孫 燕 ，高向東 ，蕭振林，陳曉輝 ，李秀忠

（1.廣東工業(yè)大學(xué)廣東省焊接工程技術(shù)研究中心，廣東 廣州510006；2.廣電運通金融電子股份有限公司，廣東廣州510663；3.佛山職業(yè)技術(shù)學(xué)院，廣東佛山528137）

0 前言

激光焊接具有能量密度高、焊接單位熱輸入量低、變形小、深寬比大、焊接參數(shù)易于控制等特點[1-2]。在激光焊接過程中，匙孔、金屬蒸汽、飛濺均含有豐富的焊接質(zhì)量信息，其形態(tài)及變化特征與焊接狀態(tài)密切相關(guān)[3-4]。國內(nèi)外學(xué)者在利用視覺傳感器、光譜儀、光電傳感器以及X射線技術(shù)捕捉匙孔、金屬蒸汽以及飛濺的形態(tài)方面做了大量研究[5-7]。

利用紅外高速影像系統(tǒng)攝取焊接熔池紅外動態(tài)熱像，利用紫外波段和可見光波段高速攝像機攝取金屬蒸汽和飛濺瞬態(tài)圖像，提取匙孔、金屬蒸汽以及飛濺的動態(tài)特征，并將其作為輸入?yún)?shù)，以焊縫寬度作為衡量焊接狀態(tài)的參數(shù)，采用神經(jīng)網(wǎng)絡(luò)技術(shù)建立基于多傳感信息融合技術(shù)的盤形激光焊接狀態(tài)監(jiān)測模型。

1 試驗裝置

裝置包括大功率盤形激光焊接裝置TruDisk－10003、松下6關(guān)節(jié)機器人、激光焊接頭、保護氣體（氬氣）裝置及圖像采集系統(tǒng)，其結(jié)構(gòu)如圖1所示。試驗中焊接功率10 kW，焊速3 m/min，保護氣體氬氣流量40 L/min，激光光斑直徑480 μm，激光波長1 030 nm，圖像分辨率 512 pixel×512 pixel，高速攝像機的采集速度2 000 f/s。為了分析匙孔、金屬蒸汽與飛濺特性，采用紅外（安裝位置與水平方向呈65°）和紫外（安裝位置與水平方向呈0°）高速影像系統(tǒng)分別攝取焊接熔池、金屬蒸汽和飛濺動態(tài)序列。試驗采用尺寸10 mm的304不銹鋼板。焊接過程示意以及高速攝像機拍攝到的紅外和紫外波段焊接圖像如圖2所示。當(dāng)激光功率為10 kW時，焊件焊透，焊件實物正面及正面焊縫寬度值和背面如圖3所示。

圖1 激光焊接試驗裝置結(jié)構(gòu)

圖2 焊接過程示意及紅外和紫外焊接圖像

2 盤形激光焊特征提取

利用紅外高速影像系統(tǒng)攝取熔池動態(tài)序列，通過計算機圖像處理技術(shù)提取紅外波段特征參量匙孔面積（kA），匙孔質(zhì)心坐標(biāo)（kx，ky），匙孔周長（kL），如圖4a所示。利用紫外高速攝像系統(tǒng)攝取金屬蒸汽和飛濺瞬態(tài)圖像，利用圖像處理技術(shù)提取紫外波段特征參量金屬蒸汽面積（pA），金屬蒸汽質(zhì)心坐標(biāo)（px，py），金屬蒸汽擺角（θ），金屬蒸汽高度（h），飛濺面積（sA），飛濺數(shù)量（n），如圖4b所示。匙孔、金屬蒸汽和飛濺特征參量的計算值如圖5所示。

圖3 焊件實物及正面焊縫寬度值

圖4 匙孔、金屬蒸汽和飛濺圖像處理示意

3 多特征激光焊接狀態(tài)檢測

建立包含輸入層－隱含層－輸出層BP神經(jīng)網(wǎng)絡(luò)模型，如圖6所示，分別以紅外波段特征參量和紫外波段特征參量作為模型的輸入量，焊縫寬度作為模型的輸出量。第1～1 500組，以及第2 501～4 000組特征作為訓(xùn)練集，其余特征作為測試集。最大訓(xùn)練次數(shù)為2 000，訓(xùn)練要求精度為0.000 04，學(xué)習(xí)速率為0.001，通過計算發(fā)現(xiàn)隱含層節(jié)點個數(shù)為4時網(wǎng)絡(luò)預(yù)測結(jié)果較好，BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果及誤差曲線如圖7所示，圖7a、7b分別表示輸入為紅外特征參量和紫外特征參量的預(yù)測結(jié)果，誤差主要集中在－0.3～＋0.4 mm。當(dāng)輸入為紅外特征參量和紫外特征參量時，預(yù)測結(jié)果誤差曲線如圖8所示。為了進一步計算模型輸出的統(tǒng)計特性，定義誤差e、誤差平均值 eˉ、絕對誤差平均值r、方差var如下

圖5 特征參量計算值

圖6 BP神經(jīng)網(wǎng)絡(luò)模型示意

圖7 單傳感信息BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果

單傳感信息及多傳感信息BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型統(tǒng)計結(jié)果如表1所示，在焊接功率為10 kW，焊速為3 m/min時，對于單傳感信息BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，紅外特征參量能夠更好地作為輸入預(yù)測焊縫寬度，此時平均誤差和絕對誤差平均值分別減小0.029 mm和0.023 mm。對于多傳感信息BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，與輸入為紅外波段特征模型相比，平均誤差和絕對誤差平均值分別減小0.033mm和0.012mm，與輸入為紫外波段特征相比，平均誤差和絕對誤差平均值分別減小0.062 mm和0.035 mm，這說明多傳感信息融合能夠提高預(yù)測焊縫寬度BP神經(jīng)網(wǎng)絡(luò)模型的精度。

圖8 多傳感信息BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果

表1 神經(jīng)網(wǎng)絡(luò)模型預(yù)測焊縫寬度結(jié)果

4 結(jié)論

（1）在盤形激光焊中，利用紅外和紫外高速影像系統(tǒng)可以同步攝取熔池紅外熱像和金屬蒸汽和飛濺瞬態(tài)圖像。

（2）利用圖像處理技術(shù)可有效提取匙孔、金屬蒸汽和飛濺動態(tài)特征參數(shù)。

（3）BP神經(jīng)網(wǎng)絡(luò)模型能夠有效檢測焊接狀態(tài)，對于單傳感信息BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，紅外特征參量能夠更好地作為輸入預(yù)測焊縫寬度，對于多傳感信息BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，較單傳感信息BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，平均誤差和絕對誤差平均值均減小，多傳感信息融合能夠提高預(yù)測焊縫寬度BP神經(jīng)網(wǎng)絡(luò)模型的精度。