基于正面熔池圖像和深度學(xué)習(xí)算法的PAW穿孔-熔透狀態(tài)預(yù)測(cè).pdf

1、穿孔等離子弧焊接(keyhole plasma arc welding，K-PAW)工藝能夠?qū)χ泻癜宀婚_(kāi)坡口、一次焊透，在工業(yè)領(lǐng)域具有應(yīng)用潛力。由于等離子弧作用于熔池形成一個(gè)貫穿工件厚度的小孔，小孔的穩(wěn)定性對(duì)工藝參數(shù)的變化較為敏感。實(shí)時(shí)檢測(cè)穿孔狀態(tài)是對(duì)K-PAW焊接過(guò)程有效控制的先決條件。已有小孔狀態(tài)間接檢測(cè)方法以及從工件背面對(duì)小孔與熔池信息進(jìn)行視覺(jué)檢測(cè)的方法，均存在各自的缺點(diǎn)。
　　本研究采用視覺(jué)傳感方法從工件正面拍攝熔池、等離

2、子弧與小孔入口的圖像，提取出不同工藝條件下的正面熔池與小孔入口的動(dòng)態(tài)變化信息，基于深度學(xué)習(xí)算法，從獲取的正面熔池圖像出發(fā)，預(yù)測(cè)熔池的穿孔狀態(tài)與熔透情況，為等離子弧焊接穿孔狀態(tài)的實(shí)時(shí)預(yù)測(cè)與控制奠定了基礎(chǔ)。
　　構(gòu)建了PAW正面熔池視覺(jué)檢測(cè)系統(tǒng)，設(shè)計(jì)復(fù)合濾光系統(tǒng)以克服強(qiáng)弧光等干擾，沿焊接方向拍攝熔池，獲取了清晰的熔池尾部圖像。對(duì)熔池圖像特點(diǎn)進(jìn)行分析，提出了基于多經(jīng)驗(yàn)參數(shù)約束的邊緣檢測(cè)算法;利用熔池圖像的曲線(xiàn)特點(diǎn)、經(jīng)驗(yàn)圖像邊緣信息、前3

3、幅熔池圖像邊緣信息、弧光最小外接曲線(xiàn)等多種經(jīng)驗(yàn)參數(shù)對(duì)圖像邊緣進(jìn)行約束，搜索獲得熔池邊緣信息。結(jié)果表明，該算法與傳統(tǒng)的搜索方法相比，具有較強(qiáng)的魯棒性和適應(yīng)性。
　　為獲取完整的正面熔池圖像，從工件的側(cè)面（垂直于焊接方向）對(duì)正面熔池進(jìn)行拍攝，設(shè)計(jì)特制的減光片對(duì)不同的熔池區(qū)域進(jìn)行不同的減光，并采用合適的濾波器解決了強(qiáng)弧光干擾、電弧與熔池輻射強(qiáng)度反差大等問(wèn)題，分辨出熔池與電弧邊界，獲得完整的正面熔池圖像。開(kāi)發(fā)經(jīng)驗(yàn)參數(shù)約束的Canny算子對(duì)

4、熔池邊緣進(jìn)行提取。設(shè)定的5個(gè)經(jīng)驗(yàn)參數(shù)約束能夠有效避免噪聲干擾，獲得不同工藝條件下熔池的幾何尺寸。
　　建立雙CCD攝像機(jī)同步檢測(cè)系統(tǒng)，同時(shí)拍攝出正面熔池和小孔入口的圖像，建立圖像配準(zhǔn)公式，將不同角度拍攝的圖像轉(zhuǎn)換到同一個(gè)物理坐標(biāo)系中，使得熔池圖像和小孔入口圖像融為一體。通過(guò)邊緣信息的提取，獲得了實(shí)際的熔池與小孔入口尺寸。在焊接工藝參數(shù)變化時(shí)，小孔入口的尺寸變化幅度明顯大于正面熔池。
　　基于正面熔池檢測(cè)與背面小孔檢測(cè)CCD，

5、構(gòu)成同步檢測(cè)系統(tǒng)，獲得了對(duì)正面熔池與背面小孔出口的清晰圖像。設(shè)計(jì)恒流焊接試驗(yàn)與受控脈沖焊接試驗(yàn)，對(duì)不同焊接條件下的電弧、熔池和小孔關(guān)系進(jìn)行分析，發(fā)現(xiàn)熔池中包含的特征信息與小孔狀態(tài)聯(lián)系密切，在穿孔狀態(tài)、小孔閉合狀態(tài)、小孔形成與長(zhǎng)大的過(guò)程中，熔池中反射電弧表現(xiàn)出不同的形態(tài)，可以與熔池特征信息一起作為判斷小孔是否穿透的依據(jù)。
　　由于正面熔池的特征信息與穿孔/熔透情況之間存在復(fù)雜的非線(xiàn)性關(guān)系，其關(guān)鍵特征的提取是進(jìn)行穿孔狀態(tài)預(yù)測(cè)的先決條件

6、。采用深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)方法，自動(dòng)提取熔池圖像中的特征信息;直接使用熔池圖像作為模型的輸入，進(jìn)行充分訓(xùn)練之后進(jìn)行穿孔狀態(tài)及熔透的預(yù)測(cè)。
　　通過(guò)工藝實(shí)驗(yàn)建立訓(xùn)練數(shù)據(jù)庫(kù)，獲得約12000幅正面熔池和背面小孔圖像的數(shù)據(jù)對(duì)，其中訓(xùn)練數(shù)據(jù)約10000條，驗(yàn)證數(shù)據(jù)約1000條，測(cè)試數(shù)據(jù)約1000條。建立包括5層卷積，3層全連接的卷積神經(jīng)網(wǎng)絡(luò)模型，對(duì)模型參數(shù)和分類(lèi)方法進(jìn)行微調(diào)，利用等離子弧焊接正面熔池和穿孔圖像目標(biāo)訓(xùn)練集和反向傳播對(duì)其進(jìn)行繼