论文部分内容阅读
现代焊接自动化水平日益发展和计算机视觉技术的进步以及对效率和质量的高要求,基于视觉传感的焊缝图像处理和自动识别技术已成了焊缝自动跟踪的一个重要研究方向。由于在实际焊接过程中,存在强烈的弧光辐射、高温、工件热变形、图像传感误差等噪声的干扰,难以获得清晰稳定的焊缝区图像,对焊缝区图像的摄取,需要通过特定光谱的滤光系统,由图像采集卡采集图像并存储于工控机,再经图像预处理、图像识别等过程提取出焊缝的准确位置。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。本研究设计安装了一套用于实验的焊缝跟踪系统装置,采用工控机控制,无辅助光源的视觉检测系统,来完成焊缝的自动跟踪控制。视觉传感式焊缝跟踪的一般方法是利用CCD (Charge Couple Device)传感器实时获取焊接图像,再利用图像处理技术提取熔池中心与熔池前端的焊缝位置信息,两者之间的差值就反映了当前时刻电弧与焊缝的偏差情况。对包括图像滤波、图像增强、图像二值化、边缘检测、焊缝位置的提取等基于图像处理的焊缝处理技术过程和方法用数学方法进行分析和研究。通过对焊缝位置中心提取方法的研究对比,着重研究了基于图像质心的图像处理方法,并基于图像质心研究了焊缝位置偏差信息提取的新技术。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,而是选取特定熔池图像处理区域,并将熔池图像质心作为分析焊缝偏差的参量,研究利用熔池特性图像质心参数来建立焊缝偏差视觉模型的方法。在此基础上,针对强电弧干扰所存在的视觉成像不清晰等问题,提出采用分区多尺度统计的方法,获取表征焊接过程偏离状态的高维度特征空间,并以此为依据建立网络预测模型。首先,将焊接图像分离为电弧区、熔合区及焊缝区。其次对分区图像进行横纵坐标重构,并计算其相关性。再提取三个尺度的重构信号的时频特征,构建高维度特征空间。采用主成分分析法,实现对高维特征空间的维度控制,并以此为依据构成网络预测模型的输入向量。分别对强干扰、电弧畸变、聚焦偏离、光圈反射、传感器偏移等问题进行数据采集,获取模型训练及测试样本。实验结果表明,采用BP网络的建模精度高于Elman网络的预测精度。特别的,采用多尺度特征空间的模型明显优于单尺度特征模型。本文还提出构建分区多尺度统计特征BP网络预测模型,经过实验能够避免图像预处理效果对焊缝偏离测量的影响。特别的,该方法对于强电弧干扰下的识别能力极强,无需测量识别对象的几何特征,也无需对图像进行预处理,即可实现对焊接偏离状态的有效识别,采用分区统计方法,可以间接获取焊接偏离状态。实验结果表明该方法所建立的网络预测模型稳定性高,泛化能力强。