论文部分内容阅读
TC4钛合金具有低质高强、比刚度高、耐蚀性好等优点,被广泛地应用在航空航天、汽车制造等领域。光纤激光焊接具有焊接速度快,熔深大,焊接变形小,能在室温或特殊条件下进行焊接,焊接设备简单等优势,在许多制造领域得到了广泛的应用。本文以T型接头激光非熔透深熔焊接为背景,以预测焊缝截面尺寸为目标,结合图像处理技术提取熔池几何特征量,利用神经网络建模的方法建立熔池几何特征量与熔深和结合面焊缝宽度之间的关系,进一步根据熔池几何特征量预测焊缝截面成形。首先,本文为了实现T型接头非熔透深熔焊接的质量监测,搭建了光纤激光焊接质量监测系统,选取了合适的滤光片和辅助光源,并通过调整拍摄装置的位姿得到最佳的熔池正面图像。针对熔池正面图像的特点,设计了一套图像处理算法,包括灰度处理、分段线性拉伸变换、形态学运算及保留最大联通区域等,用于提取熔池和匙孔的轮廓,进一步可以提取出熔池几何特征量。其次,建立激光功率、焊接速度和离焦量与熔池几何特征量的关系,然后进一步建立熔池几何特征量与焊缝熔深及结合面焊缝宽度之间的关系,采用传统的二次非线性回归方程分别建立了焊缝熔深和结合面焊缝宽度与焊接工艺参数之间的二次回归方程,并对方程进行了回归分析、方差分析,验证了回归方程具有很高的显著性,能够用于焊缝截面尺寸的预测和指导焊接工艺参数的选择。再次,针对工程中最常见的对接接头,利用搭建的同轴监测平台来获取熔池正面图像,并提取熔池长度L和熔池宽度W,利用熔池长宽比L/W的值实现焊接熔透状态的监测。在熔透的前提下,利用回归模型建立工艺参数与1/2板厚处焊缝宽度和焊缝背面宽度之间的关系,为精确控制对接接头焊缝截面尺寸打下了基础。最后,以熔池长度、熔池宽度、匙孔直径和熔池拖尾角度等熔池几何特征量为输入变量,以焊缝熔深和结合面焊缝宽度为输出变量,考虑到激光焊接过程输入变量与输出变量的高度耦合性,采用BP神经网络建立神经网络预测模型。并利用遗传算法的全局搜索特性优化BP神经神经网络的权值和阈值。试验结果表明,遗传神经网络可有效提高熔深和结合面焊缝宽度的预测精准度。然后,将建立好的遗传神经网络应用在对接接头1/2板厚处焊缝宽度和焊缝背面熔宽的预测上,发现该神经网络具有良好的预测精准性和普适性。