一种基于同轴监测的真空激光焊接焊缝缺陷识别方法技术

一种基于同轴监测的真空激光焊接焊缝缺陷识别方法，涉及一种真空激光焊接焊缝缺陷识别方法。本发明专利技术是要解决现有的真空环境下激光焊接熔池和表面特征信息监测受到真空仓体积限制的技术问题。本发明专利技术为在真空舱内的实时焊接表面熔池动态监测系统，该系统以高动态的工业CMOS相机为主要传感设备，集成了滤光系统、计算机等设备，基于熔池的同轴监测，图像特征信息的提取、缺陷识别与判断，为今后实现在工业中的应用提供基础的开发平台。业中的应用提供基础的开发平台。业中的应用提供基础的开发平台。

【技术实现步骤摘要】
一种基于同轴监测的真空激光焊接焊缝缺陷识别方法


[0001]本专利技术涉及一种真空激光焊接焊缝缺陷识别方法。

技术介绍

[0002]真空激光焊接方法经过30余年的发展呈现出巨大的技术优势并具有广阔的市场发展前景。总结国内外研究现状可知该方法最显著的特点有三：熔深大、羽辉小、质量高。同时真空激光焊接方法适用于多种工程常用材料，尤其对铜合金、钛合金以及镍基高温合金等难焊材料有着极佳的焊接效果。
[0003]为了保证真空环境其通常需要在真空舱内进行焊接，不仅限制了工件尺寸，同时对焊接过程中熔池及表面特征信息的动态变化检测造成了很大限制。而焊接过程中熔池的稳定性与焊接质量密切联系。因此，开发基于熔池图像视觉传感的真空激光焊接过程的检测技术，已成为保证焊接接头质量的关键。
[0004]焊接过程的各类监测方式中，基于光信号的视觉传感检测区域更大，所获得的图像信息更为直观丰富，信息量更大，受到了国内外研究人员的重视。激光焊接视觉监测方式可根据光信号的采集角度分为同轴采集和旁轴采集。由于真空仓内体积有限，旁轴采集图像极易受到空间大小的限制，与旁轴采集相比，同轴采集由于直接从熔池正上方采集图像，获取熔池形状、大小等信息更加全面准确。由于获取的是熔池及匙孔的俯视图像，所以没有发生变形，有利于采集图像之后进行的图像处理和特征信息的提取。同时同轴监测系统结构紧凑，安装更为容易，占用的空间小，使得其具有很高的工业应用性。

技术实现思路

[0005]本专利技术是要解决现有的真空环境下激光焊接熔池和表面特征信息监测受到真空仓体积限制的技术问题，而提供一种基于同轴监测的真空激光焊接焊缝缺陷识别方法。
[0006]本专利技术的基于同轴监测的真空激光焊接焊缝缺陷识别方法是按以下步骤进行的：
[0007]将两个待焊接母材放置在真空仓内，接头形式为对接，启动激光头进行焊接，焊接过程中熔池的动态图像沿着光线传输到相机的镜头中，相机的数据输出端与计算机的输入端连接；所述的熔池的动态图像传输的光线与激光同轴；计算机通过图像采集模块、低通高斯滤波模块和轮廓提取模块将相机拍摄到的熔池图像提取特征信息数值，得到用于缺陷识别的特征信息为熔池宽度、熔池面积、匙孔宽度和匙孔面积，通过前向神经网络对动态焊接过程的缺陷准确识别；
[0008]通过前向神经网络的判断焊接过程缺陷的方法如下：设置输出节点，根据四种对应的焊接状态，选择使用一个四维向量的形式进行表述，首选确定四种典型焊接状态：稳定、下榻、焊偏和过程不稳定的理想输出量，经过正向的信息传递后，利用梯度下降法求权值变化以及误差的反向传播，且基于Labview软件进行系统的编程，通过Labview自带的数据库中直接调用BP算法函数，将以上四种特征值结合权重和阈值进行BP算法运算后输出实际输出值，并与理想输出值比对；经过BP算法后输出的实际输出值不会一直是理想值，判断
准则即将向量中分量最大的那个视为最贴近对应焊接状态的值，焊接状态即该输出量对应的焊接状态；通过选取合适的样本数据实现监测系统的在线识别功能；
[0009]通过前向神经网络学习模式的方法如下：采集焊接过程中的焊接状态数据；使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小，达到最小后的权值和阈值就可以反过来根据实时采集的数据进行精确判断焊接缺陷。
[0010]本专利技术的工作原理：由于焊接区域的动态范围很大，区域中心的强等离子体发光会使得图像传感器的芯片产生曝光过度的问题，影响图像质量。因此本专利技术所选的工业相机需要具有更大的动态响应范围，，滤光片4和减光片5设置的作用是滤掉等离子体波长范围的光波，使相机处于一个干扰光对于熔池辐射较弱的较窄的波段获取熔池图像；
[0011]图像采集模块可以将CMOS相机1采集到的焊接过程中熔池的动态图像信息实时地传输到软件系统中，并通过低通滤波和二值化处理等图像处理技术的嵌入，将熔池图像逐帧进行处理，包括熔池边缘轮廓的提取以及熔池外飞溅现象的识别；
[0012]使用低通高斯滤波模块对图像进行去噪处理，可以很好地避免尖锐噪声以及一些干扰信号，以便获得更加清晰、平滑的图像，从而对后面图像的处理有很大的帮助；低通滤波处理可以去除图像中一些小的斑点，还可以使突出的点变得模糊、平滑，更有助于图像的观察处理；
[0013]轮廓提取模块采用图像二值化处理算法提取滤波去噪后的熔池和匙孔的轮廓，便于提取熔池和匙孔的特征信息；图像的二值化就是指对采集到的图像的像素值进行二值化处理，通过设定一个像素阈值，将高于该像素阈值的所有像素点赋予一个值255，低于该像素阈值的所有像素点则赋予另外一个值0，经过阈值处理后的图像只有0和255两个像素值，即经过二值化处理的图像就是黑白图像；通过这样的方式将工业相机采集到的灰度图像进行变换，从而获得了仍可以反映图像整体和局部特征的二值化黑白图像；为了更直观地看清熔池和匙孔的轮廓，可以再对二值化图像进行一个边缘提取操作；图像经二值化处理和提取边缘轮廓之后，即可进行特征信息的提取；通过IMAQ Clamp Horizontal Max函数可以识别全亮像素点的边沿，并且对横向的宽度最大值进行提取，提取效果还可以显示在二值化的图像中；
[0014]通过同轴CMOS相机拍摄到的熔池图像经过软件系统提取特征信息数值后，可通过熔池宽度的变化判断焊接过程下塌缺陷的发生；对连续的十张图片进行阈值判断，当其中有六张或以上图片的值小于阈值时，认为该处产生了下塌缺陷；这一判断依据避免了焊接过程中因为不稳定产生的熔池波动以及噪声信号的干扰而引起的信息突变，其判断结果更具有可信性；
[0015]通过同轴CMOS相机拍摄到的熔池图像经过软件系统提取特征信息数值后，可通过匙孔宽度的方差变化判断焊接过程稳定性；方差是数据中的平均值与每个值的差值的平方总和的平均数，可以体现出数据之间的离散程度；同时若一组数据中仅有少数数据偏离程度大通过方差也可以很好的体现出来，这就可以将其利用起来作为焊接过程中突发的不稳定情况的判别标准；同时通过对图像区域识别，可判断是否有飞溅的产生，并及时记录发生时间，通过焊接工艺参数与时间的结合计算，也可记录飞溅产生位置，并记录保存下来。
[0016]与现有技术想比，本专利技术的有益效果如下：
[0017]第一、本专利技术通过同轴CMOS工业相机(采集图像的光线10与激光同轴)集成的方式
解决了真空环境激光焊接真空仓空间有限，焊接过程中难以监测等难题，使得焊接过程熔池及表面信息实现可视化，其方法简单易于实现，工作稳定可靠，可广泛应用于真空焊接系统中；
[0018]第二、本专利技术基于熔池同轴视觉传感技术，建立一套同轴真空激光焊接过程监测系统，通过分析焊接过程中熔池宽度波动情况判断焊接过程下塌缺陷，并识别飞溅缺陷产生位置。
附图说明
[0019]图1为具体实施方式一的基于同轴监测的真空激光焊接焊缝缺陷识别方法所用的装置的示意图；
[0020]图2为试验一中低通高斯滤波模块处理后的第一照片；
...

【技术保护点】

【技术特征摘要】
1.一种基于同轴监测的真空激光焊接焊缝缺陷识别方法，其特征在于基于同轴监测的真空激光焊接焊缝缺陷识别方法如下：将两个待焊接母材放置在真空仓内，接头形式为对接，启动激光头进行焊接，焊接过程中熔池的动态图像沿着光线传输到相机的镜头中，相机的数据输出端与计算机的输入端连接；所述的熔池的动态图像传输的光线与激光同轴；计算机通过图像采集模块、低通高斯滤波模块和轮廓提取模块将相机拍摄到的熔池图像提取特征信息数值，得到用于缺陷识别的特征信息为熔池宽度、熔池面积、匙孔宽度和匙孔面积，通过前向神经网络对动态焊接过程的缺陷准确识别；通过前向神经网络的判断焊接过程缺陷的方法如下：设置输出节点，根据四种对应的焊接状态，选择使用一个四维向量的形式进行表述，首选确定四种典型焊接状态：稳定、下榻、焊偏和过程不稳定的理想输出量，经过正向的信息传递后，利用梯度下降法求权值变化以及误差的反向传播，且基于Labview软件进行系统的编程，通过Labview自带的数据库中直接调用BP算法函数，将以上四种特征值结合权重和阈值进行BP算法运算后输出实际输出值，并与理想输出值比对；经过BP算法后输出实际输出值，判断准则即将向量中分量最大的那个视为最贴近对应焊接状态的值，焊接状态即该输出量对应的焊接状态；通过选取合适的样本数据实现监测系统的在线识别功能；通过前向神经网络学习模式的方法如下：采集焊接过程中的焊接状态数据；使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小，达到最小后的权值和阈值就可以反过来根据实时采集的数据进行精确判断焊接缺陷。2.根据权利要求1所述的一种基于同轴监测的真空激光焊接焊缝缺陷识别方法，其特征在于所述的两个待焊接母材均为A5083铝合金。3.根据权利要求1所述的一种基于同轴监测的真空激光焊接焊缝缺陷识别方法，其特征在于...

【专利技术属性】
技术研发人员：李俐群，陶汪，宫建锋，孟圣昊，付吉远，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：