航天印制电路板汽相回流焊工艺的传热机理与等效建模仿真研究

针对航天领域中电子器件与电路板集成使用的汽相回流焊工艺进行数值模拟研究,对揭示汽相回流炉内的流体状态、明确传热机理、优化焊接参数以及揭示焊接电路板的温度分布具有极其重要的意义.提出一种针对汽相回流焊工艺过程仿真的数值模拟方法,建立汽相回流炉的整体模型,分析了回流炉中流体的运动状态以及与电路板之间的传热机理.随后建立单层蒸汽层的等效仿真模型,将温度计算结果作为其边界条件,通过设置压强差控制温升速率,对带有电路板的等效模型进行计算,预测焊接电路板的温度变化.将设计试验与仿真进行对比,结果表明,等效模型对电路板的温度分布模拟是准确的,对优化参数具有重要意义.

基于光谱诊断的窄间隙激光填丝焊气孔缺陷检测研究

窄间隙激光焊作为核电领域大型厚壁构件的先进连接工艺,具有热输入小、焊接效率高、接头质量高等优点。然而,受现场复杂施焊环境影响,焊缝内部易因污染物清理不尽而产生气孔缺陷。传统的焊后无损检测费时耗力,且检测结果受零部件尺寸结构制约及检测人员主观判断影响,因此亟待发展气孔缺陷在线检测技术。本文设计研制了基于发射光谱的窄间隙激光焊质量检测系统,探究工艺参数及水、油等污染物对气孔缺陷的影响规律,分析水对激光致等离子体电子温度、光谱强度的作用机制,开发因污染物导致的气孔缺陷在线预警软件系统。结果表明,窄间隙激光焊时由于受工件侧壁拘束使得等离子体密度高,对激光反射、散射作用强,测得光谱强度值较弱。窄间隙填丝焊时由于激光能量存在损耗、不能完全被母材和丝材吸收,其测得的光谱强度小于窄间隙自熔焊。采用Boltzmann作图法求得窄间隙激光填丝焊光致等离子体电子温度为7201.1 K,电子密度为5.2797×10^(15)cm^(-3),均小于窄间隙激光自熔焊时的热力学状态参数。在本文的6组自熔焊工艺参数范围内,X射线探伤未检测到密集气孔缺陷。当母材表面有水时,焊缝表面有气孔产生,通过X射线探伤观察到焊缝中有大量密集气孔存在。与正常工艺下获得的光谱数据相比,光谱仪全波段上的相对光强均降低,电子温度也下降至6900~7200 K范围内动态波动,但电子密度会增大。采用神经网络模型对主成分分析降维后的光谱数据进行训练,可对窄间隙激光填丝焊时因水、油等污染物导致的气孔缺陷进行高准确率的预测。开发的气孔检测系统可对因污染物导致的气孔缺陷进行有效识别,准确率达90%,响应时间在0.1 s内。

基于线激光传感器的机器人快速手眼标定方法和自动化程序

线激光传感器用于焊接机器人视觉引导时,易出现前期手眼标定较为繁琐、人为误差较大、后期难以复用和自动重标定等问题,提出了一种基于标准球的机器人快速手眼标定方法和通用性自动标定程序。该方法利用线激光传感器扫描标准球,通过球心拟合算法获取球心位置,并结合机器人位姿信息,建立传感器坐标系与机器人坐标系之间的转换关系。自动标定程序支持多种品牌机器人、线激光传感器和通讯协议,并采用PCL点云库和MathNET数值计算库进行计算,实现了标定过程的自动化和通用性。试验结果表明,该方法只需机器人粗略示教5个程序点,即可在2 min内自动扫描并获得标定结果,标定精度优于0.5 mm,满足机器人弧焊应用要求。此外,该程序易于复用,可简化机器人搭载线激光3D视觉系统的前期调试和后期运维工作,有效解决了传统手眼标定方法的不足,为线激光传感器在机器人视觉引导中的应用提供了便利。未来,将从减小球心拟合误差、优化扫描位置姿态等方面对标定方法进行进一步优化,并拓展其在高能束精密焊接等领域的应用。

基于关键点检测方法的焊缝识别

为保证自动焊接的质量,提高焊缝识别的准确性和适应性,提出一种焊缝特征提取的关键点检测方法.基于卷积神经网络设计了焊缝特征提取网络,该网络通过卷积、池化操作提取焊缝特征.将来自深层的特征图进行上采样,最后将深层特征图和浅层特征图相融合,提高焊缝特征提取精度.输出焊缝图像的热力图来预测焊缝特征点位置,实现多种坡口焊缝的识别定位,且不需要非极大值抑制算法,提升了特征提取速度.采集不同的焊缝特征图像,进行网络模型训练.结果表明,焊缝特征点定位均方根误差为0.187 mm,网络模型在焊缝特征点识别任务中检测精度较高,而且适应性和泛化性较强,满足自动焊接的要求.

面向工程现场维修的焊接机器人数字孪生技术

核电、盾构、船舶与海洋工程等行业的工程现场环境具有工况复杂、非结构化、条件严酷的特点,对于采用机器人替代人工进行焊接作业具有迫切需求.为了解决复杂环境焊接作业问题,在突破网络通信、三维建模、位姿更新、碰撞检测、数据采集、人机交互等关键技术的基础上,采用数字孪生方式搭建了焊接机器人遥操作试验平台,建立了控制虚拟机器人的上位机与控制实体机器人的下位机之间实时可靠的双向数据通道,实现了虚拟机器人与实体机器人位姿的精确同步控制;同时,以盾构机刀盘现场维修为潜在应用场景,针对Q345钢板材料进行了2G和3G位置的机器人遥操作MIG焊试验,并最终获得了外观良好的焊接焊缝.结果表明,机器人数字孪生与遥操作技术在解决复杂工况条件下的高质量焊接方面具有一定优势,在核电、盾构、船舶与海洋工程维修领域具有广阔应用前景.

非理想相贯焊缝自动化焊接的运动控制研究

为了实现对加工装配存在误差的大构件相贯焊缝的多层多道自动化焊接,在介绍四轴联动焊接机器人结构及工作原理的基础上,建立了集斜交、偏置的通用相贯焊缝数学模型,提出一种连续控制焊枪位置参数及姿态调整值的计算方法,利用关键点示教+分段空间圆弧插补确定焊枪位置,主法面二分角法给出焊枪姿态,最后采用PC机+运动控制卡的方式构成伺服控制系统,驱动电机执行运动控制算法。该运动控制算法通用性较强,对管管焊缝工程化应用具有重要的参考价值。

基于视觉传感的薄板对接焊缝检测方法研究

为了实现薄板自动对接焊过程中焊缝中心的准确检测,提出了基于主动视觉传感的薄板对接焊缝检测方法。通过对工业相机采集的图像进行颜色分割与亮度分割,消除环境光的干扰;利用轮廓检测与掩模操作消除图像噪声,应用灰度重心法提取激光条纹的中心线,并通过一阶差分方法实现焊缝左右边界及中心的检测。针对激光条纹存在的分断缺陷进行续断连接,以提高焊缝中心检测的准确性。实验结果表明,采用所提方法能够准确检测焊缝边界及中心位置,能够满足薄板对接焊缝的自动焊接需求。

基于电弧声信号的窄间隙脉冲熔化极气体保护焊侧壁熔合状态在线识别

为在焊接过程中实时了解焊缝内部的焊接状况,构建了电弧声信号实时采集系统。在焊枪摆动中心处于不同位置的情况下,进行了电弧声信号特征与侧壁熔合状态的相关性分析。分别从时域与频域中提取了与侧壁熔合状态相关性较强的电弧声特征。为进一步提高熔合状态预测的有效性,采用电弧声特征参量构建了支持向量回归的侧壁熔合状态识别模型。为减小不良特征对识别模型的影响,显著提高模型的识别精度,采用遗传算法进行了参数寻优。参数寻优后模型的总体识别率达93.33%,实现了窄间隙侧壁熔合状态的有效识别。

基于视觉注意VGGNet的中厚板低碳钢多层多道熔池分类模型

重大装备制造中厚板机器人多层多道焊(multi-layer and multi-pass welding,MLMPW)一直是热点和难点,而实现机器人MLMPW的核心是对其熔池的获取、监控并分类.为了提高MLMPW的自动化和智能化,有必要开发一个熔池图像在线分类系统.针对焊接过程中的熔池图像提出了一种新的MLMPW熔池分类方法——基于视觉注意的(SENet)VGGNet熔池分类方法.为了提高效率和精度,引入迁移学习中的预训练模型到网络训练过程中.因为针对中厚板多层多道熔池研究较少,导致熔池公开数据集较少,为了应对这一问题,需要对数据集进行增广.结果表明,提出的模型可快速有效的对七类MLMPW熔池进行准确分类,预测精度可达到98.39%.

焊接机器人视觉感知及智能化焊接关键技术研究进展

智能化焊接在推进“工业强基”工程、支撑国家建设及国防安全中起到重要作用,从重大装备到精细结构,焊接都是不可或缺的关键技术,而机器人作为智能化焊接的重要载体,推动“以机器代替人,以机器解放人”的过程中将发挥重要作用.文中从焊接制造全流程的场景建模、焊接过程形性原位感知、自适应调控、工艺知识构建等关键技术出发,重点阐述了焊接机器人的“免示教”编程环境感知、点云配准、焊缝轨迹规划和焊道自适应编排等共性技术的研究现状,以智能化焊接制造过程多源信息监测及控制系统为例,提出了基于IIOT-MAS(industrial internet of things-multi-agent system)焊接制造系统分层结构模型,介绍了焊接多模态信息感知、融合及工艺知识建模等共性科学问题,并介绍了工程机械部件焊接现场感知数据在线学习和模型-数据双驱动的焊接质量评价模型典型案例,探讨了机器人焊接智能化的发展趋势和所面临的挑战.

图像自动增强与注意力机制深度学习的MIG焊缝跟踪系统

针对常规MIG焊难以根据组对偏差及热积累变形实时调整焊接位置的难题,提出并建立了被动视觉MIG焊缝跟踪试验系统,通过图像空间域滤波及自动增强算法,采用添加注意力机制的YOLO v7深度学习模型,在感兴区内对坡口的对中位置、电弧位置进行实时提取与分析;并采用模糊控制算法对预设偏差时的MIG焊过程进行实时控制.结果表明,采用图像自动增强算法完成了对图像的预处理,边缘位置的像素灰度值由40增大到110左右,显著提高了边缘位置信息提取的精度;基于YOLO v7网络结构添加注意力机制模块,提升目标检测效率,整体平均精度值mAP指标达到99.27%;预设偏差试验表明,对中偏差检测像素误差在8个像素以内,对中偏差距离控制在±0.5 mm之间.

P-GMAW起弧过程特征分析及稳定性判别方法

脉冲熔化极气体保护焊(pulsed gas metal arc welding,P-GMAW)起弧过程易产生不稳定现象,会严重影响电弧传感焊缝跟踪精度.针对这一问题,对摆动电弧窄间隙P-GMAW不稳定起弧过程的成因进行了研究,发现送丝速度对起弧过程稳定性具有重要影响.通过对电弧图像与电信号特征进行对比分析,提取了表征电弧稳定性的电信号特征变量;为减小变量冗余性和过拟合,采用最大似然估计法筛选并提取了8个变量,并通过主成分分析法(principal component analysis,PCA)对变量进行融合,提取了方差贡献率最高的前两个主成分;根据因子载荷发现,相比熔滴过渡阶段和基值阶段,脉冲峰值阶段是电弧更易发生不稳定现象的阶段.结合提取的主成分变量与二分类Logistic回归模型建立了起弧过程电弧稳定性判别模型.通过受试者工作特征(receiver operating characteristic,ROC)曲线得到了模型的最佳阈值.结果表明,该模型对脉冲稳定性判别准确率达到了80%以上,表明模型具有良好的判别性能.该模型对提高窄间隙高低跟踪精度、保证焊接质量具有一定应用价值.

基于电流多特征融合的窄间隙P-GMAW摆动电弧传感焊缝跟踪方法

电弧传感是实现窄间隙焊接焊缝跟踪的主要方式之一。针对电弧传感稳定性差、可靠性低的问题,提出融合摆动周期内电流信息的多个统计学特征进行偏差提取的方法,克服单一数据特征容易受到电弧稳定性影响、导致传感精度下降的问题。首先,提取电流信号的多个时域特征,计算特征矩阵与偏差矢量相关性;然后,取相关性高的特征用主成分分析的方法进行融合,取前两个主成分作为观测数据;最后,基于多分类的支持向量机模型对其进行分类试验。试验结果表明最大误差为0.2 mm,0.1 mm以内的误差占93.75%。该方法对比传统方法精度有所提升,对比神经网络方法,所用训练样本少,训练过程更加简单。

焊接熔池图像采集及边缘几何形态研究

基于MAG焊电弧光谱特点,用视觉传感配合CCD相机和滤波减光系统,采集MAG焊熔池图像;通过同步对比试验,研究熔池图像圆形度与边缘形态关系。结果表明:正常工艺时,熔池边缘较规则、光滑,熔池图像圆形度介于0.56~0.65;焊接电流过大或保护气体不足时,熔池图像圆形度比正常值小,图像边缘凹凸不平。熔池图像圆形度越小,意味着熔池边缘更不规则或锯齿状,通过圆形度数值大小可预判熔池边缘信息,为焊接过程的控制和焊接质量的评估提供思路。

摩擦驱动焊接小车牵引力和通过性分析

针对焊接小车对变曲率半径工件适应性差的问题,进行了理论研究,改进焊接小车的驱动系统,建立了焊接小车在斜坡工况下的力学模型,分析了焊接小车运动过程中的牵引力变化规律,为焊接小车设计提供了理论支持。在此基础上,研究了焊接小车在外圆曲面和内圆曲面工况下的通过性,并计算出了2种特殊工况下特定结构和尺寸的焊接小车可以通过的最小曲率半径。基于上述分析结果设计出了一款基于摩擦传动的焊接小车,并进行了仿真验证,结果表明该焊接小车在变曲率半径轨道上具有良好的通过性,可以为焊接小车的设计提供技术保障。

改进的U-Net算法在管道内焊缝缺陷图像分割中的应用

【目的】图像处理技术在管道焊缝识别系统中的应用已经成为了机器视觉在焊缝检测中主要应用方向。对焊缝表面缺陷进行识别是应用的关键技术。为了提高焊缝表面缺陷识别效果,需要对焊缝图像进行有效分割。针对管道内焊缝边界区域可能出现的模糊不清,导致分割结果不准确的现象,需要采取相应的技术有段进行改善。【方法】针对管道内焊缝缺陷图像分割问题,提出一种改进的U-Net图像分割方法。以管道内焊缝图像为研究对象,采用改进型U-Net网络对管道内焊缝缺陷图像进行识别和分割,经过网络训练和模型测试后,将分割结果与原U-Net网络、FCN网络进行对比。【结果】结果表明,在改进型U-Net网络对管道内焊缝缺陷图像的分割中,相似性系数(Dice)、平均交并比(mIoU)两项评价指标分别达到0.8420和0.8514,相较于FCN网络分别提升13.44%和8.68%,相较于原U-Net网络分别提升6.51%和3.31%。【结论】因此,该文提出的改进后的U-Net网络对管道内焊缝缺陷的识别和分割具有更好的效果,也为研究管道焊缝缺陷识别系统提供可靠基础,减少人工检测的成本和时间。

焊接机器人在矿用汽车车身焊接中的应用

矿用车车架属于尺寸较大的结构件,由于其在整车中的关键地位,决定了它的质量必须得以保证。为了提升矿用车车架焊接效率,稳定焊接质量,提高焊接一次合格率,在中厚板机器人焊接工艺方面,通过总方案论证、焊接机器人可达性模拟、焊接工艺参数调试及车架预处理方案的合理制订,矿用车车架机器人焊接得以成功实施,随着弧焊机器人焊接技术的普及应用,使得此类大型结构件的制造产生了巨大的质量和效益提升。文中以矿用车车架焊接机器人焊接工艺分析应用为例,阐述机器人智能化焊接技术对提高矿用车车架焊接效率、改善焊接质量的意义。

基于改进SIFT算法的超声图像拼接方法

针对大型结构超声C扫描获得的多幅子图像,为了获取被测结构的全景图像,研究图像的拼接方法.根据超声波法成像检测的动态过程并结合数字化图像处理技术,在传统的基于尺度不变特征变换(scale invariant feature transform,SIFT)算法基础上,提出了一种改进的超声C扫描检测图像拼接方法.首先,针对传统SIFT算法存在超声图像配准成功率低的问题,利用超声扫查过程中探头起始位置的矢量差对SIFT算法得到的特征点粗匹配结果进行筛选;其次,采用动态规划的方法寻找最佳缝合路径;最后,沿最佳缝合路径进行渐入渐出融合以改善融合区域的视觉效果.人工缺陷试块及焊接结构试件超声图像的拼接结果表明,基于改进的SIFT图像拼接算法可以将多幅超声C扫描子图像有效拼接为全景图像;所提方法特征点匹配准确率高、图像融合失真小,优于常规SIFT图像拼接算法;拼接图像中,目标位置关系对应良好,可实现结构加工质量的整体无损评价.

基于计算机视觉的锂电池连接片焊接检测系统

为了满足锂电池生产企业对锂电池连接片的焊接质量进行自动化检测的需求,设计了一种基于计算机视觉的锂电池连接片焊接质量检测系统.针对正、负电极材料的光学特性和检测精度要求,设计了两套光学系统分别实现锂电池正、负电极的成像,提出了多重自适应模板匹配算法提取正、负电极焊缝区域,采用自适应阈值分割法对焊缝区域实现灰度化操作,使用灰度形态学运算弱化灰度图的噪点突出焊盘特征点,利用轮廓提取算法实现焊盘特征点的提取,依据特征点数量实现极耳裁切缺陷的检测,将U^(2)-Net语义分割模型引入焊接质量检测任务,采集正、负电极焊缝和烧穿、虚焊、焊接氧化缺陷数据集,利用数据增强技术扩充数据集,解决焊接缺陷的小样本和小目标问题,融合应用U^(2)-Net语义分割模型和轮廓提取算法实现焊缝尺寸测量以及虚焊等缺陷的检测.系统试运行结果表明,缺陷检出率为99.98%,误检率仅为0.06%,满足企业的实际需求,实现了快速、无接触且准确的自动化检测.

中厚板多层多道焊视觉测量与工艺规划

针对中厚板多层多道焊的焊道测量问题,提出利用焊缝检测和焊道尺寸视觉测量的信息融合自适应微调焊枪位置的方法。首先基于结构光视觉传感器系统采集焊缝图像,在典型图像处理算法的基础上,结合FROSAC提取算法提取焊缝特征信息;将提取到的特征点进行坐标转换,采用视觉测量获得焊道轮廓和尺寸信息,来修正机器人的运动路径;根据焊缝特征信息分析工艺参数对焊道成型的影响,确定焊道层数、各焊道的工艺参数以及焊枪的偏移量,完成多层多道焊接工艺规划;最后基于搭建的机器人焊接视觉系统在12 mm母材上进行V形坡口多层多道焊接试验。结果表明:该方法下坡口填充良好,焊道尺寸平均测量误差小于0.2 mm,满足多层多道焊接工业应用需求。