機器視覺在焊接熔池實時檢測與參數(shù)測定中的應用【畢業(yè)設計】

1、<p><b>　?。?0_ _屆）</b></p><p><b>　　本科畢業(yè)設計</b></p><p>　　機器視覺在焊接熔池實時檢測與參數(shù)測定中的應用</p><p>　　所在學院 </p><p>　　專業(yè)班級

2、電氣工程及其自動化 </p><p>　　學生姓名 學號 </p><p>　　指導教師 職稱 </p><p>　　完成日期 年 月 </p><p><b>　　摘 要</b>&

3、lt;/p><p>　　焊接過程的自動化和智能化己經(jīng)成為當今焊接技術(shù)的發(fā)展方向，成為目前一個熱門的研究課題。視覺傳感的特點是提高生產(chǎn)的柔性和自動化程度。在一些不合適人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，常用機器視覺代替人工視覺；同時在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品質(zhì)量效率低且精度不高，用機器視覺檢測方法可以大大提高生產(chǎn)效率和審查的自動化程度。</p><p>　　針對焊

4、接過程的特點，本文對焊接熔池圖像進行直接處理，采用MATLAB數(shù)字圖像處理功能實現(xiàn)。首先介紹了本課題的來源與研究意義，并簡單介紹了當今機器視覺的研究現(xiàn)狀，明確了本課題的研究內(nèi)容。然后給出了實現(xiàn)機器視覺的原理基礎，并在MATLAB平臺上對熔池原始圖像進行處理仿真，并取得了想要得到的結(jié)果。</p><p>　　實驗表明：基于機器視覺的焊接熔池實時檢測與參數(shù)測定能夠得到理想的熔池形狀參數(shù)，基本能滿足生產(chǎn)要求。</

5、p><p>　　關鍵詞：焊接技術(shù)，機器視覺，MATLAB仿真，熔池形狀</p><p>　　The application of weld pool real-time inspection and parameters measurement based on Machine Vision</p><p><b>　　Abstract</b&

6、gt;</p><p>　　Automation and intelligence of welding process become more and more popular in welding technologies. And these are hot in the welding region. The Characteristics of visual sensor is it can

7、improve the flexibility and automation of production. In some time, the working conditions is dangerous of manual operation or the artificial vision is difficult to meet the requirements of the o

8、ccasion, we use the machine vision instead. At the same time, in the large quantities of industrial production proce</p><p>　　For the characteristics  of welding process, in this paper, t

9、he processing of weld pool image is directly, it can be achieved by the digital image processing function of MATLAB. At first, introduces the  the origin and research significance

10、of this subject, and briefly introduces the status of machine vision research in  today, make sure the Study contents. Then gives the the basal principle of machine vision. At last

11、 , simulate the processing of the weld pool original image, and achieved the de</p><p>　　Experiments show: the weld pool real-time inspection and parameters measurement based on Machine Vision can obtai

12、n the desired weld pool shape parameters, which can basically meet the production requirements.</p><p>　　Keywords: welding technologies, Machine Vision, MATLAB simulation, pool shape

13、</p><p><b>　　目錄</b></p><p><b>　　摘 要I</b></p><p>　　AbstractII</p><p><b>　　1 緒論1</b></p><p>　　1.1課題的來源1</p>&

14、lt;p>　　1.2課題的意義1</p><p>　　1.3 熔池質(zhì)量信息檢測的研究現(xiàn)狀1</p><p>　　1.3.1 視覺傳感法2</p><p>　　1.3.2 非視覺傳感法3</p><p>　　1.4 過程監(jiān)測中的信號處理4</p><p>　　1.5焊接過程控制研究現(xiàn)狀5</p&g

15、t;<p>　　1.5.1 經(jīng)典控制和現(xiàn)代控制5</p><p>　　1.5.2 智能控制6</p><p>　　1.6本課題研究內(nèi)容6</p><p><b>　　2機器視覺基礎7</b></p><p>　　2.1基于視覺信息的初始焊接位置識別與引導7</p><p>

16、　　2.2基于視覺信息的機器人焊接的自主焊縫跟蹤8</p><p>　　2.3 基于視覺傳感的焊縫熔透實時控制9</p><p>　　2.4 基本原理10</p><p>　　2.4.1 模板匹配的基本原理10</p><p>　　3熔池圖像處理13</p><p>　　3.1 熔池圖像處理的基本過程13&

17、lt;/p><p>　　3.1.1圖像濾波13</p><p>　　3.1.2 圖像閾值化14</p><p>　　3.1.3 邊緣檢測15</p><p>　　3.1.4 特征提取17</p><p>　　3.1.5 視覺系統(tǒng)的定標22</p><p><b>　　結(jié)論23&

18、lt;/b></p><p><b>　　參考文獻24</b></p><p>　　致謝錯誤!未定義書簽。</p><p><b>　　附錄26</b></p><p>　　MATLAB圖像處理程序26</p><p><b>　　1 緒論</b

19、></p><p><b>　　1.1課題的來源</b></p><p>　　焊接生產(chǎn)作為現(xiàn)代工業(yè)的一個重要加工環(huán)節(jié)，近些年來，隨著石化、冶金、電力以及原子能、航天等現(xiàn)代化科技技術(shù)的快速發(fā)展，對所使用的設備質(zhì)量的要求也越來越高，因此，保證焊接結(jié)構(gòu)的質(zhì)量就成了國內(nèi)外焊接工作研究者面臨的重要挑戰(zhàn)。解決這些問題的唯一途徑就是實現(xiàn)焊接過程的自動化、智能化。</p&

20、gt;<p>　　焊接自動化技術(shù)的關鍵點是在于對焊接工藝過程進行實時檢測與自動控制。在現(xiàn)階段所能做只是利用人類的感官或者現(xiàn)有的傳感技術(shù)，對一些與直接焊接質(zhì)量有關的間接焊接質(zhì)量，如熔深、熔寬、熔透等，進行實時檢測和控制，從而達到控制焊接質(zhì)量的目的[1]</p><p>　　視覺傳感的特點是提高生產(chǎn)的柔性和自動化程度。在一些不合適進行人工作業(yè)的危險工作環(huán)境或人工視覺不能滿足要求的場合，常用機器視覺來替代

21、；另一方面在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品的質(zhì)量存在著精度不高而且效率低的現(xiàn)象，而用機器視覺檢測方法就可以在較大程度上提高審查的自動化程度和生產(chǎn)效率。并且用機器視覺便于實現(xiàn)信息集成，是實現(xiàn)計算機集成制造的基礎技術(shù)。由于視覺傳感可以迅速獲得大量信息，而且易于與設計信息及加工控制信息集成，所以，在現(xiàn)代自動化生產(chǎn)過程中，視覺傳感將在工況監(jiān)視、成品檢驗和質(zhì)量控制等相關領域得到廣泛的應用。</p><p><

22、;b>　　1.2課題的意義</b></p><p>　　隨著對焊接自動化智能化研究的深入，現(xiàn)代工業(yè)生產(chǎn)越來越注重對焊接質(zhì)量的控制，特別是其中熔透與成形直接反映了焊接質(zhì)量，因此焊接質(zhì)量控制的關鍵步驟是檢測出反映焊縫熔透和成形的質(zhì)量信息。目前國內(nèi)外普遍使用各類傳感裝置對焊接熔池信息進行傳感來對焊接過程進行實時控制，同時以此作為智能化焊接要求實現(xiàn)的基礎。因此，國內(nèi)外眾多研究人員在視覺傳感方面進行了廣泛

23、的研究，該課題在任何方面技術(shù)嘗試和創(chuàng)新都是很有實際意義的。</p><p>　　1.3 熔池質(zhì)量信息檢測的研究現(xiàn)狀</p><p>　　焊接過程信息檢測是焊接過程研究與質(zhì)量控制的基礎，其核心問題是傳感技術(shù)。焊接過程實時控制的關鍵環(huán)節(jié)和重要組成部分是熔池信息傳感，檢測到的熔池信息能反映焊縫外觀形狀和缺陷，就能間接判斷焊接的質(zhì)量。到目前為止，已有多中傳感器被用來實時檢測焊接過程和焊接質(zhì)量。根據(jù)

24、工作的原理和檢測方法可以區(qū)分為視覺傳感法、力學傳感法、聲學傳感法和電弧傳感法[2]。</p><p>　　1.3.1 視覺傳感法</p><p>　　光學傳感器的特點是其不與焊接回路接觸，信號的檢測過程不會影響到正常焊接過程。盡管目前在實際工業(yè)生產(chǎn)中光學傳感器的應用不多，但由于光學傳感器能提供豐富的信息這一特點，其將是今后最有發(fā)展前景的傳感技術(shù)之一。隨著電子工業(yè)和圖像處理技術(shù)的日益成熟，視

25、覺傳感將有廣大的發(fā)展空間。</p><p>　　通過直接視覺傳感技術(shù)的利用可以得到焊接過程動態(tài)熔池的二維或三維信息，與其他焊接過程信息檢測方法相比較，這種檢測方法最大的優(yōu)勢在于檢測到的熔池信息能夠直接反映焊接過程熔化金屬的動態(tài)行為，顯而易見，該方法更適合焊接過程的質(zhì)量控制。根據(jù)視覺檢測系統(tǒng)中成像光源是輔助光源還是焊接區(qū)自身產(chǎn)生的光源可分為主動式和被動式兩大類[3]。</p><p>　　(

26、1) 主動式直接視覺傳感</p><p>　　理想的視覺傳感技術(shù)應該能夠?qū)τ捎陔娀」獾墓鈴姷募眲∽兓a(chǎn)生抑制作用。為盡量減小少弧光對圖像質(zhì)量的影響，主動視覺傳感檢測方法一半采用激光等條件合適的輔助光源對焊接區(qū)進行人工照明以提高圖像的質(zhì)量。由于激光具有單波長，方向性好，相干性好等特點，所以可以采用激光作為輔助光源來獲得較清晰的圖像。</p><p>　　美國的R. Kovacevic 等人[

27、4,5]設計了一種由脈沖激光柵格狀多結(jié)構(gòu)光條紋和高電子快門攝像機組成的熔池視覺檢測系統(tǒng)，激光器與攝像機的快門同步，激光器的平均功率為7MW，在一個脈沖周期內(nèi)激光脈沖持續(xù)時間為3NS，激光波長為337NM。因為在激光持續(xù)時間內(nèi)，激光的能量密度遠遠大于弧光的能量密度，在激光暴光時間內(nèi)激光的光強又遠遠大于弧光的光強，在攝像機成像的光路系統(tǒng)中又加有與激光波長相匹配的窄帶光學濾光片，所以能夠有效地抑制弧光干擾，進一步提高了圖像的信噪比，獲得了非常

28、清晰的熔池圖像。但由于該方法采用高能量密度的脈沖光源和特殊電子快門的攝像機，其設備非常昂貴，很難在實際生產(chǎn)中進行推廣應用。</p><p>　　(2) 被動式直接視覺傳感</p><p>　　被動光源傳感是指利用熔池自身的輻射光或者對電弧的反射光或者兩者兼有之作為接收器件信號源的一種視覺傳感方式。</p><p>　　上海交通大學的陳善本對脈沖熔化極氣體保護焊（GM

29、AW）熔池視覺傳感和實時控制進行了研究[6]。建立了脈沖GMTW過程熔池視覺傳感系統(tǒng)，根據(jù)脈沖GMAW弧光光譜分布和熔池圖像特征提取，實現(xiàn)了對脈沖GMAW熔池動態(tài)過程的實時檢測。</p><p>　　由于焊接熔深和熔透可以通過溫度場的變化來表現(xiàn)，因此若能直接檢測焊接溫度場的變化，來控制焊接程度是最理想的。但是在實際焊接過程中，接觸式測溫方式難以實現(xiàn)，通常是采用非接觸測溫方法，即紅外熱像法。</p>

30、<p>　　利用紅外敏感元件檢測熔池正面或背面的溫度場輻射這種方法稱為紅外熱像法，該方法通過采集溫度場區(qū)域的熱輻射量并且對溫度場信息進行處理，利用溫度場的梯度來檢測熔透質(zhì)量。</p><p>　　1.3.2 非視覺傳感法</p><p><b>　　(1) 力學傳感法</b></p><p>　　力學傳感法是在焊接過程中直接利用力學傳

31、感器采集聲音信號，或者對熔池施加外力，使其產(chǎn)生其他形式的聲音信號。</p><p>　　熔池在電弧力和熱作用下將會發(fā)生振蕩，振蕩模式與熔池幾何形狀，特別是焊接熔池熔透密切相關。該方法就是利用熔池液體受激產(chǎn)生振蕩這一物理現(xiàn)象，通過檢測其他相關量來測定熔池的振蕩頻率，實現(xiàn)從熔池正面檢測熔深或熔透，既而實現(xiàn)熔池控制的目的[7-9]。</p><p><b>　　(2) 聲學傳感法<

32、;/b></p><p>　　在焊弧過程中，電弧聲總伴隨著產(chǎn)生。該方法就是通過拾聲器采集電弧的特征聲波，再通過傅里葉變換對聲壓值進行特征分析，找出聲壓與熔池之間的某種聯(lián)系，既而實現(xiàn)熔池的在線控制。</p><p>　　在文獻[8]中指出：在脈沖等離子弧焊鍋爐管道生產(chǎn)過程中，充分利用了等離子弧的“小孔”效應，當脈沖焊接電流持續(xù)的時候，等離子弧穿透管壁，形成小孔效應，此時的電弧聲通過小孔

33、，進入到管壁內(nèi)形成很強的聲信號，那么信號的持續(xù)時間就表示了小孔的持續(xù)時間，根據(jù)它來實時控制焊接形狀，即可達到控制焊接熔透的目的。美國的DAVE FARSON等人利用拾聲器在激光焊接過程中采集聲音信號，發(fā)現(xiàn)隨著熔深增加聲壓值也會增大，特別是當從局部焊透向全焊透過渡時，聲壓值會突變達到最大，從而可以對熔透進行檢查和控制[10]。</p><p><b>　　(3) 電弧傳感法</b></p

34、><p>　　電弧傳感法是指從焊接電弧本身提取電信號，即通過檢測焊接電流的變化或電弧電壓反映焊接質(zhì)量信息的變化。</p><p>　　這種方法主要應用于熔透控制中，因為熔池的固有頻率與熔池尺寸有一定的對應關系，而電弧電壓能夠反映熔池的振蕩頻率，所以通過電弧傳感器檢測電弧電壓即可實現(xiàn)對焊接熔透的控制。荷蘭的G. DEN OUDEN 在這方面做了大量的研究工作[11-13]，他在TIG焊中，通過疊

35、加短時脈沖電流激振熔池，產(chǎn)生熔池震蕩，利用電壓傳感器檢測通過傅里葉變化的熔池振蕩頻率。哈爾濱工業(yè)大學的楊春利、何景山等人在恒定直流之上疊加定頻率正弦波電流作為焊接電流激振熔池，產(chǎn)生熔池振蕩，發(fā)現(xiàn)熔池振蕩頻率與熔池尺寸之間存在良好的對應關系，可以用于尺寸檢測及熔透控制[14]。</p><p>　　1.4 過程監(jiān)測中的信號處理</p><p><b>　?。?）閾值比較</b

36、></p><p>　　這種方法是通過設定過程中某個監(jiān)測量的閾值來判斷過程的穩(wěn)定性，如果監(jiān)測到的信號超出閾值范圍，那么判定出現(xiàn)了質(zhì)量問題，否則就認為焊接過程是穩(wěn)定的。這種方法只對信號做簡單的放大、濾波等處理，常常在罐身、汽車板的焊接中，主要用來監(jiān)測未焊透、燒穿及焊接過程的穩(wěn)定性。</p><p>　　（2）時域、頻域分析</p><p>　　在對動態(tài)信號的分析

37、中，頻域和時域分別表明了動態(tài)信號的兩個方面。時域分析是指以波形分析為主，波形分析是以時間軸為坐標表示動態(tài)信號隨時間變化的關系，時域表示比較形象、直觀。頻域分析則以頻譜分析為主，頻譜分析是把動態(tài)信號變?yōu)橐灶l率軸為坐標表示出來，頻域表示動態(tài)信號則顯得更為簡練，剖析問題更加深刻和方便。目前，動態(tài)信號分析的趨勢是從時域向頻域發(fā)展，但二者又是相互聯(lián)系、缺一不可、相輔相成的。時域分析相對來說比較簡單，多是對波形的幅值分析，如計算波形的最大值、平均值

38、等。通過分析，再給出各種量的幅值關系，如幅值的大小、幅值對時間的分布等。頻譜分析是頻域分析的主要手段，頻譜特性是動態(tài)信號的基本特性之一。在焊接過程監(jiān)測信號的頻譜分析中，由于功率譜圖中突出了主頻率，功率譜分析成為最常用的頻譜分析方法。通過頻譜分析可以求得動態(tài)信號中各個頻率成分的能量分布，從而得到主要能量分布的頻率值，為焊接過程的質(zhì)量分析提供依據(jù)。在頻譜分析中最常用的是快速傅立葉變換，這種分析方法一方面可以加深對信號物理本質(zhì)的認識，另一方面

39、又可以提高診斷系統(tǒng)的靈敏度和精度 [16] 。</p><p><b>　?。?）模糊評判系統(tǒng)</b></p><p>　　模糊評判系統(tǒng)是以模糊語言和模糊數(shù)學所形成的知識表示以及模糊的規(guī)則推理為理論基礎，采用計算機構(gòu)成的評判分析系統(tǒng)。G. Kinsman 等人采用模糊邏輯控制手段[17] ，以攝像頭獲取等離子云光斑的象素個數(shù)，實現(xiàn)以調(diào)節(jié)焊接速度為調(diào)節(jié)量的閉環(huán)控制。&l

40、t;/p><p><b>　　（4）專家系統(tǒng)</b></p><p>　　專家系統(tǒng)是一種以人類專家水平完成專門的或困難任務的計算機系統(tǒng)，具有啟發(fā)性、透明性和靈活性等特點。英國Liverpool 大學基于專家系統(tǒng)開發(fā)了罐身激光焊接缺陷實時診斷系統(tǒng)[18] 。該系統(tǒng)通過噴嘴與工件間的電位差來探測等離子云的變化情況，將焊接噴嘴作為探針探測由熔池壓力波沖擊產(chǎn)生的聲信號來監(jiān)測熔池的

41、變化情況。</p><p>　?。?）人工神經(jīng)網(wǎng)絡技術(shù)</p><p>　　人工神經(jīng)網(wǎng)絡技術(shù)是模仿人的大腦的神經(jīng)單元來處理信息，具有結(jié)構(gòu)化、非線性、魯棒性、并行性等特點。目前，人工神經(jīng)網(wǎng)絡技術(shù)在故障診斷、工況監(jiān)控、結(jié)構(gòu)分析、設計優(yōu)化以及幾何建模等機械工程中得到了廣泛的應用。另外在激光焊接過程質(zhì)量實時監(jiān)測中也有人工神經(jīng)網(wǎng)絡的應用。文獻[ 19-24]利用人工神經(jīng)網(wǎng)絡診斷了焊接過程所監(jiān)測的信號

42、。其中文獻[19]對焊接過程中是否熔透以及搭接接頭間隙是否超過0. 2 mm 進行了預測，結(jié)果正確率分別達到98. 5 %和99 %。文獻[19-21]對經(jīng)過頻域分析后的等離子體的光、聲信號利用人工神經(jīng)網(wǎng)絡對不同的缺陷進行診斷。文獻[21-24]探討了利用人工神經(jīng)網(wǎng)絡來控制激光焊接過程的方法。但是距實現(xiàn)過程的自適應控制還有一定的距離。</p><p>　　1.5焊接過程控制研究現(xiàn)狀</p><

43、p>　　控制焊接動態(tài)過程即實時調(diào)節(jié)焊接參數(shù)。焊接參數(shù)包括了焊接工藝規(guī)范參數(shù)、焊接過程的動態(tài)參數(shù)和焊接質(zhì)量參數(shù)。由于焊接過程自動控制的最終目的是為了獲得滿意的焊接質(zhì)量，因此焊接過程的被控對象主要是焊接過程中的動態(tài)參數(shù)，如熔池的正面熔寬、正面熔池的面積、半長和拖后角等[25]。</p><p>　　焊接過程是一個多參數(shù)影響的復雜多變量系統(tǒng)，由于焊接過程的非線性以及存在不確定性因素干擾，以精確數(shù)學模型為設計基礎的

44、經(jīng)典及現(xiàn)代控制理論面臨著嚴重的挑戰(zhàn)。近年來自動控制技術(shù)由于在人工智能、控制理論和計算機科學的交叉得到很大的進展，新一代控制理論正在逐步形成中，即智能控制理論。智能控制的基本特點是不依賴或不完全依賴被控對象的數(shù)學模型，其主要特點是利用人的操作經(jīng)驗、知識和推理技術(shù)以及控制系統(tǒng)的某些信息和性能得出相應的控制動作。</p><p>　　1.5.1 經(jīng)典控制和現(xiàn)代控制</p><p>　　PID控制

45、是目前發(fā)展的比較成熟的一種最簡單實用的控制方法，是一種經(jīng)典控制方法。它通常是依靠數(shù)學模型，再通過解析的方法進行設計，有時也不依賴數(shù)學模型而僅憑借經(jīng)驗和試湊來確定。由于其結(jié)構(gòu)簡單，應用到了工業(yè)控制的絕大數(shù)領域。在焊接過程控制中，曾被研究應用過[26,27]。PID控制是建立在數(shù)學模型的基礎上，焊接過程控制系統(tǒng)是非線性、大時滯、強耦合系統(tǒng)，不能用精確地數(shù)學模型來描述其系統(tǒng)特性，所以PID控制在焊接過程中不可能實現(xiàn)精確地控制。</p&g

46、t;<p>　　自適應控制是現(xiàn)代控制理論一種控制方法，哈爾濱工業(yè)大學張裕明等人[27]曾對此做過研究，控制效果不是很理想。由于現(xiàn)代控制理論也是建立在數(shù)學模型的基礎之上，對于像焊接這樣的非線性系統(tǒng)而言，其自適應控制問題的解決比較困難。首先很難找到合適的不確定非線性動態(tài)的模型結(jié)構(gòu)；其次，不存在一般形式的自適應控制律。</p><p>　　1.5.2 智能控制</p><p>　　

47、智能控制是控制理論發(fā)展的高級階段，由于有著傳統(tǒng)控制理論所不具備的自學習、自適應、自組織功能，它主要用來解決那些用傳統(tǒng)方法難以解決的復雜的控制問題[28]。智能控制具體又可分為模糊控制、神經(jīng)網(wǎng)絡控制、專家控制、分層遞階控制等，它所涵蓋的學科領域不盡相同。目前，在焊接過程控制中研究較多的是模糊控制、神經(jīng)網(wǎng)絡控制、以及兩者的結(jié)合模糊神經(jīng)網(wǎng)絡控制。</p><p>　　1.6本課題研究內(nèi)容</p><

48、p>　　由于計算機技術(shù)、傳感器技術(shù)的快速發(fā)展以及控制理論的豐富給整個工業(yè)界帶來了很大的變化，將計算機、傳感器和先進的控制理論用于傳統(tǒng)工業(yè)將是大勢所趨，也是改造和發(fā)展傳統(tǒng)行業(yè)的必由之路。在這樣的學術(shù)大背景下，本課題正是將傳統(tǒng)的焊接方法與高科技技術(shù)相結(jié)合，保證焊接質(zhì)量，提高焊接效率，節(jié)約能源和資源，改善勞動環(huán)境，走焊接行業(yè)的可持續(xù)發(fā)展道路。本課題主要研究熔池信息的在線檢測，特征識別，特征提取問題。該研究內(nèi)容是焊接技術(shù)發(fā)展的熱點研究方向

49、，具有很高的學術(shù)和應用價值。熔池視覺檢測系統(tǒng)能夠成功檢測出熔池清晰的圖像，利用MATLAB數(shù)字圖像處理技術(shù)檢測出熔池圖像的特征點，然后即可根據(jù)公式計算出熔池表面形狀尺寸參數(shù)，</p><p><b>　　2機器視覺基礎 </b></p><p>　　焊接過程中，對熔池信息的實時信息實時反饋是實時控制的基礎，所以能比較精確地、快速的傳遞熔池幾何信息等特征參數(shù)傳感系統(tǒng)是智

50、能化焊接機器人的重要設備。實施機器人焊接的首要技術(shù)之一是如何尋找并引導機器人焊槍接近焊接初始點，識別焊縫特征形式與走向?qū)崟r控制焊接機器人對中和跟蹤焊縫[39-33]。從模擬焊工觀察的功能出發(fā)，采用視覺傳感識別工件與焊縫特征是可行的。由于視覺傳感方式具有信息量大、非接觸、快速、高精度及自動化程度高等優(yōu)點，目前已成為機器人焊接傳感器方面的研究熱點。視覺傳感方式在焊接機器人領域中的應用方向概括來說主要集中在三個方面：基于視覺信息的初始焊接位置

51、識別與導引、焊縫跟蹤和焊縫成形傳感[34]。</p><p>　　2.1基于視覺信息的初始焊接位置識別與引導</p><p>　　對焊接機器人進行視覺傳感的初始焊位識別及導引研究，是實現(xiàn)智能化焊接機器人的關鍵技術(shù)之一。初始焊位的導引對于一個焊接任務的圓滿完成時十分重要的，它是實施焊接動作的第一步，并且對于提高焊接機器人的智能化程度，實現(xiàn)焊接機器人的智能化自主焊接時十分必要的。初始焊位導引系

52、統(tǒng)的任務就是通過視覺傳感，在工作空間內(nèi)拍攝焊件的圖像，通過圖像處理和立體匹配，提取焊縫的初始點在三維空間內(nèi)的坐標，把這個結(jié)果傳送給中央控制計算機（也稱IWR服務器），由IWR服務器控制機器人的焊槍到達初始焊位準備焊接。</p><p>　　一個基于視覺傳感的IWR初始焊位識別和焊縫初始位置導引系統(tǒng)如圖2-1所示。圖中CCD用于獲取待焊工件焊縫初始位置、連接形式的圖像信息，然后經(jīng)特定設計的圖像處理算法提取焊縫初始位

53、置特征，并經(jīng)立體視覺匹配算法確定焊接初始點的空間三維坐標，再行啟動自主導引計算程序，通過中央控制機和機器人控制器驅(qū)動機器人本體移動焊槍端點接近焊接工件焊縫初始位置。</p><p>　　圖2-1 基于視覺傳感的IWR初始焊位識別和導引子系統(tǒng)框圖</p><p>　　2.2基于視覺信息的機器人焊接的自主焊縫跟蹤</p><p>　　由于加工和裝配上的誤差以及焊接過程中

54、的熱核殘余應力而產(chǎn)生的變形等會造成接頭位置和尺寸的變化，因此焊接條件的變化要求焊接機器人能夠?qū)崟r檢測到這種變化以調(diào)整焊接路徑，保證焊接質(zhì)量的可靠性。焊縫跟蹤子系統(tǒng)的任務就是在機器人導引到初始位置之后，通過視覺傳感，在工作空間內(nèi)實時拍攝焊縫的圖像，通過圖像處理，提取焊縫的中心點與焊槍尖端點在焊件平面內(nèi)垂直投影點之間的距離（即偏差信息）和焊縫在圖像上的走向，把這個結(jié)果傳送給IWR服務器。由IWR服務器根據(jù)標定結(jié)果，把這些變量以機器人當前的姿

55、態(tài)轉(zhuǎn)化為機器人實際可控的變量?？刂茩C器人的焊槍始終在焊縫正上方保持相同高度并沿著焊縫前進。一個焊接機器人視覺傳感的焊縫跟蹤控制子系統(tǒng)如圖2-2所示。</p><p>　　圖中CCD1用于獲取工件焊縫位置、形狀和方向的圖像信息，然后經(jīng)特定設計的圖像處理算法提取焊縫形狀與方向特征，并根據(jù)焊縫位置確定焊槍的下一步接近或糾偏運動方向和位置量，再行啟動焊縫跟蹤計算程序，通過中央控制機和機器人控制器驅(qū)動機器人本體移動焊槍端點

56、跟蹤焊縫走向和位置糾偏。</p><p>　　圖2-2基于視覺傳感的IWR焊縫跟蹤實時控制子系統(tǒng)框圖</p><p>　　2.3 基于視覺傳感的焊縫熔透實時控制</p><p>　　焊弧過程的如圖信息傳感、焊接動態(tài)過程模型的建立和反饋實時控制是保證焊接質(zhì)量的關鍵技術(shù)，同時也是實現(xiàn)高質(zhì)量、高精度機器人焊接自動化的重要基礎之一。由于焊接過程是一個多參數(shù)相互耦合的時變非線

57、性系統(tǒng)，焊縫成形質(zhì)量受各種因素的影響，這使得在焊縫成形控制中，經(jīng)典和現(xiàn)代控制理論方法都不同程度的存在適應性差等缺點。為解決這些問題，保證焊縫成形穩(wěn)定，就必須使焊接機器人具有熔透實時控制的能力。一個基于視覺傳感的IWR熔透實時控制子系統(tǒng)如圖2-3所示。該子系統(tǒng)利用基于CCD攝像機的焊接熔池正面視覺信息傳感器。圖像采集借口卡、焊接數(shù)據(jù)采集接口板、以及微型計算機組成熔透控制系統(tǒng)，以熔池熔寬及成形為控制目標，實現(xiàn)機器人焊接過程中的焊縫熔透控制。

58、</p><p>　　圖中攝像機CCD2安裝于機器人焊槍行走方向的后部，用于在焊接弧光照射下直接獲取機器人運動后方向的半部熔池變化圖像，然后經(jīng)特定設計的熔池圖像處理算法提取熔池形狀特征，并根據(jù)熔池的寬度、半長、面積及形狀特征信息，通過中央控制機結(jié)合相應工藝參數(shù)和預先建立的焊接熔池動態(tài)過程模型預測熔深、熔透、熔寬和余高等焊接質(zhì)量參數(shù)，調(diào)用合適的控制策略給出適當?shù)睾附訁?shù)調(diào)整以及機器人運動速度、姿態(tài)和送絲速度的調(diào)節(jié)變

59、化，通過焊接電源和機器人本體等執(zhí)行機構(gòu)，實現(xiàn)對焊接熔池動態(tài)特征的實時監(jiān)測、熔透與焊縫成形質(zhì)量的智能控制。</p><p>　　圖2-3基于視覺傳感的IWR熔透實時控制子系統(tǒng)框圖</p><p><b>　　2.4 基本原理</b></p><p>　　2.4.1 模板匹配的基本原理</p><p>　　采用視覺傳感方法

60、，在對圖像識別及理解過程中，匹配技術(shù)起著重要的作用。未來在圖像中檢測出已知形狀的目標物，我們使用這個目標物的形狀模板與圖像匹配，在約定的某種準則下檢測出目標物圖像，通常稱其為模板匹配法。從視覺的角度看，“視”即要根據(jù)一定的知識借助圖像去場景中尋找符合要求的目標；“覺”即從輸入的圖像中抽取目標的特性，再與已有的目標模板進行匹配，從而達到理解場景含義的目的。而對圖像的識別要需要建立或發(fā)現(xiàn)各種內(nèi)部表達式內(nèi)在的聯(lián)系，建立聯(lián)系的目的是用已知解釋未

61、知。這里的匹配的目的可分為兩類，一類是確定在大圖像中是否含有小圖像，另一類就是確定小圖像在大圖像中的位置[3-7]。</p><p>　　在模板匹配中如果檢測的是某種目標。常常需要對待檢測的目標形狀有一定的知識以建造合適的模板。匹配的主要工作就是將模板在待匹配的圖像上平移并計算相關值，相關值最大的區(qū)域就是匹配最好的區(qū)域，或是設定一定的閾值，如果相關值大于設定的閾值，則可認為在待匹配圖像中存在模板所代表的區(qū)域圖像。

62、</p><p>　　為了衡量模板與待匹配圖像某區(qū)域的匹配程度，定義了幾種測量方法來表示模板與對應圖像之間的不相似度，如式（2-1）</p><p>　?。?-1）式中——待匹配的大圖像</p><p><b>　　——模板圖像</b></p><p>　　——在待匹配的大圖像中模板圖像所覆蓋的區(qū)域</p>

63、<p>　　其中式（2-1）所示的誤差平方和方法是應用最流行的測量方法，這種方法可以間接計算，計算成本也可以大幅度降低。根據(jù)式（2-1），可以推得：</p><p><b>　?。?-2）</b></p><p>　　假設待匹配圖像的尺寸為，模板圖像的尺寸為，其中并且。針對固定的模板圖像和待匹配圖像，可以用式（2-2）的最后一項來表示匹配測度，此項越大，

64、則越小，那么圖像的匹配程度越佳。可定義與之間的相關函數(shù)（互相關）為：</p><p><b>　　（2-3） </b></p><p>　　其中：，，式（2-3）中的求和是在圖像和模板相重疊的區(qū)域內(nèi)進行的。</p><p>　　根據(jù)式（2-3）進行模板匹配相關函數(shù)的計算時，可以看出，等式右邊的項是常數(shù)，但是項是變化的，它的值與和的值有關。這是

65、由于實際進行模板匹配操作時，一般情況下是固定模板，而是待匹配大圖像，中與對應的區(qū)域的圖像內(nèi)容總是隨、而變化。這時采用作為模板匹配的測度已不能確定正確的匹配，它對于待匹配圖像區(qū)域變化過于敏感，匹配測度值經(jīng)常隨待匹配圖像而變化，通?？刹捎脷w一化方法來解決這一問題，定義歸一化匹配相關系數(shù)為：</p><p><b>　　(2-4)</b></p><p>　　其中：，，是的

66、平均值，而是與當前位置相對應區(qū)域的平均值。相關系數(shù)通過歸一化尺度變換到區(qū)間[-1.，1]中，所以其值與和的幅度值變化無關，可以用來衡量模板匹配的相似程度。</p><p>　　由于獲取圖像時刻的條件不同，以及圖像中各種干擾因素的存在，在進行模板匹配過程中很難獲得百分之百匹配成功的位置。因此，經(jīng)常是通過設定一個適當?shù)拈撝档姆椒?，在相關系數(shù)的值大于所設定的閾值位置，即可認為是滿足配置要求的位置。</p>

67、<p><b>　　3熔池圖像處理 </b></p><p>　　3.1 熔池圖像處理的基本過程</p><p>　　本課題通過MATLAB數(shù)字圖像處理功能來分析出來熔池原始圖像，如圖3-1所示，經(jīng)過圖像濾波，圖像閾值化，邊緣檢測，邊緣賦值，特征提取等步驟，完成了對焊接熔池信息的實時提取。</p><p>　　圖3-1 熔池原始圖像

68、</p><p><b>　　3.1.1圖像濾波</b></p><p>　　在焊接時的圖像采集過程中，一幅圖像一般要經(jīng)過采樣、量化、傳輸?shù)冗^程，在這些過程中，由于存在著信道干擾、A/D量化誤差、光污染的許多干擾因素，圖像不可避免地含有噪聲，因此必須對圖像進行平滑濾波，一定程度上的去除干擾點的影響。CCD攝像機所獲取的圖像是經(jīng)過兩場圖像合成以后形成的一幅圖像，兩場圖像

69、在取像時刻上有20ms的延遲，因此他們之間存在差別。為消除兩張圖像的不一致性必須對圖像進行平滑。同時，視頻信號在傳輸過程中也會受到污染。噪聲信號和有用信號同時存在于一幅圖像中，所以必須進行去噪處理。實際上，現(xiàn)實世界中的圖像幾乎都是噪聲圖像，焊接熔池區(qū)圖像也是如此。</p><p>　　本文擬采用的處理方法為中值濾波。中值濾波是一種非線性的信號處理方法。它對脈沖干擾和椒鹽噪聲的濾除最為有效，而且在一定條件下可以克服

70、線性濾波器如最小均分濾波、均值濾波等帶來的圖像細節(jié)模糊。中值濾波一般采用奇數(shù)個點的滑動窗口，將窗口中各點灰度值的中值來替代指定點的灰度值。在這里選用的窗口，用9個點的灰度中值來替代第5點處（即窗口的中心點）的灰度值。以下程序段是利用MATLAB中的medfilt2（）函數(shù)進行中值濾波，圖3-2是中值濾波后的效果圖。</p><p>　　m2=medfilt2(pp，[3 3]);</p><p

71、>　　figure(2);</p><p>　　imshow(m2)</p><p>　　圖3-2 濾波后圖像</p><p>　　除去了圖像采集時帶來的噪聲和攝像機掃描方式引起的機械干擾，可以進行下一步的熔池圖像二值化處理。</p><p>　　3.1.2 圖像閾值化</p><p>　　閾值化過程是根據(jù)圖像直

72、方圖特征，通過設定閾值，把原圖像變換為僅用兩個值來分別表示目標和背景。二值化是閾值化的一個特例。設原始圖像為，通過使用合適的方法選取閾值T，將圖像分為兩部分，分割后的圖像為： </p><p><b>　?。?-1）</b></p><p>　　針對圖3-2，本文確定的閾值為170，以下程序段是利用MATLAB中的im2bw（）函數(shù)進行二值化處理

73、，處理效果如圖3-2所示</p><p>　　m3=im2bw(m2，170/255); </p><p><b>　　figure(3)</b></p><p>　　imshow(m3);</p><p>　　圖3-3 二值化圖像</p><p>　　3.1.3 邊緣檢測</p>

74、<p>　　圖像的邊緣檢測是所有基于邊界的圖像分割算法最基本的處理方法，在圖像進行基于邊界的分割處理時，所要進行的第一步就是對圖像進行邊緣檢測。圖像的邊緣集中了大部分的信息，圖像邊緣的確定與提取對于整個圖像場景的識別和理解非常重要的。在圖像處理中，邊緣檢測的方法很多，比較常有的有幾種算子：Robtes算子、Prewitt算子、Soble算子、以及Laplacian算子等。但這些算法不能直接用于本文的邊緣檢測，根據(jù)采集到的熔池圖

75、像的具體特點，設計了canny算子進行邊緣提取，它是最優(yōu)的階梯型邊緣算子。</p><p>　　canny算子步驟如下：</p><p>　　首先利用2D高斯濾波模板與原始模板進行卷積，以消除噪聲。</p><p>　　利用導數(shù)算子找到圖像灰度沿著兩個方向的導數(shù) ，，并求出梯度的大小：。 （3-2）</

76、p><p>　　利用（2）的結(jié)果計算出梯度的方向：。 （3-3）</p><p>　　求出了邊緣的方向，就可以把邊緣的梯度方向大致分為4中（、、和），并可以找到這個像素梯度方向的鄰接像素。</p><p>　　歷遍圖像。若某個像素的灰度值與其梯度方向上前后兩個像素的灰度值相比不是最大的，那么將這個像素置為0，即不是邊緣。</p><p&g

77、t;　　使用累計直方圖計算兩個閾值。凡是大于高閾值的一定是邊緣；凡是小于低閾值的一定不是邊緣。如果檢測結(jié)果在兩個閾值之間，則根據(jù)這個像素的鄰接像素中有沒有超過高閾值的邊緣像素，如果有，則它就是邊緣，否則不是。</p><p>　　以下程序段是利用MATLAB中的edge（）函數(shù)，并采用Canny算子，對圖3-3進行邊緣檢測，檢測效果圖如3-4所示。</p><p>　　bw1 = edge

78、(m3，'canny'，0.1); </p><p><b>　　figure(4)</b></p><p>　　imshow(bw1);</p><p>　　圖3-4邊緣檢測圖像</p><p>　　由于得到的圖像邊緣是二值化圖像。其中的白點的值為1，為了后續(xù)的步驟能順利進行，在這里需要將白點的值變?yōu)?/p>

79、255，以下程序段是利用MATLAB來實現(xiàn)這個目的。</p><p>　　[m，n]=size(bw1);</p><p>　　bw2=zeros(m，n);</p><p><b>　　for i=1:m</b></p><p><b>　　for j=1:n</b></p><

80、;p>　　if bw1(i，j)==1</p><p>　　bw2(i，j)=255;</p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p><b&

81、gt;　　figure(5)</b></p><p>　　imshow(bw2);</p><p><b>　　圖3-5 邊緣賦值</b></p><p>　　3.1.4 特征提取</p><p>　　經(jīng)過一系列的圖像處理，提取了清晰的熔池邊緣輪廓線，可以進行下一步的熔池尺寸、形狀參數(shù)的提取。通過逐行逐列的掃

82、描，得到熔池圖像四個方向上的最突出點。在MATLAB上通過下程序段來實現(xiàn)對特征點的提取。圖3-6到圖3-8為圖像特征點提取效果圖。</p><p><b>　　for j=1:n</b></p><p><b>　　for i=1:m</b></p><p>　　if bw2(m-i+1，n-j+1)==255</p

83、><p><b>　　x1=m-i+1;</b></p><p><b>　　y1=n-j+1;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　en

84、d</b></p><p><b>　　for i=1:m</b></p><p>　　bw2(i，y1)=255;</p><p><b>　　end</b></p><p><b>　　figure(6)</b></p><p>　　im

85、show(bw2);</p><p><b>　　for j=1:n</b></p><p><b>　　for i=1:m</b></p><p>　　if bw2(i，j)==255</p><p><b>　　x2=i;</b></p><p>&

86、lt;b>　　y2=j;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　for j=1:m</b></p>

87、;<p>　　bw2(j，y2)=255;</p><p><b>　　end</b></p><p><b>　　figure(7)</b></p><p>　　imshow(bw2);</p><p><b>　　for i=1:m</b></p>

88、<p>　　for j=y1+1:y2-1</p><p>　　if bw2(i，j)==255</p><p><b>　　x3=i;</b></p><p><b>　　y3=j;</b></p><p><b>　　end</b></p>&l

89、t;p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　for i=1:n</b></p><p>　　bw2(x3，i)=255;</p><p><b>　　end</b></p>

90、<p><b>　　figure(8)</b></p><p>　　imshow(bw2);</p><p><b>　　for i=1:m</b></p><p>　　for j=y1+1:y2-1</p><p>　　if bw2(m-i+1，j)==255</p>&

91、lt;p><b>　　x4=m-i+1;</b></p><p><b>　　y4=j;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　end</b>

92、</p><p><b>　　for i=1:n</b></p><p>　　bw2(x4，i)=255;</p><p><b>　　end</b></p><p><b>　　figure(9)</b></p><p>　　imshow(bw2);&

93、lt;/p><p>　　圖3-6 熔池最左側(cè)點提取 圖3-7 熔池最右側(cè)點提取</p><p>　　圖3-8 熔池底部最突出點提取 圖3-9 熔池頂部最突出點提取</p><p>　　經(jīng)過這四個提取步驟，如果以圖像左上角為坐標原點，豎直向下為X軸，水平向右為Y軸，得到的四個點的坐標為x1y

94、1：（134，13），x2y2：（146，154）</p><p>　　x3y3：（213，101），x4y4：（94，89）。</p><p>　　而像素在實際使用過程中卻是有大小的，因為我們不可能制作出一個無限小的點來，這樣也沒有辦法使用。那么像素到底是多么大？這與分辨率息息相關。比如原始熔池圖像分辨率為96Dpi，也就是說1英寸內(nèi)有96個像素點，而一英寸等于2.54cm，1平方英寸內(nèi)

95、有9696=9216個像素點，那么每個像素的大小就是1/9216平方英寸。所以說，像素的面積大小不是一個單一的，而是要與分辨率結(jié)合起來的。</p><p>　　為了描述熔池正面圖像的幾何形狀，并以數(shù)字的形式表達出來，建立熔池正面幾何形狀參數(shù)與熔深的關系，必須定義熔池正面的幾何參數(shù)。是對熔池正面參數(shù)的定義，如圖3-10所示。</p><p>　　圖3-10 熔池幾何形狀參數(shù)示意圖</p

96、><p>　　熔池形狀幾何參數(shù)主要包括：熔池最大寬度W、熔池半長L、熔池后部面積S、后拖角。其中熔池最大寬度定義為垂直焊接方向距離最大的兩個熔池邊界點的距離。熔池半長定義為熔池最大寬度中點到熔池尾部點的距離。熔池后部面積定義為熔池頂部到熔池尾部所包含區(qū)域的大小。后拖角定義為熔池尾部和熔池最大寬度兩個端點連線的夾角。定義的這些熔池尺寸參數(shù)基本上能夠描述焊接熔池正面的形狀特征。</p><p>　

97、　根據(jù)MATLAB提取到的特征點，可以建立下圖所示的坐標系來求得所需要的特征參數(shù)。</p><p>　　圖3-11 特征點坐標系</p><p>　　熔池最大寬度： (3-4)</p><p>　　熔池半長： （3-5）</p><p>　　熔池后拖角: （3-6）

98、</p><p><b>　　其中，</b></p><p>　　對于熔池面積，可以通過以下程序段在MATLAB上實現(xiàn)計算，得到的面積</p><p><b>　　clc;</b></p><p><b>　　clear;</b></p><p>　　i

99、mage1=imread('rc.jpg');</p><p>　　pp=rgb2gray(image1);</p><p>　　figure(1);</p><p>　　imshow(pp);</p><p>　　%p=uint8(image1)</p><p>　　m2=medfilt2(pp，[3

100、 3]);</p><p>　　figure(2);</p><p>　　imshow(m2);</p><p>　　m3=im2bw(m2，170/255); </p><p><b>　　figure(3)</b></p><p>　　imshow(m3);</p><p&

101、gt;　　m4=bwarea(m3)</p><p>　?。?-7） </p><p>　　3.1.5 視覺系統(tǒng)的定標</p><p>　　通過上面的計算提取的熔池尺寸參數(shù)是在以像素為單位的圖像坐標系下得到的，采集得到的圖像的幾何信息并不是實際焊接熔池的幾何信息（熔高，熔寬、熔深），

102、為了得到實際的熔池幾何尺寸，需要對實驗系統(tǒng)做標定。本課題由于設備所限，不能進行實際設備的定標，故而簡單介紹下了視覺定標的方法。</p><p>　　假設2個坐標系統(tǒng)：分別是工件坐標S1，與圖像坐標S2；</p><p>　　(1)工件坐標系: 二維坐標系，定義坐標原點為焊頭尖端正下方對應工件表面的一點，與觀測方向成某一固定角度的方向為OY 軸，正方向工件表面所在的平面內(nèi)該方向的垂直方向為O

103、X 軸方向，工件表面所在的平面內(nèi)作坐標系，該坐標系內(nèi)任意一點的坐標記為(X，Y)</p><p>　　(2)圖像坐標系： 二維坐標系中圖像左下方一點為坐標原點，垂直向上的方向定義為oy 軸正方向。水平向右方向為ox 軸正方向。該坐標系內(nèi)任意一點的坐標記為(x，y)在兩個二維坐標系中點的坐標變換存在簡單的線性關系，即：</p><p>　?。?-8） </p&

104、gt;<p>　　式中，P 為工件坐標系中點的坐標，二維向量p 為圖像坐標系中點的坐標，二維向量R為變換矩陣2 ×2 維矩陣，D為偏差向量，二維向量。</p><p>　　常數(shù)矩陣P，D可以通過取特殊點來求取，一般可以取3個特殊點來計算變換矩陣P，D。</p><p>　　另外，由于CCD攝像頭取圖成像時，會存在一定放大的比例系數(shù)，我們可以稱之為，所以，在前面求得這

105、些特征參數(shù)需要在除以這個比例系數(shù)，才是實際熔池的尺寸。</p><p><b>　　結(jié)論</b></p><p>　　本文進行的圖像處理工作，由于設備所限，不能夠針對特定的焊接過程制定出一套通用的處理方法，仍需要根據(jù)不同的圖像進行初步分析，然后才能進行相應的處理措施，這樣得出的熔池參數(shù)在精度上存在一定范圍的誤差。這也反映到圖像采集方面，可根據(jù)實際焊接過程中設置為基本不

106、會變動的規(guī)范參數(shù)，來調(diào)整圖像采集設備，并據(jù)此選定相應的濾光措施，以便于熔池圖像的采集，這樣采集的相應圖像特征上也會保持相同的特點。同時，可依據(jù)圖像的特點，如熔池邊界附近區(qū)域的灰度數(shù)值，來設計相對比較固定的圖像處理程序，最終希望能夠達到實時采集實時處理的目的。</p><p>　　故而，針對了焊接原始圖像的特點，本文利用MATLAB平臺的數(shù)字圖像處理模塊，編寫了一段圖像處理程序，對熔池圖像進行了有效地處理，獲取了熔

107、池的特征點，從而完成對熔池模型的建立。</p><p>　　在通過對熔池正面的幾何參數(shù)的定義，設計了熔池寬度、熔池半長、熔池面積等特征參數(shù)的計算方法，在對采集到特征點建立坐標系，完成對熔池特征參數(shù)的計算，而這些參數(shù)基本上能夠描述焊接熔池正面的形狀特征，為后續(xù)實現(xiàn)焊縫熔透和成形的質(zhì)量控制奠定了基礎。</p><p><b>　　參考文獻</b></p>&

108、lt;p>　　[1] 王其隆. 焊弧過程質(zhì)量控制實時傳感與控制[M].北京：機械工業(yè)出版社，2000</p><p>　　[2] 郭國林. TIG弧釬堆焊熔池視覺檢測與質(zhì)量控制研究[D]. 南京理工大學，2004</p><p>　　[3] 林尚揚，陳善本，李成桐. 焊接機器人及其應用[M]. 機械工業(yè)出版社. 2000， 7：4-7;57-61</p><p&g

109、t;　　[4] ovacevic R，Zhang Y M，Li.L. Monitoring of Weld Joint Penetration Based on Weld Pool Geometrical Appearance[J]. Transaction of the ASME，1996，75(10):317-329 </p><p>　　[5] R.Kovacevic，Y.M.Zhang and S.Rua

110、n.Sensing and Control of Weld Pool Geometry for Automated GTA Welding[J]. Transaction of the ASME，1995，117:210-222</p><p>　　[6] 陳善本，曹建明，徐晨明. 脈沖熔化極氣體保護焊熔池的視覺傳感與實時控制[J]. 焊接學報，2002，23(4):17-20</p><p&

111、gt;　　[7] 高向東，黃石生等. 焊弧過程焊縫熔深控制技術(shù)的研究[J].華南理工大學學報，2000，28（3）：48-53</p><p>　　[8] 董德祥，吳林，陳定華.焊接熔深自動檢測及控制理論研究綜述[C].壓力容器，1994.，11（4）：316-321</p><p>　　[9] 何德孚，李克海.焊接熔池的振蕩和焊縫成型的自適應控制[J].焊管，2000 (23) 4: 2

112、2-28</p><p>　　[10] Dave Fsrson，Afsar Ali Yan Sang.Relation of Optical and Acoustic Emissions to Laser Weld Penetration[J].Weldiong J，1998，77(4):142-148</p><p>　　[11] Y.H.Xiao and G.Den Ouden.A S

113、tudy of GTA Weld Pool Oscillation[J].Welding J，1990，69(8):289-293</p><p>　　[12] Y.H.Xiao and G.Den Ouden.Weld Pool Oscillation during GTA Welding of Mild Steel[J].Welding J，1993，72(8):428-434</p><

114、p>　　[13] A.J.R.Aendenroomer and G.Den Ouden. Weld Pool Oscillation as a Tool for Pennertation Sensing during Pulsed GTA Welding[J].Welding J，1998，77(5):181-187</p><p>　　[14] 林三寶，何景山，楊春利.連續(xù)行走脈沖 TIG 焊熔池諧振法熔