一种基于背面小孔特征的熔透状态判定方法技术

本发明专利技术提供了一种基于背面小孔特征的熔透状态判定方法，包括：将变极性等离子弧焊划分为P个熔透状态，选取背面小孔图像作为数据源；采集各个熔透状态下的背面小孔图像数据，对小孔图像数据进行特征提取，确定多个特征变量；选取各个熔透状态下的样本数据，每组样本数据均包括特征变量和熔透状态；将样本数据随机分为训练样本数据和测试样本数据，确定待建立的极限学习机模型的输入层、隐含层和输出层节点数，选取极限学习机的激励函数；以训练样本数据作为极限学习机的输入，进行学习并建立极限学习机模型；采用测试样本数据验证该极限学习机模型的预测正确率。本发明专利技术建立极限学习机模型对小孔的熔透状态进行判定，预测准确率高，收敛速度快。

【技术实现步骤摘要】

本专利技术涉及焊接
，尤其是一种基于背面小孔特征的熔透状态判定方法。
技术介绍
变极性等离子弧焊(Variablepolarityplasmaarcwelding，VPPAW)由于具有能量密度高、穿透力强、能实现中厚板铝合金材料单面焊双面成形等优点，因此广泛应用于航天航空焊接
对于VPPAW接头形式来说，衡量焊接成形质量最重要和最根本的指标是焊缝的熔透状态。但是在实际焊接过程中，由于影响熔透状态的因素较多，如工件散热条件、热变形、对缝间隙等都会影响焊接过程的稳定性及最终的熔透状态，仅仅通过固定的焊接规范难以保证获得均匀稳定的适度熔透状态。鉴于变极性等离子弧焊的小孔动态行为是直接影响焊缝成形稳定性及接头质量的关键因素，因此研究能够表征熔池小孔特征行为的有效信号是保持焊缝稳定成形的主要途径。目前现有表征小孔特征信号的传感技术中，主要开展了声音信号、弧光光谱、尾焰以及等离子云电压传感方面的研究，但是这些传感技术都只能间接反映小孔的有无。虽然图像视觉传感可以直接反映小孔的动态行为，也进行了焊接工艺与小孔特征关系的研究，但是并没有深入分析小孔特征与实际焊接熔透状态的关系，从而很难定量化地分析焊缝成形稳定性和接头质量。
技术实现思路
本专利技术的目的在于提供一种基于背面小孔特征的熔透状态判定方法，以解决现有技术无法定量分析小孔特征与实际焊接熔透状态的关系的问题。为了达到上述目的，本专利技术提供了一种基于背面小孔特征的熔透状态判定方法，包括：步骤1：将变极性等离子弧焊划分为P个熔透状态，P为大于或等于2的整数，并分别标定为第1标签、第2标签······第P标签，选取变极性等离子弧焊的背面小孔图像作为数据源；步骤2：采集各个熔透状态下的背面小孔图像数据，对小孔图像数据进行特征提取，确定多个特征变量；步骤3：选取变极性等离子弧焊在各个熔透状态下的样本数据，每组样本数据均包括特征变量和熔透状态；步骤4：将样本数据随机分为训练样本数据和测试样本数据，训练样本数据用于学习极限学习机模型，测试样本数据用于验证极限学习机模型，确定待建立的极限学习机模型的输入层、隐含层和输出层节点数，选取极限学习机的激励函数；步骤5：以训练样本数据作为极限学习机的输入，进行极限学习机熔透状态判定模型的学习，进而建立极限学习机模型，通过所述极限学习机模型根据输入的小孔特征变量判定小孔的熔透状态；步骤6：采用测试样本数据对建立的极限学习机模型进行验证，验证建立的该极限学习机模型的预测正确率。进一步地，在步骤1中，将实际熔透状态划分为：部分熔透，完全熔透及切割三种熔透状态，将部分熔透设定为第1标签，完全熔透设定为第2标签，切割设定为第3标签。进一步地，在步骤1中，将经视觉传感系统获得的背面小孔图像作为数据源。进一步地，在步骤2中，特征变量是小孔图像经过图像处理方法和摄像机标定得到的小孔特征参数，该特征变量包括小孔宽度和小孔面积。进一步地，在步骤3中，每组样本数据均包括当前时刻及前三个历史时刻获取的特征变量，且还包括当前时刻的熔透状态。进一步地，在步骤4中，所述输入层节点数为所述特征变量的维数Q，该维数Q等于特征变量的数量乘以采集时刻的数量，每组样本数据均包括Q维的特征变量和当前时刻的1个熔透状态，所述输出层节点数为所述熔透状态的数量，隐含层节点数为经验值，激励函数g(x)选用sigmoidal函数：g(x)＝1/(1+exp(-x))。进一步地，随机选取一个初始隐含层节点数，建立极限学习机模型并采用测试样本数据计算预测正确率，每间隔设定的间隔选取一个隐含层节点数并计算预测正确率，选取预测正确率最高时对应的隐含层节点数为步骤4中所用的隐含层节点数。进一步地，所述步骤5具体包括：步骤51：确定隐含层神经元个数，随机设定输入层与隐含层间的连接权值wi和隐含层神经元的偏置为隐含层节点数；步骤52：计算对应训练样本数据的隐含输出矩阵Htr；其中，Htr(w1,...wN~,b1,...,bN~,x1tr,...xNtr)=g(w1x1tr+b1)...g(wN~x1tr+bN~).........g(w1xNtr+b1)...g(wN~xNtr+bN~)N×N~]]>为输入的训练样本数据，N为训练样本数据的组数；步骤53：采用最小二乘法求解隐含层输出矩阵Htr的Moore-Penrose广义逆步骤54：计算输出权重其中Ttr＝[t1,…,tN]T，且Ttr为训练样本输出矩阵。进一步地，步骤6具体包括：步骤61：计算对应测试样本数据的隐含输出矩阵Hte；其中，Hte(w1,...wN~,b1,...,bN~,x1te,...xMte)=g(w1x1te+b1)...g(wN~x1te+bN~).........g(w1xMte+b1)...g(wN~xMte+bN~)M×N~]]>为测试样本数据中Q维特征变量数据，M为测试样本数据的组数；步骤62：计算极限学习机的输出Tte＝Hteβ；步骤63：以极限学习机的输出行中元素值对应的熔透状态类型作为判断结果，该元素值为正整数，且每个元素值为1、2······P中的一个，并相应对应第1标签、第2标签······第P标签；步骤64：将极限学习机的判断结果与实际熔透状态进行对比，计算分类准确率，对极限学习机模型进行验证，实际熔透状态即为测试样本数据中除了Q维特征变量数据以外的熔透状态数据。本专利技术提出了焊接
中的一种基于背面小孔特征的熔透状态判定方法，在获取背面小孔图像基础上经过图像处理提取小孔特征参数，并选取熔透状态样本进行极限学习机模型学习，通过建立的极限学习机模型对小孔的熔透状态进行判定。经过验证发现该极限学习机模型预测准确率高，能达到90％以上，且极限学习机模型的学习无需迭代，收敛速度快，具有良好的泛化性能。附图说明图1为本专利技术提供的基于背面小孔特征的熔透状态判定方法的流程图；图2为本专利技术实施例提供的三种典型熔透状态下对应的小孔序列图像；图3为极限学习机结构模型；图4为本专利技术实施例提供的隐含层节点数对极限学习机性能的影响。具体实施方式下面将结合示意图对本专利技术的具体实施方式进行更详细的描述。根据下列描述和权利要求书，本专利技术的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本专利技术实施例的目的。本文档来自技高网...

【技术保护点】
一种基于背面小孔特征的熔透状态判定方法，其特征在于，包括：步骤1：将变极性等离子弧焊划分为P个熔透状态，P为大于或等于2的整数，并分别标定为第1标签、第2标签······第P标签，选取变极性等离子弧焊的背面小孔图像作为数据源；步骤2：采集各个熔透状态下的背面小孔图像数据，对小孔图像数据进行特征提取，确定多个特征变量；步骤3：选取变极性等离子弧焊在各个熔透状态下的样本数据，每组样本数据均包括特征变量和熔透状态；步骤4：将样本数据随机分为训练样本数据和测试样本数据，训练样本数据用于学习极限学习机模型，测试样本数据用于验证极限学习机模型，确定待建立的极限学习机模型的输入层、隐含层和输出层节点数，选取极限学习机的激励函数；步骤5：以训练样本数据作为极限学习机的输入，进行极限学习机熔透状态判定模型的学习，进而建立极限学习机模型，通过所述极限学习机模型根据输入的小孔特征变量判定小孔的熔透状态；步骤6：采用测试样本数据对建立的极限学习机模型进行验证，验证建立的该极限学习机模型的预测正确率。

【技术特征摘要】
1.一种基于背面小孔特征的熔透状态判定方法，其特征在于，包括：
步骤1：将变极性等离子弧焊划分为P个熔透状态，P为大于或等于2的整
数，并分别标定为第1标签、第2标签······第P标签，选取变极性等离子弧
焊的背面小孔图像作为数据源；
步骤2：采集各个熔透状态下的背面小孔图像数据，对小孔图像数据进行特
征提取，确定多个特征变量；
步骤3：选取变极性等离子弧焊在各个熔透状态下的样本数据，每组样本数
据均包括特征变量和熔透状态；
步骤4：将样本数据随机分为训练样本数据和测试样本数据，训练样本数据
用于学习极限学习机模型，测试样本数据用于验证极限学习机模型，确定待建
立的极限学习机模型的输入层、隐含层和输出层节点数，选取极限学习机的激
励函数；
步骤5：以训练样本数据作为极限学习机的输入，进行极限学习机熔透状态
判定模型的学习，进而建立极限学习机模型，通过所述极限学习机模型根据输
入的小孔特征变量判定小孔的熔透状态；
步骤6：采用测试样本数据对建立的极限学习机模型进行验证，验证建立的
该极限学习机模型的预测正确率。
2.如权利要求1所述的基于背面小孔特征的熔透状态判定方法，其特征在
于，在步骤1中，将实际熔透状态划分为：部分熔透，完全熔透及切割三种熔
透状态，将部分熔透设定为第1标签，完全熔透设定为第2标签，切割设定为
第3标签。
3.如权利要求1所述的基于背面小孔特征的熔透状态判定方法，其特征在
于，在步骤1中，将经视觉传感系统获得的背面小孔图像作为数据源。
4.如权利要求1所述的基于背面小孔特征的熔透状态判定方法，其特征在
于，在步骤2中，特征变量是小孔图像经过图像处理方法和摄像机标定得到的

\t小孔特征参数，该特征变量包括小孔宽度和小孔面积。
5.如权利要求4所述的基于背面小孔特征的熔透状态判定方法，其特征在
于，在步骤3中，每组样本数据均包括当前时刻及前三个历史时刻获取的特征
变量，且还包括当前时刻的熔透状态。
6.如权利要求1所述的基于背面小孔特征的熔透状态判定方法，其特征在
于，在步骤4中，所述输入层节点数为所述特征变量的维数Q，该维数Q等于
特征变量的数量乘以采集时刻的数量，每组样本数据均包括Q维的特征变量和
当前时刻的1个熔透状态，所述输出层节点数为所述熔透状态的数量，隐含层
节点数为...

【专利技术属性】
技术研发人员：吴頔，胡明华，陈华斌，倪加明，陈玉喜，黄一鸣，王军伟，陈善本，
申请(专利权)人：上海交通大学，上海航天精密机械研究所，
类型：发明
国别省市：上海;31