一种复合焊接搭接焊缝熔深控制方法及设备技术

本发明专利技术公开了一种复合焊接搭接焊缝熔深控制方法及设备，属于焊接技术领域，解决了激光

【技术实现步骤摘要】
一种复合焊接搭接焊缝熔深控制方法及设备


[0001]本专利技术涉及焊接
，具体涉及一种复合焊接搭接焊缝熔深控制方法及设备。

技术介绍

[0002]由于激光与电弧的协同效应，激光
‑
电弧复合焊接充分利用两种热源的优势，能够显著提高电弧稳定性以及激光能量的吸收效率，降低工装装配精度要求，在有色金属及中厚板件的焊接领域具有广阔应用前景。
[0003]搭接焊缝是机械制造领域的一种典型焊缝形式，其特点是被连接件在接头处部分重叠，背部结构不要求完全熔透。由于搭接结构的焊缝熔深难以直接观测，无法获得实时的熔深数值，使焊缝熔深的在线控制难以实现。特别是焊接路径上板厚连续变化时，搭接结构对焊缝熔深的需求也在不断变化。因此，必须采取相关的解决措施以突破搭接结构激光
‑
电弧复合焊接焊缝熔深稳定性控制难题。
[0004]目前，解决焊缝熔深控制难题的方法主要有两种：(1)在已知焊缝熔深需求情况下，根据焊缝熔深与热输入参量关系，人为对热源功率或焊接速度进行控制，但是这种方法很难大规模应用在焊接生产线上，且可靠性较低；(2)构建热源参数与焊缝熔深之间的回归模型，根据不同的焊缝深度需求变化规律，借助回归模型计算最佳的热源加工参数。中国专利技术专利申请号为201710798902.8的“变厚截面板激光焊接的熔深预测与控制方法及系统”提出建立激光功率与板厚的完全二次多项式回归模型，将不同位置处的板厚度值输入建立的回归模型中计算最佳激光功率。但是这种方法考虑的因素较少，建立回归模型的方法只能应用于特定的焊接条件。因此，需要寻求其他方法来实现焊缝熔深的精确控制。

技术实现思路

[0005]针对现有技术中存在的问题，本专利技术提供一种复合焊接搭接焊缝熔深控制方法，其目的在于：解决激光
‑
电弧复合焊接过程搭接焊缝熔深在线控制问题。
[0006]本专利技术采用的技术方案如下：
[0007]一种复合焊接搭接焊缝熔深控制方法，包括如下步骤：
[0008]S1、调整激光
‑
电弧复合焊枪姿态，使电弧焊枪与基板夹角为θ1，焊丝干伸长为d1，焊丝端部与基板上激光束焦点的距离为d2，激光束与电弧焊枪的夹角为θ2，CCD相机的倾斜角度为θ3，CCD相机镜头与熔池距离为d3；
[0009]S2、在送丝速度为V0，焊接速度为V1的条件下开始焊接，令激光功率P从0开始逐渐增加，直至搭接焊缝完全熔透，记录此时最大激光功率P
max
，沿着焊接方向将焊缝切开，观察上搭接板开始熔透位置，并记录此处的激光功率值P
min
。在[P
min
，P
max
]区间内任意选取激光功率P0为基础工作点；
[0010]S3、在S2的焊接参数条件下开始焊接，设定激光功率P0由P
min
逐渐增加到P
max
，并打开CCD相机实时采集熔池正面图像，CCD相机采集帧率为f，将焊缝沿着焊接方向切开，从焊
接起点位置处每隔2mm的距离测量焊缝熔深值d，并使用线性插值法计算每帧熔池正面图像对应的焊缝位置处的d值，使用d值对熔池正面图像进行标签，获得数据集；
[0011]S4、搭建深度学习模型，以数据集中的熔池正面图像作为输入，d值作为输出对深度学习模型进行训练，并通过调整深度学习模型的超参数进行模型优化，将优化完成的深度学习模型进行保存及在线调用；
[0012]S5、在S2的焊接参数条件下开始焊接，开启CCD相机实时采集熔池正面图像，将熔池正面图像进行感兴趣区域(ROI)剪裁，将ROI图像输入深度学习模型获得当前的d
p
值，当焊接t时刻后开启激光
‑
电弧复合焊接控制设备，其中t设定为0.5
‑
1s,闭环控制器根据熔深预测值d
p
与熔深设定值ds的偏差值e(t)的正负和大小，同时根据焊缝熔深偏差的变化趋势Δe(t)＝e(t)
‑
e(t
‑
1)进行反馈控制，输出调节信号至激光器改变激光功率P，其中e(t
‑
1)为前一控制时刻的焊缝熔深偏差，焊接完成后，关闭激光
‑
电弧复合热源焊接设备，实现对搭接结构焊缝熔深的在线控制。
[0013]优选的，所述S1中的夹角θ1的取值范围为60
°‑
80
°
，d1的取值范围为10
‑
16mm，θ2的取值范围为70
°‑
85
°
，θ3的取值范围为45
°‑
70
°
，d2的取值范围为2
‑
4mm，d3的取值范围为130
‑
180mm。
[0014]优选的，所述S3中的熔池正面图像对应焊缝位置的焊缝熔深d值使用线性插值法计算：d＝d
A
+x
×
(d
B
–
d
A
)/2，其中d
A
和d
B
为两相邻点P1及P2位置分别对应的焊缝熔深，x为当前计算帧位置与P1点位置的距离，其中x计算方法为：x＝k
×
1/f
×
V1，其中k为从P1位置到当前计算帧位置经历过的帧数。所述的数据集按照β:(1
‑
β)的比例随机划分为训练集和测试集。
[0015]进一步地，所述参数β的取值范围为0.7
‑
0.85。
[0016]优选的，所述S4的深度学习模型包含1个输入层，n个卷积层，n个池化层，m个全连接层和1个Linear回归层的卷积神经网络。
[0017]优选的，所述对所述S4中的深度学习模型调优，使用均方根损失函数评判真实值与预测值的偏差，使用梯度动量下降优化器更新模型权重系数，使用测试集对训练后的深度学习模型进行精度测试；所述可调整的超参数包括学习率、隐藏层数、激活函数、神经元数量。
[0018]进一步地，所述S4中的参数f的取值范围为20Hz
‑
50Hz。
[0019]进一步地，所述S4中的参数n的取值范围为3
‑
7，n为整数，参数m的取值范围为1
‑
4，m为整数。
[0020]优选的，所述S5中的CCD相机采集熔池正面图像ROI剪裁后的分辨率为750像素
×
300像素。
[0021]一种复合焊接搭接焊缝熔深控制设备，包括：基板、电弧电源、电弧焊枪、激光器、控制终端、CCD相机、控制箱、激光焊炬；其中，电弧电源负极与基板连接、正极与电弧焊枪连接，CCD相机通过USB数据接口连接至控制终端，CCD相机，电弧焊枪和激光焊炬通过夹具连接，激光器和控制箱通过数据采集卡连接至控制终端；CCD相机实时采集熔池正面图象，控制终端将熔池正面图像通过ROI剪裁输入深度学习模型进行焊本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复合焊接搭接焊缝熔深控制方法，其特征在于，包括如下步骤：S1、调整激光
‑
电弧复合焊枪姿态，使电弧焊枪与基板夹角为θ1，焊丝干伸长为d1，焊丝端部与基板上激光束焦点的距离为d2，激光束与电弧焊枪的夹角为θ2，CCD相机的倾斜角度为θ3，CCD相机镜头与熔池距离为d3；S2、在送丝速度为V0，焊接速度为V1的条件下开始焊接，令激光功率P从0开始逐渐增加，直至搭接焊缝完全熔透，记录此时最大激光功率P
max
，沿着焊接方向将焊缝切开，观察上搭接板开始熔透位置，并记录此处的激光功率值P
min
。在[P
min
，P
max
]区间内任意选取激光功率P0为基础工作点；S3、在S2的焊接参数条件下开始焊接，设定激光功率P0由P
min
逐渐增加到P
max
，并打开CCD相机实时采集熔池正面图像，CCD相机采集帧率为f，将焊缝沿着焊接方向切开，从焊接起点位置处间隔测量焊缝熔深值d，并使用线性插值法计算每帧熔池正面图像对应的焊缝位置处的d值，使用d值对熔池正面图像进行标签，获得数据集；S4、搭建深度学习模型，以数据集中的熔池正面图像作为输入，d值作为输出对深度学习模型进行训练，并通过调整深度学习模型的超参数进行模型优化，将优化完成的深度学习模型进行保存及在线调用；S5、在S2的焊接参数条件下开始焊接，开启CCD相机实时采集熔池正面图像，将熔池正面图像进行感兴趣区域(ROI)剪裁，将ROI图像输入深度学习模型获得当前的d
p
值，当焊接t时刻后开启激光
‑
电弧复合焊接控制设备，其中t设定为0.5
‑
1s,闭环控制器根据熔深预测值d
p
与熔深设定值ds的偏差值e(t)的正负和大小，同时根据焊缝熔深偏差的变化趋势Δe(t)＝e(t)
‑
e(t
‑
1)进行反馈控制，输出调节信号至激光器改变激光功率P，其中e(t
‑
1)为前一控制时刻的焊缝熔深偏差，焊接完成后，关闭激光
‑
电弧复合热源焊接设备，实现对搭接结构焊缝熔深的在线控制。2.根据权利要求1所述的一种复合焊接搭接焊缝熔深控制方法，其特征在于，所述S1中的夹角θ1的取值范围为60
°‑
80
°
，d1的取值范围为10
‑
16mm，θ2的取值范围为70
°‑
85
°
，θ3的取值范围为45
°‑
70
°
，d2的取值范围为2
‑
4mm，d3的取值范围为130
‑
180mm。3.根据权利要求1所述的一种复合焊接搭接焊缝熔...

【专利技术属性】
技术研发人员：熊俊，蔡玉华，陈辉，李超男，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：