基于深度学习的焊缝X射线图像缺陷识别模型

基于Weld-SSD算法模型和Weld-RCNN算法模型,进行焊缝图像缺陷识别算法优化,设计并实现了基于Anchor-based的Weld-RCNN算法,缺陷检测性能召回率达到84.6%,精准率70.2%。建立焊缝X射线图像缺陷识别模型并测试验证该模型的准确性。测试结果表明,算法模型在测试中表现良好,为解决焊缝X射线缺陷检测问题提供新的思路与方法。

基于深度卷积神经网络的焊缝图像滤波

针对视觉焊缝跟踪中焊缝图像滤波处理的实际需求,提出基于深度卷积神经网络的焊缝图像滤波(WIF-CNN)模型,实现了对焊缝图像中不同类型噪声的有效滤除。所提出的WIF-CNN网络基于VGG网络实现,通过去除VGG网络中的全连接层和池化层,实现了图像端到端的训练;通过引入残差网络结构和BN层,使WIF-CNN网络在保持较高层数的同时,具有较高的准确率和较快的收敛性;按照随机洗牌策略生成训练数据集,提高了WIF-CNN网络的鲁棒性。结果表明:当分别过滤含有高斯、泊松和椒盐噪声的焊缝图像时,与均值、高斯、中值、NLM和BM3D等滤波算法相比,所提出WIF-CNN网络的滤波效果最好,经过WIF-CNN网络滤波处理后的焊缝图像噪声强度大幅降低,且失真度较小;所构建的WIF-CNN网络可以满足焊缝视觉跟踪中图像滤波处理的要求,有利于后续焊缝图像处理的进行。

基于改进YOLOX-S算法的焊缝特征点提取方法研究

在使用机器人进行焊接的过程中,常常会出现一些问题,例如面对加工误差、热变形等引起的复杂环境状况,必须采用焊缝跟踪技术来辅助机器人进行焊接工作。传统的数字图像处理技术目前广泛应用于焊缝跟踪,不过在工业领域中,常常出现的特征变化和电弧噪声等问题对焊缝特征提取算法提出了更高的要求。为了解决焊缝特征提取的抗干扰和自适应性问题,文中将基于深度学习的目标提取方法应用于焊缝检测,提出了一种基于改进YOLOX-S的焊缝特征点提取方法。在YOLOX-S算法的特征金字塔中每个上采样和下采样之后使用注意力机制,使模型更多关注焊缝特征点特征信息,从而减少检测误差。该方法能克服强弧光的干扰,满足复杂焊接过程对精度和实时性的要求。将YOLOX-S算法中卷积层之后的批标准化改为群组归一化,可以解决批量较小引起的误差增加的问题。实验结果表明了该算法的可行性。

拼焊板方盒件拉深非均匀变形的计算机模拟研究

拼焊板越来越多地应用在汽车制造业及其他工业中。方盒件是工业应用中的一种典型件。因此对拼焊板方盒件拉深过程中非均匀变形的研究是非常重要的 ,比如法兰区起皱和焊缝的移动等。本文对拼焊板方盒件拉深过程的非均匀变形进行了计算机模拟和实验研究。用显式有限元软件DYNAFORM进行了模拟分析 ,考虑了各向异性和加工硬化。为了适应板厚的不同 ,在凹模上设置了台阶 ,并且在台阶处为焊缝移动做出了补偿 ,分析了焊缝移动和法兰区的起皱。为了验证模拟结果 ,做了相应实验 。

拼焊板方盒件拉深成形中焊缝移动规律的研究

拼焊板越来越多地应用在汽车制造业及其它工业中。方盒件是板材成形中的一种典型件 ,因此对拼焊板方盒件拉深过程中的焊缝移动规律的研究是非常重要的。本文研究由不同材料和不同厚度板材组合的拼焊板方盒件在拉深成形中焊缝的移动。同时 ,用显式有限元软件DY NAFORM进行了模拟。为了验证模拟结果 ,做了相应实验 。

深冲钢冷轧薄板压平缝焊接头的组织及力学行为

对两种不同级别的深冲钢冷轧薄板进行了高速压平缝焊焊接试验。试验考察了不同焊接工艺参数、热处理状态下接头的组织性能及高、中温力学行为。结果表明，接头焊态组织可分母材纤维组织区、部分再结晶区、细晶区、粗晶区及熔核中的非平衡组织区；连续退火后显微组织可分为细晶区、粗晶区及非平衡组织区；接头焊态强度主要受内部飞溅及熔合不足等焊接缺陷的影响；焊态强度较高的接头，在高、中温状态及退火状态下其强度亦较高；当不含焊接缺陷时，再结晶态接头的强度高于母材，断口处于母材，属韧性断裂；而未再结晶态的接头强度低于母材，断口处于焊趾处，属脆性断裂。

基于深度学习的焊缝PAUT数据智能化分析方法

在焊缝超声相控阵检测(PAUT)中,对检测数据缺陷的识别定位目前多采用传统的人工判读方式,判读效率较低,对检测人员的判读经验有较高要求,难以满足自动化超声检测的要求。基于深度学习中的目标检测和跟踪算法构建智能识别模型,通过对焊缝超声相控阵检测的S、B扫图特征进行融合,并结合焊缝的三维结构信息,识别并定位出缺陷在焊缝中的三维空间位置。实验结果显示:缺陷框的平均三维IOU(预测三维缺陷框和实际三维缺陷框的平均交并比)达到0.644 9,较为接近缺陷的真实空间位置,可以实现焊缝超声相控阵检测成像结果智能识别和定位。

焊接板材毛坯在冲压成形过程中拉深的实验分析

通过实验，测试了焊接板材毛坯在冲压成形过程中拉深时的变形及受力情况，并对实验结果进行了分析，表明在施加环形凸像可提高极限拉深比，该结论对实际生产具有指导性意义．

模拟深海环境下高强钢焊缝阴极保护研究

目的研究海水中阴极极化电位下高强钢焊缝氢脆断裂的规律,确定合理的阴极保护电位区间。方法通过模拟深海压力环境,采用慢应变速率拉伸试验(SSRT)、电化学测量方法和腐蚀失重试验进行研究,结合电子显微镜对断口形貌进行观察。结果模拟深海4.50 MPa压力环境下,随着阴极保护电位负移,高强钢焊缝保护度逐渐提高,在极化电位为-0.77 V(vs Ag/Ag Cl/海水,下同)时,材料的保护度达到90%。在-0.71^-0.95 V的电位区间内,高强钢焊缝断裂的方式为韧性断裂;在-1.00 V电位下,高强钢焊缝断裂的方式为脆性断裂;在极化电位不超过-0.96 V时,材料的氢脆系数不超过25%。结论高强钢焊缝在深海环境下的合理保护电位区间为-0.77~0.96 V。

超高强度300M钢电子束深缝焊接力学性能及破坏机理研究

超高强度300M钢具有优异的力学性能,广泛应用于飞机起落架。通过静力拉伸、三点弯曲及动态Charpy冲击试验,揭示300M钢电子束深缝焊接的力学性能及破坏机理;对试验后的典型试样进行断口宏观与微观分析,并采用场发射扫描电镜(SEM)对断口形貌进行观察、分析。结果表明:母材与焊接件都出现明显的拉伸塑性段,二者的刚度和强度相差不大,但是焊接件的断裂应变较母材小,焊接件焊缝的韧性略低于母材;焊接件弯曲强度与母材相当,但是破坏时的弯曲变形较母材也有所下降,焊接件的延性较差;在冲击试验中焊接件吸收能量与断裂韧性均低于母材,冲击韧度降低。

基于双目视觉的待涂装焊缝的识别

在工件涂装的过程中会遇到焊缝差异不易区分和识别的问题,基于此问题文章提出一种基于LeNet-5的待涂装焊缝识别系统。该系统先将数据增强后的图像进行图像去噪预处理,对LeNet-5卷积神经网络进行模型训练;然后将双目系统实时拍摄的焊缝图像运用训练好的模型实现焊缝类型快速识别;最后根据得出的分类信息引导焊缝涂装机器人进行精准的焊缝喷涂。实验结果表明,该系统可以快速提取焊缝图像更全面的特征,大大提高了焊缝识别准确率。

基于卷积神经网络的不锈钢焊缝视觉检测系统

针对不锈钢焊缝细微、焊缝差异小和识别难等问题,提出一种基于卷积神经网络视觉图像分类的不锈钢焊缝视觉检测系统。不同于常规的焊缝图像处理的方法,该系统先大量采集焊缝图像,对改进的Le Net-5卷积神经网络进行离线模型训练。然后根据实时拍摄的焊缝图像,实现焊缝类型分类。最后根据分类信息确定焊缝信息,引导焊接机器人焊接。实验结果表明,该系统通过采用改进的LeNet-5卷积神经网络自动提取了焊缝图像深层次抽象特征,相比较于传统的BP神经网络,提高了焊缝识别率。

某薄壁圆筒产品加工技术

本文针对该类零件深孔车削过程中切削排屑难,深孔焊缝背面余高修磨难度大等关键技术问题,采用了合理的工艺路线、装夹方式,优化切削参数,设计了有效的焊缝打磨工装,实现某薄壁圆筒产品的批量化生产制造。本文对该类零件加工过程进行了工艺技术研究,取得了良好效果,保证了产品质量,具有实际生产意义,同时为该类零件的后续生产提供了借鉴。

基于全卷积神经网络的焊缝特征提取

基于深层卷积神经网络的特征学习能力,提出了一种基于全卷积神经网络的焊缝特征提取方法。该方法利用全卷积神经网络将包含焊缝特征信息的像素预测出来,通过融合低层与高层特征信息来补充焊缝边缘的特征信息。研究结果表明:所提方法能在强烈弧光和烟尘干扰下准确地提取出焊缝位置,具有抗干扰能力强、识别准确的优点。