王 彥

(武漢鐵路職業(yè)技術(shù)學(xué)院，湖北 武漢430205)

0 引 言

現(xiàn)代船舶制造業(yè)發(fā)展方興未艾，其中焊接工藝技術(shù)發(fā)揮著至關(guān)重要的作用。焊接工藝技術(shù)的不斷提高與進(jìn)步大大縮短了船舶制造周期、節(jié)約了生產(chǎn)成本，有效提高了船舶的密封性與質(zhì)量［1］。然而，再精細(xì)的工藝也存在缺陷，在船舶制造業(yè)中，小小的焊接、焊縫缺陷就可能成為引發(fā)海洋事故的導(dǎo)火索，因此焊縫缺陷問(wèn)題不容輕視，焊接質(zhì)量檢測(cè)應(yīng)當(dāng)受到人們高度的重視。

在本文中，主要針對(duì)一種新興的焊接技術(shù)，即攪拌摩擦焊技術(shù)進(jìn)行研究，分析攪拌摩擦焊的焊縫缺陷。本文首先對(duì)攪拌摩擦焊接技術(shù)的原理及特點(diǎn)進(jìn)行介紹;然后分析攪拌摩擦焊常見(jiàn)焊縫缺陷的產(chǎn)生原因，并對(duì)較為常用的焊縫檢測(cè)方法進(jìn)行對(duì)比分析;最后提出基于Matlab的攪拌摩擦焊焊縫缺陷分析方法。

1 攪拌摩擦焊技術(shù)

攪拌摩擦焊是由英國(guó)焊接研究所于1991年發(fā)明的焊接技術(shù)，它是一種固態(tài)連接方法。攪拌摩擦焊利用摩擦熱與塑性變形熱作為焊接熱源，通過(guò)攪拌頭的旋轉(zhuǎn)運(yùn)動(dòng)與工件的相對(duì)運(yùn)動(dòng)完成焊接。攪拌摩擦焊設(shè)備構(gòu)造如圖1所示。攪拌摩擦焊是一種新型的、綠色的固態(tài)連接方法，自它問(wèn)世以來(lái)便受到廣泛的關(guān)注，該工藝技術(shù)也被應(yīng)用到多個(gè)領(lǐng)域，例如，挪威利用攪拌摩擦焊接工藝可焊接3～15 mm、尺寸6 ×16的AI 船板;美國(guó)波音公司利用攪拌摩擦焊技術(shù)焊接了火箭的部分工件;麥道公司將攪拌摩擦焊技術(shù)引用到運(yùn)載火箭的推進(jìn)劑貯箱的焊接中;德國(guó)寶馬公司在汽車(chē)制造過(guò)程中，包括底盤(pán)、油箱、大梁等關(guān)鍵結(jié)構(gòu)中都用到了攪拌摩擦焊接技術(shù)。目前，世界各國(guó)開(kāi)始研究利用鋅、鈦、鉛、低碳鋼等材料的攪拌摩擦焊工藝。

圖1 焊接摩擦焊示意圖Fig.1 FSW schematic diagram

1.1 攪拌摩擦焊的原理及特點(diǎn)

攪拌摩擦焊的工作原理如圖2所示。

圖2 工作原理Fig.2 Working principle

攪拌頭有夾持器和特形指棒(通常為帶螺紋的圓柱體)兩部分構(gòu)成。焊接時(shí)，攪拌頭伸入到待焊工件的接縫處，使其特形指棒完全鉆入到接縫內(nèi)，夾持器的圓柱面與待焊工件表面緊密接觸。然后攪拌頭高速旋轉(zhuǎn)，與待焊工件材料產(chǎn)生摩擦，利用摩擦熱量使攪拌頭前端金屬鍵處的材料發(fā)生塑性形變，然后沿著待焊工件的邊沿移動(dòng)攪拌頭，使工件與焊透產(chǎn)生相對(duì)移動(dòng)，高度塑性形變的材料會(huì)逐漸沉積在攪拌頭的后面，利用焊透與工件之間的壓力與摩擦熱量形成攪拌摩擦焊焊縫。

攪拌摩擦焊技術(shù)是摩擦焊的一種，但與傳統(tǒng)常規(guī)的摩擦焊技術(shù)相比較而言，有著很多優(yōu)勢(shì)，但隨著攪拌摩擦焊技術(shù)的不斷深入發(fā)展，也存在著有待改善的缺點(diǎn)，詳細(xì)分析參見(jiàn)表1。

表1 優(yōu)缺點(diǎn)分析Tab.1 Advantages and disadvantages analysis

表2 缺陷分析Tab.2 Welds analysis

1.2 攪拌摩擦焊焊縫缺陷分析

在攪拌摩擦焊焊接的過(guò)程中，由于工藝參數(shù)的偏離(如焊接速度、攪拌頭轉(zhuǎn)速以及下壓量等)或者意外因素的影響，往往會(huì)伴隨著缺陷的存在。通常情況下，攪拌摩擦焊的焊縫缺陷分為表面缺陷與內(nèi)部缺陷，其中，表面缺陷主要有溝槽、飛邊、未焊透、未熔合;內(nèi)部缺陷主要有包鋁、S 線(xiàn)、孔洞、吻接。產(chǎn)生原因分析詳見(jiàn)表2。溝槽、飛邊缺陷如圖3所示。

圖3 焊縫缺陷Fig.3 Welds defects

1.3 攪拌摩擦焊焊縫檢測(cè)研究現(xiàn)狀

目前，針對(duì)攪拌摩擦焊焊縫的檢測(cè)方法主要有:射線(xiàn)檢測(cè)法、滲透檢測(cè)法、渦流檢測(cè)法以及超聲波檢測(cè)方，上述4 種方法的原理如表3所示。

表3 四種方法原理表Tab.3 The principle of four mothod

2 基于Matlab的焊縫分析方法

Matlab 是面對(duì)科學(xué)計(jì)算、可視化以及交互式程序設(shè)計(jì)的數(shù)學(xué)軟件，它包括矩陣計(jì)算、數(shù)值分析、科學(xué)數(shù)據(jù)可視化、動(dòng)態(tài)系統(tǒng)建模與仿真等諸多功能。

2.1 基于小波變換的特征提取方法

本文利用Matlab的小波分析工具箱進(jìn)行焊縫缺陷圖像的預(yù)處理級(jí)特征提取，其GUI 界面如圖4所示。

圖4 Matlab toolboxFig.4 Matlab toolbox

小波分析工具箱提供了一個(gè)可視化的小波分析工具，是一個(gè)很好的算法研究和工程設(shè)計(jì)，仿真和應(yīng)用平臺(tái)，適合于信號(hào)和圖像分析、去噪等。小波分析工具箱小波去噪步驟如下:

1)開(kāi)打Matlab，點(diǎn)擊Toolbox，選擇Wavelet，進(jìn)入Wavemenu 界面，在窗口菜單中點(diǎn)擊SWT De-noising 2- D，進(jìn)入到二維離散小波處理圖形界面。

2)點(diǎn)擊File，Load，Image 菜單命令，導(dǎo)入待處理的圖片。

3)在視圖窗口右側(cè)選擇要使用小波種類(lèi)及層數(shù)，然后為各層小波系數(shù)設(shè)置軟閾值和硬閾值，點(diǎn)擊Decompose Image，開(kāi)始降噪處理。

在降噪處理完成后，對(duì)圖像進(jìn)行小波多尺度分析，取不同頻段的系數(shù)作為特征值。

設(shè)圖像信號(hào)為f(x，y)，二維離散小波分解如下:

式中:Vj為水平、垂直空間頻率為低頻的子圖像，反映上一次信號(hào)中的低頻信息;，和為上一層信號(hào)中的細(xì)節(jié)信息，反映的是高頻信息。為f(x，y)在垂直方向的分解，表示水平方向是高頻、垂直方向是低頻的子圖像;為f(x，y)在水平方向的分解，表示水平方向是低頻、垂直方向是高頻的子圖像;為f(x，y)在45°方向的分解，表示水平與垂直方向均是高頻的子圖像。

2.2 基于SVM的分類(lèi)識(shí)別方法

支持向量機(jī)(SVM)是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則的機(jī)器學(xué)習(xí)方法，能夠在訓(xùn)練誤差和分類(lèi)器容量之間達(dá)到較好的平衡［5］。本文中選用LS-SVMlab Toolbox 對(duì)焊縫缺陷進(jìn)行分類(lèi)識(shí)別。LS-SVM 是SVM的改進(jìn)，更加重視和利用原始對(duì)偶的規(guī)范條款解釋。LS-SVMlab Toolbox 是Matlab的一個(gè)工具箱，能夠解決非線(xiàn)性多類(lèi)別分類(lèi)問(wèn)題。LS-SVMlab Toolbox 結(jié)構(gòu)如圖6所示。利用LS-SVMlab Toolbox的識(shí)別結(jié)果如表4所示。

圖5 LS-SVMlab ToolboxFig.5 LS-SVMlab Toolbox

表4 識(shí)別結(jié)果Tab.4 Identify results

3 結(jié) 語(yǔ)

本文對(duì)攪拌摩擦焊的焊縫缺陷進(jìn)行了深入研究，對(duì)其缺陷產(chǎn)生原因及其缺陷檢測(cè)方法進(jìn)行了詳細(xì)分析，并利用圖像處理技術(shù)，通過(guò)運(yùn)用Matlab 強(qiáng)大的數(shù)學(xué)分析與信號(hào)處理功能，對(duì)攪拌摩擦焊的焊縫進(jìn)行了分析。首先，使用Matlab的小波分析工具箱對(duì)焊縫缺陷圖像進(jìn)行降噪與特征提取，然后，使用LS-SVMlab Toolbox 進(jìn)行分類(lèi)識(shí)別分析。實(shí)驗(yàn)結(jié)果表明，Matlab的相關(guān)工具箱可以對(duì)焊縫缺陷進(jìn)行有效分析，該方法簡(jiǎn)單、易實(shí)現(xiàn)，能夠直觀、多角度對(duì)焊縫進(jìn)行分析，取得較為理想的檢測(cè)效果。

［1］郭澤亮.激光焊接技術(shù)在艦船建造中的應(yīng)用［J］.艦船科學(xué)技術(shù)，2005，27(4):81-84.

［2］MISHRA R S，MA Z Y.Friction stir welding and processing［J］.Materials Science and Engineering R，2005(58):1041-1046.

［3］SOE W M，NINA L，JOHN T.An evaluation of four different wavelet decomposition in urban areas ［J］.Transaction in GIS，2002，6(4):403-429.

［4］VAPNIK V N.An overview of statistical learning theory［J］.IEEE Transactions on Neural Networks，1999，10(5):988-998.

［5］樊凌.基于圖像處理和機(jī)器學(xué)習(xí)的船舶焊接缺陷識(shí)別技術(shù)［J］.艦船科學(xué)技術(shù)，2014，36(12):99-102.FAN Ling.Welding defect recognition technology based on image processing and machine learning［J］.Ship Science and Technology，2014，36(12):99-102.