变间隙MAG焊熔透状态的粗糙-模糊控制方法

正面熔池与熔透状态之间存在一定的对应关系.然而与熔透状态潜在相关的熔池特征众多,如何去除冗余特征,建立一个反映熔池特征与熔透状态对应关系的简洁的知识模型,对实现焊接熔透在线控制具有重要意义.提出一种焊接熔透状态的粗糙-模糊控制方法,并在变间隙MAG焊接实验中进行验证.给出2种基于变精度粗糙集的属性约简算法,以求解表征熔透状态的熔池最小特征集.通过变间隙-电流焊接试验建立熔透状态决策信息系统,引入2个用以描述熔池尾部尖削程度的形状参数,基于粗糙集知识约简和规则提取算法获取熔透状态分类规则.构建熔池尾宽系数的模糊控制模型,利用最小化模糊熵来构造误差论域上的隶属函数.通过2组变间隙焊接实验对该控制模型进行验证,结果表明,闭环控制下焊缝背面熔宽均匀一致,符合焊接规范要求.     

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。     

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。     

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。     

基于L1/L2极限学习机的熔池熔透状态识别

针对电弧焊熔池变化过程中非线性因素导致的熔透状态识别准确率低的问题,利用极限学习机（ELM）网络框架,提出一种基于L1/L2范数约束的ELM熔透状态识别模型.通过高速视觉传感系统获取熔池图像,利用主成分分析来进行特征提取.采用结构简单、训练简便的ELM算法来训练熔透识别模型,并利用L1范数约束抑制ELM输出权重中的异常值以改善ELM算法的泛化能力,同时利用L2范数约束来平滑ELM输出权重以获取熔池图像中的团块特征,提高熔池熔透状态的识别准确率.结果表明,基于L1/L2-ELM的熔透状态识别模型能够快速有效地判别熔池的全熔透、未熔透、过熔透三种状态.     

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.     

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%.     

熔池三维自由表面状态与TIG焊熔透的相关性研究

基于激光视觉测量原理,采用2台同规格的CCD摄像机实时同步采集了钨极惰性气体保护电弧焊熔池自由表面和背面熔宽动态变化视频图像,利用熔池自由表面三维恢复算法获得熔池三维自由表面形貌,并对不同熔透状态的熔池三维自由表面高度变化与同步采集的背面熔宽变化间的相关性进行了定性分析实验.通过建立理想熔池自由表面,入、反射激光束光学变换及成像屏数学模型,逆向仿真研究了不同熔透状态的熔池表面对反射激光点阵形态的影响规律.结果表明,基于激光视觉法获得的熔池三维自由表面动态变化与焊缝熔透之间具有相关性,当焊缝由未熔透过渡到熔透时,熔池表面由凸形逐渐变为凹形,且塌陷量随背面熔宽的增加而缓慢增大,反射激光点阵行曲率变小,激光点逐渐聚为一点.当过熔透时,背面熔宽增加,熔池表面塌陷量迅速增加,反射激光点阵行曲率反而变大,聚集的激光点阵纵向逐渐被拉开.熔池表面逆向建模仿真结果与实际测量结果基本一致,利用反射激光点阵的形态变化可以表征熔透变化.     

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。     

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.     

激光焊接不锈钢微间隙焊缝偏差角点检测法

针对大功率(10 kW)光纤激光焊接304不锈钢紧密对接微间隙焊缝(焊缝间隙小于0.1 mm),通过高速像机摄取熔池近红外热像并分析其特征,分析和处理熔池热像特征,提取激光束偏离焊缝位置的信息,探索激光束与焊缝偏差的信息表征.利用激光深熔焊的匙孔效应,研究焊缝在固态与液态交界处不稳定边缘特征点,提出一种角点检测法实现微间隙焊缝偏差的检测.结果表明,熔池红外热像角点密集分布中心与焊缝偏差有密切的关系,通过角点分布密度可以有效判断焊缝偏差状态.     

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.     

Characterization and real-time measurement of geometrical appearance of the weld pool

The weld pool contains important information about the welding process (Zhang et al., Welding J. 72, 463s–469s, 1993). In this study, a polar coordinate model is proposed to characterize the weld pool geometrically. The identification of its parameters involves complicated non-linear optimization which cannot be done in real time using conventional algorithms. A neural network is therefore proposed to identify the parameters in real time. By using pulsed laser illumination, clear images of the weld pool are captured. The developed image processing algorithm extracts the boundary of the weld pool in real time. Thus, a real-time system is developed to sense and process the image and identify the polar coordinate model. It is shown that the weld penetration can be accurately determined using the model parameters. Thus, a real-time weld penetration monitoring system is also achieved.     

Neural network modeling and intelligent control of FCAW penetration

The neural network modeling of FCAW penetration is researched in this paper, molten pool image is acquired by CCD, and preweld gap is gotten from laser vision system, the weld penetration is estimated according to the information include welding current, welding voltage, weld width, molten pool half length and gap width. The training samples of network can be partially gotten by numerical simulation. Single neuron self-tuning PID weld penetration controller is designed, and improved Hebb learning algorithm is applied for weights adjusting. Welding current is adjusted to make the weld penetration stable. The results of experiment with various cross-section and preweld gap workpiece show that this system is suitable to molten pool control.     

基于焊工调节的铝合金脉冲MIG焊背面熔透建模

针对铝合金薄板脉冲MIG焊背面熔透难题,提出一种基于焊工调节的背面熔透建模与控制方法.设计焊接速度随机变化波形,致使铝合金背面熔池尺寸动态波动,采用被动视觉系统实时采集背面熔池图像,焊工观察图像熔池大小,手工调节焊接电流保证背面熔宽的均匀性,同时开发图像处理算法提取背面熔宽.采用最小二乘系统辨识法建立焊工调节电流与背面熔宽的非线性Hammerstein模型.开展了铝合金脉冲MIG焊电流扰动和焊接速度扰动试验.结果表明,基于焊工调节的非线性Hammerstein模型可以有效地控制背面熔宽,且具有良好的抗干扰能力.     

基于视觉处理的焊缝质量检测与控制系统

采用视觉处理方法是实现焊接质量检测与控制的重要途径之一,而视觉处理算法是其可靠、准确应用的关键环节.采用CCD传感器直接摄像法获取焊接熔池的图像,利用数学形态学的图像处理方法,建立统一的非线性处理算法,对熔池图像进行预处理和特征提取,获取熔池边缘信息并确定焊缝中心和熔宽、熔高等信息,将这些信息与模糊逻辑相融合,实现高性能的跟踪和焊接质量PID模糊闭环控制.试验结果表明,基于视觉处理的焊接质量检测与控制系统具有良好的稳定性和准确性.     

激光-MIG复合焊熔透状态视觉检测方法的研究

激光-MIG复合对接焊中,熔透状态是反映焊缝成形质量的重要指标.为获得反映熔透状态的信息,在此采用视觉传感器时焊接过程中的熔池正面、小孔图像、熔池背面分别进行了检测.结果表明,在复合对接焊条件下,采用熔池正面图像检测或小孔热辐射图像检测的方法,不能判断出熔透状态.采用主动照明的拍摄方式并选用合适滤光片的熔池背面图像的视觉检测方法,能够获得反映焊缝熔透状态的图像.