自动TIG焊电弧聚集度在线监测及智能预警方法技术

本发明专利技术公开了一种自动TIG焊电弧聚集度在线监测及智能预警方法，首先，建立焊接参数、管道材质和保护气种类与电弧图像曝光度的映射模型，获得清晰的电弧图像；其次，建立焊接参数与边缘检测双阈值的映射模型，准确检测和截取电弧的区域；接着，基于电弧聚集度大小与电流、保护气体流速和电弧长度这三个因素有关，对电弧聚集度进行归一化处理；然后，基于归一化电弧聚集度与标准电弧聚集度比值，建立客观的电弧图像分类标准；最后，建立和训练机器人自动TIG焊的电弧聚集度预测模型，并根据预测模型输出的结果和处理方案，执行不同的预警。本发明专利技术能够实现电弧聚集度在线监测及智能预警，从而提高生产效率以及降低成本。而提高生产效率以及降低成本。而提高生产效率以及降低成本。

【技术实现步骤摘要】
自动TIG焊电弧聚集度在线监测及智能预警方法


[0001]本专利技术属于机器人焊接
，具体是一种应用于机器人自动TIG焊的电弧聚集度在线监测及预警方法。

技术介绍

[0002]实际石化工艺管道TIG焊接过程中，电弧形态对于焊接过程的稳定性和焊接质量有着重要影响。焊接电弧形态代表热流密度分布，而热流密度分布直接影响管道坡口熔透情况以及焊缝成形质量，一般是电弧形态越聚集，热流分布越集中，坡口越容易被熔透。因此，工人一般通过面罩观察电弧形态并凭借经验来判断焊接过程的管道坡口是否被熔透以及管道背部成形质量。然而工人判断准确率波动性较大且无法长时间进行观察，因此存在工作量大且监测质量低下的问题，从而造成材料和人工的浪费以及生产效率的降低。
[0003]针对上述问题，人们一般利用工业相机拍摄熔池图像，并通过卷积神经网络预测模型进行预测，从而实现电弧形态的实时监测。然而实际情况下由于坡口尺寸变化导致焊接参数的改变，从而使得拍摄电弧图像清晰程度存在较大差别，因此卷积神经预测模型对于输入图像难以做出准确识别，导致预测准确率大大降低。同时对于卷积神经网络模型中电弧图像的分类主要依赖于人工经验，并未设立客观的标准，因此会导致图像集之间的区分度较低且混乱，难以训练出高准确率的模型。

技术实现思路

[0004]本专利技术的目的在于提供了一种应用机器人自动TIG焊的电弧聚集度在线监测及智能预警方法，实现焊接过程实时焊缝质量预测，保证焊接的稳定性和焊接质量，其具体技术解决方案如下：
[0005]步骤1：建立自动TIG焊电弧曝光度调节模型以及标准电弧聚集度模型；
[0006]进一步的，自动TIG焊电弧曝光度调节模型包括：
[0007]曝光度调节模型计算公式如下：
[0008][0009]其中，E为曝光度参数值，X
i
和Yi分别为原始和处理之后的RGB值；
[0010]曝光度参数值是以电流值为150A及弧压值为10V的焊接参数下图像曝光参数值作为基准进行调节，具体计算公式如下：
[0011][0012]其中，I为电流值，U为弧压值，α和β为常数，η与材质有关，λ与保护气体种类有关。
[0013]进一步的，标准的电弧聚集度模型包括：采用保护气流速为10L/min、电流值为150A、弧压值为10V的焊接参数下电弧区域的面积以及钨极尺寸计算标准电弧聚集度，具体
公式如下：
[0014][0015]其中，A
G*
为标准电弧形态，d
min
为钨极尖端最小尺寸，D为钨极直径，θ为钨极端部角度，S
*
为电弧区域的面积。
[0016]步骤2：石化管道TIG焊接过程中通过工业相机拍摄焊接图像以及通过焊接参数采集装置实时采集焊接电信号，并每隔1
‑
3s将拍摄的焊接图像传回到计算机中，同时基于自动TIG焊电弧曝光度调节模型进行图像曝光度调整。
[0017]步骤3：将曝光度调节之后的图像进行形态学处理，同时基于双阈值确定模型将形态学处理之后的图像进行边缘检测并截取电弧的区域。
[0018]进一步的，双阈值确定模型包括：
[0019]边缘检测中高阈值和低阈值计算具体公式如下：
[0020][0021]其中，Th为高阈值，Tl为低阈值，a1、a2、b1、b2、c1和c2为常数。
[0022]步骤4：根据电弧区域内像素个数来计算电弧的面积，同时基于电弧聚集度大小与电流、保护气体流速和电弧长度这三个因素有关，对电弧聚集度进行归一化处理。
[0023]进一步的，归一化电弧聚集度计算公式如下：
[0024][0025]其中，δ为归一化的电弧聚集度，S为电弧区域的面积，Q为保护气流速，I电流大小，U为弧压，ε、φ和ρ为常数。
[0026]步骤5：基于归一化电弧聚集度与标准电弧聚集度比值将电弧图像分类，并建立和训练机器人自动TIG焊的电弧聚集度预测模型；
[0027]进一步的，归一化电弧聚集度与标准电弧聚集度比值计算公式如下：
[0028][0029]基于T的大小将电弧图像分类。当T值在1
‑
2之间时，定义电弧聚集度良好；当T值在2
‑
5之间时，定义电弧聚集度一般；当T值在5以上时，定义电弧聚集度不合格。将分类后的电弧图像按照7:2:1比例制作训练集、验证集和测试集。
[0030]进一步的，采用AlexNet卷积神经网络进行钨极烧损状态预测模型的建立，其包含5个卷积层、3个汇聚层和3个全连接层，最后一层使用Softmax函数作为输出层；采用ReLU作为非线性激活数，在全连接层之间采用50%的神经元激活为0的Dropout。
[0031]进一步的，电弧聚集度预测模型的训练是将数据集加载到模型中进行多轮次训练，并将验证准确率最高的模型作为最终的电弧聚集度预测模型，最后将测试集加载到模型内验证模型的预测准确率。
[0032]步骤6：根据电弧聚集度大小制定不同的处理方案；
[0033]进一步的，不同的电弧聚集度制定以下不同的处理方案：
[0034]（1）电弧聚集度良好时，则继续焊接；
[0035]（2）电弧聚集度一般时，则在当前管道焊接完成情况下可停弧更换钨极；
[0036]（3）电弧聚集度不合格时，则立即停止焊接并更换钨极。
[0037]步骤7：根据预测模型输出的结果和处理方案，执行不同的预警。
[0038]进一步的，根据预测模型输出的结果和处理方案，执行以下不同的预警：
[0039]（1）电弧聚集度良好时，计算机界面不出现任何提示；
[0040]（2）电弧聚集度一般时，计算机界面弹出当前管道焊接完成情况下停弧更换钨极的预警提示；
[0041]（3）电弧聚集度不合格时，计算机界面弹出停止焊接并更换钨极的提示并向控制系统反馈，执行停止焊接命令。
[0042]本专利技术与现有技术相比，其显著优点：1）本专利技术能够在线进行电弧聚集度的监测，并实时输出电弧状态，从而能够及时更换钨极，减少生产材料和时间的浪费，极大提高生产效率和焊接质量；2）本专利技术通过对电弧聚集度进行归一化处理以及与标准电弧聚集度进行对比，从而排除干扰因素，实现电弧聚集度准确的判断；3）本专利技术基于归一化电弧聚集度与标准电弧聚集度比值进行图像客观的分类，避免了因人工主观分类图像带来图像集之间交叉混乱的问题，有利于训练出高准确率的预测模型； 4）本专利技术采用曝光度调节模型，能够清晰的提取不同焊接参数下电弧区域的图像，有利于神经网络预测模型识别图像，从而提高预测准确率。
附图说明
[0043]图1是本专利技术自动TIG焊电弧聚集度在线监测及智能预警方法的试验平台。
[0044]图2是本专利技术自动TIG焊电弧聚集度在线监测及智能预警方法流程图。
[0045]图3是本专利技术自动TIG焊电弧聚集度在线监测及智能预警方法中不同焊接参数下的电弧状态。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动TIG焊电弧聚集度在线监测及智能预警方法，其特征在于，包括以下步骤：步骤1：建立自动TIG焊电弧曝光度调节模型以及标准电弧聚集度模型；步骤2：石化管道TIG焊接过程中通过工业相机拍摄焊接图像，并通过焊接参数采集装置实时采集焊接电信号，每隔1
‑
3s将拍摄的焊接图像传回到计算机中，同时基于自动TIG焊电弧曝光度调节模型进行图像曝光度调整；步骤3：将曝光度调节之后的图像进行形态学处理，同时基于双阈值确定模型将形态学处理之后的图像进行边缘检测并截取电弧的区域；步骤4：根据电弧区域内像素个数来计算电弧的面积，同时基于电弧聚集度大小与电流、保护气体流速和电弧长度这三个因素有关，对电弧聚集度进行归一化处理；步骤5：基于归一化电弧聚集度与标准电弧聚集度比值将电弧图像分类，并建立和训练机器人自动TIG焊的电弧聚集度预测模型；步骤6：根据电弧聚集度大小制定不同的处理方案；步骤7：将经过步骤4处理后的图像传输到电弧聚集度预测模型中，根据预测模型输出的结果和处理方案，执行不同的预警。2.根据权利要求1所述的自动TIG焊电弧聚集度在线监测及智能预警方法，其特征在于，步骤1所述的建立自动TIG焊电弧曝光度调节模型包括：曝光度调节模型计算公式如下：，其中，E为曝光度参数值，X
i
和Yi分别为原始和处理之后的RGB值；曝光度参数值是以电流值为150A及弧压值为10V的焊接参数下图像曝光参数值作为基准进行调节，具体计算公式如下：，其中，I为电流值，U为弧压值，α和β为常数，η与材质有关，λ与保护气体种类有关。3.根据权利要求1所述的自动TIG焊电弧聚集度在线监测及智能预警方法，其特征在于，步骤1所述的建立标准电弧聚集度模型包括：采用保护气流速为10L/min、电流值为150A、弧压值为10V的焊接参数下电弧区域的面积以及钨极尺寸计算标准电弧聚集度，具体公式如下：，其中，A
G*
为标准电弧形态，d
min
为钨极尖端最小尺寸，D为钨极直...

【专利技术属性】
技术研发人员：严文荣，徐艳红，张新明，王丹，王绿原，鲍亮亮，樊云博，徐福宝，
申请(专利权)人：中建安装集团有限公司，
类型：发明
国别省市：