緊密對(duì)接激光焊焊縫位置神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

莫　玲，高向東，蕭振林，陳曉輝

（1.廣東工業(yè)大學(xué)機(jī)電工程學(xué)院，廣東廣州510006；2.廣州番禺高勛染整設(shè)備制造有限公司，廣東番禺511400）

緊密對(duì)接激光焊焊縫位置神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

莫玲1，高向東1，蕭振林2，陳曉輝2

（1.廣東工業(yè)大學(xué)機(jī)電工程學(xué)院，廣東廣州510006；2.廣州番禺高勛染整設(shè)備制造有限公司，廣東番禺511400）

激光焊接過(guò)程中，控制激光束準(zhǔn)確對(duì)中焊縫是獲得良好焊件的關(guān)鍵。以低碳鋼板緊密對(duì)接激光焊（焊縫間隙不大于0.1 mm）作為研究對(duì)象，利用磁光傳感法攝取焊接過(guò)程中焊縫區(qū)域磁光圖像。分析焊縫區(qū)域圖像特征，定義并提取緊密對(duì)接焊縫位置坐標(biāo)，以前時(shí)刻的焊縫位置及其變化值作為輸入量，當(dāng)前時(shí)刻焊縫位置坐標(biāo)作為輸出量，應(yīng)用神經(jīng)網(wǎng)絡(luò)建立焊縫位置的預(yù)測(cè)模型。試驗(yàn)結(jié)果表明，建立的前饋型神經(jīng)網(wǎng)絡(luò)能夠較好地預(yù)測(cè)焊縫位置坐標(biāo)，為激光焊縫及時(shí)糾偏和自動(dòng)跟蹤奠定基礎(chǔ)。

激光焊；焊縫位置；神經(jīng)網(wǎng)絡(luò)；預(yù)測(cè)

0　前言

隨著工業(yè)自動(dòng)化的高速發(fā)展，高精度、復(fù)雜的焊接空間和工作環(huán)境對(duì)焊接技術(shù)提出了更高的要求。激光焊與傳統(tǒng)焊接方法相比，具有焊接速度快、焊縫熱影響區(qū)小和深寬比大等優(yōu)點(diǎn)[1]，可以保證高能量集中性，實(shí)現(xiàn)多種金屬和非金屬材料的焊接，因此，激光焊被廣泛應(yīng)用于汽車、造船、航空航天和機(jī)械等行業(yè)。為保證獲得優(yōu)良的焊件，必須實(shí)時(shí)控制激光束對(duì)準(zhǔn)焊縫位置。常用的焊接過(guò)程檢測(cè)法有結(jié)構(gòu)光視覺(jué)檢測(cè)法、同軸視覺(jué)檢測(cè)法和紅外傳感法等[2-4]。激光焊接過(guò)程能量密度大、焊接速度快，溫度變化程度劇烈，焊接現(xiàn)場(chǎng)產(chǎn)生大量的金屬蒸汽和飛濺，加上光源輻射的干擾和焊件的熱變形，很難通過(guò)攝像機(jī)直接攝取熔池的準(zhǔn)確細(xì)節(jié)及焊縫周圍的有效信息。特別是對(duì)于不開(kāi)破口、緊密對(duì)接的焊縫檢測(cè)方法還有待進(jìn)一步深入研究。鑒于焊縫與母材在焊接過(guò)程中的物理特性的異同，可利用焊縫位置的溫度梯度、熱堆積等特點(diǎn)檢測(cè)緊密對(duì)接焊縫位置[5]。此外，利用磁光磁光傳感法獲取焊接區(qū)域圖像，針對(duì)緊密對(duì)接焊縫（焊縫間隙不大于0.1 mm）的低碳鋼板激光焊，研究一種基于神經(jīng)網(wǎng)絡(luò)的焊縫位置預(yù)測(cè)模型，為激光焊縫及時(shí)糾偏和自動(dòng)跟蹤奠定基礎(chǔ)。

1　試驗(yàn)裝置

激光焊接驗(yàn)裝置示意如圖1所示。試驗(yàn)裝置為：激光YAG焊接機(jī)、保護(hù)氣體（氬氣）、磁光傳感器、磁場(chǎng)感應(yīng)器、同軸攝像機(jī)和帶夾具的三軸運(yùn)動(dòng)控制工作平臺(tái)。采用平板緊密對(duì)接焊，焊縫間隙0～0.1mm，焊件尺寸100 mm×38 mm×1.84 mm，磁光傳感器采樣速率25 f/s，激光焊接速度4 mm/s，磁光圖像的像素當(dāng)量102 pixel/mm。

圖1　激光焊接試驗(yàn)裝置示意

2　緊密對(duì)接焊縫磁光成像原理

磁光傳感法的檢測(cè)原理基于法拉第磁光效應(yīng)，利用光的偏振狀態(tài)實(shí)現(xiàn)傳感器的功能。當(dāng)一束偏振光通過(guò)磁光介質(zhì)時(shí)，若在光束傳播方向外加一個(gè)磁場(chǎng)，光通過(guò)偏振面后將旋轉(zhuǎn)一個(gè)角度，這個(gè)角度稱作法拉第旋轉(zhuǎn)角[6]。磁光成像焊縫邊緣檢測(cè)方法利用磁場(chǎng)發(fā)生器在焊件周圍產(chǎn)生感應(yīng)磁場(chǎng)，兩塊焊件進(jìn)行激光平板對(duì)接焊時(shí)，由于焊縫間隙的存在，焊縫位置處的磁場(chǎng)分布將發(fā)生畸變，并引起該處的垂直磁場(chǎng)分布變化。磁光傳感器將激光經(jīng)起偏器后變?yōu)橐皇€偏振光，線偏振光通過(guò)磁光介質(zhì)并被底部的反射鏡反射回CMOS攝像機(jī)，由于焊縫間隙的存在，在磁光效應(yīng)作用下，線偏振光有一定的角度偏轉(zhuǎn)，磁光傳感器通過(guò)捕獲光強(qiáng)度的變化經(jīng)CMOS攝像機(jī)轉(zhuǎn)換為“暗”或“亮”的圖像，即實(shí)現(xiàn)了對(duì)接焊縫的實(shí)時(shí)磁光成像。

3　焊縫位置參數(shù)

3.1焊縫磁光圖像

圖2為隨機(jī)選取一幅磁光傳感器采集的緊密對(duì)接焊縫區(qū)域圖像，圖像大小512×512 pixel。圖2a為RGB格式的磁光圖像，圖2b為經(jīng)過(guò)轉(zhuǎn)換的灰度圖。由圖2可知，兩塊母材（一塊母材呈較亮圖像，另一塊母材呈較暗圖像）拼接處存在一個(gè)過(guò)渡區(qū)域，過(guò)渡區(qū)域蘊(yùn)藏著焊縫位置信息，但肉眼無(wú)法分辨焊縫位置，需要進(jìn)一步分析磁光焊縫圖像特征。焊縫磁光圖像三維效果如圖3所示，兩塊對(duì)接母材的過(guò)渡區(qū)域?yàn)橐粌A斜灰度平面，無(wú)法直接從灰度圖中準(zhǔn)確提取焊縫位置。

圖2　焊縫區(qū)域磁光圖像

3.2焊縫位置提取

利用圖像分割法可將焊縫圖像像素按照特性不同進(jìn)行分類，根據(jù)閾值將圖像分成背景和焊縫兩類。對(duì)焊縫區(qū)域磁光圖像的灰度梯度圖進(jìn)行分析，圖4a為磁光圖像的灰度梯度圖，可以看出焊縫位置處的灰度梯度與過(guò)渡區(qū)域母材的灰度梯度不同。為了更直觀地觀察焊縫位置處灰度梯度特點(diǎn)，圖4b給出了圖4a相應(yīng)所有列的灰度梯度分布曲線，掃描圖像所有列灰度梯度分布可知，在區(qū)間[300，400]行位置的灰度梯度值出現(xiàn)一個(gè)峰值，定義該位置即為焊縫位置橫坐標(biāo)值。通過(guò)計(jì)算整組試驗(yàn)的每一幅磁光圖像灰度梯度峰值出現(xiàn)的行數(shù)可以得到焊縫位置變化曲線。

圖3　焊縫區(qū)域磁光圖像三維效果

圖4　磁光圖像灰度梯度

圖4a中灰度梯度最大值位置對(duì)應(yīng)第360行，即為該幅圖像的焊縫位置橫坐標(biāo)。對(duì)整組試驗(yàn)合計(jì)593幅焊縫區(qū)域磁光圖像進(jìn)行計(jì)算其焊縫位置，可以得到如圖5所示的焊縫位置橫坐標(biāo)隨著圖像序列變化的曲線。由圖5可知，焊縫位置為一條傾斜的近似直線。

圖5　焊縫位置橫坐標(biāo)隨圖像序列變化曲線

4　焊縫位置神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

4.1人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用較多的一種建模方法，利用工程技術(shù)手段模擬人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能，具有較強(qiáng)的容錯(cuò)性、非線性、自適應(yīng)、自組織和實(shí)時(shí)學(xué)習(xí)能力。設(shè)計(jì)一種前饋型神經(jīng)網(wǎng)絡(luò)（前向網(wǎng)絡(luò)）焊縫位置預(yù)測(cè)模型，通過(guò)計(jì)算前一時(shí)刻的焊縫位置和焊縫位置差值來(lái)估算當(dāng)前時(shí)刻焊縫位置。通過(guò)試驗(yàn)采樣獲取了593個(gè)樣本數(shù)據(jù)，選取第1～300個(gè)樣本作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，200個(gè)作為測(cè)試樣本。在確定訓(xùn)練樣本后，建立神經(jīng)網(wǎng)絡(luò)模型，如圖6所示。主要包含三個(gè)部分：輸入層、隱含層以及輸出層。輸入量為：k-2時(shí)刻焊縫位置橫坐標(biāo)、k-1時(shí)刻焊縫位置橫坐標(biāo)和兩時(shí)刻焊縫位置差值；輸出量為k時(shí)刻焊縫位置。隱含層數(shù)選取為一層，因?yàn)槿龑由窠?jīng)網(wǎng)絡(luò)具有對(duì)任意函數(shù)的逼近能力，經(jīng)反復(fù)試驗(yàn)，選取隱含層節(jié)點(diǎn)為3個(gè)。

圖6　焊縫位置前饋神經(jīng)網(wǎng)絡(luò)模型

4.2神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與分析

選擇[1，300]幀作為訓(xùn)練樣本，對(duì)原始數(shù)據(jù)進(jìn)行歸一化處理后，焊縫位置橫坐標(biāo)被約束到[0，1]之間。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程如圖7所示，當(dāng)訓(xùn)練步數(shù)為618步時(shí)，網(wǎng)絡(luò)訓(xùn)練誤差趨于穩(wěn)定，目標(biāo)值為0.01，訓(xùn)練精度已達(dá)到要求，網(wǎng)絡(luò)收斂速度快。訓(xùn)練后的網(wǎng)絡(luò)輸出值與試驗(yàn)實(shí)際焊縫位置如圖8a所示。選取[201，500]幀作為測(cè)試樣本，圖8b為測(cè)試結(jié)果，表1給出了間隔為10幀的連續(xù)圖像序列焊縫位置測(cè)量值和預(yù)測(cè)值比較結(jié)果。從測(cè)試結(jié)果可以看到網(wǎng)絡(luò)預(yù)測(cè)輸出值與焊縫位置橫坐標(biāo)實(shí)際值能夠較好的吻合。網(wǎng)絡(luò)誤差曲線如圖9所示，誤差均方差為0.01。

圖7　神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程

圖8　神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果和測(cè)試結(jié)果

表1　焊縫位置測(cè)量值和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值歸一化后比較結(jié)果

圖9　焊縫位置預(yù)測(cè)誤差分析曲線

5　結(jié)論

（1）在緊密對(duì)接激光焊接過(guò)程中，利用磁光傳感法可以實(shí)時(shí)獲取焊縫區(qū)域圖像信息，通過(guò)分析焊縫磁光圖像灰度梯度圖，定義并提取焊縫位置坐標(biāo)。

（2）利用前饋型神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)焊縫位置，可以得到較準(zhǔn)確的焊縫位置信息，為焊接自動(dòng)化過(guò)程中緊密對(duì)接焊縫位置識(shí)別與跟蹤提供一種新方法。

[1]孫燕，高向東.大功率盤形激光焊匙孔特征提取[J].電焊機(jī)，2014，44（4）：97-100.

[2]王含宇，馬惠敏，閆春航.一種結(jié)構(gòu)光式焊縫跟蹤系統(tǒng)的設(shè)計(jì)[J].電焊機(jī)，2010，40（4）：25-29.

[3]陳武柱，賈磊，張旭東，等.CO2激光焊同軸視覺(jué)系統(tǒng)及熔透狀態(tài)檢測(cè)的研究[J].應(yīng)用激光，2004，24（3）：130-134.

[4]蔡志勇，張華，蔣劍，等.焊接溫度場(chǎng)圖像的獲取及焊縫提取[J].數(shù)據(jù)采集與處理，2004，19（1）：87-90.

[5]XiangdongGao，DeyongYou，Seiji Katayama.Infrared image recognition for seam tracking monitoring during fiber laser welding[J].Mechatronics.2012，22：370-380.

[6]劉公強(qiáng)，樂(lè)志強(qiáng)，沈德芳.磁光學(xué)[M].上海：上海科學(xué)技術(shù)出版社，2001.

Prediction of weld position by neural network during micro-gap butt joint laser welding

MO Ling1，GAO Xiangdong1，XIAO Zhenlin2，CHEN Xiaohui2
（1.School of Electromechanical Engineering，Guangdong University of Technology，Guangzhou 510006，China；2.Guangzhou Panyu Gofront Dyeing&Finishing Machinery Manufacturer Ltd.，Panyu 511400，China）

It is critical to control the laser beam focus position accurately aligning the weld seam to obtain good welding quality in the laser welding process.The micro-gap butt joint(weld gap is less than 0.1 mm)laser welding of low-carbon steel was chosen as the research object，and a magneto optical sensor was used to capture the weld region images during welding.The feature of weld images was analyzed and the coordinates of micro-gap joint weld position was defined and extracted.A weld position prediction model was established using the neural network whose inputs were the weld position coordinate value and the coordinate changing value at previous sampling time，and output was the weld position coordinate value at current sampling time.Experimental results indicate that the proposed feed forward neural network can predict the weld position accurately，which provides a foundation for real time correcting weld deviations and automatic seam tracking.

laser welding；weld position；neural network；prediction

TG456.7

A

1001－2303（2016）03－0075-04

10.7512/j.issn.1001-2303.2016.03.16

2014－09－18

國(guó)家自然科學(xué)基金資助項(xiàng)目（51175095）；廣東省自然科學(xué)基金資助（10251009001000001）；廣東省學(xué)科建設(shè)科技創(chuàng)新資助項(xiàng)目（2013KJCX0063）

莫玲（1985—），女，廣西人，博士，主要從事焊接自動(dòng)化的研究工作。