Применение промышленных роботов для выполнения сварочных работ

Данный метод можно использовать как активно, так и пассивно.Для того, чтобы применить активный метод случайного баланса необходимо провести опыты по заранее запланированному плану. Пассивный же метод предусматривает использование результатов опытов, которые были произведены другими группами исследования, кроме этого можно использовать аналитический обзор литературы, промышленные эксперименты, а также использовать априорную информацию. В данном случае важную роль играет следующий постулат:Необходимо учитывать факторы, которые влияют на порядок расположения суммарной дисперсии и которые ранжируют ряд, описывающий затухание экспоненты. Для того, чтобы определить наиболее существенный фактор, необходимо перебрать сочетание всех факторов случайным образом, при этом, главной задачей будет наибольшее интервальное варьирование. В основе данного подхода лежит то, что необходимо построить кривую распределения, значения параметров которой на выходе будут на постоянном уровне. При этом должна соблюдаться фиксация всех переменных. Для того, чтобы не допустить перемещение параметра на определенную величину необходимо учитывать влияние данного фактора. Иначе произойдет смещение центра распределения параметров. Это необходимо для того, чтобы определить значимые параметры. Система уравнений имеет следующий вид: если число опытов меньше числа факторов, то число степеней свободы отрицательное.Метод случайного баланса подразумевает, что при распределении центра используют медиану, а не среднеарифметическую составляющую (это случайная величина, которая разделяет общее количество результатов пополам).Для того, чтобы определить сущность фактора необходимо определить следующие критерии: - фактор абсолютной величины вклада в параметр выхода (разность частных медиан)- для каждого фактора необходимо определить число выделяющихся точек на диаграмме рассеивания.Для того, чтобы построить диаграмму рассеивания необходимо иметь на порядковый номер абсциссе, при этом указавфактор двух уровней (наибольшего и наименьшего), а на ординате указать значение выхода в виде точки. Причем слева наносят наименьший уровень фактора, справа наибольший.Определяющие точки диаграммы рассеивания находятся следующим образом: либо они находятся выше самой верхней точки выхода, либо ниже самой нижней точки, причем они должны быть на противоположном уровне того же фактора.Если число факторов, влияющих на объект превышает семидесяти, то необходимо использовать метод случайного баланса. Метод случайного баланса рассчитывают по следующему алгоритму: 1)ставится задача2)выбираются параметры выхода3)выбираются переменные факторы4)составляется матрица случайного баланса, которая заполняетсяв виде таблицы и рассчитываются средние значения5)строиться матрица случайного баланса с ранжированным выходом, в последнем столбце таблицы (таблица3.2). Ранжирование происходит в сторону наибольшего значения.Кодированное значение фактора необходимо записать в строку. Это значение должно соответствовать такому же выходу таблицы 3.2. Кодирование осуществляется по принципу работы логического ИЛИ, если текущее значение больше среднего, то присваивается +1, иначе -1.6)Выделение факторов с наибольшим вкладом.Выявление факторов с наибольшим вкладом в параметр выхода определяется на основе разности оценок частных медиан по значениям фактора, на уровне +1 и на уровне -1Оценка влияющих факторов, определяется случайным образом. При этом появляется возможность определить все доминирующие переменные с высокой степенью надежности. Важно то, что при расчете учитывается число исследуемых переменных (факторов) велико (табл. 3.1).Таблица 3.1 - Факторы математической моделиВарьирование факторов происходит на двух уровнях: нижнийуровеньсоответствует меньшему значению фактора Xmin, верхнему - большее Xmax.Данные значения по возможности берутся наибольшими. Нормирование факторов осуществлялось по формуле:,где X*i- фактор в натуральном масштабе; X*io- основной (нулевой уровень дляфакторавнатуральном масштабе); Li-интервалварьирования,Li = ( X*imax-X*)/2.Приэтомполучаем,чтоX*imin=-1;X*imax=+1.Для того, чтобы построить план эксперимента необходимо применить метод смешивания случайных выборок из дробных факторных планов.Факторы (см. табл. 3.1) были разбиты на следующие группы 1.;2.;3.;4..Матрица плана для этих четырех групп составляется на основе матрицы плана для дробного факторного эксперимента типа 26-2.В табл. 3.2 приведена матрица планирования 26-2 с генерирующими соотношениями:Таблица 3.2 - Матрица планированияС помощью генератора случайных чисел из каждой матрицы плана 26-2 для каждой группы факторов случайным образом были выбраны строки:группа1:;группа2:;группа3:;группа4:.Для функции отклика – погрешность слежения за линией сварного стыка, идентификатор обозначен как Y.Что бы реализовать данный эксперимент, была написана определенная программа. Чтобы построить диаграмму рассеяния были проведены вычисления согласно матрицы. Выделение наиболее существенных факторов и их ранжирование было осуществлено посредством последовательных корректировок функций отклика по строкам.Из-за того, что все вклады t-критерию Стъюдента оказались примерно одинаковыми и сравнимыми,процесс выделения существенных переменных был прекращен. Хотя процесс построения диаграммы рассеяния был построен с ошибкой коэффициентов нормированного уравнения регрессии. А именно, после нахождения оценок (вкладов) для 6 факторов с помощью t-критерия была проверена значимость коэффициентов. Условие значимости оценки записывается ввидегде tkp- табулированное значение t - распределения для определенного уровня значимости; N - общее число исходной матрицы планирования; m - число параллельных опытов в ней; s2вос- усредненная оценка дисперсии воспроизводимости.Последовательный расчет с учетом [3] позволил выполнить ранжирование параметров (табл. 3) и выделить факторы (переменные в математической модели), которые наиболее существенном влияющие на сварной шов детали.Таблица 3.3 - Ранжирование факторов математической моделиДанный поход реализовали на практике, и он показал, что экспериментальные данные сходятся с математической моделью. 4. Применение роботов в аэрокосмической промышленности4.1. Основные сведенияВ настоящее время роботы все чаще стали применяться в авиастроении. Благодаря тому, что роботы расширяют свои функциональные возможности их эффективно используют для решения новых задач (рис.4.1)Рисунок 4.1 – Роботизированная ячейка в Aerolia, ФранцияСборка самолета – это сложный, масштабный и трудоемкий процесс. В этом процессе используется дорогое крупногабаритное оборудование [18].Для того, чтобы снизить затраты на производство самолетов необходимо автоматизировать данное производство.Процесс роботизации в авиационной промышленности является сложным технологическим проектом. Его результатом становится целый комплекс оборудования различных производителей, а также новые технологические решения.Растущий объем авиаперевозок заставляет производителей увеличить объем производства и как следствие критическая оценка трудозатратных процессов и человеческого фактора в производстве.Роботизированные технологии являются хорошей альтернативой использованию дорогого оборудования. Причем использование роботов позволяет обойтись без потери функциональных и технических требований.Хотя применение роботов вызывает большой интерес, их применение носит ограниченный характер. Этому способствует консервативность авиационной отросли не только в России, но и за рубежом. Большая часть самолетов, которые были сконструированы более 10 лет назад строились с использованием устаревших технологий. Для того, чтобы их модернизировать необходимо одобрение разработчиков и пройти огромные бюрократические препятствия.В автопроме применение роботов, на сегодняшний день, является общеобязательным условием для сохранности и повышения производительности. В автомобилестроении на разных предприятиях сборочные линии практически идентичны по своей структуре. В авиастроении автоматизация только начинается и многие предприятия являются пионерами в этой области, применяя техническое решение, которое в этой области ранее не использовалось. Тем не менее роботы в авиастроении работают больше, чем это принято считать на сегодняшний день. Например, компания KUKA поставила более 200 роботов в авиационную и космическую промышленности.4.2. Сверление и клепкаСверление отверстий одно из самых значимых технологий в авиастроении и именно здесь нашли свое применение роботы. Для этих операций авиастроение внедряет роботизированные системы. Они позволяют осуществлять точное позиционирование для выполнения сверления. Это происходит с применением дополнительных систем машинного зрения либо дополнительного контроля [18].Например, на фюзеляже необходимо сделать тысячи отверстий и выполнить их вручную – это потратить время и трудозатраты. В этом случае переход к автоматизации будет абсолютно безболезненным и высокоэффективным. Тем более, что в отличии от других технологий, таких как прожиг и прокаливание отверстий требования к самой операции, инструменту и изделию остается неизменным.Перевести сверление на автоматизацию значит, уйти от затрат на необходимые кондуктора, квалифицированный персонал и большие временные затраты. Специалисты компании SpiritAerosystems, которое является основным поставщиком концерна Boeing считают, что роботы в сверлении - это средняя степень между ручным трудом и полной автоматизацией. Применение роботов в сверлении позволяет обеспечить постоянную повторяемость позиционирования и режимов с одинаково высоким качеством, сократить расходы на инструмент и время операций.Рисунок 4.2 – Позиционирование роботами для сверления отверстий, AIRBUSДля концернаAIRBUSимеет большое значение возможность перехода от ручного сверления к автоматическому (рис. 4.2). Ежегодно они сверлят более 50 миллионов отверстий, причем половина из них выполняется вручную. Для данной компании большое значение имеет возможность автоматизации и роботизации производства и снижение ручного труда в существующих и будущих программах. Одной из первой роботизированной системой в AIRBUS стала система решений компании KUKA. В AIRBUSEspana (Испания) используется мобильная 3-х осевая роботизированная система для сверления.Фирмой LockheedMartin используются автоматизированные технологии более 30 лет, в основном для сверления отверстий под клепку. Там, где вручную необходимо произвести несколько операций, таких как: сверление отверстий, сверление требуемого диаметра, развертывание и т.д., робот может сделать за один проход.Если говорить о высоко автоматизированных авиационных программах, то истребитель F-35 построен с использованием роботизированных систем для сверления при изготовлении центрального фюзеляжа. К этой процедуре были привлечены крупные авиационные и финансовые компании.Рисунок 4.3 – Сверлильный робот MTorresИспанским концерном MTorres было разработано свое оборудование. Им является маленький робот FDH (FlexibleDrillingHead), который перемещяется по фюзеляжу. Его устанавливают по месту при помощи вакуумных присосок. Он осуществляет сверление и клепку со скоростью 3,5 мм/мин. (рис.4.3). Данный робот весит примерно 100 кг, имеет 5 осей [18]. Внедрение робота для сверления отверстий позволило сократить время процесса больше, чем на половину и заменить 19 квалифицированных рабочих, причем брак в работе (неправильно высверленное отверстие) отсутствует.4.3. Нанесение композитных материаловНа сегодняшний день особое внимание технологов-авиастроителей сосредоточено на применении роботов при изготовлении композитных изделий самолетов. Это следствие современных тенденций перехода на композитные материалы при производстве несущих конструкций самолета, к которым относятся крылья, фюзеляж и поперечные балки. Если раньше композиты составляли около 15% от структурной массы внешней обшивки самолета, то на сегодняшний день новые поколения лайнеров используют до 50%.Концерн NASA занимается данными исследованиями с 80-х годов прошлого века. Он использует собственные разработки, куда входит автоматическая укладка с помощью роботов. Применяют они это в производстве самолетов Boeing и некоторых военных моделей. Рисунок 4.4 – Роботизированная ячейка выкладки композитов FokkerAerostructures (Нидерланды)Особое внимание уделяется экономической составляющей. К ней относится изучение возможностей роботизации в FokkerAerostructures (Нидерланды) (работают по программам А380, Falcon, F35, NH90) базируется по цене. Это примерно 100 тысяч долларов за промышленного робота против 1 миллиона за большие стационарные машины ATL/AFP (рис.4.4). Fokker остановил свое внимание на ультразвуковой сварке, которая является более дешевой по сравнению с газовой или лазерной системой нагрева. Для управления роботом используют программное обеспечение Vericut, CGTech. Данное ПО переводит данные из системы CATIA в данные для робота. Система предполагает возможность масштабирования. Например, для изготовления закрылок бизнес-джетов достаточно использовать ячейку с одним роботом. Большие узлы, такие как хвостовые детали самолета или панель фюзеляжа изготавливаются с помощью нескольких синхронизированных роботов. В данном процессе каждый робот ответственен за свой участок(рис.4.5) [18].Рисунок 4.5 – Роботизированный комплекс для выкладки композитов CoriolisCompositesДанные системы используют в проекте обшивки фюзеляжей самолетов.Помимо конкретных процессов обработки, роботов часто используют при вспомогательных работах, таких как покраска. Кроме этого, роботов могут применять при смывании, при нанесении жидкости или удалении грязи, при чистке и нанесении краски. При этом они могут производить окраску в сложнодоступных местах, чтобы не образовалась коррозия (рис. 4.6, 4.7).Рисунок 4.6 – Окраска элемента крыла Boeing 777Рисунок 4.7 – Полная роботизированная окраска самолета F-35В авиастроении роботов также активно используют и во вспомогательных процессах, которые не имеют прямого отношения к сборке самолетов.Так, например, на заводе AirbusBroughton (Великобритания) внедряет производственную линию с использованием робота YaskawaMotoman. Он применяется для очистки заклепок от материала уплотнений перед тем как использовать его повторно на сборочной линии.Очень часто роботы используют для задач контроля и проверки (рис. 4.8).Рисунок 4.8 – Робот для проверки композитного переднего фюзеляжа В787, SpiritAeroSystemsКомпанией OCRobotics (Великобритания) разработано уникальное решение для использования в авиастроении (рис. 4.9).Рисунок 4.9 – Роботизированная система OCRoboticsУникальное решение заключается в следующем. На стандартного промышленного робота устанавливают телескопического змеевидного робота с удаленным управлением. Он позволяет получить доступ к сложным участкам, которые недоступны для любых средств стандартной автоматизации. Например, внутренняя конструкция крыла. Данная система также позволяет осуществлять удаленный контроль.Эффективное внедрение роботов в авиастроение служит основой для дальнейших исследований и разработок. Поэтому большинство авиастроительных концернов внимательно следят и изучают растущие возможности промышленных роботов. ЗаключениеВ ходе дипломной работы были проведены исследования по внедрению роботов в производство. Были рассмотрены типы роботов, их структура, способы управления.Кроме этого были рассмотрены:- проблемы на пути механизации и автоматизации при производстве сварных конструкций;- виды роботов, которые могут использоваться при сварочном производстве;- структура управления роботами;- разработана математическая модель для робота, который используется в сварочном производстве.Кроме этого было подробно рассмотрено применение промышленных роботов в авиастроении. Исследование данного вопроса показало, что роботы в авиастроении не заменимы на многих операциях. Например, они с большей точностью и качеством могут делать клепки на фюзеляже самолета. Могут определять трещины в корпусе. Использование их в покраске или обработке металла, также незаменимо. Так как они могут произвести покраску даже в тех местах куда рука человека не может достать.СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ1.Асатурян В.И. Теория планирования эксперимента: учеб. пособие для вузов. М.: Радио и связь, 2009. 248 с.2.Шенк Х. Теория инженерного эксперимента. М.: Высшая школа, 2004. 273 с.3.Разработка модели процесса дуговой сварки для системы адапта- ции промышленного робота // Автоматизация и современные технологии. 2009. № 3. С. 17-20.4.Моделирование функционирования адаптивного промышленного робота при дуговой сварке // Сварочное производство. 2009. № 7. С. 21-25.5.Автоматизированные комплексы механической обработки валов с использованием промышленных роботов. Метод. рекомендации, ЭНИМС. –М.: НИИмаш, 2003, -64 с.6.Волкович Л.И. и др. Комплексная автоматизация производства.- М.: Машиностроение, 2003, - 2269 с., ил.7.Нахапетян В.Г. Диагностирование оборудования гибкого автоматизированного производства. – М.: Наука, 2005.8.Гибкое автоматизированное производство. /В.Д.Азбель и др.- Л.: Машиностроение, Ленинградское отделение, 2003, - 376 с.9.Елисеев С.В. и др. Промышленные роботы. некоторые проблемы внедрения. – Иркутск: Изд-во иркутского университета, 2002, - 362 с., ил.10.Мельников Г.Н. Проектирование механосборочных цехов. Учебник для машиностр. специальности, М.: Машиностроение, 2010.11.Чинаев П.И. и др. Создание и внедрение роботизированных технологических комплексов на машиностроительных предприятиях.-Киев: УкрНИИНТИ, 2002, - 52 с.12. Mechanical APDL Basic Analysis Guide // Release 13.0. ANSYS, Inc., November 2010. 13. Анализ эффективности распараллеливания решателей пакета ANSYS Multiphysics при моделировании процесса линейной сварки трением / А. Т. Бикмеев [и др.] // Вестник Южно-Уральского государственного университета. 2011. № 25(242). Серия «Математическое моделирование и программирование», вып. 9. С. 64–75.14. SzeliskiR. Computervision: algorithmsandapplications. Springer Science & Business Media, 2010.15. Lang H., Wang Y., de Silva C. W. Vision based object identification and tracking for mobile robot visual servo control // Control and Automation (ICCA), 2010 8th IEEE International Conference on. IEEE, 2010. P. 92–96.16. Veremey E. I., Sotnikova M. V. Visual Image Based Dynamical Positioning Using Control Laws with Multipurpose Structure // IFAC-PapersOnLine. 2015. Vol. 48. No. 16. P. 184–189.17. Siciliano B., Sciavicco L., Villani L., Oriolo G. Robotics: modelling, planning and control. Springer, 2009. 632 p.18. Применение роботов в аэрокосмичекой промышленности. Электронный ресурс. http://mirprom.ru/public/primenenie-robotov-v-aerokosmicheskoy-promyshlennosti.html