为了克服这种老化技术带来的问题，沸水反应堆的管理人员决定在管网的重要区域应用由优化焊接材料制成的保护涂层。

为了使管段的内部准备好接受这种保护覆层，有必要在管道的整个内圆周上铣出一个宽度为60毫米、深度为4.5毫米的凹槽。

由INSPECTOR SYSTEMS开发的打磨机器人可以快速、可靠地处理这项困难的工作，并且正如人们所期望的那样，考虑到行业的大量安全因素，没有风险。

借助超声波和涡流技术以及射线照相检测和染料渗透检测，可以检查一段管道中的单面焊缝。在日常维护和系统关闭期间，应定期重复这些检查。管道内壁上焊缝根部的存在会对结果产生很大影响。焊缝内侧的焊根会极大地扭曲检查结果，因为很难确定被检查的是小裂缝还是焊根。

由于打磨过程的复杂性，其部分参数无法实时准确检测，这限制了基于模型的方法在工程实现中的应用。越来越多的研究人员正在使用数据驱动的方法来预测材料去除。

早在2005年，数据驱动方法就被应用于预测材料去除。Panda D使用人工前馈神经网络预测材料去除率.Mathew，j .等人使用人工神经网络分析材料去除量，并建立参数优化模型.Wang等人提出了一种使用神经网络和遗传算法的材料去除预测算法.为了保证打磨工作的全过程检测，有必要构建一个实时监控的焊缝间隙预测系统。于是，David Jin Hong研究了一种深度学习视觉系统

用于机器人引导操作的SUHNER组件——适用于所有机器人

工具:气动马达铣轴、锉刀、砂带磨光机和加工设备。用于去毛刺、抛光、切割的各种工具。

坚固耐用的加工单元，适用于要求苛刻的应用，可带或不带自动化工具更换，实现工厂自动化。

磨料:不同材料和应用的开发和培训。

特殊设备:带有集成力补偿的特殊接触法兰

磨料更换站:全自动更换磨料，用于工业连续操作。

机床制造商:机器人和机器人工具的集成。在金属和芯片制造行业、机床制造和金属表面处理方面有数十年的经验。