[发明专利]基于熔池视觉特征的焊熔透状态及熔深实时预测方法

说明书

本发明公开了基于熔池视觉特征的焊熔透状态及熔深实时预测方法，其基于彩色CCD设计了一套熔池视觉传感系统，能够在焊接过程中实时提取出熔池的二维特征。并以熔池的面积、长度、宽度作为输入，焊缝的熔透状态作为输出，基于支持向量机SVM建立了GMAW焊熔透状态实时预测模型，实验结果表明该模型能够实时有效地预测出焊接过程中焊缝的熔透状态。同样以熔池的面积、长度、宽度作为输入，焊缝的熔深作为输出，基于BP神经网络建立了GMAW焊熔深实时预测模型，实验结果表明该模型能够实时有效地预测出焊接过程中焊缝的熔深。本发明设计简单，操作简便；构建出的模型，其计算结果经过验证，精准度高。

技术领域

本发明涉及一种基于熔池视觉特征的焊熔透状态及熔深实时预测方法，属于焊熔技术领域。

背景技术

焊接过程中，焊缝能达到的熔深是很多学者关心的重要参数，因此实时精确地预测并控制焊缝的熔透状态及熔深一直都是焊接领域研究的热点。前期很多研究都是集中在检测不同焊接条件下焊缝的熔透状态及熔深的变化。

在焊缝的熔透状态预测方面，视觉传感法是使用最为广泛的检测方法。现有技术中，有一套简单灵活的视觉传感系统，在不同的焊接条件下采集了工件背面多帧锁孔图像，提取出锁孔的面积及倾斜角作为特征参量，将粒子群优化和自适应网络模糊推理系统结合起来，建立了锁孔特征和焊缝熔透状态之间的关系。也有人使用近红外视觉传感方法采集了铝合金双丝焊不同熔透状态下的多帧熔池图像，通过提取熔池轮廓得到了熔池面积、周长、半长、熔宽及抛物线系数等特征参量，基于神经网络建立了铝合金双丝焊熔透状态识别模型。也有一种基于数据驱动法的GTAW熔透状态预测方法，使用计算机视觉方法提取了熔池表面的关键特征，在多种焊接条件下进行试验建立数据库，使用线性回归等两种监督机器学习方法测试了数据库，最后进行了熔池表面特征重要性分析。但这些方法的计算正确率都有较高的提升空间。

在焊缝的熔深预测方面，焊接过程中焊缝熔深的直观表现就是熔池下表面的最深处，因此国内外很多学者通过各种检测手段直接探测熔池的深度来测量焊缝的熔深，根据传感技术的不同可以分为：熔池震荡法，超声波传感法，红外传感法，X射线法等。但这些检测方法都存在相应的缺点，熔池震荡法存在延时性，很难做到实时性检测。超声波、红外、X射线检测法普遍存在结构复杂、成本较高等缺点，还无法普及应用在实际的焊接生产中。

因此，需要一种基于熔池视觉特征的焊熔透状态及熔深实时预测方法。

发明内容

为了解决上述技术问题，本发明提供一种基于熔池视觉特征的焊熔透状态及熔深实时预测方法，其具体技术方案如下：包括

步骤一：搭建GMAW焊熔透状态及熔深预测实验系统；

步骤二：启动试验系统，获取熔池视觉特征参数；

步骤三：建立焊熔透状态及熔深预测模型；

步骤四：进行焊熔透状态及熔深预测模型的预测。

进一步的，所述焊熔透状态及熔深预测实验系统包括焊接平台、焊接母材、熔池视觉传感系统和激光定位系统；所述熔池视觉传感系统包括相连接的彩色CCD、FPGA和计算机；所述彩色CDD使用夹具固定在焊接机器人的焊枪上，FPGA发出固定频率信号触发彩色CCD采集熔池图像。

所述激光定位系统包括激光器、黑白CCD和计算机；所述黑白CCD固定在焊接平台上，所述激光器固定在焊接机器人的焊枪上，激光照射在焊丝的上沿部分；焊接过程中，FPGA发出同步信号触发彩色CCD和黑白CCD采集图像。

进一步的，所述视觉特征包括熔池面积、长度和宽度；所述熔池面积的定义为熔池图像轮廓内所有像素点的个数之和，其计算公式为：

（1）