熔透状态识别预测与控制技术研究现状

焊接过程中,熔透是保证焊缝质量的前提,实时监控焊缝熔透状态对实现自动化焊接和保证焊接质量具有重要的工程意义.在焊接过程中,可以通过分析熔池动态特征参数、焊接电参数、电弧声信号等识别预测熔透状态,从而实现控制熔透.近几年来,国内外专家学者在焊缝熔透方面取得了大量的研究成果.本文综述了较前沿的基于学习模型、数学建模、神经网...     

基于视觉传感的GMAW熔透状态预测

熔透信息的实时获取是实现打底焊接自动化的关键环节之一,通过熔池形状特征预测熔透状态可为熔透信息的有效提取提供参考。鉴于焊工通过视觉观察熔池正面形状特征来对熔透状态进行实时判断,建立基于GMAW的双目视觉传感焊接试验系统。在不同焊接电流及焊接速度下开展打底焊接试验,在焊接过程中实时同步采集熔池正面与背面图像。基于熔池图像特点结合成熟的图像处理算法,提取熔池正面二维与三维形状特征参数以及背面熔宽信息,作为训练样本,以熔池正面形状特征参数作为输入量,以背面熔宽作为输出量。通过BP算法对神经网络进行训练,建立熔透状态预测模型,分析熔池正面形状特征参数与背面熔宽之间的映射关系。采用Garson算法计算出每个形状特征参数对于背面熔宽的权重系数。通过GMAW打底焊试验对熔透状态预测模型进行了验证,试验结果表明,建立的BP神经网络模型可以有效地预测焊缝的熔透状态。     

基于区域生长算法激光深熔焊监测图像处理研究

根据同轴监测系统采集到的熔池和小孔的同轴视觉传感原始图像特点,分析了数字图像处理的方法并提出相应图像处理的流程。通过监测沿垂直速度方向熔池灰度分布实现了对熔宽的监测,通过对小孔顶部和底部尺寸的监测实现对熔透状态的监测。经过图像处理后的焊接区域同轴监测图像可以清晰的获得熔池轮廓及小孔尺寸,为实现焊接过程中熔池宽度和小孔的穿透状态的监测做准备。针对激光对接焊,提出焊缝跟踪的处理算法,不仅实现了焊接质量包括熔宽与熔透状态的监测,还实现焊接质量与焊缝跟踪一体化监测。     

用于焊接质量闭环控制的CCD图像传感器的研究

所研制的CCD图像传感器系统，通过采用比色测温的方法，实现了对焊接温度场图像的实时采集与处理。以焊接电流为控制量，研制了薄板钨极氩弧焊（TIG）背面温度场等温线宽度闭环控制系统，实现了对焊缝背面熔宽和熔透的控制。大量的焊接工艺试验证明本系统在焊接生产中具有重要的应用价值。     

基于同轴视觉监测的激光深熔焊缝熔深监测

基于激光深熔焊接过程中稳态下小孔前壁材料气化满足的能量平衡以及在同轴视觉传感监测中提取出的小孔的径向尺寸建立了小孔深度的提取迭代方程,并基于小孔的深度实现了焊缝熔深的同轴视觉传感监测。试验结果表明：工件未焊透时,焊缝熔深的监测—计算值和试验测量值具有较好的一致性,其监测误差一般不超过12％;而工件完全焊透后,焊缝熔深的监测—计算值大于工件厚度,并基于此实现了工件是否焊透的判断。研究结果表明：基于同轴视觉传感和小孔前壁材料气化能量平衡建立的激光深熔焊缝熔深提取模型,可以有效实现激光深熔焊缝熔深的监测。     

基于焊缝熔透检测的机器人深熔K-TIG焊接系统

开发了一套基于熔透检测的机器人深熔锁孔非熔化极惰性气体保护焊接(Keyhole tungsten inert gas, K-TIG)系统,实现焊接高度(Contact tip-to-work distance, CTWD)自动调节与熔透状态的在线检测。利用电弧电压与焊接高度的对应关系,通过弧压传感器实时采集电弧电压信号并换算成焊接高度值,然后将实际高度值与预设高度值之间的差值经由过程控制对象连接与嵌入协议(OLE for process control, OPC)通信系统反馈给机器人控制系统,从而控制机器人实现焊接高度的自动调节。同时,构建了熔透检测系统,使用电荷耦合器件(Charge coupled device, CCD)相机采集熔池与小孔图像,从中提取熔池-小孔特征,并建立熔池-小孔特征与熔透状态之间的相关性,在此基础上建立识别熔透状态的反向传播(Back propagation, BP)神经网络,实现不同焊接高度下熔透状态的间接检测,最后根据该检测结果得到最佳的焊接高度。经过试验验证,整个系统可靠稳定,能准确检测焊缝的熔透程度,并实现焊接高度自动调节,从而提高了焊接质量。     

基于证据理论的振动发散故障监测方法

针对振动系统中振动迅速发散的故障,设计了基于证据理论的融合监测方法.对用于测量振动信号的多源传感器分别采用传感器数据方差、方差前向差分作商和方差前向作商作为描述状态的特征参数,计算基本概率分配函数,并根据Dempster组合规则进行融合.在隔振系统物理实验平台上实现了融合诊断监测过程,对采用3种特征参数的故障监测效果加以验证、比较和分析.实验结果表明,振动系统中传感器数据方差前向作商适合作为特征参数,由此构建的融合方法能够对振动发散故障实施有效诊断,并可以实现实时监测.     

MIG焊电弧声信号与熔透状态相关性

电弧声作为焊缝熔透状态监控的潜在源信号,对焊接过程质量控制和自动化生产的实现具有重要意义.以MIG焊平板对接射流过渡过程中产生的非平稳电弧声信号为研究对象,采用小波变换技术取得了良好的信噪分离效果,达到有效抑制噪声目的.在此基础上,通过合理地选择样本数据,从时域、频域和时频联合3个角度研究分析电弧声信号与焊缝熔透状态之间的内在相关性,发现电弧声信号能量及其频谱特性与熔透状态高度相关,其中1 500～4 500 Hz频率段信号能量的变化可准确地检测出焊接过程熔透状态的改变.结果表明利用电弧声信号进行熔透状态监控是可行的,为MIG焊接过程质量监控提供了一种廉价而有效的新途径.     

综采工作面液压支架工作状态监测技术的应用

为了实现对液压支架工作状态的实时监测,提出将多传感器信息融合技术应用到液压支架工作状态监测中.在某矿3605综采工作面现场应用后,监测系统可实现对液压支架状态的高效监测,监测值与现场实测值偏差较小,可满足对液压支架工作状态实时监测的需要.     

激光焊匙孔特征的近红外与X射线传感分析

由于多传感匙孔特征参数可以有效地反映大功率激光焊接质量状态,本文研究了匙孔特征信息的提取方法并建立了焊缝成形预测模型。以大功率盘形激光焊接304不锈钢为试验对象,应用近红外高速摄像机和X射线视觉成像系统同时提取了焊接过程中的熔池动态图像,并分割出匙孔区域。针对近红外图像,应用矩方法导出匙孔的不变矩特征,同时定义并提取匙孔面积和最前端点纵坐标两个特征;针对X射线图像则提取匙孔深度和熵两个特征。在不同激光功率条件下得到匙孔特征并进行特征融合分析,然后建立了3个BP神经网络焊缝成形预测模型。探索了匙孔形态、焊接条件和焊接状态三者之间的联系,实现了对焊接过程的在线监测。试验结果表明,将两个传感器获取的匙孔特征信息融合并进行主成分分析变换后,熔宽和熔深的预测绝对误差平均值分别为0.18mm和0.57mm,比基于单个传感器获取匙孔特征建立的BP神经网络分别减小了0.03mm和0.31mm,显示提出的方法能够有效在线监测大功率盘形激光焊接状态。