激光視覺焊接過程接頭狀態(tài)及焊縫外觀質(zhì)量檢測研究.pdf

1、作為焊接質(zhì)量最直觀的表現(xiàn)形式，焊縫成形是衡量焊接質(zhì)量的重要技術(shù)指標(biāo)，是判斷接頭強(qiáng)度和有關(guān)性能的重要依據(jù)。因此，保證以及提高焊縫的成形質(zhì)量就具有十分重要的意義。實(shí)際生產(chǎn)過程中，受工件加工精度、裝配誤差、焊接熱變形等因素影響，焊接過程接頭的截面幾何形狀將發(fā)生改變。此時，采用焊縫自動跟蹤和自適應(yīng)填充控制實(shí)時調(diào)節(jié)焊接路徑及工藝規(guī)范是保證焊縫成形質(zhì)量的有效途徑，而焊后對焊縫外觀質(zhì)量進(jìn)行檢測也是提高和保證焊縫成形質(zhì)量的一種有效方法。為此，本文針對激

2、光視覺傳感焊縫自動跟蹤技術(shù)、自適應(yīng)填充控制技術(shù)以及機(jī)器視覺焊后焊縫外觀質(zhì)量檢測技術(shù)進(jìn)行了研究。
　　首先，根據(jù)實(shí)際應(yīng)用需要及目前研究現(xiàn)狀與發(fā)展趨勢，開發(fā)設(shè)計了一種新型組合光源多功能視覺傳感器，滿足了焊縫自動跟蹤、自適應(yīng)填充控制以及焊后焊縫外觀質(zhì)量檢測的圖像信息獲取需要。在分析攝像機(jī)成像模型及經(jīng)典標(biāo)定方法的基礎(chǔ)上，利用改進(jìn)的平面模板標(biāo)定方法實(shí)現(xiàn)了對攝像機(jī)的內(nèi)外參數(shù)標(biāo)定。在此基礎(chǔ)上，采用基于共面標(biāo)定參照物的線結(jié)構(gòu)光傳感器快速標(biāo)定方法，

3、完成了對傳感器的結(jié)構(gòu)參數(shù)標(biāo)定。實(shí)驗(yàn)結(jié)果表明，采用的標(biāo)定方法簡單、實(shí)現(xiàn)容易、精確性較高，很好的滿足了實(shí)際的標(biāo)定需要。
　　針對復(fù)雜形狀的條絞中心提取問題，開發(fā)了一種基于Hessian矩陣法和重心法結(jié)合的亞像素條紋中心提取方法，解決了傳統(tǒng)方法由于是基于行或列掃描來提取條紋的中心線，因此對于法線方向變化較大的接頭和焊縫條紋圖像適應(yīng)性不強(qiáng)的問題。算法首先利用Hessian矩陣實(shí)時確定條紋的法線方向，然后通過擬合法線方向的灰度分布并求取其極

4、值點(diǎn)來初步確定亞像素位置，最后利用重心法來消除在求取極值時由于灰度分布不對稱而引起的提取偏差，從而實(shí)現(xiàn)了精確提取條紋中心線的目的。為了進(jìn)一步提高條紋中心線的提取效果，后續(xù)還采取了剔除錯誤點(diǎn)、斷線補(bǔ)償、平滑濾波等后處理手段，最終獲取了連通性較好的條紋中心線。
　　對于條紋特征點(diǎn)的提取，在傳統(tǒng)方法的基礎(chǔ)上，提出了遞歸法初（粗）定位結(jié)合曲線擬合法再（精）定位的特征點(diǎn)提取方法。該方法首先利用遞歸法來實(shí)現(xiàn)對條紋中心線的快速分割，然后通過擬合

5、分割端點(diǎn)內(nèi)的中心點(diǎn)，以擬合曲線的交點(diǎn)坐標(biāo)來作為特征點(diǎn)的精確位置。在此基礎(chǔ)上，根據(jù)接頭或焊縫的幾何關(guān)系，分別獲取了焊接過程中接頭的位置偏差信息和接頭幾何特征信息，并實(shí)現(xiàn)了對焊后焊縫外觀幾何尺寸的精確檢測。
　　通過焊縫表面缺陷圖像特點(diǎn)分析，建立了以改進(jìn)的自適應(yīng)中值濾波算法、高帽變換算法、背景校正算法和線性灰度變換算法為基礎(chǔ)的圖像預(yù)處理算法，從而實(shí)現(xiàn)了對圖像的去噪、背景均勻化及對比度增強(qiáng)等處理，為后續(xù)的圖像分割打下了良好的基礎(chǔ)?；谒?/p>

6、法實(shí)時性考慮，并結(jié)合圖像灰度分布特點(diǎn)，采用了基于遺傳算法的二維最大熵法對圖像進(jìn)行分割。實(shí)驗(yàn)結(jié)果表明，該方法可清晰、快速地將缺陷目標(biāo)從背景中分離出來，達(dá)到了提取缺陷目標(biāo)的目的。此外，采用了形態(tài)學(xué)濾波算法對二值化后存在的孤立噪聲點(diǎn)進(jìn)行去噪，獲得了滿意的圖像后處理效果。
　　為了缺陷特征提取的需要，采用了一種改進(jìn)的并行標(biāo)記算法對缺陷目標(biāo)進(jìn)行標(biāo)記。與此同時，采用8鄰域邊界跟蹤算法實(shí)現(xiàn)了對缺陷目標(biāo)的邊界跟蹤。對表面缺陷幾何形狀特征參數(shù)進(jìn)行了

7、描述，從中選擇了用于缺陷分類識別的特征量。對缺陷分類識別算法進(jìn)行了研究，設(shè)計了一種決策樹與BP神經(jīng)網(wǎng)絡(luò)串聯(lián)集成分類器。實(shí)驗(yàn)結(jié)果表明，該分類器由于具有決策樹分類器的實(shí)時性與BP神經(jīng)網(wǎng)絡(luò)分類器的自學(xué)習(xí)能力，因此具有良好的缺陷分類識別效果，缺陷分類識別率達(dá)到94.6％。
　　最后，基于開發(fā)的組合光源多功能視覺傳感，分別構(gòu)建了焊縫成形自適應(yīng)控制系統(tǒng)和焊縫外硯質(zhì)量自動視覺檢測系統(tǒng)。在焊縫成形自適應(yīng)控制系統(tǒng)建立前，對系統(tǒng)自適應(yīng)控制策略進(jìn)行了研