았습니다. 이 데이터들을 그래프로 나타내자 갭 크기와 각 파라미터 값 사이에 뚜렷한 선형 관계가 나타났습니다(Figure 9-7). 이 선형 추세선을 분석하여 갭 크기를 입력하면 최적의 파라미터 값을 예측하는 간단하면서도 강력한 선형 방정식을 유도할 수 있었습니다.

결론: 더 높은 품질과 생산성을 향한 길

본 연구는 숙련된 용접사의 노하우와 첨단 센서 기술을 결합하여 고부가가치 산업의 오랜 난제였던 로봇 TIG 용접 자동화의 새로운 가능성을 열었습니다. 용접 조인트의 3D 형상을 실시간으로 분석하고, 경험적 모델을 통해 최적의 파라미터를 지능적으로 도출하는 이 적응형 시스템은 기존의 경직된 로봇 용접 방식의 한계를 극복하는 청사진을 제시합니다. 이는 단순히 사람의 작업을 모방하는 것을 넘어, 데이터에 기반한 일관성과 정밀도를 통해 수동 용접보다 더 안정적인 품질을 달성할 수 있는 잠재력을 보여주었습니다.

STI C&D는 최신 산업 연구 결과를 적용하여 고객이 더 높은 생산성과 품질을 달성할 수 있도록 돕는 데 전념하고 있습니다. 이 논문에서 논의된 과제가 귀사의 운영 목표와 일치한다면, 저희 엔지니어링 팀에 연락하여 이러한 원칙을 귀사의 부품에 어떻게 구현할 수 있는지 논의해 보시기 바랍니다.

(주)에스티아이씨앤디에서는 고객이 수치해석을 직접 수행하고 싶지만 경험이 없거나, 시간이 없어서 용역을 통해 수치해석 결과를 얻고자 하는 경우 전문 엔지니어를 통해 CFD consulting services를 제공합니다. 귀하께서 당면하고 있는 연구프로젝트를 최소의 비용으로, 최적의 해결방안을 찾을 수 있도록 지원합니다.

연락처 : 02-2026-0450
이메일 : flow3d@stikorea.co.kr

저작권 정보

이 콘텐츠는 Prasad Manorathna의 논문 “Intelligent 3D Seam Tracking and Adaptable Weld Process Control for Robotic TIG Welding”을 기반으로 한 요약 및 분석 자료입니다.
출처: Loughborough University Institutional Repository (https://repository.lboro.ac.uk/articles/thesis/Intelligent_3D_seam_tracking_and_adaptable_weld_process_control_for_robotic_TIG_welding/9585041)

PDF View

Figure 4-8: Butt weld completed by a semi-skilled welder (a) welding current and voltage variation against time, (b) top view of the weld, (c) bottom view of the weld

로봇 TIG 용접의 미래: 지능형 3D 심 트래킹 및 적응형 공정 제어 기술

키워드

Primary Keyword: 로봇 TIG 용접
Secondary Keywords: 적응형 용접, 3D 심 트래킹, 용접 자동화, 용접 공정 제어, 항공우주 용접, 지능형 로봇

Executive Summary

과제: 숙련된 용접사의 기술에 크게 의존하는 항공우주 부품의 복잡하고 정밀한 TIG 용접을 자동화하는 데에는 기존 로봇 기술의 한계가 있었습니다.
방법: 6축 산업용 로봇, 레이저 삼각 측량 센서, 용접 시스템을 통합하고, 실시간으로 용접 조인트 형상을 분석하여 용접 파라미터를 조절하는 지능형 알고리즘 기반의 폐쇄 루프 시스템을 개발했습니다.
핵심 돌파구: 개발된 로봇 시스템은 가변적인 용접 갭을 실시간으로 감지하고, 이에 맞춰 용접 전류, 듀티 사이클, 와이어 공급 속도를 자동으로 조절하여 숙련된 용접사와 유사한 수준의 고품질 용접을 성공적으로 수행했습니다.
핵심: 본 연구는 복잡한 형상과 변수가 많은 고부가가치 TIG 용접 공정에 지능형 자동화를 적용할 수 있는 실질적인 프레임워크를 제시합니다.

과제: 왜 이 연구가 CFD 전문가에게 중요한가

접근 방식: 연구 방법론 분석

본 연구는 지능형 적응형 로봇 TIG 용접 시스템을 구축하기 위해 하드웨어와 소프트웨어를 통합한 포괄적인 접근 방식을 채택했습니다.

핵심 장비 구성:
- 모션 제어: 6축 산업용 로봇(KUKA KR 16)을 사용하여 용접 토치와 센서의 정밀한 3D 움직임을 구현했습니다.
- 용접 시스템: 자동화 모드 제어가 가능한 Fronius Magicwave 4000 TIG 용접기와 푸시-풀(push-pull) 방식의 와이어 공급 장치를 사용했습니다.
- 3D 비전 센서: Micro-Epsilon의 레이저 삼각 측량 기반 스캐너(Scan control 2900-25)를 사용하여 용접 전 조인트의 3D 형상 데이터를 실시간으로 수집했습니다.
- 데이터 수집 및 제어: National Instruments (NI) DAQ 시스템과 HKS 용접 센서를 통해 용접 전류, 전압 등 핵심 공정 데이터를 모니터링했습니다.
시스템 통합 및 제어: 모든 하드웨어는 단일 워크스테이션(PC)에 연결되었으며, LabVIEW를 사용하여 개발된 중앙 제어 소프트웨어를 통해 통합적으로 제어되었습니다. 이 소프트웨어는 로봇 제어, 레이저 스캐너 데이터 수집, 실시간 형상 특징 추출, 용접기 파라미터 설정 등 모든 프로세스를 자동화하는 역할을 수행합니다.
2단계 접근법 (Two-Pass Approach): 항공우주 산업의 높은 품질 요구사항을 충족시키기 위해 ‘스캔 후 용접’ 방식을 채택했습니다.
1. 스캔 패스(Scan Pass): 로봇이 용접 경로를 따라 이동하며 레이저 스캐너로 조인트의 3D 형상(갭 변화, 정렬 상태 등)을 정밀하게 측정합니다.
2. 용접 패스(Weld Pass): 스캔 단계에서 얻은 형상 데이터를 기반으로, 개발된 알고리즘이 각 위치에 최적화된 용접 파라미터를 계산하고 이를 적용하여 로봇이 용접을 수행합니다.

돌파구: 주요 연구 결과 및 데이터

본 연구는 숙련된 용접사의 기술을 정량화하고, 이를 기반으로 한 적응형 로봇 시스템의 우수성을 데이터로 입증했습니다.

결과 1: 숙련된 용접사의 기술 정량화 및 제어 전략 도출

핵심 파라미터 집중: 숙련된 용접사는 용접 전류와 와이어 공급 속도를 가장 중요한 변수로 삼아 적극적으로 제어했으며, 용접 속도나 토치 높이(전압)는 비교적 일정하게 유지했습니다 (그림 4-10, 4-17 참조).
시각적 피드백 의존: 용접 풀(weld pool)의 형태와 크기를 시각적으로 관찰하는 것이 파라미터를 조절하는 가장 중요한 피드백 메커니즘이었습니다 (그림 4-28 참조).

결과 2: 적응형 로봇 용접 시스템의 성능 입증

연구진은 0.25mm에서 2.5mm까지 갭이 변하는 까다로운 맞대기 용접(butt joint) 시편을 사용하여 네 가지 다른 용접 접근법의 성능을 비교했습니다.

일정 파라미터 접근법: 용접 품질이 불균일하고 일부 구간에서 용접이 제대로 형성되지 않았습니다 (그림 9-14(a)).
구간별 파라미터 접근법 (산업 방식): 품질은 개선되었으나, 파라미터가 변경되는 구간에서 과도한 열 입력으로 인한 결함이 관찰되었습니다 (그림 9-14(b)).
숙련된 용접사 접근법: 만족스러운 용접 품질을 보였으나, 갭 변화에 따라 용접 비드 폭이 다소 불균일했습니다 (그림 9-14(c)).
적응형 제어 접근법 (본 연구): 개발된 시스템은 갭 변화를 실시간으로 반영하여 파라미터를 연속적으로 조절함으로써, 전체 용접 길이에 걸쳐 가장 일관된 비드 폭과 열영향부(HAZ)를 형성했습니다 (그림 9-14(d)).

R&D 및 운영을 위한 실질적 시사점

공정 엔지니어: 본 연구의 경험적 모델(Chapter 8)은 가변 갭 용접 시 듀티 사이클, 용접 전류, 와이어 공급 속도가 품질을 결정하는 가장 중요한 제어 변수임을 보여줍니다. 이는 복잡한 용접 공정의 최적화 변수를 단순화하여 더 빠르고 효과적인 공정 개발을 가능하게 합니다.
품질 관리팀: 그림 9-15의 하중-연신율 그래프는 개발된 적응형 접근법이 숙련된 용접사와 동등한 수준의 반복 가능한 기계적 강도를 달성함을 보여줍니다. 이는 자동화된 용접 공정에 대한 새로운 품질 검사 기준을 수립하는 데 중요한 데이터가 될 수 있습니다.
설계 엔지니어: 이 시스템은 롤(roll), 피치(pitch), 요(yaw)와 같은 다양한 조인트 부정합을 정량화하고 이에 적응할 수 있습니다 (Chapter 7). 이는 설계 단계에서 제조 공차에 더 유연하게 대응할 수 있는 설계를 가능하게 하여 생산 수율을 높이는 데 기여할 수 있습니다.

논문 정보

Intelligent 3D Seam Tracking and Adaptable Weld Process Control for Robotic TIG Welding

1. 개요:

제목: Intelligent 3D Seam Tracking and Adaptable Weld Process Control for Robotic TIG Welding
저자: Prasad Manorathna
발행 연도: 2015
학술지/학회: Loughborough University (박사 학위 논문)
키워드: Robotic TIG welding, 3D seam tracking, adaptable weld process control, intelligent automation, human skill capture, empirical modelling

2. 초록:

Figure 1-3: Intelligent and adaptable robotic TIG welding system developed by the author

3. 서론:

4. 연구 요약:

연구 주제의 배경:

이전 연구 현황:

연구 목적:

핵심 연구:

5. 연구 방법론

연구 설계:

데이터 수집 및 분석 방법:

데이터 수집: HKS 용접 센서와 NI DAQ 시스템을 사용하여 용접 전류 및 전압 데이터를 1kHz 샘플링 속도로 수집했습니다. Micro-Epsilon 3D 레이저 스캐너를 사용하여 용접 조인트의 3D 프로파일 데이터를 획득했습니다. 또한, 카메라를 통해 용접 과정과 토치 각도를 영상으로 기록했습니다. 용접 후 시편은 인장 시험기(INSTRON 8801)를 사용하여 기계적 강도를 측정했습니다.
데이터 분석: 수집된 데이터는 LabVIEW와 Matlab을 사용하여 분석되었습니다. 노이즈 제거를 위해 저역 통과 필터(low-pass filter)가 적용되었습니다. 용접사의 기술 분석과 용접 품질에 미치는 파라미터의 영향을 정량화하기 위해 분산 분석(ANOVA)과 같은 통계적 기법이 사용되었습니다. 타구치(Taguchi) 방법을 적용하여 최소한의 실험으로 공정 변수 간의 관계를 모델링하는 경험적 모델을 개발했습니다.

연구 주제 및 범위:

6. 주요 결과:

주요 결과:

본 연구를 통해 개발된 지능형 로봇 TIG 용접 시스템은 가변 갭 맞대기 조인트 용접에서 숙련된 용접사와 유사하거나 더 일관된 용접 품질을 달성했습니다.
분산 분석(ANOVA) 결과, 용접 비드 형상과 강도에 가장 큰 영향을 미치는 파라미터는 듀티 사이클, 용접 전류, 와이어 공급 속도 순이었으며, 배경 전류와 펄스 주파수의 영향은 미미했습니다. 이는 제어 문제의 복잡성을 줄이는 데 중요한 단서를 제공했습니다.
타구치 방법을 사용하여 개발된 상호작용(interaction) 다항식 모델은 용접 비드 폭, 높이, 용입 및 인장 강도를 높은 정확도(R² 값 0.83~0.99)로 예측할 수 있었습니다.
3D 레이저 스캐너 성능 평가를 통해, 최적의 데이터 품질을 얻기 위한 조건(스탠드오프 거리 67-68mm, 노출 시간 1-2ms, 임계 입사각 15°-25° 회피 등)을 확립했습니다.
개발된 3D 특징 추출 알고리즘은 노이즈나 데이터 손실이 있는 상황에서도 V, U, I 형상의 용접 조인트 특징을 x축에서 ±38µm, z축에서 ±127µm의 최대 평균 제곱 오차(MSE)로 정확하게 추출했습니다.
4가지 용접 접근법(일정 파라미터, 산업(구간별), 숙련 용접사, 적응형 제어) 비교 결과, 본 연구에서 제안한 적응형 제어 방식이 가장 균일한 비드 형상과 열영향부를 보였으며, 기계적 강도 또한 숙련 용접사와 동등한 수준으로 가장 우수했습니다.

Figure List:

Figure 1-1: An image of an aero-engine section showing important parts
Figure 1-2: Manufacturing capability readiness levels
Figure 1-3: Intelligent and adaptable robotic TIG welding system developed by the author
Figure 1-4: Project plan
Figure 2-1: Robot work volume
Figure 2-2: Stereo vision principle
Figure 2-3: Laser scanner principle
Figure 2-4: TIG welding principle
Figure 2-5: First welding robot developed by ABB (IRB 6)
Figure 2-6: Collaborative robotic welding
Figure 2-7: Underwater welding
Figure 2-8: human-robot collaboration in welding
Figure 2-9: Stereo vision system correcting for path
Figure 2-10: Laser scanner inspecting prior to welding
Figure 3-1: Summarized system integration diagram
Figure 3-2: CAD design of the welding cell
Figure 3-3: Photographic view of the welding equipment (a) Fronius Magicwave 4000 welding machine (b) Wire feeder unit
Figure 3-4: Different welding torches used for different phases of the project (a) Manual welding torch, (b) Robocta TTW 4500 robotic torch
Figure 3-5: NI DAQ card and PXIe chassis system
Figure 3-6: Hall effect current sensor (a) Hall effect principle, (b) HKS process sensor
Figure 3-7: Principal of welding voltage sensing
Figure 3-8: Block diagram for NI DAQ system integration with the PC
Figure 3-9: Signal channels without noise filtering at dwell state (a) Welding current signal in frequency domain, (b) Welding voltage channel in frequency domain
Figure 3-10: process parameters at dwell state
Figure 3-11: process parameters during welding
Figure 3-12: Current and voltage signals in frequency domain (a) welding current during welding, (b) welding voltage during welding
Figure 3-13: Acquired signals after applying filtering
Figure 3-14: Welding spectrum
Figure 3-15: (a)Band-pass filter, (b) lens and camera
Figure 3-16: Camera with illumination source for weld area viewing
Figure 3-17: The triangulation principle of laser scanners
Figure 3-18: The triangle shape of the scanning beam
Figure 3-19: KUKA KR16 robot and robot coordinate systems
Figure 3-20: Network connection diagram
Figure 3-21: System integration diagram
Figure 3-22: Control diagram of the system
Figure 3-23: Welding fixture
Figure 3-24: Software integration diagram
Figure 3-25: 3D Seam tracking software module
Figure 3-26: Sensor feedback software module
Figure 3-27: 3D Feature extraction software module
Figure 3-28: Weld process control software module
Figure 4-1: Output of manual and robotic welding
Figure 4-2: System diagram of the experimental setup (a) block diagram, (b) image of the physical set-up
Figure 4-3: Three weld joint selected for testing (a) Butt joint, (b) Lap joint, (c) Fillet joint
Figure 4-4: An image of the camera setup for testing a welder
Figure 4-5: Torch and filler wire position definition
Figure 4-6: Typical welding diagram
Figure 4-7: Butt weld completed by a novice welder (a) welding current and voltage variation against time, (b) top view of the weld, (c) bottom view of the weld
Figure 4-8: Butt weld completed by a semi-skilled welder (a) welding current and voltage variation against time, (b) top view of the weld, (c) bottom view of the weld
Figure 4-9: Butt weld completed by a skilled welder (a) welding current and voltage variation against time, (b) top view of the weld, (c) bottom view of the weld
Figure 4-10: Average welding current used by different welders
Figure 4-11: Standard deviation in welding current for different welders
Figure 4-12: Different manual welding techniques (a) pulse created by the manual welder from the foot pedal, (b) normal welding technique used by welders
Figure 4-13: Pictures of bottom side for different weld techniques (a) pulsed current, (b) constant current
Figure 4-14: Indirect effect of pulsing on the voltage signal
Figure 4-15: Average voltage measured for different skill levels
Figure 4-16: Standard deviation in voltage for different skill levels
Figure 4-17: Average welding speed maintained by different welders
Figure 4-18: Effect of welding speed on weld finish (a) Higher speed (b) average speed used by a skilled welder
Figure 4-19: Filler wire feed frequency and consumption rate for different welders (a) filler wire feed frequency, (b) filler wire consumption rate
Figure 4-20: (a) Globular droplets from melting the wire from the arc (b) a weld performed by feeding the wire in to the melt pool
Figure 4-21: Torch stand-off distance for different welders
Figure 4-22: Images taken for different skill levels (a) novice welder, (b) semi-skilled welder, (c) skilled welder
Figure 4-23: Torch/filler wire orientation
Figure 4-24: Average current variation against joint type
Figure 4-25: Average voltage against joint type for different welders
Figure 4-26: Filler wire consumption rate for different weld joints
Figure 4-27: Welding speeds used for different weld joint types
Figure 4-28: Decision making criteria for critical tasks identified in TIG welding
Figure 4-29: Sample weld joint to check human adaptability
Figure 4-30: Experimental results of welding corners (a) welded sample, (b) trial-1, (c) trial-2, (d) trial-3
Figure 5-1: Photographic view of the experimental set-up
Figure 5-2: Photographic view of the Scan-control software
Figure 5-3: Calibration samples (a) feeler gauge set, (b) slip gauge set
Figure 5-4: Specified and measured working ranges of the laser scanner (a) specified laser scanner span, (b) actual span
Figure 5-5: Setup for vertical resolution measurement
Figure 5-6: Percentage error in measurements along z-axis
Figure 5-7: Setup measuring a metric feeler gauge and percentage error in measurements
Figure 5-8: Percentage error along the x-axis of the laser scanner
Figure 5-9: Percentage error against exposure time
Figure 5-10: Percentage error in measurements for checking repeatability
Figure 5-11: Measurement error at different illumination conditions
Figure 5-12: Inappropriate data from a laser scanner
Figure 5-13: Number of missing data points against stand-off distance
Figure 5-14: Arrangement for measurements at different steepness angles
Figure 5-15: Results of number of missing data points measured against steepness angle
Figure 5-16: Data at various steepness angles
Figure 5-17: Arrangement for measurements at different incidences angles
Figure 5-18: Raw images obtained from the laser scanner at different incidence angles
Figure 5-19: Effect of incidence angle on data acquisition
Figure 5-20: Effect of incidence angle on data acquisition (a) number of noisy data points (b)noisy data percentage
Figure 5-21: Different surface finished samples
Figure 5-22: Results obtained for different surface finish
Figure 5-23: Raw images captured at different exposure levels
Figure 5-24: Effect of exposure time on data acquisition (a) number of noisy data points (b) noisy data percentage
Figure 5-25: U-groove for finding optimum exposure time
Figure 5-26: Missing and noisy data percentage against exposure time
Figure 5-27: Data acquisition performance against specified threshold value (a) number of noisy data points (b) noisy data percentage
Figure 6-1: Experimental setup used for joint feature extraction
Figure 6-2: Photographic view of the experimental setup
Figure 6-3: Sequence of operations for robotic scanning and feature extraction
Figure 6-4: Sample weld groove types used for feature extraction (a) I groove, (b) V groove, (c) U groove
Figure 6-5: Features to be extracted from a weld joint
Figure 6-6: Data cropping process for outlier removal (a) data cropping process (b) resulting data
Figure 6-7: Gradient values along the 2D point cloud (dy/dx)
Figure 6-8: horizontal offsets between two consecutive laser points (dx)
Figure 6-9: Extracted feature points (.)
Figure 6-10: Feature extraction steps for the U-groove (a) raw data, (b) cropped data, (c) gradient (dy/dx), (d) Offset between consecutive laser points (dx), (e) extracted feature points (.)
Figure 6-11: Feature extraction of a I-butt joint (a)raw data, (b) dx, (c) Detected points (*)
Figure 6-12: Continuous weld groove edge and detected noisy data point
Figure 6-13: Filtering applied in both x and z axis separately (a) x-y raw data, (b) x-y data after filtering, (c) x-y data after fitting, (d) y-z raw data, (e) y-z data after outlier removal, (f) y-z data after fitting
Figure 6-14: Extracted feature points (a) raw data, (b) fitted data
Figure 6-15: Possible joint configurations
Figure 6-16: Roll angle measurement (a) physical set-up, (b) roll angle
Figure 6-17: Roll angle measurement along the weld joint
Figure 6-18: Pitch angle measurement (a) physical set-up, (b)pitch angle
Figure 6-19: Line fitting for pitch angle measurement
Figure 6-20: Yaw angle measurement (a) physical set-up, (b) yaw angle
Figure 6-21: Line fitting for yaw angle measurement
Figure 6-22: Vertical offset measurement (a) physical set-up, (b) vertical offset
Figure 6-23: Vertical offset measurement along the weld joint
Figure 6-24: Extracted features of selected weld joint type (a) I-groove, (b) V-groove, (c) U-groove
Figure 6-25: Mean square error in detected points for different groove types
Figure 6-26: Gap measurements (a) physical setup (b) gap measured between top edges, (c) gap measured between bottom edges (b)
Figure 6-27: Gap measurements using feature detection algorithms
Figure 6-28: extracted points at roll orientation
Figure 6-29: Average roll angle measurement accuracy (a) absolute error, (b) percentage error
Figure 6-30: extracted points at pitch orientation
Figure 6-31: Pitch angle measurement accuracy (a) absolute error, (b) percentage error
Figure 6-32: extracted points at yaw orientation
Figure 6-33: yaw angle measurement accuracy (a) absolute error, (b) percentage error
Figure 6-34: extracted points at vertical offset orientation
Figure 6-35: vertical offset measurement accuracy (a) absolute error, (b) percentage error
Figure 6-36: Feature extraction in I and U grooves at various joint fit-ups
Figure 7-1: Coordinate systems in the robotic welding system
Figure 7-2: 2D seam tracking setup
Figure 7-3: 2D seam tracking sequence
Figure 7-4: 2D image processing for seam tracking (a) image processing sequence, (b) detected edges
Figure 7-5: 2D seam tracking results
Figure 7-6: Mean square error in x-y coordinates in 2D seam tracking
Figure 7-7: Setup for checking gap sensing performance
Figure 7-8: Results of 2D gap sensing
Figure 7-9: Seam tracking methodology in x-axis
Figure 7-10: Diagram showing the point used for seam tracking
Figure 7-11: Software operating sequence for 3D seam tracking
Figure 7-12: Look-ahead distance
Figure 7-13: Torch placement during seam tracking for robotic welding
Figure 7-14: Points used for guiding the welding torch (a) I-groove, (b) V-groove, (c) U-groove
Figure 7-15: Seam tracking performed at various joint fit-ups (a) roll, (b) pitch, (c) yaw, (d) vertical offset, (e) horizontal offset
Figure 7-16: Seam tracking performance check for possible joint fit-ups (a) horizontal offset, (b) vertical offset, (c) roll, (d) pitch, (e) yaw
Figure 7-17: Seam tracking performed on some complex paths (a) complex 2D, (b) 3D curve, (c) sinusoidal
Figure 7-18: Robotic welding procedure
Figure 7-19: Robotic welding system with fixture
Figure 7-20: Robotic welding results for all possible joint fit-ups (a) roll angle of 0.5˚, (b) pitch angle of 0.5˚, (c) yaw angle of 0.5˚, (d) vertical offset of 0.5mm, (e) horizontal offset of 0.5mm
Figure 8-1: Weld input out parameters
Figure 8-2: Weld bead parameters
Figure 8-3: Pulsing parameters
Figure 8-4: Method of measuring weld bead parameters (a) measurement of bead parameters from Scan-control software, (b) method of obtaining average value
Figure 8-5: Tensile testing machine
Figure 8-6: Specimen preparation for tensile testing
Figure 8-7: Load-extension graph and important parameters extracted
Figure 8-8: Weld bead measurements against welding current
Figure 8-9: Weld bead measurements against background current
Figure 8-10: Weld bead measurements against pulse frequency
Figure 8-11: Weld bead measurements against duty cycle
Figure 8-12: Weld bead measurements against wire feed rate
Figure 8-13: Mathematical model development procedure
Figure 8-14: Results from ANOVA test for two L8 table for weld bead dimensions (a) Bead width : Y1, (b) Penetration : Y2, (c) Bead height : Y3
Figure 8-15: F-value obtained from L8 Table
Figure 8-16: Results from ANOVA for L25 table for weld bead dimensions (a) bead width : Y1, (b) penetration : Y2, (c) bead height : Y3
Figure 8-17: F-values obtained from L25 table
Figure 8-18: Results from ANOVA for weld strength (a) load at maximum tensile extension: Y4, (b) maximum load:Y5, (c) load at break:Y6
Figure 8-19: F-values obtained for tensile strength
Figure 8-20: Actual and predicted results of weld bead dimensions using interaction model (a) Actual () and predicted () results of weld bead width, (b) Actual () and predicted () results of weld bead height, (c) Actual () and predicted () results of weld penetration
Figure 8-21: Actual () and predicted () results of tensile strength using interaction model
Figure 8-22: Results of bead width prediction from validation experiments
Figure 8-23: Results of bead height prediction from the validation experiments
Figure 8-24: Results of penetration prediction from the validation experiments
Figure 8-25: Results of tensile strength prediction from the validation experiments
Figure 9-1: Robotic welding system setup to carry out welding on a variable butt gap joint
Figure 9-2: Effect of process parameters on bead width
Figure 9-3: Cross-sectional profile of an irregular profile weld joint
Figure 9-4: Adjacent cross sectional profiles showing respective cross sectional area
Figure 9-5: Important parameters in the weld pool used for control
Figure 9-6: Methodology for adaptive welding
Figure 9-7: Best process parameters obtained against set gap
Figure 9-8: Adaptive weld process parameter control (a) welding current, (b) duty cycle, (c) wire feed rate
Figure 9-9: Selection of regions for robotic welding
Figure 9-10: Methodology of finding weld process parameters
Figure 9-11: Welding current variation along variable gap
Figure 9-12: Wire feed rate variation along variable gap
Figure 9-13: Welding speed variation along variable gap
Figure 9-14: Photographic views of the representative welds carried out using different approaches (a) Constant process parameter approach, (b) Segmented parameter (industrial) approach, (c) Skilled welder’s approach, (d) Adaptive control approach
Figure 9-15: Load-extension graphs obtained for welds carried out with industrial approach and continuous welding
Figure 10-1: Developed robotic TIG welding system as part of the work carried out for the PhD

7. 결론:

인간 행동 분석: 숙련된 용접사는 용접 전류와 와이어 공급 속도를 우선적으로 제어하여 공정을 단순화한다는 것을 발견했으며, 이는 지능형 자동화의 제어 로직을 단순화하고 효율화하는 데 중요한 통찰을 제공했습니다.
3D 비전 및 알고리즘: 3D 레이저 스캐너의 성능을 최적화하고, 개발된 3D 특징 추출 알고리즘을 통해 다양한 조인트 형상과 부정합을 µm 수준의 정밀도로 실시간 정량화하는 데 성공했습니다.
수학적 모델 및 적응형 제어: 용접 공정 변수와 품질 특성 간의 관계를 규명하는 경험적 모델을 구축했으며, 이를 기반으로 한 역전파 알고리즘은 가변 갭 용접에서 용접 파라미터를 지능적으로 선택하고 제어할 수 있음을 입증했습니다.
성능 검증: 제안된 적응형 용접 접근법은 기존의 일정 파라미터 방식이나 산업에서 사용하는 구간별 제어 방식보다 월등히 우수한 용접 품질을 보였으며, 그 결과는 숙련된 용접사의 결과와 동등하거나 일부 측면(일관성)에서는 더 나은 성능을 보였습니다.

8. 참고문헌:

전문가 Q&A: 주요 질문과 답변

Q1: 왜 실시간 단일 패스(single-pass) 방식이 아닌, ‘스캔 후 용접’의 2단계(two-pass) 접근법을 선택했습니까?

Q3: 특히 반짝이는 표면에서 레이저 스캐너의 노이즈나 데이터 손실 문제는 어떻게 처리했습니까?

Q4: 숙련된 용접사의 작업을 분석하여 얻은 가장 핵심적인 교훈은 무엇이었습니까?

Q5: 가변 갭에 대응하기 위해 용접 파라미터를 조절하는 적응형 모델(수식 9.12-9.14)은 어떻게 도출되었습니까?

결론: 더 높은 품질과 생산성을 향한 길

연락처 : 02-2026-0450
이메일 : flow3d@stikorea.co.kr

저작권 정보

이 콘텐츠는 Prasad Manorathna의 논문 “Intelligent 3D Seam Tracking and Adaptable Weld Process Control for Robotic TIG Welding”을 기반으로 한 요약 및 분석 자료입니다.
출처: Loughborough University Institutional Repository (https://repository.lboro.ac.uk/articles/thesis/Intelligent_3D_seam_tracking_and_adaptable_weld_process_control_for_robotic_TIG_welding/9585041)

PDF View

The 3D computational domain model (50–18.6) slope change, and boundary condition for (50–30 slope change) model.

Numerical investigation of flow characteristics over stepped spillways

Güven, Aytaç
Mahmood, Ahmed Hussein
Water Supply (2021) 21 (3): 1344–1355.
https://doi.org/10.2166/ws.2020.283 Article history

Abstract

Spillways are constructed to evacuate flood discharge safely so that a flood wave does not overtop the dam body. There are different types of spillways, with the ogee type being the conventional one. A stepped spillway is an example of a nonconventional spillway. The turbulent flow over a stepped spillway was studied numerically by using the Flow-3D package. Different fluid flow characteristics such as longitudinal flow velocity, temperature distribution, density and chemical concentration can be well simulated by Flow-3D. In this study, the influence of slope changes on flow characteristics such as air entrainment, velocity distribution and dynamic pressures distribution over a stepped spillway was modelled by Flow-3D. The results from the numerical model were compared with an experimental study done by others in the literature. Two models of a stepped spillway with different discharge for each model were simulated. The turbulent flow in the experimental model was simulated by the Renormalized Group (RNG) turbulence scheme in the numerical model. A good agreement was achieved between the numerical results and the observed ones, which are exhibited in terms of graphics and statistical tables.

배수로는 홍수가 댐 몸체 위로 넘치지 않도록 안전하게 홍수를 피할 수 있도록 건설되었습니다. 다른 유형의 배수로가 있으며, ogee 유형이 기존 유형입니다. 계단식 배수로는 비 전통적인 배수로의 예입니다. 계단식 배수로 위의 난류는 Flow-3D 패키지를 사용하여 수치적으로 연구되었습니다.

세로 유속, 온도 분포, 밀도 및 화학 농도와 같은 다양한 유체 흐름 특성은 Flow-3D로 잘 시뮬레이션 할 수 있습니다. 이 연구에서는 계단식 배수로에 대한 공기 혼입, 속도 분포 및 동적 압력 분포와 같은 유동 특성에 대한 경사 변화의 영향을 Flow-3D로 모델링 했습니다.

수치 모델의 결과는 문헌에서 다른 사람들이 수행한 실험 연구와 비교되었습니다. 각 모델에 대해 서로 다른 배출이 있는 계단식 배수로의 두 모델이 시뮬레이션되었습니다. 실험 모델의 난류 흐름은 수치 모델의 Renormalized Group (RNG) 난류 계획에 의해 시뮬레이션되었습니다. 수치 결과와 관찰 된 결과 사이에 좋은 일치가 이루어졌으며, 이는 그래픽 및 통계 테이블로 표시됩니다.

HIGHLIGHTS

ListenReadSpeaker webReader: Listen

A numerical model was developed for stepped spillways.
The turbulent flow was simulated by the Renormalized Group (RNG) model.
Both numerical and experimental results showed that flow characteristics are greatly affected by abrupt slope change on the steps.

Keyword

CFD, numerical modelling, slope change, stepped spillway, turbulent flow

INTRODUCTION

댐 구조는 물 보호가 생활의 핵심이기 때문에 물을 저장하거나 물을 운반하는 전 세계에서 가장 중요한 프로젝트입니다. 그리고 여수로는 댐의 가장 중요한 부분 중 하나로 분류됩니다. 홍수로 인한 파괴 나 피해로부터 댐을 보호하기 위해 여수로가 건설됩니다.

수력 발전, 항해, 레크리에이션 및 어업의 중요성을 감안할 때 댐 건설 및 홍수 통제는 전 세계적으로 매우 중요한 문제로 간주 될 수 있습니다. 많은 유형의 배수로가 있지만 가장 일반적인 유형은 다음과 같습니다 : ogee 배수로, 자유 낙하 배수로, 사이펀 배수로, 슈트 배수로, 측면 채널 배수로, 터널 배수로, 샤프트 배수로 및 계단식 배수로.

그리고 모든 여수로는 입구 채널, 제어 구조, 배출 캐리어 및 출구 채널의 네 가지 필수 구성 요소로 구성됩니다. 특히 롤러 압축 콘크리트 (RCC) 댐 건설 기술과 더 쉽고 빠르며 저렴한 건설 기술로 분류 된 계단식 배수로 건설과 관련하여 최근 수십 년 동안 많은 계단식 배수로가 건설되었습니다 (Chanson 2002; Felder & Chanson 2011).

계단식 배수로 구조는 캐비테이션 위험을 감소시키는 에너지 소산 속도를 증가시킵니다 (Boes & Hager 2003b). 계단식 배수로는 다양한 조건에서 더 매력적으로 만드는 장점이 있습니다.

계단식 배수로의 흐름 거동은 일반적으로 낮잠, 천이 및 스키밍 흐름 체제의 세 가지 다른 영역으로 분류됩니다 (Chanson 2002). 유속이 낮을 때 nappe 흐름 체제가 발생하고 자유 낙하하는 낮잠의 시퀀스로 특징 지워지는 반면, 스키밍 흐름 체제에서는 물이 외부 계단 가장자리 위의 유사 바닥에서 일관된 흐름으로 계단 위로 흐릅니다.

또한 주요 흐름에서 3 차원 재순환 소용돌이가 발생한다는 것도 분명합니다 (예 : Chanson 2002; Gonzalez & Chanson 2008). 계단 가장자리 근처의 의사 바닥에서 흐름의 방향은 가상 바닥과 가상으로 정렬됩니다. Takahashi & Ohtsu (2012)에 따르면, 스키밍 흐름 체제에서 주어진 유속에 대해 흐름은 계단 가장자리 근처의 수평 계단면에 영향을 미치고 슈트 경사가 감소하면 충돌 영역의 면적이 증가합니다. 전이 흐름 체제는 나페 흐름과 스키밍 흐름 체제 사이에서 발생합니다. 계단식 배수로를 설계 할 때 스키밍 흐름 체계를 고려해야합니다 (예 : Chanson 1994, Matos 2000, Chanson 2002, Boes & Hager 2003a).

CFD (Computational Fluid Dynamics), 즉 수력 공학의 수치 모델은 일반적으로 물리적 모델에 소요되는 총 비용과 시간을 줄여줍니다. 따라서 수치 모델은 실험 모델보다 빠르고 저렴한 것으로 분류되며 동시에 하나 이상의 목적으로 사용될 수도 있습니다. 사용 가능한 많은 CFD 소프트웨어 패키지가 있지만 가장 널리 사용되는 것은 FLOW-3D입니다. 이 연구에서는 Flow 3D 소프트웨어를 사용하여 유량이 서로 다른 두 모델에 대해 계단식 배수로에서 공기 농도, 속도 분포 및 동적 압력 분포를 시뮬레이션합니다.

Roshan et al. (2010)은 서로 다른 수의 계단 및 배출을 가진 계단식 배수로의 두 가지 물리적 모델에 대한 흐름 체제 및 에너지 소산 조사를 연구했습니다. 실험 모델의 기울기는 각각 19.2 %, 12 단계와 23 단계의 수입니다. 결과는 23 단계 물리적 모델에서 관찰 된 흐름 영역이 12 단계 모델보다 더 수용 가능한 것으로 간주되었음을 보여줍니다. 그러나 12 단계 모델의 에너지 손실은 23 단계 모델보다 더 많았습니다. 그리고 실험은 스키밍 흐름 체제에서 23 단계 모델의 에너지 소산이 12 단계 모델보다 약 12 % 더 적다는 것을 관찰했습니다.

Ghaderi et al. (2020a)는 계단 크기와 유속이 다른 정련 매개 변수의 영향을 조사하기 위해 계단식 배수로에 대한 실험 연구를 수행했습니다. 그 결과, 흐름 체계가 냅페 흐름 체계에서 발생하는 최소 scouring 깊이와 같은 scouring 구멍 치수에 영향을 미친다는 것을 보여주었습니다. 또한 테일 워터 깊이와 계단 크기는 최대 scouring깊이에 대한 실제 매개 변수입니다. 테일 워터의 깊이를 6.31cm에서 8.54 및 11.82cm로 늘림으로써 수세 깊이가 각각 18.56 % 및 11.42 % 증가했습니다. 또한 이 증가하는 테일 워터 깊이는 scouring 길이를 각각 31.43 % 및 16.55 % 감소 시킵니다. 또한 유속을 높이면 Froude 수가 증가하고 흐름의 운동량이 증가하면 scouring이 촉진됩니다. 또한 결과는 중간의 scouring이 횡단면의 측벽보다 적다는 것을 나타냅니다. 계단식 배수로 하류의 최대 scouring 깊이를 예측 한 후 실험 결과와 비교하기 위한 실험식이 제안 되었습니다. 그리고 비교 결과 제안 된 공식은 각각 3.86 %와 9.31 %의 상대 오차와 최대 오차 내에서 scouring 깊이를 예측할 수 있음을 보여주었습니다.

Ghaderi et al. (2020b)는 사다리꼴 미로 모양 (TLS) 단계의 수치 조사를 했습니다. 결과는 이러한 유형의 배수로가 확대 비율 LT / Wt (LT는 총 가장자리 길이, Wt는 배수로의 폭)를 증가시키기 때문에 더 나은 성능을 갖는 것으로 관찰되었습니다. 또한 사다리꼴 미로 모양의 계단식 배수로는 더 큰 마찰 계수와 더 낮은 잔류 수두를 가지고 있습니다. 마찰 계수는 다양한 배율에 대해 0.79에서 1.33까지 다르며 평평한 계단식 배수로의 경우 대략 0.66과 같습니다. 또한 TLS 계단식 배수로에서 잔류 수두의 비율 (Hres / dc)은 약 2.89이고 평평한 계단식 배수로의 경우 약 4.32와 같습니다.

Shahheydari et al. (2015)는 Flow-3D 소프트웨어, RNG k-ε 모델 및 VOF (Volume of Fluid) 방법을 사용하여 배출 계수 및 에너지 소산과 같은 자유 표면 흐름의 프로파일을 연구하여 스키밍 흐름 체제에서 계단식 배수로에 대한 흐름을 조사했습니다. 실험 결과와 비교했습니다. 결과는 에너지 소산 율과 방전 계수율의 관계가 역으로 실험 모델의 결과와 잘 일치 함을 보여 주었다.

Mohammad Rezapour Tabari & Tavakoli (2016)는 계단 높이 (h), 계단 길이 (L), 계단 수 (Ns) 및 단위 폭의 방전 (q)과 같은 다양한 매개 변수가 계단식 에너지 소산에 미치는 영향을 조사했습니다. 방수로. 그들은 해석에 FLOW-3D 소프트웨어를 사용하여 계단식 배수로에서 에너지 손실과 임계 흐름 깊이 사이의 관계를 평가했습니다. 또한 유동 난류에 사용되는 방정식과 표준 k-ɛ 모델을 풀기 위해 유한 체적 방법을 적용했습니다. 결과에 따르면 스텝 수가 증가하고 유량 배출량이 증가하면 에너지 손실이 감소합니다. 얻은 결과를 다른 연구와 비교하고 경험적, 수학적 조사를 수행하여 결국 합격 가능한 결과를 얻었습니다.

METHODOLOGY

ListenReadSpeaker webReader: ListenFor all numerical models the basic principle is very similar: a set of partial differential equations (PDE) present the physical problems. The flow of fluids (gas and liquid) are governed by the conservation laws of mass, momentum and energy. For Computational Fluid Dynamics (CFD), the PDE system is substituted by a set of algebraic equations which can be worked out by using numerical methods (Versteeg & Malalasekera 2007). Flow-3D uses the finite volume approach to solve the Reynolds Averaged Navier-Stokes (RANS) equation, by applying the technique of Fractional Area/Volume Obstacle Representation (FAVOR) to define an obstacle (Flow Science Inc. 2012). Equations (1) and (2) are RANS and continuity equations with FAVOR variables that are applied for incompressible flows.

(1)

(2)where is the velocity in x_i direction, t is the time, is the fractional area open to flow in the subscript directions, is the volume fraction of fluid in each cell, p is the hydrostatic pressure, is the density, is the gravitational force in subscript directions and is the Reynolds stresses.

Turbulence modelling is one of three key elements in CFD (Gunal 1996). There are many types of turbulence models, but the most common are Zero-equation models, One-equation models, Two-equation models, Reynolds Stress/Flux models and Algebraic Stress/Flux models. In FLOW-3D software, five turbulence models are available. The formulation used in the FLOW-3D software differs slightly from other formulations that includes the influence of the fractional areas/volumes of the FAVOR^TM method and generalizes the turbulence production (or decay) associated with buoyancy forces. The latter generalization, for example, includes buoyancy effects associated with non-inertial accelerations.

The available turbulence models in Flow-3D software are the Prandtl Mixing Length Model, the One-Equation Turbulent Energy Model, the Two-Equation Standard Model, the Two-Equation Renormalization-Group (RNG) Model and large Eddy Simulation Model (Flow Science Inc. 2012).In this research the RNG model was selected because this model is more commonly used than other models in dealing with particles; moreover, it is more accurate to work with air entrainment and other particles. In general, the RNG model is classified as a more widely-used application than the standard k-ɛ model. And in particular, the RNG model is more accurate in flows that have strong shear regions than the standard k-ɛ model and it is defined to describe low intensity turbulent flows. For the turbulent dissipation it solves an additional transport equation:

(3)where CDIS1, CDIS2, and CDIS3 are dimensionless parameters and the user can modify them. The diffusion of dissipation, Diff ɛ, is

(4)where u, v and w are the x, y and z coordinates of the fluid velocity; ⁠, ⁠, and ⁠, are FLOW-3D’s FAVOR^TM defined terms; and are turbulence due to shearing and buoyancy effects, respectively. R and are related to the cylindrical coordinate system. The default values of RMTKE, CDIS1 and CNU differ, being 1.39, 1.42 and 0.085 respectively. And CDIS2 is calculated from turbulent production (⁠⁠) and turbulent kinetic energy (⁠⁠).The kinematic turbulent viscosity is the same in all turbulence transport models and is calculated from

(5)where ⁠: is the turbulent kinematic viscosity. is defined as the numerical challenge between the RNG and the two-equation k-ɛ models, found in the equation below. To avoid an unphysically large result for in Equation (3), since this equation could produce a value for very close to zero and also because the physical value of may approach to zero in such cases, the value of is calculated from the following equation:

(6)where ⁠: the turbulent length scale.

VOF and FAVOR are classifications of volume-fraction methods. In these two methods, firstly the area should be subdivided into a control volume grid or a small element. Each flow parameter like velocity, temperature and pressure values within the element are computed for each element containing liquids. Generally, these values represent the volumetric average of values in the elements.Numerous methods have been used recently to solve free infinite boundaries in the various numerical simulations. VOF is an easy and powerful method created based on the concept of a fractional intensity of fluid. A significant number of studies have confirmed that this method is more flexible and efficient than others dealing with the configurations of a complex free boundary. By using VOF technology the Flow-3D free surface was modelled and first declared in Hirt & Nichols (1981). In the VOF method there are three ingredients: a planner to define the surface, an algorithm for tracking the surface as a net mediator moving over a computational grid, and application of the boundary conditions to the surface. Configurations of the fluids are defined in terms of VOF function, F (x, y, z, t) (Hirt & Nichols 1981). And this VOF function shows the volume of flow per unit volume

(7)

(8)

(9)where is the density of the fluid, is a turbulent diffusion term, is a mass source, is the fractional volume open to flow. The components of velocity (u, v, w) are in the direction of coordinates (x, y, z) or (r, ⁠). in the x-direction is the fractional area open to flow, and are identical area fractions for flow in the y and z directions. The R coefficient is based on the selection of the coordinate system.

The FAVOR method is a different method and uses another volume fraction technique, which is only used to define the geometry, such as the volume of liquid in each cell used to determine the position of fluid surfaces. Another fractional volume can be used to define the solid surface. Then, this information is used to determine the boundary conditions of the wall that the flow should be adapted for.

Case study

ListenReadSpeaker webReader: Listen

In this study, the experimental results of Ostad Mirza (2016) was simulated. In a channel composed of two 4 m long modules, with a transparent sidewall of height 0.6 m and 0.5 m width. The upstream chute slope (i.e. pseudo-bottom angle) Ɵ1 = 50°, the downstream chute slope Ɵ2 = 30° or 18.6°, the step heights h = 0.06 m, the total number of steps along the 50° chute 41 steps, the total number of steps along the 30° chute 34 steps and the total number of steps along the 18.6° chute 20 steps.

The flume inflow tool contained a jetbox with a maximum opening set to 0.12 meters, designed for passing the maximum unit discharge of 0.48 m²/s. The measurements of the flow properties (i.e. air concentration and velocity) were computed perpendicular to the pseudo-bottom as shown in Figure 1 at the centre of twenty stream-wise cross-sections, along the stepped chute, (i.e. in five steps up on the slope change and fifteen steps down on the slope change, namely from step number −09 to +23 on 50°–30° slope change, or from −09 to +15 on 50°–18.6° slope change, respectively).

Sketch of the air concentration C and velocity V measured perpendicular to the pseudo-bottom used by Mirza (Ostad Mirza 2016).

Pressure sensors were arranged with the x/l values for different slope change as shown in Table 1, where x is the distance from the step edge, along the horizontal step face, and l is the length of the horizontal step face. The location of pressure sensors is shown in Table 1.Table 1

Location of pressure sensors on horizontal step faces

Θ(°)	L(m)			x/l (–)
50.0	0.050	0.35	0.64	–	–	–
30.0	0.104	0.17	0.50	0.84	–	–
18.6	0.178	0.10	0.30	0.50	0.7	0.88

Location of pressure sensors on horizontal step faces

Inlet boundary condition for Q = 0.235 m3/s and fluid elevation 4.21834 m.

Inlet boundary condition for Q = 0.235 m³/s and fluid elevation 4.21834 m.

Numerical model set-up

ListenReadSpeaker webReader: Listen

A 3D numerical model of hydraulic phenomena was simulated based on an experimental study by Ostad Mirza (2016). The water surcharge and flow pressure over the stepped spillway was computed for two models of a stepped spillway with different discharge for each model. In this study, the package was used to simulate the flow parameters such as air entrainment, velocity distribution and dynamic pressures. The solver uses the finite volume technique to discretize the computational domain. In every test run, one incompressible fluid flow with a free surface flow selected at 20̊ was used for this simulation model. Table 2 shows the variables used in test runs.Table 2

Variables used in test runs

Test no.	Θ₁ (°)	Θ₂ (°)	h(m)	d₀	q (m³s⁻¹)	d_c/h (–)
1	50	18.6	0.06	0.045	0.1	2.6
2	50	18.6	0.06	0.082	0.235	4.6
3	50	30.0	0.06	0.045	0.1	2.6
4	50	30.0	0.06	0.082	0.235	4.6

Table 2 Variables used in test runs

For stepped spillway simulation, several parameters should be specified to get accurate simulations, which is the scope of this research. Viscosity and turbulent, gravity and non-inertial reference frame, air entrainment, density evaluation and drift-flux should be activated for these simulations. There are five different choices in the ‘viscosity and turbulent’ option, in the viscosity flow and Renormalized Group (RNG) model. Then a dynamical model is selected as the second option, the ‘gravity and non-inertial reference frame’. Only the z-component was inputted as a negative 9.81 m/s² and this value represents gravitational acceleration but in the same option the x and y components will be zero. Air entrainment is selected. Finally, in the drift-flux model, the density of phase one is input as (water) 1,000 kg/m³ and the density of phase two (air) as 1.225 kg/m³. Minimum volume fraction of phase one is input equal to 0.1 and maximum volume fraction of phase two to 1 to allow air concentration to reach 90%, then the option allowing gas to escape at free surface is selected, to obtain closer simulation.

The flow domain is divided into small regions relatively by the mesh in Flow-3D numerical model. Cells are the smallest part of the mesh, in which flow characteristics such as air concentration, velocity and dynamic pressure are calculated. The accuracy of the results and simulation time depends directly on the mesh block size so the cell size is very important. Orthogonal mesh was used in cartesian coordinate systems. A smaller cell size provides more accuracy for results, so we reduced the number of cells whilst including enough accuracy. In this study, the size of cells in x, y and z directions was selected as 0.015 m after several trials.

Figure 3 shows the 3D computational domain model 50–18.6 slope change, that is 6.0 m length, 0.50 m width and 4.23 m height. The 3D model of the computational domain model 50–30 slope changes this to 6.0 m length, 0.50 m width and 5.068 m height and the size of meshes in x, y, and z directions are 0.015 m. For the 50–18.6 slope change model: both total number of active and passive cells = 4,009,952, total number of active cells = 3,352,307, include real cells (used for solving the flow equations) = 3,316,269, open real cells = 3,316,269, fully blocked real cells equal to zero, external boundary cells were 36,038, inter-block boundary cells = 0 (Flow-3D report). For 50–30 slope change model: both total number of active and passive cells = 4,760,002, total number of active cells equal to 4,272,109, including real cells (used for solving the flow equations) were 3,990,878, open real cells = 3,990,878 fully blocked real cells = zero, external boundary cells were 281,231, inter-block boundary cells = 0 (Flow-3D report).

Figure 3VIEW LARGE DOWNLOAD SLIDE

The 3D computational domain model (50–18.6) slope change, and boundary condition for (50–30 slope change) model.

When solving the Navier-Stokes equation and continuous equations, boundary conditions should be applied. The most important work of boundary conditions is to create flow conditions similar to physical status. The Flow-3D software has many types of boundary condition; each type can be used for the specific condition of the models. The boundary conditions in Flow-3D are symmetry, continuative, specific pressure, grid overlay, wave, wall, periodic, specific velocity, outflow, and volume flow rate.

There are two options to input finite flow rate in the Flow-3D software either for inlet discharge of the system or for the outlet discharge of the domain: specified velocity and volume flow rate. In this research, the X-minimum boundary condition, volume flow rate, has been chosen. For X-maximum boundary condition, outflow was selected because there is nothing to be calculated at the end of the flume. The volume flow rate and the elevation of surface water was set for Q = 0.1 and 0.235 m³/s respectively (Figure 2).

The bottom (Z-min) is prepared as a wall boundary condition and the top (Z-max) is computed as a pressure boundary condition, and for both (Y-min) and (Y-max) as symmetry.

RESULTS AND DISCUSSION

ListenReadSpeaker webReader: Listen

The air concentration distribution profiles in two models of stepped spillway were obtained at an acquisition time equal to 25 seconds in skimming flow for both upstream and downstream of a slope change 50°–18.6° and 50°–30° for different discharge as in Table 2, and as shown in Figure 4 for 50°–18.6° slope change and Figure 5 for 50°–30° slope change configuration for dc/h = 4.6. The simulation results of the air concentration are very close to the experimental results in all curves and fairly close to that predicted by the advection-diffusion model for the air bubbles suggested by Chanson (1997) on a constant sloping chute.

Figure 4VIEW LARGE DOWNLOAD SLIDE

Experimental and simulated air concentration distribution for steps number −5, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 4.6.

Figure 5VIEW LARGE DOWNLOAD SLIDE

Experimental and simulated air concentration distribution for steps number −5, +1, +5, +11, +19 and +22 along the 50°–30° slope change, for dc/h = 4.6.

Figure 6VIEW LARGE DOWNLOAD SLIDE

Figure 6 Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 2.6.

Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5, +8, +11 and +15 along the 50°–18.6° slope change for dc/h = 2.6.

Figure 7 Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5. +11, +15 and +22 along the 50°–30° slope change for dc/h = 2.6.

Figure 7VIEW LARGE DOWNLOAD SLIDE

Experimental and simulated dimensionless velocity distribution for steps number −5, −1, +1, +5. +11, +15 and +22 along the 50°–30° slope change for dc/h = 2.6.

But as is shown in all above mentioned figures it is clear that at the pseudo-bottom the CFD results of air concentration are less than experimental ones until the depth of water reaches a quarter of the total depth of water. Also the direction of the curves are parallel to each other when going up towards the surface water and are incorporated approximately near the surface water. For all curves, the cross-section is separate between upstream and downstream steps. Therefore the (-) sign for steps represents a step upstream of the slope change cross-section and the (+) sign represents a step downstream of the slope change cross-section.

The dimensionless velocity distribution (V/V₉₀) profile was acquired at an acquisition time equal to 25 seconds in skimming flow of the upstream and downstream slope change for both 50°–18.6° and 50°–30° slope change. The simulation results are compared with the experimental ones showing that for all curves there is close similarity for each point between the observed and experimental results. The curves increase parallel to each other and they merge near at the surface water as shown in Figure 6 for slope change 50°–18.6° configuration and Figure 7 for slope change 50°–30° configuration. However, at step numbers +1 and +5 in Figure 7 there are few differences between the simulated and observed results, namely the simulation curves ascend regularly meaning the velocity increases regularly from the pseudo-bottom up to the surface water.

Figure 8 (50°–18.6° slope change) and Figure 9 (50°–30° slope change) compare the simulation results and the experimental results for the presented dimensionless dynamic pressure distribution for different points on the stepped spillway. The results show a good agreement with the experimental and numerical simulations in all curves. For some points, few discrepancies can be noted in pressure magnitudes between the simulated and the observed ones, but they are in the acceptable range. Although the experimental data do not completely agree with the simulated results, there is an overall agreement.

Figure 8 Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 +3 and +20 on the horizontal step faces of 50°–18.6° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.

Figure 8VIEW LARGE DOWNLOAD SLIDE

Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 +3 and +20 on the horizontal step faces of 50°–18.6° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.

Figure 9 Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 and +30, +31 on the horizontal step face of 50°–30° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.

Figure 9VIEW LARGE DOWNLOAD SLIDE

Comparison between simulated and experimental results for the dimensionless pressure for steps number −1, −2, −3 and +1, +2 and +30, +31 on the horizontal step face of 50°–30° slope change configuration, for dc/h = 4.6, x is the distance from the step edge.

The pressure profiles were acquired at an acquisition time equal to 70 seconds in skimming flow on 50°–18.6°, where p is the measured dynamic pressure, h is step height and ϒ is water specific weight. A negative sign for steps represents a step upstream of the slope change cross-section and a positive sign represents a step downstream of the slope change cross-section.

Figure 10 shows the experimental streamwise development of dimensionless pressure on the 50°–18.6° slope change for dc/h = 4.6, x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute compared with the numerical simulation. It is obvious from Figure 10 that the streamwise development of dimensionless pressure before slope change (steps number −1, −2 and −3) both of the experimental and simulated results are close to each other. However, it is clear that there is a little difference between the results of the streamwise development of dimensionless pressure at step numbers +1, +2 and +3. Moreover, from step number +3 to the end, the curves get close to each other.

Figure 10 Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–18.6° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute.

Figure 10VIEW LARGE DOWNLOAD SLIDE

Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–18.6° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.3 on 18.6° sloping chute.

Figure 11 compares the experimental and the numerical results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute. It is apparent that the outcomes of the experimental work are close to the numerical results, however, the results of the simulation are above the experimental ones before the slope change, but the results of the simulation descend below the experimental ones after the slope change till the end.

Figure 11 Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute.

Figure 11VIEW LARGE DOWNLOAD SLIDE

Comparison between experimental and simulated results for the streamwise development of the dimensionless pressure on the 50°–30° slope change, for dc/h = 4.6, and x/l = 0.35 on 50° sloping chute and x/l = 0.17 on 30° sloping chute.

CONCLUSION

ListenReadSpeaker webReader: Listen

In this research, numerical modelling was attempted to investigate the effect of abrupt slope change on the flow properties (air entrainment, velocity distribution and dynamic pressure) over a stepped spillway with two different models and various flow rates in a skimming flow regime by using the CFD technique. The numerical model was verified and compared with the experimental results of Ostad Mirza (2016). The same domain of the numerical model was inputted as in experimental models to reduce errors as much as possible.

Flow-3D is a well modelled tool that deals with particles. In this research, the model deals well with air entrainment particles by observing their results with experimental results. And the reason for the small difference between the numerical and the experimental results is that the program deals with particles more accurately than the laboratory. In general, both numerical and experimental results showed that near to the slope change the flow bulking, air entrainment, velocity distribution and dynamic pressure are greatly affected by abrupt slope change on the steps. Although the extent of the slope change was relatively small, the influence of the slope change was major on flow characteristics.

The Renormalized Group (RNG) model was selected as a turbulence solver. For 3D modelling, orthogonal mesh was used as a computational domain and the mesh grid size used for X, Y, and Z direction was equal to 0.015 m. In CFD modelling, air concentration and velocity distribution were recorded for a period of 25 seconds, but dynamic pressure was recorded for a period of 70 seconds. The results showed that there is a good agreement between the numerical and the physical models. So, it can be concluded that the proposed CFD model is very suitable for use in simulating and analysing the design of hydraulic structures.

이 연구에서 수치 모델링은 두 가지 다른 모델과 다양한 유속을 사용하여 스키밍 흐름 영역에서 계단식 배수로에 대한 유동 특성 (공기 혼입, 속도 분포 및 동적 압력)에 대한 급격한 경사 변화의 영향을 조사하기 위해 시도되었습니다. CFD 기술. 수치 모델을 검증하여 Ostad Mirza (2016)의 실험 결과와 비교 하였다. 오차를 최대한 줄이기 위해 실험 모형과 동일한 수치 모형을 입력 하였다.

Flow-3D는 파티클을 다루는 잘 모델링 된 도구입니다. 이 연구에서 모델은 실험 결과를 통해 결과를 관찰하여 공기 혼입 입자를 잘 처리합니다. 그리고 수치와 실험 결과의 차이가 작은 이유는 프로그램이 실험실보다 입자를 더 정확하게 다루기 때문입니다. 일반적으로 수치 및 실험 결과는 경사에 가까워지면 유동 벌킹, 공기 혼입, 속도 분포 및 동적 압력이 계단의 급격한 경사 변화에 크게 영향을받는 것으로 나타났습니다. 사면 변화의 정도는 상대적으로 작았지만 사면 변화의 영향은 유동 특성에 큰 영향을 미쳤다.

Renormalized Group (RNG) 모델이 난류 솔버로 선택되었습니다. 3D 모델링의 경우 계산 영역으로 직교 메쉬가 사용되었으며 X, Y, Z 방향에 사용 된 메쉬 그리드 크기는 0.015m입니다. CFD 모델링에서 공기 농도와 속도 분포는 25 초 동안 기록되었지만 동적 압력은 70 초 동안 기록되었습니다. 결과는 수치 모델과 물리적 모델간에 좋은 일치가 있음을 보여줍니다. 따라서 제안 된 CFD 모델은 수력 구조물의 설계 시뮬레이션 및 해석에 매우 적합하다는 결론을 내릴 수 있습니다.

DATA AVAILABILITY STATEMENT

ListenReadSpeaker webReader: Listen

All relevant data are included in the paper or its Supplementary Information.

REFERENCES

Boes R. M. Hager W. H. 2003a Hydraulic design of stepped spillways. Journal of Hydraulic Engineering 129 (9), 671–679.
Google Scholar
Boes R. M. Hager W. H. 2003b Two-Phase flow characteristics of stepped spillways. Journal of Hydraulic Engineering 129 (9), 661–670.
Google Scholar
Chanson H. 1994 Hydraulics of skimming flows over stepped channels and spillways. Journal of Hydraulic Research 32 (3), 445–460.
Google Scholar
Chanson H. 1997 Air Bubble Entrainment in Free Surface Turbulent Shear Flows. Academic Press, London.
Google Scholar
Chanson H. 2002 The Hydraulics of Stepped Chutes and Spillways. Balkema, Lisse, The Netherlands.
Google Scholar
Felder S. Chanson H. 2011 Energy dissipation down a stepped spillway with nonuniform step heights. Journal of Hydraulic Engineering 137 (11), 1543–1548.
Google Scholar
Flow Science, Inc. 2012 FLOW-3D v10-1 User Manual. Flow Science, Inc., Santa Fe, CA.
Ghaderi A. Daneshfaraz R. Torabi M. Abraham J. Azamathulla H. M. 2020a Experimental investigation on effective scouring parameters downstream from stepped spillways. Water Supply 20 (5), 1988–1998.
Google Scholar
Ghaderi A. Abbasi S. Abraham J. Azamathulla H. M. 2020b Efficiency of trapezoidal labyrinth shaped stepped spillways. Flow Measurement and Instrumentation 72, 101711.
Google Scholar
Gonzalez C. A. Chanson H. 2008 Turbulence and cavity recirculation in air-water skimming flows on a stepped spillway. Journal of Hydraulic Research 46 (1), 65–72.
Google Scholar
Gunal M. 1996 Numerical and Experimental Investigation of Hydraulic Jumps. PhD Thesis, University of Manchester, Institute of Science and Technology, Manchester, UK.
Hirt C. W. Nichols B. D. 1981 Volume of fluid (VOF) method for the dynamics of free boundaries. Journal of Computational Physics 39 (1), 201–225.
Google Scholar
Matos J. 2000 Hydraulic design of stepped spillways over RCC dams. In: Intl Workshop on Hydraulics of Stepped Spillways (H.-E. Minor & W. Hager, eds). Balkema Publ, Zurich, pp. 187–194.
Google Scholar
Mohammad Rezapour Tabari M. Tavakoli S. 2016 Effects of stepped spillway geometry on flow pattern and energy dissipation. Arabian Journal for Science & Engineering (Springer Science & Business Media BV) 41 (4), 1215–1224.
Google Scholar
Ostad Mirza M. J. 2016 Experimental Study on the Influence of Abrupt Slope Changes on Flow Characteristics Over Stepped Spillways. Communications du Laboratoire de Constructions Hydrauliques, No. 64 (A. J. Schleiss, ed.). Swiss Federal Institute of Technology Lausanne (EPFL), Lausanne, Switzerland.
Roshan R. Azamathulla H. M. Marosi M. Sarkardeh H. Pahlavan H. Ab Ghani A. 2010 Hydraulics of stepped spillways with different numbers of steps. Dams and Reservoirs 20 (3), 131–136.
Google Scholar
Shahheydari H. Nodoshan E. J. Barati R. Moghadam M. A. 2015 Discharge coefficient and energy dissipation over stepped spillway under skimming flow regime. KSCE Journal of Civil Engineering 19 (4), 1174–1182.
Google Scholar
Takahashi M. Ohtsu I. 2012 Aerated flow characteristics of skimming flow over stepped chutes. Journal of Hydraulic Research 50 (4), 427–434.
Google Scholar
Versteeg H. K. Malalasekera W. 2007 An Introduction to Computational Fluid Dynamics: The Finite Volume Method. Pearson Education, Harlow.
Google Scholar
© 2021 The Authors
This is an Open Access article distributed under the terms of the Creative Commons Attribution Licence (CC BY 4.0), which permits copying, adaptation and redistribution, provided the original work is properly cited (http://creativecommons.org/licenses/by/4.0/).

Full Text View

Figure 2.1. Test Setup.The test setup consists of a clear plastic scale model tank attached to a rigid aluminum frame by three multi-axis load cells driven by a position-controlled servo hydraulic system.(Data acquisition cabling removed for clarity).

Coupled Simulation of Vehicle Dynamics and Tank Slosh. Phase 1 Report. Testing and Validation of Tank Slosh Analysis

Prepared byGlenn R. WendelSteven T. GreenRussell C. Burkey

Abstract:

차량 동력학의 컴퓨터 시뮬레이션은 차량 설계에서 귀중한 도구가 되었다. 그러나 그들은 차량의 탱크에서 유체 슬로싱의 복잡한 역학을 정확하게 시뮬레이션할 수 없다.

유체 슬로쉬를 예측할 수 있는 컴퓨터 유체역학 CFD 분석 소프트웨어를 이용할 수 있지만, 군용 차량 애플리케이션용 유체 슬로쉬를 정확하게 예측하는데 이 소프트웨어의 사용은 입증되지 않았다. 이것은 차량 역학 분석과 결합된 CFD 분석의 사용을 개발 및 입증하여 유체 수송 시스템의 역학을 보다 정확하게 예측하는 다중 효소 프로그램의 첫 번째 단계다.

이 단계의 목적은 일반적인 기동에 직면한 차량의 움직임에 따른 탱크에서 슬로시 역학을 예측하는 CFD 분석을 검증하는 것이다. 이를 위해, 5톤 FMTV 트럭을 시뮬레이션하는 시험 설비뿐만 아니라, 1/4 규모의 TOD 탱크 모델이 건설되었다. CFD 분석과 실험실 시험의 반응력과 유동 운동을 차선 변경과 요철을 포함한 6가지 모의 차량 기동에서 비교했다.

CFD 분석은 상용 소프트웨어 패키지인 FLOW-3D-로 수행되었다. 테스트 탱크의 해당 측정값과 비교하기 위해 빈 탱크의 강체 동적 해석의 힘과 모멘트 예측에 순유체 힘과 모멘트 예측이 추가되었다.

전반적으로, 그 결과는 CFD가 트럭에 탑재된 수상 수송 탱크의 유체 운동 및 유체 구조 상호작용 연구에 성공적으로 적용될 수 있음을 보여준다. 예측된 롤 모멘트와 측정된 롤 모멘트 사이에는 좋은 상관관계가 있다.

여기에 제시된 CFD 시뮬레이션의 빠른 전환 시간을 감안할 때, 전술에 대한 전체 차량 반응의 높은 충실도 시뮬레이션을 위해 차량 강체 차체 동적 분석을 유체 역학 분석과 결합하는 것이 바람직하다는 전망이 나온다.

Computer simulation of vehicle dynamics has become a valuable tool in the design of vehicles. They are, however, unable to accurately simulate the complex dynamics of fluid sloshing in a tank on the vehicle. Computational Fluid Dynamics CFD analysis software is available that can predict fluid slosh, however, the use of this software in accurately predicting fluid slosh for a military vehicle application has not been demonstrated. This is the first phase of a multiphase program to develop and demonstrate the use of CFD analysis, coupled with vehicle dynamics analysis, to more accurately predict the dynamics of a fluid transport system. The objective of this phase is to validate the CFD analysis in predicting slosh dynamics on a tank subjected to motions of a vehicle encountering typical maneuvers. To accomplish this, a one-quarter-scale model of a TOLD tank was constructed, as well as a test fixture to simulate a five-ton FMTV truck. The reaction forces and the fluid motions of the CFD analysis and the laboratory test were compared for six simulated vehicle maneuvers including lane changes and bumps. The CFD analysis was conducted with the commercially available software package, FLOW-3D-. The net fluid force and moment predictions were added to the force and moment predictions of a rigid body dynamic analysis of the empty tank alone to compare to the corresponding measured values for the test tank. Overall, the results show that CFD can successfully be applied to the study of fluid motions and the fluid- structure interactions in truck-mounted water transport tanks. There is good correlation between the predicted and measured roll moment. Given the rapid turnaround time for the CFD simulations presented here, the outlook is encouraging for coupling a vehicle rigid body dynamics analysis to a fluid dynamics analysis for a high fidelity simulation of the complete vehicle response to maneuvers.

Keywords

Keywords: COMPUTATIONAL,FLUID,DYNAMICS,VEHICLES,*SLOSHING,TEST,AND,EVALUATION,COMPUTER,PROGRAMS,COMPUTERIZED,SIMULATION,COUPLING(INTERACTION),SIMULATION,ROLL,LABORATORY,TESTS,PREDICTIONS,VALIDATION,INTERACTIONS,MILITARY,VEHICLES,REACTION,TIME,MOTION,RESPONSE,TRANSPORT,MILITARY,APPLICATIONS,FLUIDS,TRUCKS,MANEUVERS,RIGIDITY,TEST,FIXTURES,WATER,TANKS

CFD 분석과 실험실 테스트의 작용력과 유체 운동은 다음과 같은 시뮬레이션 된 차량 기동에 대해 비교되었습니다.

AVTP Lane Change at 20 mph
AVTP Lane Change at 40 mph
9” Half-Round Symmetric Bump at 10 mph
12” Half-Round Symmetric Bump at 5 mph
9” Trapezoidal Asymmetric Bump at 15 mph
12” Trapezoidal Asymmetric Bump at 10 mph

CFD 분석은 상용 소프트웨어 패키지 FLOW-3D를 사용하여 수행되었습니다.

Rear Axle Roll Moment, 40-mph Lane Change.

Figure 2.2. Test Setup Drawing.The load cell locations and the coordinate systems used in the testing and analysis are defined as shown.

Figure 3.1. Computational Mesh Definition

Figure 3.2. Rear Axle Roll Moment, 20-mph Lane Change

Figure 3.3. Rear Axle Roll Moment, 40-mph Lane Change

Figure 3.4. Rear Axle Roll Moment, 9” Trapezoidal Bump at 15 mph

Figure 3.5. Rear Axle Roll Moment, 12” Trapezoidal Bump at 10 mph

Figure 3.8. Fluid Configuration for 20-mph Lane Change.The viewpoint in these images is from the front of the vehicle looking in the negative y-direction. Theinset in the video image is viewing the tank from the left side of the vehicle.

Figure 3.9. Fluid Configuration for 12” Trapezoidal Bump at 10 mph.The viewpoint in these images is from the front of the vehicle looking in the negative y-direction. Theinset in the video image is viewing the tank from the left side of the vehicle.

REFERENCES

Abramson, H.N. [1966], The Dynamic Behavior of Liquids in Moving Containers,NASA SP-106.Flow Science, Inc. [2001], FLOW-3D, Version 8.0.1, Santa Fe, New Mexico.Working Model, Inc. [1997], Working Model 3D, Version 2.0, San Mateo, California.Coleman, H.W., Steele, W.G. [1989], Experimentation and Uncertainty Analysis forEngineers, John Wiley and Sons, New York, 1989

논문 원문 바로가기

FLOW-3D 온라인 교육

FLOW-3D 온라인 교육 과정은 미국 FSI에서 제공되는 컨텐츠로 FLOW-3D 사용자(구매/임차 및 기술지원 계약이 되어 있는 고객)에게 제공되는 교육 리소스입니다. 이 온라인 교육 과정은 FLOW-3D 기본 모델 사용법 전반에 대한 온라인 주문형 비디오를 제공합니다.

각 과정에서는 사용자가 스스로 시뮬레이션을 설정할 수 있도록 예제와 설명을 제공합니다. 모든 신규 FLOW–3D사용자는 프로젝트별 시뮬레이션 작업을 시작하기 전에 기본 과정을 완료하는 것이 좋습니다.

또한 기존 사용자는 FLOW–3D 모델 설정 프로세스에서 사용할 수 있는 향상된 기능과 새로운 기능에 대해 배우고 기본 모델 설정 항목에 대한 리프레시로 배우는 데 유용한 새로운 교육 시리즈를 찾게 될 것입니다. 과정 비디오는 특정 주제 및 세그먼트를 쉽게 찾을 수 있도록 구성되어 있고, 즐겨 찾기에 추가될 수 있으며, 언제든지 참조할 수 있는 유용한 리소스를 제공합니다.

본 교육 과정은 미국 본사 정책에 따라 유지보수 계약이 체결된 고객 ID를 통해 미국의 Users Site 에서 제공됩니다.

FLOW-3D Training Modules

FLOW-3D GUI

Introduction to FLOW-3D graphical user interface
Simulation Manager Tab
Portfolio
Running Simulations and the Queue
Runtime Diagnostics: Text Output
Runtime Diagnostics: Plots
Runtime Controls
FLOW-3D File Structure
Review the important files that are created when running simulations in FLOW-3D. Access the simulation files through a link on the Simulation Manager Tab. Identify the important setup and solver outputs files

모델 설정 탭

Introduction to the Model Setup TabIntroduction to the Model Setup Tab including an orientation to its layout and how to access model inputs though the dock widgets on the process toolbar. Options for customizing the layout of the process toolbar are also reviewed.
Navigating the 3D ViewportLearn the basic controls for navigating the 3D viewport. This includes mouse controls, toolbar shortcuts, saving views, and moving the pivot point.
Other Menu/Toolbar Navigation Options
Working with Dock Widget Inputs
Model DependenciesRecognize and understand dock widget input dependencies.

Model Setup Tab PART 2 OF THE FLOW-3D V12.0 TRAINING SERIES

Global Settings PART 3 OF THE FLOW-3D V12.0 TRAINING SERIES

전역 설정

Global Dock Widget Overview
Pressure Type
Finish Time
Finish Options: Additional Finish Condition
Finish Options: Active Simulation ControlDefine a logical condition to stop the simulation using active simulation control.
Restart OptionsHow to manually define the Restart options to continue running a previously completed simulation.
Version OptionsDefine the Version options to specify the solver version and the number of processors used when starting a new simulation run.

물리 모델

Physics Dock Widget OverviewDescription of the available options in the Physics dock widget
Interface Tracking, Number of Fluids and Flow ModeBackground information on interface tracking methods and defining the number of fluids. Description of the Volume of Fluid (VOF) method for simulation of complex free surfaces, and how this affects the selection of the number of fluids. Examples are presented for one fluid and two fluid simulations.
Activating Physics ModelsDemonstration for how to activate physics models and how to limit the display of inactive physics models using the physics model filter.

Physics Models PART 4 OF THE FLOW-3D V12.0 TRAINING SERIES

Fluid Properties PART 5 OF THE FLOW-3D V12.0 TRAINING SERIES

유체 속성

Fluids Dock Widget OverviewIntroduction to the Fluids dock widget and how to define properties for fluids in the simulation.
Defining Fluid Properties ManuallyExample for how to manually define fluid properties.
Defining Fluid Properties from the Materials DatabaseExample for how to load fluid properties from the fluids database.
Managing the Materials Database
How to add and edit entries in the materials database.

지오메트리

Introduction
Component and Subcomponent Overview
Creating Subcomponents: Overview
Creating Subcomponents: STL
Creating Subcomponents: Primitives Manually
Creating Subcomponents: Primitives Interactively
Creating Subcomponents: Raster
Subcomponent Types
Subcomponent Order
Component Order
Component and Subcomponent Properties
Transformations

Geometry PART 6 OF THE FLOW-3D V12.0 TRAINING SERIES

Meshing

Meshing Introduction
Coordinate Systems
FAVOR™
Meshing Basics: Meshing Overview
Meshing Basics: Creating Mesh Blocks
Meshing Basics: Domain Extents
Meshing Basics: Global Controls
Meshing Basics: Local Controls
Reviewing Mesh Quality: FAVORize
Reviewing Mesh Quality: Preprocessing
Multi-block Meshing
Conforming Mesh Blocks
Meshing Best Practices

Boundary Conditions

Introduction
Introductory comments regarding how boundary conditions are applied and other considerations when defining BCs.
Boundaries Dock Widget Overview
Velocity
Volume Flow Rate
Wall
Symmetry
Grid Overlay
Pressure
Continuative
Outflow
Description and example setup of the Outflow BC type.

Initial Conditions

Introduction
Discussion of how the initial conditions and can affect simulation results and run times.
Options for Defining ICs
Example: Global Settings
Example: Fluid Regions
Example: Function Coefficients
Description and example for defining spatially varying fluid properties with user defined functions.
Example: Pointers
Description and example for defining an initial condition by filling contiguous cells with the Pointer object.

Output Options

Output Dock Widget Overview
Spatial Data
Spatial Data: Restart Data
Spatial Data: Selected Data
History Data
Diagnostics: Short Print Data
Diagnostics: Long Print Data
Example Setup
Batch Post-processing
Batch Mode: Context File
Batch Mode: Manual
Batch Mode: Generate Reports

Baffles

Introduction
An introduction to the available options for creating and defining baffle objects.
Creating Baffle Objects
Limitations
Force Outputs
Porosity
Scalar Reset Options
Summary
A summary of the important options for creating baffles and defining properties.

Measurement Devices

History Probes
History probes are point measurement devices and are used to record solver output at a specific location. Examples are provided for how to create these objects interactively and by defining a coordinate value.
Flux Surfaces
Flux surfaces are a special type of baffle object with a fixed porosity of 1, and are used to calculate flux quantities. Examples are provided for how to create flux surfaces and the types of data available from their output.
Sampling volumes
Sampling volumes are are three-dimensional data collection regions. Examples are provided for how to create sampling volumes and the types of data available from their output.

W&E Exercise: Ogee Weir

This exercise demonstrates the steps to setup a basic free surface or open channel flow simulation in FLOW-3D. It is intended to be a simple and fast running simulation that demonstrates the key setup steps that can be applied to a wide range of other common open channel flow applications. In this exercise, we will simulate flow over an ogee weir to predict the discharge capacity. Simulation results can be validated against discharge rating curves obtained from physical model measurements (USBR, 1996). Special attention is given to the common types of boundary conditions used in open channel flow simulations and how to select them during the model setup. We also provide examples for common post-processing tasks using both FLOW-3D and FlowSight.

Tag: Coordinate Systems

키워드

Executive Summary

과제: 왜 이 연구가 CFD 전문가에게 중요한가

접근 방식: 연구 방법론 분석

돌파구: 주요 연구 결과 및 데이터

결과 1: 숙련된 용접사의 기술 정량화 및 제어 전략 도출

결과 2: 적응형 로봇 용접 시스템의 성능 입증

R&D 및 운영을 위한 실질적 시사점

논문 정보

Intelligent 3D Seam Tracking and Adaptable Weld Process Control for Robotic TIG Welding

1. 개요:

2. 초록:

3. 서론:

4. 연구 요약:

연구 주제의 배경:

이전 연구 현황:

연구 목적:

핵심 연구:

5. 연구 방법론

연구 설계:

데이터 수집 및 분석 방법:

연구 주제 및 범위:

6. 주요 결과:

주요 결과:

Figure List:

7. 결론:

8. 참고문헌:

전문가 Q&A: 주요 질문과 답변

결론: 더 높은 품질과 생산성을 향한 길

저작권 정보

키워드

Executive Summary

과제: 왜 이 연구가 CFD 전문가에게 중요한가

접근 방식: 연구 방법론 분석

돌파구: 주요 연구 결과 및 데이터

결과 1: 숙련된 용접사의 기술 정량화 및 제어 전략 도출

결과 2: 적응형 로봇 용접 시스템의 성능 입증

R&D 및 운영을 위한 실질적 시사점

논문 정보

Intelligent 3D Seam Tracking and Adaptable Weld Process Control for Robotic TIG Welding

1. 개요:

2. 초록:

3. 서론:

4. 연구 요약:

연구 주제의 배경:

이전 연구 현황:

연구 목적:

핵심 연구:

5. 연구 방법론

연구 설계:

데이터 수집 및 분석 방법:

연구 주제 및 범위:

6. 주요 결과:

주요 결과:

Figure List:

7. 결론:

8. 참고문헌:

전문가 Q&A: 주요 질문과 답변

결론: 더 높은 품질과 생산성을 향한 길

저작권 정보

Abstract

HIGHLIGHTS

Keyword

INTRODUCTION

METHODOLOGY

Case study

Numerical model set-up

RESULTS AND DISCUSSION

CONCLUSION

DATA AVAILABILITY STATEMENT

REFERENCES

Abstract:

Keywords

REFERENCES

FLOW-3D Training Modules

FLOW-3D GUI

모델 설정 탭

전역 설정

물리 모델