基于多视觉特征的激光拼焊焊缝宽度检测

针对激光拼焊焊缝宽度测量中,仅依据结构光单一特征进行检测鲁棒性不强的问题,提出了基于结构光光纹信息、焊缝纹理信息、图像灰度信息、图像序列信息等多视觉特征信息进行焊缝宽度测量的方法。先依据图像灰度信息确定感兴趣区域,再针对正面焊缝图像,通过骨架法提取结构光光纹中心线,计算中心线的畸变位置识别焊缝特征点;针对背面焊缝图像,采用纹理能量模板对焊缝图像滤波确定焊缝区,然后计算焊缝区和结构光条纹的交集,识别焊缝特征点;识别的特征点通过序列图像信息进行校正,最后依据特征点计算焊缝宽度。搭建了激光拼焊焊缝宽度测量系统,并分别对焊缝正面和背面的宽度进行了测量试验。试验结果表明,该方法精度高,可靠性强,实时性好,有助于实现激光拼焊高速、高精度的焊缝质量在线检测。     

基于RBF神经网络预测2219铝合金多层TIG焊接头拉伸性能研究

针对焊接过程的严重非线性和焊接工艺参数的复杂交互作用,使得接头抗拉强度的准确估算十分困难的问题,利用K-均值聚类算法建立焊接接头抗拉强度RBF (Radial basic function)神经网络预测模型。以2219铝合金多层TIG焊的焊缝形状参数(正面余高、背面余高、背面宽度、正面宽度、首层盖面熔深)作为预测模型的输入参数,以焊后接头的抗拉强度作为预测模型的输出参数。利用22组焊接试验数据对所建的预测模型进行网络训练,用另外6组焊接试验数据进行验证。结果表明,所建的RBF神经网络预测模型具有适应性强、精度高,预测的平均绝对误差仅为1.94%。通过预测模型,得到焊缝几何形状参数与接头抗拉强度之间的影响规律以及最佳的接头焊缝形状,从而对调控焊接接头的强度提供了依据。     

紧密对接激光焊焊缝位置神经网络预测

激光焊接过程中,控制激光束准确对中焊缝是获得良好焊件的关键。以低碳钢板紧密对接激光焊(焊缝间隙不大于0.1 mm)作为研究对象,利用磁光传感法摄取焊接过程中焊缝区域磁光图像。分析焊缝区域图像特征,定义并提取紧密对接焊缝位置坐标,以前时刻的焊缝位置及其变化值作为输入量,当前时刻焊缝位置坐标作为输出量,应用神经网络建立焊缝位置的预测模型。试验结果表明,建立的前馈型神经网络能够较好地预测焊缝位置坐标,为激光焊缝及时纠偏和自动跟踪奠定基础。     

大功率盘型激光焊接焊缝外观在线预测模型

焊缝成形在线检测和评估在自动焊接过程中具有举足轻重的作用。熔池形态与焊缝成形密切相关,而焊接过程中的熔池形态特征变化数据可以通过高速视觉传感器及相应的图像处理程序在线获取,通过BP神经网络建立在线获取的特征数据与焊后焊缝成形之间的非关系模型实时的进行焊后焊缝成形的预测,从而为自动焊接控制和焊接质量在线检测建立基础。     

焊接柔性加工单元中熔池的实时控制

机器人焊接过程中熔池实时控制系统是焊接柔性加工单元 (WFMC)中保证良好焊接质量的一个重要子系统。文中建立了WFMC中焊接质量实时控制子系统并实现了该子系统与WFMC中央监控计算机的实时可靠通讯。在获得了焊接熔池特征参数的基础上 ,建立了焊接过程熔池正面参数和焊缝背面参数的神经网络模型。模型根据熔池正面参数可实时预测焊缝背面宽度。并设计了神经元自学习比例求和微分(PSD)控制器 ,通过调整脉冲峰值电流 ,实现了机器人脉冲钨极气体保护焊 (GTAW )过程中通过正面熔池传感对焊接焊缝背面宽度的实时控制。控制试验证明控制器可有效地对焊接过程进行控制     

微间隙焊缝磁光图像磁荷理论建模检测分析

对于激光焊接要求的微间隙焊缝(≤0.1 mm),可采用磁光传感器进行检测跟踪。利用磁荷理论建模,在外加直流磁场对焊件焊缝磁化的情况下,研究焊缝表面所产生漏磁场分布特征,并利用磁光传感器把焊缝近表面磁场分布特征转换为对应的磁光图像。 通过对焊缝近表面磁场分布特征和其对应磁光图像焊缝过渡带特征进行了对比分析研究,确定焊件微间隙焊缝磁光图像焊缝过渡带中心,对应实际焊件焊缝中心。研究结果表明,该模型能有效地解释焊缝磁光图焊缝信息,为采用焊缝磁光图进行焊缝跟踪识别提供了合理的理论依据。     

三光路熔池图像的视觉注意特征提取

焊缝跟踪和熔透控制都是焊接质量控制中的重要部分.试验采用三光路视觉传感系统,在铝合金脉冲GTAW焊接过程中,三个光路同时采集熔池正前方、斜后方、斜下方图像,并投影到同一幅图像上.图像包含了焊缝、正面熔池和背面熔池等丰富的信息.采用视觉注意的方法找到图像各部分与熔池特征参数相关的小区域进行处理,将图像中包含的熔池特征参数提取出来.结果表明,视觉注意方法用于焊接过程中熔池特征的实时检测时,由于只处理感兴趣的小区域,比一般方法具有更高的明确性以及高效性.     

微间隙焊缝磁光成像小波多尺度融合检测

针对微间隙(小于0.1 mm)对接焊缝,通过对焊件施加感应磁场,并利用法拉第旋光原理构成的磁光传感器,获取焊缝磁光图像.为了获取焊缝的准确位置,研究一种焊缝磁光图像的小波多尺度信息融合边缘检测方法.对焊缝磁光图像进行3层小波分解,获得包含焊缝边缘信息的小波高频图像.根据各尺度高频信息包含的细节丰富度,融合各尺度高频图像,然后用小波模局部极大值对融合图像进行边缘检测,得到抗噪性和连续性好、定位精度高的焊缝边缘,最后进行焊缝跟踪试验.结果表明,磁光图像小波多尺度信息融合是一种有效的焊缝边缘提取方法,适用于磁光成像传感的微间隙焊缝跟踪图像处理过程.     

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.     

基于多因素权重法的高压GMAW焊缝成形分析

水下高压干式GMAW焊缝成形难以控制,影响焊接质量,通过多因素权重法对影响高压GMAW焊缝成形的参数进行分析,以确定焊接过程中主要参数与焊缝成形之间的关系. 以高压GMAW焊接正交试验结果作为训练样本,利用BP神经网络建立了焊缝成形预测模型. 将模型预测结果与实际焊接试验结果进行对比,验证了模型的精确度. 以预测模型中的权值为基础,通过Garson算法得出各参数变量对于焊缝成形参数的权重系数,并通过高压干式GMAW试验进行验证. 结果表明,不同焊接参数变化引起的焊缝成形参数变化幅度与相应焊接参数对焊缝成形的影响权重基本对应,所得权重系数对于高压GMAW焊接工程应用具有指导作用.     

基于熔池视觉特征的铝合金双丝焊熔透识别

熔透是焊接质量的重要评价指标之一,铝合金对焊接工艺敏感性较高,容易出现熔透不均匀情况.试验利用近红外视觉传感方法获取了铝合金单面焊双面成形焊接过程中未熔透、熔透和过熔透三种情况下的清晰熔池图像,通过图像处理获得了准确的熔池轮廓,定义并提取了熔宽、半长、面积、周长和抛物线系数等能反映熔透状态的熔池特征参数,建立了基于BP神经网络的铝合金双丝焊熔透识别模型.结果表明,5-13-3结构的BP神经网络对熔透状态识别的正确率最高,达到89.05%.     

激光-MIG复合焊根部驼峰缺陷预测

激光-熔化极惰性气体(melt inert gas，MIG)复合焊过程中容易出现根部驼峰缺陷，为了实现焊接过程根部驼峰缺陷的同步预测，研究根部驼峰缺陷预测的算法并对其预测结果进行分析. 采用高速摄像机进行复合焊接过程的实时视觉传感采集，提取焊接过程的正面熔池和匙孔的时序特征信息，并对这些特征信号进行小波包分解(wavelet packet decomposition，WPD)与重构. 应用激光扫描仪获得背部焊缝余高，以此作为驼峰状态标记的依据. 再通过长短期记忆(long short-term memory，LSTM)神经网络对焊接过程中根部驼峰状态进行预测. 结果表明，WPD-LSTM算法对根部驼峰预测的准确率达到97.85%. 相比其它算法，基于焊接过程正面视觉传感时序特征信息的WPD-LSTM算法预测准确率更高，且预测结果具有较高的连续性，有利于实现对焊接过程根部驼峰缺陷的同步检测与控制.     

基于同轴图像传感的激光焊接过程质量监测技术

针对激光焊接过程中由于参数不匹配、装配误差等原因造成的焊接过程不稳定等焊接缺陷，基于同轴图像传感技术，建立起一套激光焊接过程中的质量在线监测系统，对焊接过程中的熔池图像进行了采集分析及其熔池特征信息的提取. 结果表明，在激光功率为1 500 W的不等厚不锈钢薄板激光焊接试验条件下，焊接过程中的不稳定、下塌缺陷以及焊偏现象与熔池形状各特征信息变化具有一定的相关性. 结合BP神经网络算法对所提特征信息进行分类、识别，基于LabVIEW软件平台，可实现相应缺陷的自动化识别及报警功能.     

微间隙焊缝磁光检测神经网络修正

针对激光焊接微间隙焊缝（间隙小于0.1 mm）,研究提高磁光传感检测焊缝精度的BP神经网络修正方法.以碳钢平板对接激光焊为试验对象,利用磁光传感器检测焊缝区域磁场分布并成像.通过分析焊缝处磁场成像并应用BP神经网络修正磁光传感器得到焊缝中心数据,有效避免焊缝磁光图像低对比度和强噪声干扰问题.经过在不同焊接速度试验下的测试,四组神经网络试验的焊缝位置误差的绝对平均值都在0.015 mm左右,BP神经网络测量误差比磁光成像直接测量平均减少约28%.BP神经网络修正磁光成像测量技术可有效识别微间隙焊缝,为解决激光焊接微间隙焊缝过程自动识别和跟踪焊缝的难题提供了一种新方法.     

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.     

基于人工神经网络的焊缝宽度预测

研究了用神经网络预测焊缝宽度的方法。首先对焊接质量检测系统的一些相关问题进行了研究,考虑了弧焊特性的提取、焊接质量的预报以及人工神经网络模型(ANN)的应用,设计了一个基于人工神经网络的焊接质量检测系统,给出系统的组成结构,ANN被用于预测焊缝宽度,建立了焊缝宽度预测的人工神经网络模型。为了验证建立的ANN模型的可行性,进行了仿真研究。仿真结果表明,所建立的ANN模型可预测焊缝宽度,基于人工神经网络的焊接质量检测系统是有效的。     

铝合金振动焊接过程非线性时间序列模型分析

针对7系列超硬铝在传统熔焊过程中易出现热裂纹、气孔和焊接接头软化等问题,研究振动焊接工艺过程中,焊接工艺参数变化与焊接接头强度间的非线性关系机理,建立基于焊接过程工艺参数测量数据的7075超硬铝振动焊接接头强度非线性时间序列预测模型. 文中在7075超硬铝振动焊接过程参数测量数据的基础上,建立了焊接过程参数时间序列,并在此基础上研究建立了焊接过程系统相空间重构参数及确定性检验方法. 根据重构相空间的相点演化轨迹与焊接接头强度参数间的非线性关系,建立相空间相点演化轨迹的人工神经网络拟合模型,对焊接接头的断后伸长率、抗拉强度、硬度、焊缝余高、晶枝最大粗度、晶粒数量等物理参数进行计算. 根据建立的模型进行的一系列焊接接头强度试验显示. 结果表明,该模型的预测结果可以满足工程需要,具有工程实用价值.     

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.     

管道焊口间隙量与错边量的激光视觉检测

提出了一种长输管线焊口组对间隙量、错边量的激光视觉检测方法. 首先，搭建了一套可实现圆周焊口轮廓激光视觉自动检测的计算机系统. 通过对采集的激光视觉图像分析，发现了管道焊口间隙量、错边量与激光条纹断点、拐点等图像特征间的相关关系. 其次，将提取的条纹图像通过骨骼化的形态学处理，得到了单一像素宽度的细化条纹. 采用亚像素轮廓坐标检测算法，获得了条纹上离散点的像素坐标. 最后，基于获取的条纹拐点、断点像素坐标和几何对应关系，建立了间隙量与错边量的求取算法. 实际验证结果表明，基于激光条纹特征点像素坐标获取间隙量与错边量的激光视觉检测方法是可行的. 测量结果可满足焊口组对质量评判的需求.     

大功率盘形激光焊接过程等离子体图像特征分析

研究一种基于等离子体图像特征的大功率盘形激光深熔焊质量分析及检测的新方法．以大功率盘形激光焊接Type 304不锈钢板为试验对象,应用高速摄像机摄取焊接过程中的等离子体图像,通过图像处理技术提取等离子体的面积和高度特征．以熔宽作为衡量焊接过程稳定性的因素,对比焊接过程中等离子体图像和焊接试件的熔宽变化,研究相邻等离子体...