基于最小二乘支持向量机的激光拼焊焊缝识别

激光拼焊焊缝质量结构光视觉检测中,对焊缝的准确识别是实现高精度检测的关键. 针对检测图像中结构光光纹畸变特征不明显,无法准确识别焊缝的问题,依据焊缝纹理特征信息,提出了一种基于最小二乘支持向量机的焊缝识别方法. 首先,分析并提取焊缝区和非焊缝区差异明显的纹理特征. 其次,训练最小二乘支持向量机模型,对焊缝进行粗识别. 最后,采用Laws纹理滤波提取焊缝区域,并通过阈值分割方法精确识别焊缝. 针对不同工艺参数下的激光拼焊焊缝开展焊缝识别试验,结果表明,该方法能够有效地识别焊缝.     

盘型激光焊接状态多传感信息融合分析

针对大功率盘型激光焊接状态,研究一种基于支持向量机的多传感信息融合分析方法. 使用紫外、可视和红外波段的两个高速摄像机同时获取激光焊接过程中金属蒸气、飞溅和熔池动态图像. 通过模式识别技术提取焊接过程多传感信息特征及进行数据主成分特征分析,并以焊缝宽度变化作为衡量焊接状态稳定性的参数. 运用支持向量机融合各特征,通过网格搜索和粒子群算法优化支持向量机参数,建立基于支持向量机的多传感信息融合模型. 结果表明,支持向量机多传感信息融合方法能够有效预测焊缝宽度变化趋势,为大功率盘型激光焊接状态的实时监控提供试验依据.     

激光焊熔池红外辐射特征支持向量机回归分析

大功率光纤激光焊接过程中,熔池红外辐射蕴含着丰富的焊接质量信息。以大功率光纤激光对接焊304不锈钢板为试验对象,运用近红外高速摄像机获取焊接熔池动态热像。定义并提取熔池宽度、匙孔面积、匙孔周长和匙孔质心横、纵坐标,作为熔池特征参数,运用支持向量机建立熔池特征参数和焊缝宽度的回归模型,并通过网格寻优和粒子群算法优化支持向量机参数。试验表明,所建立的支持向量回归机能够较好地融合熔池特征,预测焊缝宽度,从而为自动监控大功率光纤激光焊接质量提供试验依据。     

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PCA-SVM方法的点焊质量评估

通过对电阻点焊过程电极位移和动态电阻信号的实时采集和时域特征分析,利用电阻信号动态特征刻画熔核形成不同阶段,从同步电极位移信号中提取9个特征参量建立输入样本数据集.以焊点接头抗剪强度作为焊点质量的评价指标,将PCA(主成分分析)方法与传统的SVM(支持向量机)回归分析相结合,利用PCA方法对支持向量机的输入样本数据集进行主成分分析,消除了输入特征参量间的自相关性,实现数据降维后作为支持向量机的输入,建立焊点质量映射模型.交叉有效性预测结果表明,基于PCA-SVM的算法增强了SVM的泛化能力,比传统的SVM算法具有更高的预测精度.     

基于机器视觉的升船机凸齿焊缝检测方法

为了获取精准的焊缝检测结果,文中提出一种基于机器视觉的升船机凸齿焊缝检测方法。建立基于机器视觉的X射线焊缝底片采集平台,通过需求确定采集方案进行图像采集。将采集的底片作为研究对象,以广义交叉验证准则为优化目标,通过序列二次规划算法优化处理非降采样轮廓波变换(NSCT)域的去噪阈值,获取最优去噪阈值。在确定阈值后,采用非线性阈值函数处理Contourlet系数,获取去噪后的图像。引入梯度方向直方图算法提取升船机凸齿焊缝图像特征,将二叉树支持向量机(SVM)作为分类模型完成特征学习及升船机凸齿焊缝检测。试验结果表明,文中方法不仅可以获取精准的焊缝检测结果,同时还能够提高焊缝检测效率。     

基于PCA和SVM的微铣刀磨损状态识别

刀具磨损的状态识别精度对机床加工的质量和生产效率至关重要,为了提高刀具磨损状态的识别度,提出了一种能够有效识别微铣刀磨损状态的方法。首先对采集到的振动信号进行时域和频域分析,提取多个时域特征和频域特征,然后应用主成分分析法对提取的特征进行信息融合,再以融合后的特征向量作为支持向量机的样本输入,避免由于支持向量机初始参数选择不合适而带来的局部最优和过拟合的问题,建立遗传算法优化支持向量机的模型。结果表明,与其它算法相比,提出的基于花朵授粉算法的支持向量机模型能够有效准确识别微铣刀的各种磨损状态,优化后的支持向量机模型的总体识别率有了明显的提升,达到了95.5%,在分类性能和计算效率方面都具备优势。     

基于前馈神经网络的储油罐底板焊缝表面缺陷检测方法

为了有效解决储油罐底板焊缝缺陷检测过程中存在速度慢、检测结果不准确等问题，提出一种基于前馈神经网络的储油罐底板焊缝表面缺陷检测方法。分析相机捕获的储油罐底板焊缝图像各像素之间的相关性和椒盐噪声特点，通过支持向量机(SVM)分类器识别图像中的噪声，重构图像，完成去噪处理。通过基于泛化的增量式二维主成分分析的特征提取方法(GI2DPCA)提取储油罐底板焊缝图像的特征，引入前馈神经网络，构建基于前馈神经网络的储油罐底板焊缝表面缺陷检测模型，将提取到的特征输入到模型完成缺陷检测。试验测试结果表明，所提方法能以较短的时间和较高的检测精度完成缺陷检测。     

不等厚激光拼焊板焊缝质量检测图像处理方法

针对激光拼焊过程中的各种噪声干扰,使得焊缝图像复杂多变,本文对结构光视觉焊缝质量检测系统图像处理方法进行了深入研究。在图像预处理中,首先通过加窗处理来获得兴趣区域,采用中值滤波去除图像噪声。针对母材区域和焊缝区域对结构光反射率不同,提出了使用局部阈值来分割目标图像的方法,并使用形态学开运算进一步去除噪声干扰;在结构光条纹中心线提取过程中,使用模板法获得了条纹的边界并用几何中心法提取了条纹中心线;提出了基于焊缝灰度图像的灰度突变和拟合直线法来检测特征点的方法。试验表明,该方法具有较高的特征点检测可靠性,并且运算速度快、抗干扰能力强,具有较高实用价值。     

基于LBP-KPCA特征提取的焊缝超声检测缺陷分类方法

焊缝缺陷影响结构安全,缺陷定性是实现结构安全评价的重要基础.研究了一种基于一维局部二元模式（one-dimensional local binary pattern,1-D LBP）算法结合核主成分分析（kernel principal component analysis,KPCA）提取焊缝缺陷回波信号特征的方法.采用1-D LBP算法提取缺陷回波信号的LBP特征,通过KPCA对此LBP特征集进行主成分分析,选取贡献率之和超过90%的前N个主成分作为缺陷分类的特征向量,利用基于径向基核函数的支持向量机（support vector machine,SVM）实现了缺陷类型的自动分类.以夹渣、气孔和未焊透三类焊缝缺陷为对象,开展了缺陷特征提取及分类试验.结果表明,使用LBP-KPCA特征进行缺陷分类时,准确率达到96.7%,优于常规特征,为焊缝缺陷分类及无损评价提供了重要参考.     

On-line quality inspection in laser blank welding using ART2 neural network

Laser blank welding is becoming more and more important in the automotive industry and the quality of the weld is critical for a successful application.A fully automated solution is required to inspect the quality of the blanks.This paper presents a vision inspection system with a CMOS camera which uses ART2 network to inspect the defects on-line to obtain the geometry and the quality of the weld seam.The neural network ART2 has the capability of self-learning from the environment. It can distinguish the defects that have been learned before and give new outputs for new defects.So ART2 network is suitable for weld quality inspection in laser blank welding.Additionally,a CO_2 laser is used for the blank butt-welding.     

基于激光视觉的薄板焊缝跟踪方法研究北大核心

由于示教型焊接机器人在进行汽车薄板件连续焊工艺时存在装夹误差和热变形等问题,导致焊缝实际轨迹与示教轨迹存在较大误差。为提高焊接质量,基于焊接机器人构建激光视觉焊缝检测跟踪系统,提出基于目标估计准则的焊缝跟踪算法,实时跟踪焊缝中心点三维位置变化。以传统图像处理法提取初始帧焊缝特征点,通过改进的孪生神经网络对强干扰下的焊缝特征点进行跟踪提取。通过坐标转换得到机器人基坐标系下的焊缝中心特征点三维坐标。结果表明:该算法能精确提取跟踪焊缝特征点,平均误差为0.48 mm,平均帧率为90帧/s,优于传统图像处理方法和基于相关滤波的方法,能够实现快速准确的跟踪。     

高频直缝焊管用EMA-H电磁超声波探伤仪的研制

介绍了传统的压电超声波探伤存在的问题以及EMA-H电磁超声波探伤仪的工作原理、特点、工艺设备构成及工艺流程等。实际应用表明,采用EMA-H电磁超声波探伤仪对高频直缝焊管进行探伤,可靠性高,而且能对钢管焊缝、管体作全面的探伤检测。     

基于动态焊缝切线法的大曲率弯曲焊缝跟踪

针对轮式移动焊接机器人在造船、大型球罐焊接等工业生产中的大曲率弯曲焊缝跟踪问题,在采用小波实时降噪的基础上,结合焊缝切线法的思路和滑模变结构控制方法提出了动态焊缝切线法,并且通过Matlab仿真分析和试验验证,证明了该方法能够以固定步长实时修正焊接小车驱动轮的速度,保证焊炬沿大曲率弯曲焊缝轨迹跟踪效果较好的前提下切线速度大小基本不变,提高了焊缝质量,实现了弯曲焊缝的实时自动跟踪. 为轮式移动焊接机器人在复杂轨迹的焊缝自动跟踪应用方面提供了一种新的理论思路.     

图像处理技术在焊缝跟踪中的应用

随着焊接过程自动化和智能化的发展,基于图像处理技术的焊缝位置检测和焊接缺陷检测程越来越受到国内外学者的重视.在此对焊缝自动跟踪系统中有关图像处理方面的内容作了一些分析.     

基于激光视觉传感的角焊缝外形尺寸检测

针对目前角焊缝外形尺寸手工检测的缺点,采用了一种基于激光视觉传感的角焊缝外形尺寸检测方法.该方法利用基于三角形测量原理的激光传感器,采集反映焊缝几何形状特征的激光条纹图像,利用中值滤波、二值化、中心线提取以及特征识别等算法,从而获得了角焊缝的外形尺寸信息.结果表明,与传统的手工检测方法相比,该方法具有检测准确度高、可靠性好、耗时短、检测内容丰富、使用方便等特点,并且消除了人为主观判断的影响.此外,检测的数据可长久保存在计算机中,便于后续的统计分析.     

一种X射线成像系统模型及其快速标定方法

利用X射线进行工件内部缺陷检测是目前应用最广泛的无损检测方法之一,基于图像处理的自动检测技术是其主要发展方向.系统成像模型的建立和标定确定了成像目标与其图像之间的几何对应关系,是利用图像进行自动定位与测量的前提.在忽略一些非线性因素如图像增强器输入屏形状等的情况下,针对用于大直径螺旋钢管焊缝缺陷自动检测的射线成像系统,提出一种简便、可操作性强的方法进行建模并进行标定,结果表明了所采用方法的有效性.     

V型焊缝的视觉传感图像处理研究

对基于结构光视觉传感V型焊缝图像处理的方法进行了研究。获取的图像中存在大量的飞溅、烟尘、电弧光以及周围环境电磁、静电产生的噪声干扰。研究的图像处理方法可以去除这些干扰，准确提取焊缝激光条纹信息，该方法处理速度快，能够满足焊缝实时跟踪要求。