焊接视觉图像质心算法及其特性

从焊接视觉图像质心计算公式出发,根据图像灰度与视觉传感器响应电压值的关系、响应电压值与检测部位的发射率及光谱辐射强度等关系,由熔池特性,推导并建立了焊接视觉图像质心与焊接区各点温度间关系模型.通过焊接温度场的数值化,得到图像质心与焊缝中心关系模型的数值解及关系曲线,证明了视觉图像质心与焊缝中心存在相关性,为基于图像质心的焊缝跟踪算法提供理论依据.分析了质心算法的特性,为进一步研究实时焊接图像的质心及算法打下理论基础.     

BP神经网络在焊缝位置识别中的应用

研究了一种焊缝位置识别新方法,在一定工艺条件下,使用视觉传感器采集焊接熔池图像,选取图像中熔池前端部分进行处理,先对其进行中值滤波与灰度变换,在此基础上,获取每一幅熔池图像的质心值、质心位移、质心速度及电弧与焊缝的偏差值作为训练样本数据.以质心值、质心位移和质心速度为输入量,以偏差值为输出量,利用BP神经网络建立其数学模型,最后对该模型进行检验.检验结果表明,该模型能够较准确地描述熔池图像质心与焊缝偏差之间的关系,为进一步实现精确的焊缝跟踪提供了理论和试验依据.     

熔池图像质心算法的焊缝位置测量模型

建立了一种基于熔池图像质心的焊缝位置测量模型,通过视觉传感器获取焊接区熔池图像,选择熔池前端为处理区域,对该区域进行中值滤波与图像灰度变换,并计算该区域的熔池图像质心值及相对应的焊缝偏差.在不同的焊接条件下,获取多组熔池图像及对应的样本数据,应用最小二乘法建立熔池图像质心与焊缝偏差之间的关系,得到基于熔池图像质心的焊缝位置测量数学表达式.在此基础上,通过分析比较各数学表达式之间的关系,建立焊缝位置测量数学模型.计算机仿真及焊接工艺试验结果表明,该模型可有效地检测焊缝位置.     

焊接理论/一般问题

建立了一种基于熔池图像质心的焊缝位置测量模型，通过视觉传感器获取焊接区熔池图像，选择熔池前端为处理区域，对该区域进行中值滤波与图像灰度变换，并计算该区域的熔池图像质心值及相对应的焊缝偏差。在不同的焊接条件下，[第一段]     

用于焊缝检测的比色图像偏心算法

提出了基于焊接比色图像偏心的概念并给出计算公式.从比色图像信号强度与焊接区域发射率、光谱辐射强度等的关系、比色值与焊接温度场及比色系统波长的关系以及比色图像偏心计算公式出发,分析了比色图像比色值分布对称性,推导并建立了焊接比色图像偏心与焊接区温度的函数值、焊缝中心与电弧中心偏差间关系模型.研究了以比色图像偏心作为检测对象的优异特性,给出了模型在某一焊接工艺参数条件下的数值解,发现模型的输出与输入有很好的线性关系.仿真试验证明以比色图像偏心可以代替焊缝中心偏差,为进一步研究比色图像偏心算法的实际应用打下理论基础.     

电弧焊接焊缝偏差方法研究

焊缝跟踪技术是自动电弧焊接的一个重要研究领域,实现精确的焊缝跟踪对于提高焊接质量具有非常重要的作用。而要实现精确的焊缝跟踪,焊缝偏差(即焊缝中心与电弧的偏差)检测技术是一个关键。通过图像处理技术,选取熔池图像处理区域(包括熔池前端与熔池前端部份焊缝),并将熔池图像质心作为分析焊缝偏差的特性参量,研究利用熔池特性参数来建立焊缝偏差测量视觉模型的方法。     

一种基于图像质心的焊缝跟踪新方法

研究一种基于图像质心识别的电弧焊焊缝跟踪新方法。通过视觉传感器获取焊接区熔池图像，抽取图像质心坐标并构成状态向量，建立一种基于图像质心的状态方程和位置测量方程。在此基础上，应用卡尔曼滤波对图像质心位置进行状态估计，在时域中采取递推计算的方式得到最小均方差条件下的焊缝位置最佳预测值．从而消除过程噪声和测量噪声引起的焊缝位置测量偏差。计算机仿真和实际焊接试验结果显示该方法可有效地提高焊缝跟踪精度。     

基于视觉传感的焊缝中心检测技术研究

通过视觉传感器获取焊缝图像，采用多种去噪技术对焊缝图像中的噪声进行滤波试验。针对焯缝图像中的干扰噪声特性，对各种滤波方法进行了分析和比较，并对滤波效果较好的焊缝图像进行边缘检测计算。提出3种识别焊缝特征的组合图像处理方法，并研究提取焊缝中心特征信息的效果和精度。试验结果表明，对焊缝图像采用Wiener滤波与Robert边缘检测算法能较好地提取焊缝中心位置的特征信息。     

激光焊接偏差识别的神经网络模型试验研究

激光焊接偏差识别是保证激光焊接质量的关键技术,本文研究一种用于识别激光束与焊缝位置偏差的BP神经网络模型。在大功率光纤激光焊接试验条件下,利用高速红外摄像机摄取焊接区域熔池图像,分析激光束与焊缝对中及偏离所对应的红外辐射瞬态特征。通过图像处理增强熔池图像,计算熔池特征参数（熔池匙孔特征参数、匙孔质心值、热堆积效应参数）以及相对应的焊缝与激光束之间的偏差值,将其输入所设计的神经网络进行网络权值参数的训练,建立基于BP神经网络且具有一定环境适应能力的焊缝偏差模型。试验结果表明,该模型能够反映熔池特征参数与焊缝偏差之间的规律,可实现较精确的焊缝偏差识别。     

基于结构光无坡口对接焊缝图像实时处理研究

设计了一套基于结构光无坡口时接焊缝图像实时处理的方法.对焊缝图像采用中值滤波去除图像噪声,提出三次筛选法对图像进行二值化,采用基于二值形态学的滤波方法滤除孤立点,采用求取边缘上下两个边界点平均值的方法快速提取结构光的中心线.提出了通过求取结构光邻域灰度曲线二阶导数的方法来获取焊缝中心位置信息.试验结果表明,所设计的方法能够准确地提取焊缝中心,具有很强抗干扰性能,能够满足焊缝跟踪系统的实时性要求.     

Seam tracking based on estimation of weld position using Kalman filtering

Abstract

A seam tracking method is presented based on the estimation of weld position during the gas tungsten arc welding process. Kalman filtering of the weld pool images from a visual sensor is applied to compute recursively the solution to the weld position equations which are established based on an estimation of the centroid position of the weld pool images. This centroid, the position of which corresponds with the weld position, is extracted as the measurement eigenvector. The evolution of the weld position data from the weld pool images can be described through an appropriate process model, so that the weld position can be detected by applying a Kalman filter. This allows adjustment of the welding torch position in real time, which may significantly reduce processing time and promote seam tracking accuracy. Simulations and actual welding experiments have demonstrated the effectiveness of the proposed algorithm in the presence of weld pool image noise and have demonstrated the robustness of weld position detection for seam tracking.     

电弧焊熔透ICA-BP神经网络识别模型

以氩弧焊熔透状态识别为研究对象,研究一种基于ICA (Imperialist Competitive Algorithm) 的BP(Back Propagation)神经网络识别模型方法. 首先利用ICA全局搜索不易陷入局部极值及搜索速度快的特点对神经网络权值和阈值初始化,再用BP算法对神经网络进行训练. 通过摄取焊接过程中的熔池图像,提取熔池面积、熔宽以及熔池质心位置作为神经网络预测模型的输入量,分析熔池图像三个特征与焊缝熔透状态的映射关系,最终建立熔透状态预测模型. 结果表明,采用ICA-BP神经网络能够有效地预测焊缝的熔透状态.     

焊缝偏差RBF神经网络预测算法

以10 kW大功率光纤激光焊接304奥氏体不锈钢板为试验对象,研究一种焊缝偏差预测算法.利用红外摄像机摄取焊接过程中的熔池红外图像,提取匙孔质心、匙孔形状参数和热堆积效应参数等反映激光束与焊缝位置偏差的特征量作为径向基函数RBF神经网络预测模型的输入量,建立焊缝偏差RBF神经网络预测模型.选择焊缝偏差特征量作为训练样本并对预测模型进行训练,建立焊缝偏差预测模型.结果表明,该模型能够对大功率光纤激光焊接过程中的激光束与焊缝位置之间的偏差进行有效预测.     

Method of weld recognition based on textural feature matching

In this paper an automatic visual method of seam recognizing and seam tracking based on textural feature matching was proposed,in order to recognize the weld of multi-layer or multi-pass welding in which the weld is difficult to be recognized by conventional visual methods.This method focuses on the obvious difference of image textural feature between the weld region and the base metal region,as well as the similarity of the textural features along the welding direction.The method consists of the following steps: setting image template and choosing the edge region as ROI (region of interest),extracting the image textural feature of the template and the edge region,feature matching,and recognition of weld region.Experiment showed that the method proposed was effective for weld seam recognition in multi-layer welding.