电弧焊熔池表征与熔透状态映射研究

针对电弧焊熔池图像特点,试验研究通过熔池特征映射熔透状态的方法。在焊接过程中由摄像机实时摄取熔池图像,并通过图像处理得到熔池的轮廓,而后提取熔池面积、熔宽以及熔池图像质心到熔池图像底部的距离等三个特征量,用这三个特征作为BP(Back Propagation)神经网络的输入参数,从而建立熔透识别模型。通过改变BP神经网络的隐含层神经元个数及训练函数获得不同的模型,分析比较各个模型对熔透的识别效果,并把识别效果最好的模型作为最终的焊缝熔透状态识别模型。试验结果表明,将Levenberg-Marquardt算法作为BP神经网络模型的训练算法能更加准确预测焊缝熔透状态。     

焊接缺陷识别中的多模态注意力方法

提出了一种多模态焊接缺陷识别方法，构建了包含3个分支的卷积神经网络,以分别对焊接熔池图片、电弧声、焊接电流和电弧电压进行处理。并在图像分支网络中加入了通道注意力模块和空间注意力模块，以聚焦焊接熔池图片的重要区域。为了验证文中模型的稳定性和可靠性，在自构建的包含10种焊接缺陷的数据集上进行了试验。试验结果表明，双通道注意力机制嵌入到卷积神经网络的浅层效果优于深层。同时，相比于不加注意力机制，双通道注意力机制识别结果的F值得到了明显的提升，为焊接实时分类识别提供参考，有助于焊接质量评定。 创新点： (1)提出了多模态卷积神经网络自动提取焊接熔池图像、焊接电流、电弧电压、电弧声的显著特征。 (2)在图像网络分支加入了注意力机制，帮助模型捕获缺陷显著区域，并验证了在卷积浅层引入注意力效果优于深层。     

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.     

激光焊接偏差识别的神经网络模型试验研究

激光焊接偏差识别是保证激光焊接质量的关键技术,本文研究一种用于识别激光束与焊缝位置偏差的BP神经网络模型。在大功率光纤激光焊接试验条件下,利用高速红外摄像机摄取焊接区域熔池图像,分析激光束与焊缝对中及偏离所对应的红外辐射瞬态特征。通过图像处理增强熔池图像,计算熔池特征参数（熔池匙孔特征参数、匙孔质心值、热堆积效应参数）以及相对应的焊缝与激光束之间的偏差值,将其输入所设计的神经网络进行网络权值参数的训练,建立基于BP神经网络且具有一定环境适应能力的焊缝偏差模型。试验结果表明,该模型能够反映熔池特征参数与焊缝偏差之间的规律,可实现较精确的焊缝偏差识别。     

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.     

大功率光纤激光焊熔透状态模糊聚类识别方法

熔透是评价激光焊接质量的重要因素,但在焊接过程中难以直接检测熔透状态.以大功率光纤激光焊接304不锈钢紧密对接焊缝为试验对象,研究一种基于熔池红外热像的熔透状态识别方法.采用红外摄像机摄取焊接区域熔池动态图像,提取熔池特征量,应用模糊聚类算法分析熔池特征量与熔透状态之间的关系,使用模糊C-均值（FCM）和Gustafson-Kessel（GK）两种模糊聚类法建立熔透状态识别模型.激光焊接试验结果表明,熔池表征与熔透状态之间存在密切关联,通过GK模糊聚类算法建立的模型对熔透状态能达到78%以上的识别率,为大功率光纤激光焊接过程熔透状态的识别和控制提供试验依据.     

304不锈钢快频脉冲TIG焊的熔透识别与闭环控制

焊缝熔透的识别与控制对提高快频脉冲TIG焊（Fast-frequency Pulsed Tungsten Inert Gas welding,FFP-TIG welding）的焊接质量和自动化水平具有重要意义。熔池图像可以作为卷积神经网络（Convolution Neural Network,CNN）的输入来识别熔透状态，但模型往往较为复杂，难以部署于工业边缘设备中，同时缺乏基于识别结果的熔透状态控制方法。针对该问题，搭建视觉传感系统来构建304不锈钢FFP-TIG焊熔池图像数据集，包括未熔透、适度熔透和过度熔透三种标签；开发基于知识蒸馏（Knowledge Distillation,KD）的熔透识别模型，利用MobileNetV2作为教师模型，用于训练自定义的学生模型ResNet-KD；基于ResNet-KD的softmax层输出向量设计模糊控制器，实时调整快频基值电流，实现熔透状态的闭环控制。结果表明，ResNet-KD在验证集上的准确率达到了97.60%，在预设电流、变散热及热量积累的工况下，模糊控制器均有良好的性能。     

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.     

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%.     

CO_2焊熔池附近区域图像灰度值与工艺参数的关系研究

CO_2焊在熔滴短路过渡过程中熔池附近区域的金属飞溅、光照强度变化剧烈,严重影响焊缝特征提取的实时性和可靠性。采用正交试验法和改进的BP神经网络,建立了焊接工艺参数与CO_2焊熔池附近区域图像灰度值的映射关系。结果表明:BP神经网络模型的训练结果与试验结果的误差很小,满足精度要求。该模型能很好地反映熔池附近区域图像灰度值与焊接工艺参数的关系。     

基于边缘夹角附加损失函数的熔池形貌检测方法

针对弧焊增材制造过程中传统的熔池检测方法依赖经验参数、准确率低、识别时间较长的问题,提出了一种基于边缘夹角附加损失函数的熔池形貌检测方法,实现对熔池快速而精准的检测和识别. 首先,通过特征金字塔网络融合多种特征在多个尺度上表征熔池,摆脱对经验参数的依赖;其次,使用PointRend神经网络模块,基于细粒度特征及粗预测掩码对采样点优化,减少熔池目标检测及识别所需时间;再次,研究了边缘夹角附加损失函数,在角度空间上最大化分类间隔,使网络提取到的特征具有更强的可分性,进而改善模型识别的精度;最后,利用实际熔池监测数据进行试验测试. 结果表明,该方法识别精度高,精度达97.85%,当存在熔滴覆盖干扰时,也可以实现精确检测与识别;对比熔池的检测宽度和实测宽度,绝对误差在0.36 mm以内,试验结果验证了该方法的有效性和可靠性.     

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.     

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...     

基于视觉传感的电子束深熔焊焊缝表面成形的预测

基于视觉传感的方法,获得了钛合金电子束焊熔池图像．采用二值形态学图像处理算法对熔池图像进行了处理,得到了熔池的边缘,并在此基础上利用自己开发的一套熔宽提取程序实现了熔宽的准确提取．找到了熔宽的波动性与焊缝表面成形之间的对应关系,当熔宽波动较大时,表面成形较差,而当熔宽波动较小时,表面成形较好．经过分析,提出用变异系数C...     

傅立叶变换在熔池图像特征提取中的应用

熔池图像特征的提取对于分析焊接质量十分重要,而频域图像处理算法相对空域有很多优势,可以克服传统的空域图像处理算法对噪声敏感的不足,并有利于增强图像特征.为此,首先采用中值维纳滤波方法对焊接熔池图像进行组合滤波去噪,然后对去噪后的熔池图像运用基于傅立叶变换的巴特沃思滤波器进行高通滤波,以增强图像,并采用加强滤波算法对图像实现补偿,同时进行直方图均衡化,最后运用Canny算子边缘检测与数学形态学运算获得熔池边缘,提取出熔池特征信息.结果表明,运用傅立叶变换高频加强滤波进行熔池图像增强处理,并结合空域中较为成熟的图像处理算法,可以得到较好的熔池特征提取效果.     

激光深熔焊熔池X光图像恢复与特征分析

X光对于焊件具有很强的穿透性,可以利用其观测和分析激光深熔焊过程焊件内部熔池形态以及匙孔能量传递效果,实现对焊接过程有效地实时监测.在大功率光纤激光焊接304不锈钢过程中,由于X光图像采集过程中的噪声干扰,导致熔池X光图像存在严重退化现象,清晰度不高,识别性较差.为此研究一种图像恢复和增强算法,对熔池X光退化图像进行恢复和增强处理,使其在处理后能够更好地被识别.以盲去卷积法试验估计出熔池X光图像退化的点扩散函数,并以此函数为参数对熔池X光图像进行维纳滤波恢复,再进行灰度变换以增强图像,进而对熔池动态特性进行分析.结果表明,所提出的方法能够有效改善激光焊过程熔池X光图像质量,突出熔池边缘轮廓特征.     

激光焊熔池图像三维形态恢复算法分析

利用熔池图像表面的明暗变化恢复熔池表面三维形态,分析熔高和熔宽等特征与焊接质量的关系.试验装置采用红外激光辅助光源和带有近红外窄带滤波组合系统的高速影像设备实时捕捉熔池动态图像,并根据统计学估计光源位置参数,采用基于单幅熔池灰度图像的明暗恢复形状技术(shape from shading,SFS)中的局部分析算法来恢复熔池三维表面形态,并通过中值滤波和三次样条插值对三维重建后熔池形状进行去噪和平滑处理.结果表明,所采用的方法能有效地恢复熔池表面信息,为大功率盘形激光焊接过程中根据熔池二维图像预测焊缝成形提供了一种方法.