線弧增材製造焊道幾何控制中的學習與自適應

機器人線弧增材製造（WAAM）是一種通過焊接電弧逐層沉積金屬材料來製造三維零件的技術。該技術利用工業機器人控制焊槍，沿着預定路徑移動，同時連續送絲併產生電弧，使金屬絲熔化並沉積在基板上，逐層構建出複雜的金屬零件。WAAM具有成本低、沉積速率高、適合大型零件製造等優點，在航空航天、汽車、模具等領域具有廣闊的應用前景。然而，WAAM過程涉及複雜的物理化學現象，其中熱場與幾何形狀之間存在強非線性耦合。隨着打印過程的進行，熱量不斷積累，導致熱條件動態變化，使得焊道的高度和寬度難以精確控制。傳統的控制方法通常採用恆定的焊接參數，無法適應熱條件的波動，導致焊道幾何一致性差，影響零件質量和尺寸精度。為此，研究人員提出了一種數據驅動的控制框架，利用遞歸神經網絡（RNN）學習WAAM過程的輸入輸出動態特性，並結合一步超前預測控制策略實時調整焊接參數。該框架將焊接速度和送絲速率作為輸入，焊道高度和寬度作為輸出，通過訓練簡單的RNN模型來逼近系統的非線性動態。在控制環節，模型基於當前狀態預測下一時刻的焊道幾何，並優化輸入參數以使焊道高度和寬度接近目標值。為了應對熱條件的時變特性，研究團隊引入了在線學習機制：利用上一層的預測誤差實時更新模型參數，使模型能夠適應熱積累等過程變化。實驗在配備線掃描傳感器的機器人WAAM測試平台上進行，該傳感器可實時反饋焊道幾何數據。結果表明，與固定參數輸入和靜態模型相比，所提出的自適應控制方法能夠顯著降低焊道高度和寬度的波動，提升幾何一致性。該研究為增材製造過程的穩健、數據驅動控制提供了實用路徑，有望推動WAAM在工業中的更廣泛應用。