低成本等离子弧焊缝跟踪软件系统

采用低成本CCD焊接过程视觉传感设备，实现了一种PAW焊缝实时跟踪系统，从PAW熔池后方拍摄获取图像，识别出了熔池图，识别出了熔池图像最亮点，以它作为熔池中心得到了焊缝偏差的实时曲线。设计了相应的实时控制软件，其控制周期的响应时间达到43ms.     

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]     

基于GMAW根焊熔池图像特征的焊接偏差识别

由直接拍摄电弧式视觉传感方法获取的熔池图像信息量丰富,可为焊接偏差信息自动识别提供基础数据。建立GMAW根焊熔池图像采集系统,其中CCD像机集成窄带滤光片排除弧光干扰,获取清晰熔池图像。通过开发熔池图像边缘检测算法,提取熔池及焊丝轮廓信息,在此基础上确定熔池的熔宽特征及偏差系数。开展了焊丝相对坡口中心偏差量为0,1,2 mm的根焊试验,分析偏差系数随焊丝偏差量的变化规律,并通过焊丝偏差量为0.5 mm时的根焊试验进行验证。试验结果表明:偏差系数随焊丝偏差量的增大单调变化,且与焊丝偏差量有一定的映射关系,因此可通过计算熔池图像中的偏差系数来确定焊接偏差量。     

连续电流TIG焊熔池图像的低成本自动化检测

改进了普通CCD摄像机镜头，使物距、放大倍数的调节范围进一步扩大。通过试验和统计的方法，调整物距、光圈、快门等光学参数，增大景深，提高对比度，拍摄出了分辨率较高的熔池图像。对大量的焊接熔池图像进行了分析，根据图像的特点，设计出了不需要滤波的图像边缘检测算法，检测出了连续电流TIG焊接熔池的整个边缘。与激光频闪视觉检测仪拍摄的熔池图像进行了对比，结果表明该低成本自动化检测装置所拍摄的熔池图像也达到了较高的清晰度与对比度。     

基于激光双目视觉的接缝三维重建

设计研制了结构激光双目视觉传感器,该传感器加入结构激光,很好地解决了立体视觉中对应点的匹配问题.利用该传感器采集接缝图像,开发了图像采集处理程序,实现接缝图像处理和特征分析,识别并提取了二维平面上接缝特征点的图像坐标.采用MATLAB软件实现了三维重建标定算法,根据双目视觉原理,由接缝特征点的图像坐标计算出其三维坐标,进行了三维重建,抽取了接缝三维几何尺寸、坡口类型、角度、间隙等焊接特征信息.     

图像处理技术在CO2焊自动跟踪中的应用

利用CCD(电荷耦合器件)摄像及计算机熔池图像直接视觉传感方法，设计了一套基于面阵CCD计算机图像处理方法的CO2焊自动跟踪系统，图像经均值滤波和增值处理，再采用形态学的方法提取熔池边缘，从而确定熔池中心，即焊枪中心，以确定焊枪中心与焊缝的偏差，整个图像的处理时间为25ms?     

TIG焊接熔池形状参数的视觉检测

在分析ＴＩＧ焊接电弧光谱的基础上,设计出复合滤光镜头,与普通ＣＣＤ摄像机组成视觉传感器,从试件正面观测熔池图像,焊接过程中根据电流大小通过软件调整采集图像亮度,得到了比较清晰的ＴＩＧ焊接熔池图像,利用自行开发的图像处理算法,检测了熔池正面的形状参数。该算法处理一幅图像同时不超过７０ｍｓ,满足实时检测的需要。     

基于多视觉的熔池图像处理与特征提取

提出了一种多视觉焊接熔池采集系统,采用复合滤光的方法,能够有效地克服弧光的干扰,获取清晰的熔池图像.针对采集的熔池图像特点提出了一系列的图像处理方法.首先对熔池图像进行中值滤波去除图像中的噪声,然后采用CANNY多阈值方法提取熔池边缘特征,并利用去伪边缘、迭代拟合处理,从而获得熔池边缘特征.利用提取的熔池边缘特征和CCD摄像机与熔池的位置关系,得出熔池的后托角和堆高.将计算的熔池堆高与实测熔池堆高对比,偏差小于0.06 mm,证明了双视觉特征提取在熔池图像中的有效性和可靠性.     

基于蚁群算法的铝合金MIG焊熔池边缘检测

针对铝合金MIG焊熔池边缘提取问题,建立了视觉传感和采集的实验系统并提出和设计了基于蚁群算法的熔池图像处理程序.介绍了系统与算法的结构,同时与基于Sobel算子、Canny算子的熔池边缘提取结果进行了对比.结果表明蚁群算法在熔池图像的分割和特征提取性能上具有一定的优异性.通过该算法提取的铝合金MIG焊接熔池清晰边缘,可以有效地克服熔池图像信号中的噪声,阴极雾化区的影响,为实现铝合金MIG焊过程实时检测与控制奠定了理论基础.     

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.     

A machine vision approach to seam tracking in real-time in PAW of large-diameter stainless steel tube

Manual monitoring and seam tracking through watching weld pool images in real-time, by naked eyes or by industrial TV, are experience-depended, subjective, labor intensive, and sometimes biased. So it is necessary to realize the automation of computer-aided seam tracking. A PAW (plasma arc welding) seam tracking system was developed, which senses the molten pool and the seam in one frame by a vision sensor, and then detects the seam deviation to adjust the work piece motion adaptively to the seam position sensed by vision sensor. A novel molten pool area image-processing algorithm based on machine vision was proposed. The algorithm processes each image at the speed of 20 frames/second in real-time to extract three feature variables to get the seam deviation. It is proved experimentally that the algorithm is very fast and effective. Issues related to the algorithm are also discussed.     

大功率光纤激光焊焊缝跟踪偏差测量新方法

针对大功率光纤激光焊,分析一种基于近红外图像识别的焊缝跟踪偏差测量新方法.通过高速摄像机获取动态熔池近红外图像序列,分析熔池近红外图像的灰度分布特性,利用图像灰度梯度提取熔池温度分布参数.该参数能够体现激光束偏离焊缝时熔池表面温度的变化特性.以熔池温度分布参数作为特征测量值,利用最小二乘法建立焊缝路径与激光束偏离的近红...     

基于视觉处理的焊缝质量检测与控制系统

采用视觉处理方法是实现焊接质量检测与控制的重要途径之一,而视觉处理算法是其可靠、准确应用的关键环节.采用CCD传感器直接摄像法获取焊接熔池的图像,利用数学形态学的图像处理方法,建立统一的非线性处理算法,对熔池图像进行预处理和特征提取,获取熔池边缘信息并确定焊缝中心和熔宽、熔高等信息,将这些信息与模糊逻辑相融合,实现高性能的跟踪和焊接质量PID模糊闭环控制.试验结果表明,基于视觉处理的焊接质量检测与控制系统具有良好的稳定性和准确性.     

激光焊接不锈钢微间隙焊缝偏差角点检测法

针对大功率(10 kW)光纤激光焊接304不锈钢紧密对接微间隙焊缝(焊缝间隙小于0.1 mm),通过高速像机摄取熔池近红外热像并分析其特征,分析和处理熔池热像特征,提取激光束偏离焊缝位置的信息,探索激光束与焊缝偏差的信息表征.利用激光深熔焊的匙孔效应,研究焊缝在固态与液态交界处不稳定边缘特征点,提出一种角点检测法实现微间隙焊缝偏差的检测.结果表明,熔池红外热像角点密集分布中心与焊缝偏差有密切的关系,通过角点分布密度可以有效判断焊缝偏差状态.     

基于视觉的MAG焊气孔缺陷图像特征初步探讨

针对MAG焊特点,利用被动式熔池视觉传感系统,采集到清晰的熔池图像;通过同步对比试验方法,系统地对焊接气孔缺陷与熔池图像特征信息之间的关系进行了研究,提取了表面气孔、内部气孔(夹渣)对应的熔池图像特征,并从灰度均值和标准差的角度研究了焊接气孔缺陷产生过程中熔池图像变化情况及奇异特征.试验表明,通过熔池视觉图像特征判断气孔焊接缺陷,具有良好的可行性,为基于视觉传感的焊接缺陷自动识别提供了技术依据;一种图像特征可能预示有多种焊接缺陷产生的可能,一种焊接缺陷可能有多种图像特征显示.     

基于最小二乘法的小车方位角实时辨识

应用最小二乘法对移动焊接机器人传感器矢量与焊缝之间的位置关系进行了研究,提出了焊缝跟踪过程中小车方位角的实时辨识算法.为了确切表达传感器、焊缝、焊枪三者之间的空间位置关系,首先引入了传感器矢量的概念.然后根据前置传感器的特点,提出在焊缝跟踪的小邻域内,传感器矢量和焊缝之间的位置关系可以用一次多项式或二次多项式来完全表达.在此基础上,应用最小二乘法,建立了小车方位角的实时辨识算法并给出了算法的具体实现.最后通过实际的焊缝跟踪试验,验证了该算法的有效性.该算法的应用,为移动焊接机器人实现复杂曲线焊缝的实时跟踪奠定了重要的基础.     

Real-time seam tracking control technology during welding robot GTAW process based on passive vision sensor

This paper presents a technology about real-time seam tracking, which is necessary to overcome the deficiencies of the teaching-playback welding robots in seam tracking control during gas tungsten arc welding (GTAW) process. A set of vision sensor system has been designed for the welding robot, which can acquire clear and steady welding images. By analyzing the features of welding images, a new improved Canny algorithm has been proposed to detect the edges of seam and pool, and extract the characteristic parameters of welding images. Based on the analysis of the characteristic of the real-time seam tracking, a segmented self-adaptive PID controller is introduced to the system, and some experiments have been done to testify whether the accuracy of the technology can meet the requirements of quality control of seam forming.     

Real-time vision-based control of weld pool size

A computer vision technique based on the real-time measurement and control of the upper surface or ‘topface’ weld pool size is discussed. The primary objective is to demonstrate the feasibility of using vision-based image processing to provide measurements and subsequent control of a weld's geometrical properties during the weld formation or molten phase. A novel reference feature – a correlation-based image analysis algorithm – has been developed, which may be configured to operate with a number of different welding processes. Upper surface weld pools with regulation via a simple classical feedback control algorithm have then been demonstrated to show how this approach may be used to improve weld uniformity and repeatability.     

铝合金爬坡TIG焊熔池失稳状态的视觉检测

对焊接过程中的熔池状态进行视觉检测是实现焊缝质量在线监测的重要手段. 针对中厚板铝合金爬坡钨极氦弧焊过程易出现的熔池失稳和成形缺陷问题,提出了一种基于熔池图像特征的钨极惰性气体保护焊(TIG)焊接状态监测方法. 基于构建的被动视觉传感系统,实现强弧光干扰条件下清晰熔池图像的获取. 提出了一种基于Otsu’s阈值分割和视觉显著性特征(VSF)的氦弧焊熔池图像处理算法,用于提取熔池图像的形态特征,并分析了所提取视觉特征与铝合金爬坡TIG焊过程稳定性的关系. 最后建立了支持向量机(SVM)模型实现熔池稳定性状态的在线识别. 结果表明,相对于熔池轮廓几何特征,熔池尾端熔融金属的形态特征能够更有效地反映出铝合金爬坡TIG焊过程中出现的熔池不稳定状态. 所建立的焊接状态分类模型在单一特征输入条件下,最高准确率达到95.94%. 所提出的实时检测方法为大型铝合金构件TIG焊缝成形缺陷的在线智能诊断与工艺优化提供了基础.     

基于分区减光的电弧增材制造熔敷道尺寸主被动联合视觉检测

设计了电弧增材制造熔敷道成形尺寸主被动联合视觉检测方法，以克服结构光主动视觉传感的滞后性与被动视觉传感的信息单一性. 为了实现极高亮度的熔池与极低亮度的结构光条纹在同一CCD靶面同时清晰成像，提出了分区减光策略，对熔池与结构光条纹进行差异化的减光，使二者光强在减光之后水平相当，进而清晰成像. 相机成像光路分析表明，需要将分区减光元件设置在镜头前方一倍焦距以外或镜头后方焦点与靶面之间. 该方法实现了单CCD在一幅图像中同时清晰拍摄熔池和结构光条纹. 开发了一套图像处理算法，实时提取出了熔敷道尺寸. 结果表明，熔敷道高度检测误差优于0.1 mm，宽度检测误差优于0.2 mm.