基于改进DG-MobileNet模型的焊缝缺陷识别方法

针对焊接缺陷识别及分类过程中，传统卷积神经网络识别准确率低、适应性差和低效等问题，提出一种基于融合空洞卷积的DG-MobileNet焊接缺陷识别模型。首先，基于MobileNet模型将深度可分离卷积与空洞卷积相结合以扩大卷积核感受野；然后，引入DropBlock模块和批量规范化算法优化焊接缺陷特征提取过程和防止过拟合现象；其次，引入SENet自注意力机制进行特征重标定，提升焊接缺陷识别效率。此外，考虑到焊接缺陷数量类不平衡问题，采用DCGAN进行数据增强并在增强后的数据集上验证模型有效性。实验结果表明，相比于传统算法，DG-MobileNet在焊缝缺陷图像特征提取、识别准确率和耗时方面均具有更好的效果，其测试准确率达到98.62%。     

基于卷积神经网络的CO_2焊接熔池图像状态识别方法

为了通过熔池图像对焊接状态进行判断,将卷积神经网络引入到CO_2焊接熔池图像状态识别中,提出了一种CO_2焊接熔池状态识别卷积神经网络CNN-M。该网络使用简单预处理的熔池图像作为输入向量,避免了人工提取图像特征的主观性对识别率的不良影响。同时,CNN-M采用了ReLU激活函数、随机Dropout及SVM分类器来降低样本集稀少可能导致的网络过拟合现象。试验结果表明,和人工提取熔池特征状态作为输入向量的BP神经网络相比,CNN-M在识别率及识别速度方面均体现出了更好的性能,其良好的泛化能力能够满足在线熔池状态监控的要求。     

基于多阈值与神经网络的旋转电弧图像飞溅分析

为探究旋转电弧飞溅产生原因及规律,针对高速相机采集的旋转电弧平堆焊的焊接图像,提出了一种基于掩膜的多阈值与BP(back propagation)神经网络组合方法识别焊接飞溅．多阈值法获取飞溅位置及其轮廓,再通过建立5特征值的BP神经网络模型识别飞溅．结果表明,对于具有灰度分布范围大、背景复杂的旋转电弧飞溅图像,该组合方法的识别准确率可达95.76%．同时,通过飞溅与焊丝位置的相位分析,飞溅最大数量相位均值为241.4°,即焊丝末端进入熔池后约0.14周期位置,主要是由焊丝末端熔滴与熔池接触导致电流激增,电流抑制不充分造成,该研究结果为旋转电弧焊接飞溅控制提供了依据．     

基于视觉的焊接缺陷熔池图像特征探讨

针对MAG焊电弧光谱特点,采用被动式视觉传感方法,利用CCD摄像机配合近红外复合滤光系统消除弧光干扰,获取MAG焊熔池图像.从MAG焊焊接缺陷产生的机理及熔池流态出发,采用同步对比试验,研究了熔池图像特征与焊接缺陷的映射关系,提取出表面气孔、焊塌、焊穿等焊接缺陷所对应的熔池图像特征.结果表明,一种焊接缺陷往往有多种视觉图像特征,通过熔池图像特征判断表面气孔、焊塌、焊穿等焊接缺陷具有良好可行性,为基于视觉的焊接缺陷自动在线预测提供了技术依据.     

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.     

水下湿法药芯焊丝焊接气泡动态演变与其声脉冲分析

水下湿法药芯焊丝焊接(FCAW)以操作适用性好等优点在海洋设施维修中占有重要地位,焊接区域周围动态变化的气泡生长会影响焊接电弧的稳定性. 文中通过搭建水下湿法焊接试验平台,进行了湿法药芯焊丝焊接试验,利用传感器对焊接过程中的电弧电流电压信号,气泡声信号以及气泡高速图像进行了同步采集;研究了气泡声信号与气泡高速图像的对照关系,并对气泡声信号与电弧电流电压信号进行同步分析,获得了不同电弧燃烧状态下的气泡演变行为,以气泡声信号的变化来反映气泡演变对水下湿法焊接电弧燃烧的稳定状态的影响. 结果表明,气泡声信号可以清晰地反映焊接电弧燃烧的各种状态,能对不同气泡演变模式进行分类,并可从中分析其与电弧燃烧特性的对应关系.     

铝合金TIG焊熔池正面图像模式识别

将图像处理与模式识别技术用于铝合金TIG焊接过程信息提取过程，根据铝合金熔池图像随机噪声强的特点，采用加权中值滤波，统计灰度边缘检测、统计期望阈值法和投影方法对铝合金熔池图像进行了预处理。探索了将神经网络用于焊接熔池图像处理的方法，采用BP神经网络对二值化熔池图像进行边缘提取，取得了理想的效果。研究了大电流条件下铝合金熔池图像的对称性，通过单面图像，得到了完全的熔池边缘图像。     

交流CMT焊接电信号与电弧图像同步采集与分析系统研究

交流CMT(Cold Metal Transfer)焊接方法由于具有热输入小、无飞溅等一般焊接方法所不具备的优势越来越多地被应用于先进生产中。焊接电流、电弧电压信号及电弧图像中包含有焊接过程中的重要信息。利用计算机技术和LabVIEW开发环境,将焊接电流、电压的采集与高速摄像技术相结合,开发出适用于交流CMT的焊接工艺参数和高速摄像同步采集与回放系统,并加入数据分析功能。系统包括高速摄像机、同步触发器、高速数据采集装置及图像与波形同步播放和分析软件。试验结果表明,该系统实现了交流CMT焊接电参数与电弧图像的同步采集、回放以及焊接特征参数的统计与分析,可以作为深入研究交流CMT焊接方法的有力工具。     

合金钢熔化极气保焊熔池灰度图像特征试验

针对MAG焊特点,采用被动式视觉传感和近红外滤波方式采集到了不同熔滴过渡形式下清晰的典型熔池视觉图像.通过专用图像处理软件提取了反映焊接质量的熔池图像灰度特征,并采用灰度直方图、伪彩色增强等方法进一步描述了熔池图像的灰度分布特点.提出了用灰度均值和标准差研究MAG焊焊接过程的思路,分析研究并给出了灰度均值和标准差计算方法,并对不同工艺参数下,结合焊接电流和电弧电压波形,分析研究了熔池视觉图像的灰度均值、标准差和焊接过程,得出了其波动大小反映了焊接过程稳定性的初步结论.     

管道全位置焊接熔池监测试验研究

在管道全位置自动焊接过程中,焊接熔池形态监测对焊接质量控制有重要意义。设计一套熔池监测试验装置,方便采集清晰的熔池图像。运用图像处理技术检测熔池边缘。用熔池长度、熔池宽度以及熔池头部轮廓二项式系数等特征参数重新定义熔池形态。应用正交试验法和极差分析法,研究在仰焊区段焊接电流、电弧电压以及焊枪摆速等因素组合变化时对熔池形态的影响程度。结果表明:采用优化的焊接工艺参数组合,可以获得良好的焊缝成形质量。     

融合空间和通道特征的等离子弧焊熔池熔透状态预测方法

为了提高等离子弧焊熔池熔透状态预测的准确率,满足工业应用的需求,提出了一种融合图像空间和通道特征的熔池熔透状态预测模型PCSCNet.在该模型中对残差网络(residual network, ResNet50)结构进行改造,并融入压缩和激励网络来同时提取熔池正面图像的空间和通道特征信息.采用恒定电流等离子弧焊试验的数据集进行测试,建立了熔池正面图像与熔池熔透状态的对应关系.结果表明,模型预测准确率提升到95%以上.采用GradCAM方法对模型进行可视化,分析并揭示了模型预测的聚焦区域,与实际熔池的图像特征进行对比,验证了模型的合理性.     

基于卷积神经网络X射线环焊缝缺陷检测

针对工业X射线焊缝图像对比度低、缺陷模糊且相对面积较小及难以识别的问题,设计了结合卷积神经网络的识别框架。根据缺陷图像特点,设计了对应的神经网络结构、卷积模板及池化模板的大小。在分析确定神经网络结构的基础上,卷积神经网络的灵敏度和训练算法也在文中一并给出。通过实例对神经网络结构进行了有效性的验证,缺陷检测准确率达97%,误报率仅为3%。同时,对适用于卷积神经网络进行识别的X射线焊缝图像进行了分析,发现灰度直方图有效信息跨度范围在50之上的卷积神经网络可以有效识别。文中所设计的神经络对X射线焊缝缺陷图像的识别可行、有效。     

一种基于CNN深度学习的焊接机器人视觉模型

为了准确地识别复杂环境下的焊缝目标,建立了一种基于深度学习的焊接机器人视觉模型,该模型采用局部联接和全联接相结合的CNN卷积神经网络结构,局部联接由3个卷积层和子采样层交替组成,用于焊接目标的特征提取,全连接层由输入层、隐层和输出层组成,作为分类器用于焊缝目标识别. 采样了一千多幅焊接目标图像样本用于CNN的网络训练,分析了不同CNN网络结构参数对模型的影响. 结果表明,该视觉模型对焊接目标的平移、旋转和比例缩放表现出良好的鲁棒性,可以应用到焊接机器人的视觉导航.     

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.     

Study on weld formation in a novel rotating arc horizontal GMAW

A novel rotating arc horizontal welding process was developed for solving the sagging of the molten pool which bottlenecks the application and the development of the horizontal welding. The principle of the effect of the rotating arc on the molten pool is that the rotating arc process not only can reduce the welding heat input by prolonging the welding path in the same welding distance caused by the arc rotation, but also disperse the arc force to affect the sidewall periodically to support the molten metal near the upper sidewall. The effects of the rotating speed and arc voltage on the weld formation were studied.The results indicate that there is an appropriate range of the rotating speed and the arc voltage to obtain the defect free horizontal welding.     

基于改进残差网络的多视图焊点缺陷检测

基于卷积神经网络的单视图检测不能有效识别三维形状的缺陷目标，导致在实际应用中，往往是通过只检测某一最具代表性的视图或者依次检测每个面来实现低精度的检测要求，这带来了较大的时间成本和使用限制. 针对这一问题，提出了改进的残差网络(ResNet)，并将其应用于三维形状的焊点缺陷检测. 该模型首先会一次性获取焊点的所有视图图像，再通过特征聚合和自适应学习模块，最终获得检测结果. 多视图焊点数据集来自高频电感元件，在所提出方法的识别精度达到了99.48%. 结果表明，改进的残差网络在同等网络层数的情况下有效提升了图像识别精度；对比单视图检测，多视图检测结构仅以较少的时间代价获得了较大的精度提升，能有效完成实际工业生产中的三维形状缺陷目标的检测任务.     

Weld pool shape prediction in plasma augmented laser welded steel

Abstract

A welding process that combined plasma arc welding with laser welding was used to make autogenous bead on plate welds on a sheet stock of a carbon steel. A wide range of welding parameters (arc current, laser power, weld speed) was employed. The experimental weld pool shapes were analysed and the data were used to train a neural network to predict weld pool shape as a function of process conditions. The predictions of the neural network model showed excellent agreement with the experimental results, indicating that a neural network model is a viable means for predicting weld pool shape. Using the model, a parametric study was carried out to examine the influence of process conditions on the final weld pool profile.     

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%.