基于变分模态分解的磁控埋弧焊焊缝跟踪信号分析

磁控埋弧焊焊缝跟踪信号是非线性、时变的典型非平稳信号,严重影响焊接跟踪信号的提取。基于此,提出一种基于变分模态分解(VMD)的磁控细丝埋弧焊焊缝跟踪信号分析方法,并与经验模态分解(EMD)进行对比分析。仿真结果表明,变分模态分解明显优于EMD,不仅能快速有效地分解出固有模态,而且分解的模态数量少,不存在虚假模态。将此方法应用于磁控埋弧焊焊缝跟踪平台上进行实际信号分析,并进行跟踪实验验证,结果表明,该方法提取出了更加精确的跟踪特征信号,提高了系统跟踪精度,为整个跟踪系统的优化提供了一种新的解决方案。     

基于HHT和Cohen核的磁控焊缝跟踪信号分析

针对磁控焊缝跟踪信号的非线性不平稳特点,提出了一种基于Hilbert-Huang变换和Cohen核的磁控电弧传感器焊缝跟踪系统的信号提取分析方法;运用经验模态分解,把周期激励下磁控跟踪信号分解成多个从高频到低频的本征模态函数分量,依据各分量的Hilbert边际谱,采用Cohen核分布的时频变换,能有效抑制交叉项,提取出磁控焊缝跟踪实时信号动态规律. 结果表明,利用此方法有助于更深入地揭示焊缝自动跟踪系统内各种干扰源的时频和频谱特征,为建立有激励源的焊接信号新的非线性模型提供了理论依据.     

埋弧焊磁控电弧焊缝跟踪系统中的横向磁场ANSYS模拟

针对埋弧焊磁控电弧焊缝跟踪系统中磁控电弧传感器产生的外加横向磁场,文中采用有限元分析方法建立了由磁控电弧传感器产生的横向磁场计算模型.应用ANSYS软件对横向磁场进行了模拟;对该横向磁场的纵截面分布、磁流密度矢量的分布规律进行了仿真;并对模拟结果的偏差进行了分析.实际测试结果说明了磁感应强度模拟值与实测值的一致性.针对励磁电流对焊接电弧运动状态的影响进行了实际焊接试验.结果表明,焊接电弧随励磁电流的增大而摆动,且励磁电流越大电弧摆动幅度也越大.     

磁控埋弧焊焊缝跟踪系统平台的优化设计

利用磁控技术可以很好地解决埋弧焊的焊缝跟踪难题,但磁控埋弧焊的焊缝跟踪系统平台是研究的一个关键环节,本文在原有的设计基础上,对磁控埋弧焊的焊缝跟踪系统平台进行了优化设计,取得了很好的效果,值得借鉴.     

磁控电弧传感器在细丝埋弧焊焊缝跟踪中的研究

为了实现细丝埋弧焊焊缝自动跟踪,针对目前研究较多的机械式电弧传感器存在的机械结构复杂、体积大、噪声大、磨损大等诸多问题,设计制作了一种新型的磁控电弧传感器.通过对磁控电弧机理的研究.把外加磁场对焊接电弧的控制技术和摆动电弧传感器技术有机地结合起来,并将其应用于细丝埋弧焊智能焊缝跟踪领域,建立了相关的数学模型,得到了与数学模型相匹配的实际数据,证明了磁控电弧传感器应用于焊缝跟踪的可行性,为磁控电弧扫描埋弧焊焊缝跟踪的实现提供了理论和实验依据,为电弧传感器焊缝自动跟踪的研究开创了新的方向.     

磁控电弧焊缝跟踪传感信号的实时小波降噪方法

通过对磁控电弧传感信号的频谱分析,发现表征焊缝位置信息的特征信号与干扰信号处在不同的频段;针对焊缝跟踪系统的实时性要求,提出了一种基于滑动固定数据窗的电弧传感信号实时小波降噪方法.该方法动态地截取电弧传感信号的实时数据,并通过选用正交紧支撑小波与舍弃电弧传感信号的第一、二层细节信号的小波分解方法,大大降低了传感信号降噪算法的计算量,保证了算法的实时性;最后采用DSP技术,对实际的焊接电流信号按该方法进行了大量的在线实时降噪试验.结果表明,采用该方法对磁控电弧传感信号进行降噪处理,能够满足系统的去噪要求及实时性要求.     

基于非线性近似熵的磁控埋弧焊电弧稳定性分析

介绍了磁控埋弧焊的工作原理,依据近似熵的基本原理与算法,从非线性的角度去分析磁控埋弧焊的电弧稳定性,在满足焊接参数匹配的前提下,通过对采集到的焊接电流的信号进行近似熵计算和比较,表明非线性近似熵可以作为磁控埋弧焊的电弧稳定性的评判标准.近似熵越大,波动越小,磁控电弧就越稳定.     

利用合金碎丝来改善磁控埋弧焊电弧摆动性的研究

为了破解磁控埋弧焊电弧摆动的难题,在借鉴前人研究成果的基础上,通过两组试验,探寻了磁控埋弧焊弧光摆动的难点所在,提出了“次电弧”的概念,并阐述了“次电弧”在磁控埋弧焊中的作用.     

基于响应面法的埋弧焊磁控传感器参数优化

为解决磁控埋弧焊传感器焊缝跟踪信号不稳定性、成形质量差等问题,采用BBD(Box-Behnken design)设计试验方案,基于响应面法建立了的埋弧焊焊缝自动跟踪磁控传感器参数(励磁频率、励磁电流、磁极高度、焊接电流)与预测响应值(焊缝跟踪信号、熔宽)的数学模型,并检验数学模型在试验点上的拟合情况,以能够根据跟踪信号质量和焊缝成形的要求优选传感器参数. 并通过优化传感器参数来预测埋弧焊焊缝跟踪信号质量以及焊缝的熔宽,实现跟踪信号与焊缝成形的最佳组合,以提高磁控埋弧焊的焊缝跟踪精度及焊接质量.     

磁控埋弧焊焊缝系统励磁电源和信号采集与处理系统优化设计

励磁电源和信号采集与处理系统是研究磁控埋弧焊焊缝跟踪过程中非常重要的部分,直接关系到研究的成败。本文在前人的研究基础上,对原有的励磁电源和信号与采集处理系统作了优化设计,提高试验的精准度,具有一定的借鉴价值。     

磁控电弧焊缝跟踪传感器的有限元分析

为了研究磁控电弧焊缝跟踪传感器的电磁特性,采用ANSYS软件对传感器进行了谐波磁场分析,当线圈匝数、空气隙长度、铁心磁导率等因素分别发生改变时,得出了磁控电弧焊缝跟踪传感器的磁力线分布和磁场矢量图;分析了电弧传感器主要参数对磁场分布和磁感应强度大小的影响规律,并与采用高斯计测得的实际磁感应强度进行了对比.结果表明,采用有限元方法对磁控电弧传感器的电磁特性的分析结果与试验结果吻合,为磁控电弧焊缝跟踪技术提供了基本的理论指导.     

移动式焊缝跟踪机器人跟踪精度分析方法

以对实验室4自由度轮式焊缝跟踪机器人跟踪精度的研究为基础,提出了一种新的焊缝跟踪精度评估表征方法,并对焊缝偏差建立了D-H坐标系下的5参数模型.基于此模型,对影响焊缝跟踪精度的主要误差源进行了理论分析.通过对定步长与变步长焊缝跟踪控制方法的仿真分析,验证了所提出精度分析方法以及建立模型的正确性及有效性,得出影响焊缝跟踪精度的主要原因为焊缝跟踪控制算法以及机器人自身定位精度.结果表明,该精度分析方法对于焊缝跟踪控制的机器人误差补偿及焊缝跟踪控制方法改进具有一定的参考价值.     

自调整精确焊缝跟踪模糊控制系统

介绍了一种用于焊缝跟踪的步进电机模糊控制系统的结构、组成和模糊控制的实际算法,该系统无需建立被控对象的精确数学模型,能够根据跟踪偏差进行参数自调整,并做出模糊推理和判断,校正步进电机驱动系统非线性造成的较大跟踪偏差,实现自适应的最优化控制,改善步进驱动系统的动静态特性,提高焊缝跟踪的精度。     

基于小波变换的MAG焊焊缝跟踪

提出了一种基于CCD视觉传感的MAG焊焊缝跟踪方法.由于MAG焊过程中通常伴有大量的飞溅、烟尘以及强烈的弧光干扰,所以很难从CCD中获取到清晰的焊缝图像.基于M带Bubble小波变换的方法,检测捕获MAG焊过程熔池的图像边缘.结果表明,该方法在检测焊接熔池边缘以及焊缝识别中,即便图像中出现大量噪音也是有效的.在焊缝识别的基础上,采用PID控制算法跟踪所设计的S形焊缝的成形.试验结果表明其焊缝跟踪方法具有较高的精确度.     

传感器前置式焊缝跟踪系统的模糊控制技术

介绍了模糊控制传感器前置式焊缝跟踪系统的基本工作原理及控制系统组成.设计了二输入一输出模糊控制器,其以传感嚣焊缝偏差和偏差变化率为输入量,输入量通过模糊化处理,模糊推理得出输出结果,再将其解模糊化,得到控制变量的精确输出值,实现焊缝跟踪.提出了一种传感器前置式焊缝跟踪系统的延时解决方案,研制出1台模糊控制焊缝跟踪系统样机,并进行了实际焊接跟踪试验.试验表明:跟踪精度达到1 mm,满足实际生产应用要求,而且系统成本低,结构简单,性能稳定,具有很高的实际应用价值.     

轮式机器人折线焊缝跟踪协调控制方法

研究了以旋转电弧作为传感器,采用轮式移动机器人对折线焊缝进行跟踪的协调控制方法.设计了自适应模糊控制器对十字滑块和车轮进行协调控制,通过控制机器人移动对焊缝进行粗略跟踪,同时调整十字滑块带动焊枪对焊缝进行精确跟踪.为了使机器人的移动方向与焊缝走向一致,采用Sugeno型模糊逻辑系统作为滤波器对机器人本体的方位角偏差进行滤波处理,使机器人本体在跟踪焊缝的直线段时做直线运动,在跟踪焊缝的曲线段时做转弯运动.结果表明,该算法能够成功应用于最大为60°的折线焊缝和Z形焊缝的自动跟踪焊接.     

基于主动光视觉法的实时焊缝跟踪控制系统的研究

采用LOG滤波、中值滤波等图像预处理方法,有效去除了实时焊缝跟踪控制系统中的各种噪声;采用Robert算子作边缘检测,较好地保留了激光光带的边缘,并且处理速度快,设计了参数自整定模糊控制器,实现了量化因子和比例因子的在线自调整。     

基于人机工程的主从机器人遥控焊接焊缝跟踪误差分析

主从机器人遥控焊接要求具有较高的运动轨迹跟踪精度和足够的焊接速度,但是当操作者手动操作主机器人控制从机器人末端焊枪跟踪焊缝时,焊缝跟踪精度不能满足焊接要求的原因至今未知.文中开发了一套由主端控制器、从机器人、工控机和激光传感器组成的主从机器人遥控焊接系统.从人机工程的角度分析了操作者手动操作主机器人控制从机器人末端焊枪跟踪直线焊缝时,影响焊缝跟踪精度的因素.结果表明,操作者的反应时间越长,焊缝跟踪精度越低,并且为了保证焊接过程的稳定性和焊接质量,焊接速度应该由机器人控制.     

单条纹激光引导焊缝跟踪图像处理

研究了单条纹激光引导焊缝跟踪图像处理方法.首先利用小波分解技术获得图像水平方向的细节部分,在该部份激光条纹的信息得到了较好的保持,而噪声信息则比较少,有利于焊缝识别;然后对该部份进行竖直方向上的中值滤波以滤除残余的噪声;最后采用KSW熵算法,对图像进行分割,并识别出焊缝区域.该方法效果较好,抗干扰性强,耗时少,能满足焊缝实时跟踪的要求.