熔池图像质心算法的焊缝位置测量模型

建立了一种基于熔池图像质心的焊缝位置测量模型,通过视觉传感器获取焊接区熔池图像,选择熔池前端为处理区域,对该区域进行中值滤波与图像灰度变换,并计算该区域的熔池图像质心值及相对应的焊缝偏差。在不同的焊接条件下,获取多组熔池图像及对应的样本数据,应用最小二乘法建立熔池图像质心与焊缝偏差之间的关系,得到基于熔池图像质心的焊缝位置测量数学表达式。在此基础上,通过分析比较各数学表达式之间的关系,建立焊缝位置测量数学模型。计算机仿真及焊接工艺试验结果表明,该模型可有效地检测焊缝位置。

卡尔曼滤波焊缝跟踪控制

在视觉传感的电弧自动焊接过程中,需要根据视觉信息来控制电弧准确地跟踪焊缝.由于强烈的弧光干扰,使得从焊接区图像中直接提取电弧与焊缝的偏差信息十分困难.为此提出一种利用熔池图像质心和卡尔曼滤波来间接获取电弧与焊缝偏差的方法.选择熔池图像质心作为状态向量,建立基于图像质心的状态方程和焊缝位置测量方程.利用卡尔曼滤波消除过程噪声和测量噪声的影响,通过对熔池图像质心的状态估计,准确获取焊缝位置以及电弧与焊缝之间的偏差量,为自动焊接过程的焊缝跟踪控制提供准确信息.焊接试验结果表明,利用卡尔曼滤波方法可有效降低过程噪声和测量噪声的影响,从而提高焊缝跟踪控制精度.

BP神经网络在焊缝位置识别中的应用

研究了一种焊缝位置识别新方法,在一定工艺条件下,使用视觉传感器采集焊接熔池图像,选取图像中熔池前端部分进行处理,先对其进行中值滤波与灰度变换,在此基础上,获取每一幅熔池图像的质心值、质心位移、质心速度及电弧与焊缝的偏差值作为训练样本数据。以质心值、质心位移和质心速度为输入量,以偏差值为输出量,利用BP神经网络建立其数学模型,最后对该模型进行检验。检验结果表明,该模型能够较准确地描述熔池图像质心与焊缝偏差之间的关系,为进一步实现精确的焊缝跟踪提供了理论和试验依据。

电弧焊接焊缝偏差方法研究

焊缝跟踪技术是自动电弧焊接的一个重要研究领域,实现精确的焊缝跟踪对于提高焊接质量具有非常重要的作用。而要实现精确的焊缝跟踪,焊缝偏差(即焊缝中心与电弧的偏差)检测技术是一个关键。通过图像处理技术,选取熔池图像处理区域(包括熔池前端与熔池前端部份焊缝),并将熔池图像质心作为分析焊缝偏差的特性参量,研究利用熔池特性参数来建立焊缝偏差测量视觉模型的方法。

焊缝偏差测量的视觉模型研究

焊缝跟踪技术是自动电弧焊接的一个重要研究领域,实现精确的焊缝跟踪对于提高焊接质量具有非常重要的作用,而要实现精确的焊缝跟踪,焊缝偏差（即焊缝中心与电弧的偏差）检测技术是一个关键。本文不同于传统的通过图像处理技术来直接获取焊缝偏差信息,而是选取熔池图像处理区域（包括了熔池前端与熔池前端部份焊缝）,并将熔池图像质心作为分析焊缝偏差的特性参量,研究利用熔池特性参数来建立焊缝偏差测量视觉模型的新方法,分析比较并抽取熔池图像的三个特性参数（熔池图像质心差值、质心位移、质心移动速度）作为输入变量,研究并应用神经网络建模技术设计用于焊缝位置识别的视觉模型。