激光焊接熔透过程同轴光信号检测

高功率激光焊接过程中 ,熔透是保证焊缝质量的前提。实现焊接熔透控制首先要提取出焊接熔透过程中的特征信号。本文针对激光焊接过程中的等离子体光信号检测 ,设计了同轴光信号检测传感器。在平板、斜板以及阶梯板焊接实验中 ,得出了不同熔透状态下 。

基于焊缝熔透检测的机器人深熔K-TIG焊接系统

开发了一套基于熔透检测的机器人深熔锁孔非熔化极惰性气体保护焊接(Keyhole tungsten inert gas, K-TIG)系统,实现焊接高度(Contact tip-to-work distance, CTWD)自动调节与熔透状态的在线检测。利用电弧电压与焊接高度的对应关系,通过弧压传感器实时采集电弧电压信号并换算成焊接高度值,然后将实际高度值与预设高度值之间的差值经由过程控制对象连接与嵌入协议(OLE for process control, OPC)通信系统反馈给机器人控制系统,从而控制机器人实现焊接高度的自动调节。同时,构建了熔透检测系统,使用电荷耦合器件(Charge coupled device, CCD)相机采集熔池与小孔图像,从中提取熔池-小孔特征,并建立熔池-小孔特征与熔透状态之间的相关性,在此基础上建立识别熔透状态的反向传播(Back propagation, BP)神经网络,实现不同焊接高度下熔透状态的间接检测,最后根据该检测结果得到最佳的焊接高度。经过试验验证,整个系统可靠稳定,能准确检测焊缝的熔透程度,并实现焊接高度自动调节,从而提高了焊接质量。

直流TIG焊熔透状态激光光电法实时检测

针对目前熔透检测方法存在的信噪比低、实时性差等缺点,提出了一种激光光电法可通过提取熔池表面特征参数实现直流TIG焊定点及连续焊接条件下熔透状态实时检测.介绍了该方法的原理,构建了直流TIG焊光电法电压信号检测及背面熔透同步摄像采集试验平台.采集了定点及连续焊接条件下电压信号与同步摄像图像,对比分析了电压信号与熔透状态的对应关系及电压信号的变化规律.结果表明:激光光电法采集的电压信号可以较好反映直流TIG焊熔透状态;利用熔透状态从未熔透转变为临界熔透时熔池表面由凸面突变为凹面,激光反射条纹快速聚焦,从而引起光电法电压信号迅速变化的现象,可以实现直流TIG焊熔透特征信号的精确识别与提取.

基于深度学习的TIG焊背部熔池检测和熔宽提取

为了保证焊接过程中熔池信息提取的实时性和准确性,解决在焊接监控领域传统图像处理算法抗干扰性弱,实时监测的可靠性差,以及自动化程度较低的问题,做到系统可以实时地对焊接过程的熔池进行宽度信息提取和分析,将图像处理算法与深度学习算法进行了结合.通过对TIG焊熔池的观察,针对熔透信息检测,将反面熔池分为3类,首先用图像处理的方法先筛选出烧穿熔池,然后用一个通过大数据样本训练的卷积神经网络对未熔透与熔透进行分类.区别于已有研究,该网络不仅获得了很好的熔透状态检测结果,同时找出了熔池最大宽度,并且保证了实时性,其结果达到了工程应用的要求.

基于信号介观萃取与统计分析的Q235钢熔透识别方法

激光焊接熔透检测是实现智能化焊接制造的重要环节.如何穿透匙孔上方阻挡物、突破介观尺度下匙孔内熔透特征区域的准确寻位提取以及对复杂光学检测信号的有效解析,是采用直接测试法可靠识别激光焊接熔透行为的主要技术难点.文中针对Q235钢激光焊接熔透识别新方法展开研究,以孔壁荧光辐射源作为直接检测信号,利用不同物质谱段特性实现穿透遮挡使匙孔内部形态特征透视再现.利用光学成像原理获取匙孔内壁荧光倍增实像,并在一定焊接条件下,通过针孔摄取及介观寻位方式将感应芯片高精度定位至熔透特征区域直接获取信号,实现熔透有效识别信号的最大化增强.最后将检测信号通过统计学概率特征识别,实现对焊接熔透特征信息的抽象分离,并获得了可靠的熔透检测结果.

基于熔池振荡的GTAW熔透实时传感与控制

熔透控制是焊接过程控制领域的一个重要发展方向,其核心难点在于获取表征焊缝熔透状态的特征信息。针对传统熔透检测方法存在鲁棒性低、实时性差的问题,提出了一种激光光电转换方法。该方法可实现对GTAW熔池振荡频率的实时提取。利用熔池从未熔透到熔透的振荡频率的变化特征,设计了步进焊接条件下的熔透控制算法,对不同散热条件及不同错边量的工件进行熔透控制试验。结果表明:该测量方法能够实现对焊接过程中熔池振荡频率的实时传感,且控制算法对散热条件和错边量等因素具有较强的鲁棒性,控制效果良好,最终获得焊缝的正、反面熔宽均匀一致、连续性好。

GTAW熔池激光条纹动态行为与熔透预测方法研究

熔透状态是影响焊缝质量的关键因素之一,可靠传感并实时预测焊缝熔透状态对于提升焊接质量以及焊接智能化水平具有非常重要的意义。利用激光视觉法对低频脉冲钨极氩弧焊(Pulsed gas tungsten arc welding,P-GTAW)不同熔透状态下的反射激光条纹进行了检测,通过建立熔池表面标准模型分析了激光条纹图像动态行为与三种熔透状态熔池自由表面之间(未熔透、临界熔透、全熔透)的相关性,并基于深度学习卷积神经网络建立了GTAW熔透预测模型。研究表明:P-GTAW激光条纹的动态行为与熔池背面熔透状态、熔池表面振荡模式之间存在明确的光学对应关系,所建立从激光条纹图像到GTAW背面熔透状态的端到端卷积神经网络模型能够准确分类未熔透、临界熔透和全熔透三种状态,且分类准确率可达到98.1%,能够实现焊缝熔透状态实时传感及预测。