54 ISSN 1225-6153 Online ISSN 2287-8955 구창대 * 양형석 *, 김맹남 ** 한국폴리텍 Ⅵ 대학산업설비학과 ( 주 ) 토탈소프트뱅크의공학연구소 Bead Visualization Using Spline Algorithm Chang-Dae Koo*, Hyeong-Seok Yang*, and Maeng-Nam Kim** *Dept of Automation of Industrial Installation Korea Polyteching Ⅵ College, Daegu 703-721, Korea **Dept of Bio-medical Engineering Institute TOTAL SOFT BANK LTD., Daegu 701-730, Korea Corresponding author : hyungsuk820@hanmail.net (Received October 28, 2014 ; February 5, 2015 ; Accepted January 8, 2016) Abstract In this research paper, suggest method of generate same bead as an actual measurement data in virtual welding conditions, exploit morphology information of the bead that acquired through robot welding. It has many multiple risk factors to Beginners welding training, by we make possible to train welding in virtual reality, we can reduce welding training risk and welding material to exploit bead visualization algorithm that we suggest so it will be expected to achieve educational, environmental and economical effect. The proposed method is acquire data to each case performing robot welding by set the voltage, current, working angle, process angle, speed and arc length of welding condition value. As Welding condition value is most important thing in decide bead form, we would selected one of baseline each item and then acquired metal followed another factors change. Welding type is FCAW, SMAW and TIG. When welding trainee perform the training, it s difficult to save all of changed information into database likewise working angle, process angle, speed and arc length. So not saving data into database are applying the method to infer the form of bead using a neural network algorithm. The way of bead s visualization is applying the spline algorithm. To accurately represent Morphological information of the bead, requires much of morphological information, so it can occur problem to save into database that is why we using the spline algorithm. By applying the spline algorithm, it can make simplified data and generate accurate bead shape. Through the research paper, the shape of bead generated by the virtual reality was able to improve the accuracy when compared using the form of bead generated by the robot welding to using the morphological information of the bead generated through the robot welding. By express the accurate shape of bead and so can reduce the difference of the actual welding training and virtual welding, it was confirmed that it can be performed safety and high effective virtual welding education. Key Words : Virtual welding, Bead visualization, Spline algorithm 1. 서론 용접은제조산업에서부터중공업, 자동차공업, 전기 / 전자산업, 플랜트설비산업분야등에서사용되어 지고있다. 공업계고등학교, 마이스터고, 직업전문학교, 폴리텍대학등에서는많은학생들을대상으로용접교육을실시하고있다. 하지만오랜세월동안사용해왔던기술이긴하지만, 교육훈련중에는많은문제점이노출되 Journal of Welding and Joining, Vol.34 No.1(2016) pp54-58 http://dx.doi.org/10.5781/jwj.2016.34.1.54
55 고있다. 가스중독, 섬광, 어지러움증, 정신이혼란한증세, 피부화상, 각결막염등질병과사고에노출될수있으며, 불꽃온도및작업복, 헬멧의착용으로체감온도가 40도이상일정도로교육환경이열악한실정이다. 또한용접와이어또는용접봉, 전력, 실습자재, 피복, 가스, 소모성공구등훈련환경을구착하거나훈련시에많은비용이소모가된다. 특히전력문제는심각한상황이다. 비용절감뿐만아니라에너지절약, 유해가스발생, 소모성재료의폐기등에대비할수있는교육방법이필요하다. 가상현실은사람들이일상적으로경험하기어려운환경을직접체험하지않고서도그환경에들어와있는것처럼보여주고조작할수있게해주는방법이다. 본논문에서는실용접에서획득한시편을이용하여가상에서도실용접과동일한비드의형태를표현하는방법을제시한다. 실용접에서생성되는비드의형태와가상용접에서생성되는비드의형태의정확도를검증한후, 가상용접훈련시스템에적용하여현실과동일한형태의비드를생성함으로서, 초보용접훈련자의용접훈련에많은도움이될것이다 2). 2. 시편촬영및계측 2.1 용접조건 Data Set 로봇용접을통해시편을획득하기위해서는, 먼저각용접조건별로, 시편을획득할수있는 Data Set 을구성한다. 비드의형태에직접적인영향이될수있는전압, 전류와간접적인요인이작업각, 진행각, 속도, 아크길이를이용하였고, 해당 Data Set 의조건별로로봇용접을수행한다. 2.2 로봇용접및시편계측로봇용접을이용하여전류, 전압, 속도, 작업각, 진행각등을파라미터로샘플을획득한후, 광학측정기를이용하여비드의형상을측정한다. 이때, 비드를정확히계측하기위해서는비드의단면정보가정확히나타나야한다. 잘못절단을하였을경우, 비드의단면정보가정확히나타나지않아, 정확한비드의형태를계측할수없다. 그리하여레이저절단으로단면적이깨끗하게나올수있도록절단을수행하고, 비드계측을수행한다 2). 비드계측방법은비드의형태중, 가장높은지점을기준으로좌, 우로각각 4개의점을선정한다. 이때, Fig. 1 Bead measuring point 처음시작점과끝점은높이값이 0이어야하며, 지점선정방법은스플라인알고리즘을최대한활용하기위하여비드의모양이굴곡이진행되는지점을기준으로선정을한다. Fig. 1은완만한형태의비드계측지점과굴곡이심한형태의비드계측지점을나타낸것이다. 3. 뉴럴네트워크알고리즘 뉴럴네트워크는뇌기능의특성몇가지를컴퓨터시뮬레이션으로표현하는것을목표로하는수학모델이다. 뉴럴네트워크는시냅의결합으로네트워크를형성한인공뉴런 ( 노드 ) 이학습을통해시냅스의결합세기를변화시켜, 문제해결능력을가지는모델이다 1). 가상용접훈련에서용접기의전압과전류, 토치의작업각, 진행각, 속도에따른비드형태를결정하기위하여뉴럴네트워크알고리즘을이용한다. 뉴럴네트워크알고리즘의입력값은전압, 전류, 작업각, 진행각, 속도, 아크길이를주어지게되며, 알고리즘의연산을통하여비드형태의 9개좌표지점을도출한다. Fig. 2 는가상용접훈련에서사용되는뉴럴네트워크알고리즘의구조를나타낸것이다 3). 4. 스플라인알고리즘 스플라인알고리즘은컴퓨터그래픽에서수학공식가운데스플라인함수를이용하여표현하는매끄러운곡선이다. 스플라인곡선은적은수의제어점으로매끄러운곡선을만들기위한방법의하나이며, 함수의차 Working Angle Progressing angle Voltge Current Speed CTWD Input layer Hidden layer1 Node : (7) Hidden layer2 Node : (50) Fig. 2 Neural network algorithm Point 1 Point 2 Point 3 Point 4 Point 5 Point 6 Point 7 Point 8 Point 9 Output layer 대한용접 접합학회지제 34 권제 1 호, 2016 년 2 월 55
56 구창대 양형석 김맹남 Desired point P0 P1 P2 P3 t=0.0 t=1.0 Fig. 3 Spline algorithm 수가높을수록선이매끄럽게되고보통 3차스플라인이많이사용된다. 베지어곡선과같이널리사용되고있는데, 스플라인곡선의데이터로베지어곡선으로의변환이가능한것이특징이다. 스플라인곡선은모든제어점을지나가는것과지나가지않는것이있으며, 후자는컴퓨터그래픽등으로곡면을만드는데에사용하고있다. 자동차나비행기의표현과같은유선형의곡선을설계할때많이사용된다. 곡선을정의하는점들은제어점이라불리며, 만들어진커브가제어점들을모두지나가는방식의스플라인알고리즘을적용한다. 곡선위의점을계산하기위해필요한점의다른라인위에두개의점을 Fig. 3에서나온것처럼필요로한다. 가장가까운두제어점의부분을정하는값 t가점의위치를정한다. 제어점 P0, P1, P2, P3 그리고변수 t를주고, 점의위치를계산할수있다. 단, 제어점들은동일한평면위에있다고가정을해야한다. 해당내용을수식으로표현하면, 아래와같다. 5. 비드가시화 앞에서언급한뉴럴네트워크알고리즘과스플라인알고리즘을이용하여가상의비드를생성한다. 가상용접훈련중, 생성되는입력값을이용하여뉴럴네트워크알고리즘에대입한다. 대입된입력값을이용하여알고리즘을수행하게되면 9개의좌표값이출력된다. 출력된좌표값을스플라인알고리즘에대입하게되면비드의형태정보가만들어지게된다. 만들어진비드의형태정보를가상현실에서표현하는것이가상용접훈련의가장큰핵심이다. 비드를생성하는방법은스플라인알고리즘을통해획득한비드의형태정보를가상의시편 Mesh 의 Vertex 좌표를대입시키는방법으로표현한다. Vertex 의기준좌표에서생성되는비드의좌표를대입함으로써, Fig. 4 Spline algorithm, application examples(bop, T- Fillet, V-Groove, PIPE) 비드의형태가정확히표현되는방법이다. Fig. 4는스플라인알고리즘을적용하여가상의용접환경에서 BOP, T-Fillet, V-Groove, Pipe 모재에용접을수행한결과물이다. 6. 실험및구현결과분석 본논문의실험환경은 Intel(R) Xeon(R) CPU W3550 @ 3.07GHz 3.06GHz 와 4G의 RAM 이장착된 IBM 호환 PC 를활용하였으며, 소프트웨어는 Virtools 5.0과 Visual studio 2008 MFC, Microsoft SQL Server 2005 를사용하여구현하였다. 제안된비드가시화의실험방법은실용접에서시편을획득한 Data Set 을가상에서동일하게설정한후, 로봇용접과동일하게가상용접을진행하였다. 진행후, 실제시편을절단한위치와동일한지점의단면정보를추출하여실제비드단면정보와가상의비드단면정보를비교하여가상비드의정확도를확인하였다. 실험값은 Table 1의용접조건값을이용하여실제용접한결과와가상으로용접한결과값을이용하여실험및분석을수행하였다. Fig. 5와 Fig. 6은실제비드의단면정보와가상비드의단면정보를나타낸것이다. Fig. 5는완만한형태의비드를비교한것이고, Fig. 6은굴곡이심한비드의형태를비교하였다. Fig. 5의왼쪽의영상은실제용접을통해얻은비드를절단하여광학측정기로촬영하여계측한영상이며, 오른쪽그림은가상으로용접한결과물을나태내었다. 실제비드와가상의비드의정확도를분석해본결과, 완만한형태의비드는 98% 이상의높은정확도를나타내었고, 굴곡이심한비드의경우 95% 이상의정 56 Journal of Welding and Joining, Vol. 34, No. 1, 2016
57 ID base Volt (V) Table 1 Database Welding data Amp Speed (A) (mm/min) WA TA Thickness (mm) F_B_1 base 22 100 300 0 15 6 F_B_2 Volt 18 100 300 0 15 6 F_B_3 Volt 20 100 300 0 15 6 F_B_4 Volt 24 100 300 0 15 6 F_B_5 Volt 26 100 300 0 15 6 F_B_6 Volt 28 100 300 0 15 6 F_B_7 Amp 22 80 300 0 15 6 F_B_8 Amp 22 120 300 0 15 6 F_B_9 Amp 22 140 300 0 15 6 F_B_10 Amp 22 160 300 0 15 6 F_B_11 Amp 22 180 300 0 15 6 F_B_12 Amp 22 200 300 0 15 6 F_B_13 Speed 22 100 200 0 15 6 F_B_14 Speed 22 100 400 0 15 6 F_B_15 WA 22 100 300-20 15 6 F_B_16 WA 22 100 300-10 15 6 F_B_17 WA 22 100 300 10 15 6 F_B_18 WA 22 100 300 20 15 6 F_B_19 WA 22 100 300 30 15 6 F_B_20 TA 22 100 300 0 0 6 F_B_21 TA 22 100 300 0 5 6 F_B_22 TA 22 100 300 0 10 6 F_B_23 TA 22 100 300 0 15 6 F_B_24 TA 22 100 300 0 20 6 Fig. 6 The severe form of beads bend Fig. 5 Bead of a gentle form Fig. 7 Virtual welding 대한용접 접합학회지제 34 권제 1 호, 2016 년 2 월 57
58 구창대 양형석 김맹남 확도를나타내었다. 정확도계산은사전에계측한각제어점의좌표정보를이용하여가상으로생성된제어점의좌표를정확도를계산하고, 또한실제용접의비드면적과가상용접의비드면적을이용하여정확도를계산하였다. Fig. 7은실험에사용된가상용접훈련시뮬레이터이며, Tabel 1의용접조건을입력하여가상용접을수행한화면이다. 7. 결론 본논문에서는실용접에서획득한비드의형태정보를이용하여가상용접에서동일한형태의비드를표현하는방법을연구하였다. 실제비드를계측한후, 뉴럴네트워크알고리즘을이용하여비드의형태정보를생성하였다. 생성된비드의형태정보를이용하여, 스플라인알고리즘에적용하여가상의비드의형태를결정하였고, 결정된비드형태를가상현실에서표현하였다. 표현된비드의형태정보를실용접에서계측한비드의형태와비교하였을때, 완만한형태의비드의경우 98%, 굴곡이심한형태의비드의경우 95% 의정확도를확인할수있었다. 실용접과유사한형태의비드를표현함으로서, 가상용접훈련의정확성과신뢰성을높일수있었다. 높은정확성과신뢰성을바탕으로초보용접훈련자에게많은도움이될것으로사료되며, 또한, 용접교육의이점외에, 환경적, 경제적인요인또한많은이익이될것으로전문가자문을통해확인하였다. References 1. G. Lee, U.Y. Yang, U.H. Son, Y.W. Kim, D.S. Jo, K.H. Kim, J.S. Choi, Virtual Reality Content-Based Training for Spray Painting Tasks in the Shipbuilding Industry, ETRI Jourmal, 32-5 (2010), 695-703 (in Korean) 2. D.S. Jo, Y.W. Kim, U.Y. Yang, G. Lee, J.S. Choi, K.H. Kim, Virtual Reality Based Welding Training Simulator, Journal of KWJS, 53 (2010), 49-49 (in Korean) 3. D.S. Jo, Y.W.Kim, U.Y. Yang, G.A. Lee, J.S.Choi, Visualization of Virtual Weld Beads, In Proceedings of the 2009 ACM Symposium on Virtual Reality Software and Technology, (2009), 269-270 58 Journal of Welding and Joining, Vol. 34, No. 1, 2016