论文部分内容阅读
在现代化的发展进程中,各种形式的焊接工艺过程逐渐由手工焊向自动焊的趋势发展,从而对焊接质量的要求逐渐提高。打底焊是焊接过程的第一道焊接工艺,但是目前仍然需要依靠人工进行打底焊接,导致焊接质量无法得到保证,所以研究打底焊的焊接自动化具有重要的意义。在焊接过程中实时有效的监测并快速获取熔透特征信息是实现打底焊接自动化的首要研究方向,由于视觉传感技术能够模拟焊工的观察方法,实时获取丰富的熔池视觉特征信息,并且不会影响焊接工艺过程,因此是实现熔透特征信息提取最广泛的传感技术之一。背面熔宽是表征熔透状态最直接的信息,但是在一些特定的工作环境中,背面熔宽难以进行实时监测。熟练焊工在实际焊接中依据正面熔池形状特征对当前焊缝的熔透状态进行判断,并通过改变焊接参数以实时调整正面熔池形状,从而对焊缝熔透状态进行有效控制。鉴于此,本文在原有实验平台的基础上,建立基于熔化极气体保护焊(Gas Metal Arc Welding—GMAW)双目熔池视觉传感系统,在焊接过程中分别对熔池正面与背面图像进行实时同步采集,研究在GMAW不同焊接条件下正面熔池形状特征与背面熔宽之间的变化规律,建立出基于BP神经网络的熔透预测模型,从而确定熔透特征,为熔透控制的研究提供基础数据。主要研究内容及结果如下:(1)对原有的视觉传感实验平台进行改进,建立GMAW双目视觉传感平台,实现在焊接过程中对熔池正面双目图像以及熔池背面图像进行实时同步采集。(2)利用Halcon软件对正面熔池单目图像进行处理,利用中值滤波、图像增强、二值化处理以及形态学处理等方法,提取出正面熔池边缘轮廓,并计算出熔池二维特征参数。采用同样的方法对背面熔池图像进行处理,提取出背面熔宽。(3)通过双目立体视觉的视差原理对熔池形状进行三维重建,恢复熔池中前部轮廓的三维形状,提取熔池中前部轮廓的三维特征点,计算出熔池三维特征参数。(4)将熔池的二维与三维特征作为正面熔池特征参数。研究在GMAW不同焊接条件下正面熔池特征参数与背面熔宽之间的变化规律。将正面熔池特征参数作为输入因素,背面熔宽作为输出因素,建立BP神经网络的背面熔宽预测模型,并提取出网络的连接权值,利用Garson算法计算出每一个正面熔池特征参数对背面熔宽的影响权重,筛选出与背面熔宽强相关的特征参数,从而确定熔透特征。(5)针对上述研究结果,在不同焊接参数条件下进行了焊接试验验证,将验证试验所得到的背面熔宽实验值与预测值进行对比,验证BP神经网络背面熔宽预测模型的精度。结果表明,模型的相对误差较小,可以有效的预测背面熔宽的大小,从而预测出焊缝的熔透状态。