電弧焊熔透狀態(tài)視覺檢測模型研究.pdf

1、焊接是制造業(yè)的基礎。隨著工業(yè)制造要求的提高，焊接質(zhì)量的要求也變得越來越重要。電弧焊由于自身技術發(fā)展十分成熟，且適用的范圍也十分廣泛，目前應用在諸多領域。因此，人們對電弧焊的焊接質(zhì)量提出了更高的要求。在越來越注重效率的今天，電弧焊焊接實時監(jiān)測顯得愈發(fā)重要，為此論文研究基于機器視覺傳感的熔透狀態(tài)監(jiān)測模型。
　　在實時監(jiān)測焊接質(zhì)量的過程中，必須通過當前的焊接狀態(tài)與焊接質(zhì)量之間的關系建立數(shù)學模型以獲取熔透實時監(jiān)測狀態(tài)。許多研究表明，焊接過

2、程中形成的熔池與焊縫背部的熔透有著密切的聯(lián)系，而熔透與最終的焊接質(zhì)量聯(lián)系緊密，因此通過提取的熔池特征能與當前的焊接質(zhì)量建立對應關系。通過視覺傳感器拍攝焊接過程的熔池圖像，利用相關的圖像處理技術從中提取出最能代表熔池信息的特征參數(shù)，再與此時的焊接質(zhì)量對應起來，建立熔池特征與熔透狀態(tài)之間的數(shù)學模型。通過多組焊接試驗條件驗證模型，證明建立的數(shù)學模型能夠有效地預測出當前的熔透狀態(tài)，最終得到當前的焊接質(zhì)量。
　　對熔透當前的狀態(tài)進行實時監(jiān)測

3、可以看作是模式識別的一類，而神經(jīng)網(wǎng)絡則在模式識別這一方面有著較高的預測精度，因此論文根據(jù)神經(jīng)網(wǎng)絡的特點設計了兩個不同訓練算法的神經(jīng)網(wǎng)絡:BP算法(Back Propagation Algorithm)和ICA算法(ImperialistCompetitive Algorithm)，利用神經(jīng)網(wǎng)絡模型對熔透狀態(tài)進行準確預測。其中，ICA算法是通過模擬帝國主義競爭的過程來得到優(yōu)化問題最優(yōu)解的一種全局優(yōu)化搜索算法。首先，從熔池圖像中提取出3個特

4、征參數(shù):熔池面積、熔池熔寬、熔池半長。其次，采用試湊法確定神經(jīng)網(wǎng)絡隱含層神經(jīng)元個數(shù)，建立一個預測精度較高的神經(jīng)網(wǎng)絡模型，最后用兩個算法訓練神經(jīng)網(wǎng)絡，獲得兩個模型對熔透各自的識別率。試驗結果表明選用的BP神經(jīng)網(wǎng)絡最優(yōu)識別模型比ICA神經(jīng)網(wǎng)絡的最優(yōu)模型對不同焊接條件的熔透狀態(tài)有著很高的預測精度。
　　針對BP神經(jīng)網(wǎng)絡的識別精度高但過于依賴初始權值閾值的特點和ICA算法在全局搜索的優(yōu)點，論文將ICA算法與BP神經(jīng)網(wǎng)絡結合，利用ICA算法

5、選取BP神經(jīng)網(wǎng)絡初始權值及閾值，提出一種ICA-BP神經(jīng)網(wǎng)絡的熔透識別模型。首先將模型的權值閾值作為優(yōu)化問題要求的解，然后根據(jù)熔透狀態(tài)輸出的實際誤差與期望誤差的差的大小及時調(diào)整權值及閾值。其次利用ICA得到神經(jīng)網(wǎng)絡的初始權值、閾值，通過BP算法對神經(jīng)網(wǎng)絡進行訓練，得到使得模型識別精度最高的一組權值和閾值。最終利用不同試驗條件尋找對熔透的識別效果最好的神經(jīng)網(wǎng)絡模型。試驗結果證明ICA-BP神經(jīng)網(wǎng)絡對熔透狀態(tài)的預測精度優(yōu)于BP神經(jīng)網(wǎng)絡的預測