电子束精密封装焊接技术

电子束作为一种高能量密度热源，用来焊接某些结构件具有许多独特的优点。本文主要讨论小功率电子束焊接的特点，并介绍作者所从事的传感器精密焊接与封装焊接工艺研究。     

霍尼韦尔公司TAS系统在西固油库公路自助发油系统中的应用

为提高油库的自动化水平,2009年西固油库与霍尼韦尔公司(中国)合作共同研发和建设了以TAS系统为主实现的公路自助发油的管控一体化系统。该系统作为中国石油西北销售公司管控一体化系统建设的一个重要子系统,实现了公路自助发油,带来了先进的理念,巧妙的化解了油库管理中的难点重点,提高了油库管理水平,具有一定的指导和借鉴意义。     

用于压力传感器的硅熔融焊接

木文介绍了两种硅压阻式压力传感器的新颍的制造工艺。文中讲述的芯片证明了一种重要的、新的硅-硅焊接工艺,即硅熔焊接(SFB)。利用这一工艺,单晶硅片能够以接近理想的界面被可靠地焊接起来,而不必利用过渡层。用SFB工艺制造的压力传感器比用常规工艺制造的传感器性能有很大的改善。SFB工艺还可以用于许多其它的微机械加工的结构件。     

用于焊接过程控制的激光扫描式传感器的研究

传感器是焊接过程视觉控制的重要因素之一。焊接过程控制一般分为两类:第一类是关于位置的控制;第二类是关于焊接工艺参数的控制。本文提出一种传感方法,它主要包括光学系统,信号接受器和数据处理器。由于电弧光的强烈干扰,一般的摄象机很难直接作为传感器。但是应用扫描式激光传感器,其结构紧凑且可以抑制电弧光的影响。为提高信号处理速度,本传感方法中采用了一种新型的“位置传感元件”(PSD),它不用象普通摄象机那样的扫描电路,因而速度很快。试验说明这种传感方法非常适用于机器人焊接的焊缝跟踪控制。除此,它还能识别焊接接头的几何形状与尺寸等信息。因此,它是一种有效的且很有前途的传感方法。     

激光焊接在传感器生产中的应用

本文了介绍传感器工作特点和生产传感器的工艺特点，介绍了激光焊接传感器的原理和特点，并和其他焊接工艺进行了比较，指出了传感器焊接方法的发展方向。     

焊接机器人图像传感器噪声分析

焊接机器人获取焊缝的计算机视觉信息过程中,由于工件表面的反光系数,光学镜头性能的非线性,光电转换时叠加了随机噪声;信号电荷的存储、传输和输出存在暗电流等噪声;视频信号传输时存在噪声;视频信号模数转换存在量化噪声,导致获取的二维数字图像信号有一定的误差。为了减小此误差对后续的图像处理的影响,对图像传感器的图像噪声进行了分析,并得到了一个经验的图像噪声模型,实验结果表明:该模型有效且实用。     

基于旋转电弧传感器的焊接电流波形研究

为了实现焊接的自动化,必须研制出新型的传感器,并对采集到的信号进行滤波与分析。介绍了旋转电弧传感器的工作原理。由于采样得到的焊接电流中含有大量的噪声,必须通过多种滤波方法的组合,最终得到较理想的焊接电流波形。为了研究焊接电流的波形,进行了小弯曲角焊缝的跟踪实验,直角转弯角焊缝的跟踪实验。结果表明:滤波后的焊接电流波形比较理想,通过焊接电流波形,可以识别出焊枪是前倾、后倾,还是既不前倾也不后倾,焊枪是左偏、右偏,还是对中,为偏差识别和焊接机器人的控制铺平了道路。     

MEMS压阻式压力传感器倒装焊封装的研究和发展

介绍了倒装焊接技术在MEMS压阻式压力传感器封装领域的优势和目前研制的压力敏感芯片的倒装焊的关键技术。根据封装结构设计和基板材料的不同,详细论述了国内外MEMS压阻式压力传感器倒装焊技术的研究成果。最后总结了MEMS压力传感器倒装焊技术的发展前景和所面临的挑战。     

LED芯片封装工艺中焊接缺陷研究

介绍了发光二极管（LED）封装工艺中常见焊接缺陷与可能存在的危害。对污染物造成的焊接缺陷作了具体研究,理论分析了因缺陷引入的接触电阻和隧道电阻,测量了正常情况和缺陷焊接时LED的光谱和光生电流,并提出了存在缺陷焊接的LED的等效电路,对实验结果进行了分析。结果表明：LED发生焊接缺陷时的发光强度、光生电流明显比正常情况小,可以通过测试LED芯片的发光强度或光生电流达到检测LED焊接缺陷的目的。该研究对提高LED封装的可靠性和提出检测LED焊接缺陷的方法具有重要意义。     

基于宏微机器人的焊缝跟踪研究

提出了一种基于宏微运动机器人的焊缝跟踪方法．首先,通过若干点的简单示教获得焊缝位置信息,并通过拟合建立焊缝模型．在该模型的基础上,对机器人的宏动进行运动规划．采用激光结构光视觉测量焊缝坐标,并根据焊缝图像偏差控制机器人的微动．结合机器人的宏动规划运动和微动自动调整,实现大范围、高精度的焊缝跟踪．利用宏微运动平台进行了焊缝跟踪实验,实验结果验证了所提出方法的有效性．     

基于卷积神经网络的焊缝表面缺陷检测方法

针对工业激光焊接中,采用传统方法进行焊缝质量检测效率低下的问题,提出了一种基于卷积神经网络的工业钢板表面焊缝缺陷检测方法;首先基于卷积神经网络,搭建了一个多分类模型框架,并分析了各层中所用到的函数及相关参数;然后基于工业数控机床和工业相机进行了焊缝数据采集,并对这些数据进行了分类、增强、扩增等前期预处理;最后基于数控机器轴,采用滑动窗口检测的形式采集实际待测图像,并通过实验对比了传统的机器学习算法在该类图像数据中的性能评估;经实验证实,通过卷积神经网络训练得到的多分类模型,焊缝缺陷检测精度能达到97%以上,且每张待测图像的测试时间均在300 ms左右,远超机器学习算法,在准确性和实时性上均能达到实际工业要求。     

基于灰度形态学的图像处理在焊缝识别中的应用

焊缝轨迹的提取是自动化焊接的关键技术,它不仅要求焊缝提取的准确性,而且要求实时性。论文采用爬行机器人CCD获取的焊缝原始图像,充分利用其灰度分布信息,提出了一种基于灰度形态学的图像处理算法。该算法能针对不同的焊缝,通过灰度形态学滤波等处理,提取焊缝的特征。实验结果表明该算法能满足实时、准确性要求。     

计算机视觉在焊缝跟踪控制中的应用

研究一种基于计算机视觉的焊缝跟踪控制系统,重点论述焊缝图象分割和边缘提取的理论方法,通过对视觉传感器CCD检测到的弧焊区图象进行处理来准确地识别焊缝位置,从而有效地提高焊缝跟踪精度。     

基于神经网络的焊缝形状预测模型

虚拟焊接作为虚拟现实（VR）的重要应用领域之一,主要应用在工业焊接培训领域,其在不断发展完善的过程中还存在着对焊接所形成的焊缝形状预测不够精确、焊缝形状预测算法时间复杂度大、预测结果渲染粗糙等问题,该文提出新的焊缝形状预测算法,不从物理学角度来分析焊接过程中具体的热量、电压、电流等参数对焊缝形状的影响,而是采用神经网络模型,通过Matlab编程训练得到预测焊缝形状的神经网络,用此神经网络来预测焊缝形状能有效提高焊缝形状预测的精度并避免因复杂物理建模而带来的算法时间复杂度大的问题。     

脉冲GTAW焊缝成形智能控制方法

在作者前期工作的基础上,进一步展示了模糊神经网络与专家系统等智能化方法在电弧焊动态过程与焊缝成形控制中的应用结果.在模糊推理与神经网络结合的单人单出焊接电流控制器FNNC设计的基础上,设计了专家系统控制器用于调节焊接速度,完成了焊接熔池动态过程双人双出智能控制器的设计,实现了脉冲GTAW正反面熔宽与焊缝成形的同时智能控制.与前期工作一并构成了对电弧焊接熔池动态过程和焊接质量智能控制途径的成功探索.     

基于声阻变化率的船舶焊缝缺陷成像研究

根据超声波的原理和物理特性,提出一种利用超声波检测船舶焊缝缺陷性质的新思路.根据声阻抗变化率,采用迭代重建算法重建焊缝缺陷的二维图像.将超声回波看成是从发射点到接收点的距离之和等于定长的点的轨迹,并对该轨迹的声阻变化率进行线积分.此方法能有效地提高超声成像的分辨率.     

搅拌摩擦焊接机器人大型薄壁零件空间曲线焊缝测量与轨迹生成

针对大型金属薄壁零件制造、装夹变形后的空间曲线焊缝加工轨迹尤其是零件空间法矢难以确定的问题,提出了一种通过测量焊缝上离散点计算刀位点并估计空间法矢的方法.首先,利用搅拌摩擦焊接(FSW)机器人末端安装的接触式测头碰触焊缝进行测量,再利用三次样条拟合一系列测得的空间点,得到一条与真实焊缝距离为1倍测头球心半径的空间曲线;其次,通过最小二乘法求出众多测量点的最小二乘平面;以最小二乘平面内焊缝曲线投影的面内法矢估计实际焊缝曲线的空间法矢.最后,将拟合曲线上用弦高差法离散得到的伪刀位点沿其空间法矢的负向平移1倍测头球心半径的距离,作为真正的刀位点.仿真实验表明本文的研究为大型复杂薄壁回转体零件的搅拌摩擦焊接提供了一种不必测量整个曲面便可得到焊接刀位点和法矢的有效方法.     

基于背景重构X射线钢管焊缝缺陷检测方法

焊缝缺陷检测是保证焊接质量的重要环节,随着工业的高速发展和迫切需求,X射线焊缝缺陷自动检测技术得到了广泛的研究,但是由于成像方式,以及铸件材质等客观因素的影响,X 射线图像存在噪声多、对比度低、背景亮度不均匀、焊缝边缘模糊等问题,使得利用计算机进行焊缝缺陷自动检测的准确率不太理想. 针对这一问题,本文提出了一种能够自动检测钢管焊缝缺陷的检测方法. 首先,采用了快速ICA算法重构了含有缺陷的X射线焊缝图像的背景区域;随后,将原图像与重构图像进行做差,并且对差后图像使用阈值法将缺陷提取出来;最后,在提取出的缺陷结果上做了进一步处理,有效的降低了漏检率和误检率. 与其他传统检测算法相比,它对缺陷类型不敏感,具有较好的适应性和通用性.     

基于Retinanet的轮毂焊缝检测定位方法

提出一种基于深度学习方法的轮毂焊缝实时检测定位方法,设计轮毂焊缝视觉检测硬件平台,阐述多规格轮毂焊缝的检测定位原理,细述基于卷积神经网络的目标检测算法Retinanet以及基于Transformer架构的目标检测算法Co TNet的原理,优化Cot结构,提出Co Tx结构,从而实现便捷替换卷积神经网络中通用的卷积层。在Pytorch框架下,简化Retinanet网络,通过Co Tx结构和Retinanet网络的融合对比实验来优化Retinanet网络在轮毂焊缝数据集上的检测性能。实验结果表明,用Co Tx结构替换Retinanet最后的几个特征提取层,可以得到更好的检测效果。在生产现场,进行为期30天的轮毂焊缝在线实时检测,平均检测精度为99.71%,单张检测时间为7 ms,达到企业生产的要求。