CN111061231A - 焊接装配间隙和错边前馈的熔池监控***及熔透监测方法 - Google Patents
焊接装配间隙和错边前馈的熔池监控***及熔透监测方法 Download PDFInfo
- Publication number
- CN111061231A CN111061231A CN201911204810.8A CN201911204810A CN111061231A CN 111061231 A CN111061231 A CN 111061231A CN 201911204810 A CN201911204810 A CN 201911204810A CN 111061231 A CN111061231 A CN 111061231A
- Authority
- CN
- China
- Prior art keywords
- weld
- image
- molten pool
- welding
- misalignment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 230000035515 penetration Effects 0.000 title claims abstract description 30
- 238000003466 welding Methods 0.000 claims abstract description 69
- 230000000007 visual effect Effects 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims description 8
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 3
- 238000010309 melting process Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 description 14
- 230000004927 fusion Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种焊接装配间隙和错边前馈的熔池监控***及熔透监测方法，该***包括工控机、焊接单元、视觉传感单元、数据采集与控制单元，所述视觉传感单元包括坡口轮廓扫描仪和工业相机，所述工业相机接有激光辅助光源，所述坡口轮廓扫描仪与所述数据采集与控制单元连接，所述工业相机与所述工控机连接，所述焊接单元、工控机分别都与所述数据采集与控制单元连接。与现有技术相比，本发明在焊机和机器人的常规通讯模块基础上加入视觉传感单元和数据采集与控制单元，实现焊接过程参数的采集，且针对随机装配条件，使用坡口轮廓扫描仪采集和测量，实现对焊接熔透状态精确的监测。
Description
技术领域
本发明涉及焊接质量控制技术领域，尤其是涉及一种焊接装配间隙和错边前馈的熔池监控***及熔透监测方法。
背景技术
焊接是一个非线性、时变、强耦合的复杂过程，对于焊接过程状态的准确监控，需要采用多传感器获取信息，进行多信息融合来预测和评估焊接熔透状态。目前使用的传感方式包括熔池视觉传感、电弧声音传感和焊接电流、电弧电压等电信号传感等，例如专利CN101224519B《基于视觉传感的弧焊机器人焊接监控***》。然而，现有的方法存在以下不足：首先针对熔池图像采集的方式主要为被动视觉，其易受电弧光的干扰，增加熔池图像处理的难度和精确度；其次，焊接装配误差和焊接过程中的热变形，会影响熔透状态。目前未有结合装配间隙、错边信息的焊接质量监控方法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种焊接装配间隙和错边前馈的熔池监控***及熔透监测方法。
本发明的目的可以通过以下技术方案来实现：
一种焊接装配间隙和错边前馈的熔池监控***，包括工控机、焊接单元、视觉传感单元、数据采集与控制单元，所述视觉传感单元包括坡口轮廓扫描仪和工业相机，所述工业相机接有激光辅助光源，所述坡口轮廓扫描仪与所述数据采集与控制单元连接，所述工业相机与所述工控机连接，所述焊接单元、工控机分别都与所述数据采集与控制单元连接。
优选的，所述焊接单元包括焊机、送丝机、机器人、通讯模块，所述机器人和焊机分别都与所述通讯模块连接，所述送丝机与所述焊机连接。
优选的，所述数据采集与控制单元包括PLC模块和高速采集卡，所述PLC模块分别与所述通讯模块、工控机连接，所述高速采集卡分别与所述通讯模块、坡口轮廓扫描仪、工控机连接。
优选的，所述激光辅助光源与工业相机调整到一定角度，使得激光可以压住弧光，让清晰的熔池图像进入工业相机。
优选的，所述坡口轮廓扫描仪固定于焊接方向的正前方，用于采集焊件的间隙和错边信息，采集到的数据通过高速采集卡传入工控机进行处理和存储。
一种采用上述焊接装配间隙和错边前馈的熔池监控***的熔透监测方法，包括：
步骤S1：通过视觉传感单元采集熔池图像，对熔池图像进行基于灰度值分布的筛选，保留弧光干扰弱的清晰图像；
步骤S2：对得到的清晰图像进行基于视觉注意机制的熔池感兴趣区域定位和熔池轮廓识别，并提取熔池特征；
步骤S3：结合焊接装配间隙和错边信息以及步骤S2得到的熔池特征，通过建立的焊接熔透预测模型，得到当前的熔透状态。
优选的，所述对熔池图像进行基于灰度值分布的筛选的过程包括：
设置一个灰度阈值，遍历一幅熔池图像的每个像素点获取灰度值，计数灰度值超过灰度阈值的像素点，将总计数值大于等于设定值的熔池图像判定为弧光强度过高的不合格图像并丢弃，将小于设定值的熔池图像判定为弧光干扰弱的清晰图像并保留。
优选的，所述基于视觉注意机制的熔池感兴趣区域定位的过程包括：
(1)计算图像每个像素的梯度大小和方向；
(2)将图像划分成小的细胞区域，统计每个细胞区域的方向梯度直方图；
(3)将若干个细胞区域组合成块，统计每个块的方向梯度直方图信息，将一幅图像分解为若干个特征向量；
(4)输入线性的支持向量机分类器来确定窗口中的区域是否是目标对象；
(5)通过训练好的支持向量机分类器识别熔池感兴趣区域。
优选的，所述熔池轮廓识别的过程采用梯度提升决策树算法，具体包括：
根据训练样本初始化一个平均形状
下一次经过迭代器迭代后的形状
是：
其中，I表示输入的图像，
表示第t次迭代后的轮廓点坐标，γt表示基于图像和轮廓点坐标的迭代器；初始位置在通过所有训练得到的树后，平均形状加上所有经过的叶子结点的形状改变值，得到最终的轮廓关键点位置，对提取出的熔池轮廓关键点位置坐标进行熔池轮廓曲线的多项式拟合，根据拟合出的结果得到熔池轮廓的几何信息。
优选的，所述焊接熔透预测模型基于LightGBM模型，其输入参数包括焊接电流、电压、送丝速度、提取的熔池特征以及焊接装配间隙和错边信息，其输出参数包括焊接背面熔宽。
与现有技术相比，本发明具有以下优点：
1、采用模块化搭建，在焊机和机器人的常规通讯模块基础上加入视觉传感单元和数据采集与控制单元，实现焊接过程参数的采集，且针对随机装配条件，使用坡口轮廓扫描仪采集和测量，对于采集到的高动态熔池图像设计预处理和基于视觉注意的处理算法，具有自适应性和高实时性，融合包括熔池图像特征、装配信息、焊接过程在内的多参数进行焊接熔透状态的监测和评估，实现对焊接熔透状态精确的监测。
2、利用辅助光源采集熔池图像，最大程度过滤弧光干扰，使得采集到的图像稳定和清晰。
3、针对高动态熔池图像进行筛选，对于高动态熔池图像，基于图像灰度值进行算法层面的筛选，降低了后处理过程中异常值出现的可能性，提高后续处理效率。
4、对保留的熔池图像，针对其不稳定的熔池形貌，采用视觉注意机制的算法定位熔池区域并提取熔池特征，使得相机与熔池相对位置改变时，仍可准确定位感兴趣区域，并准确提取熔池轮廓，并且加快了图像处理流程的速度，图像处理流程耗时在30毫秒以内，满足实时性的要求。
附图说明
图1为本发明熔池监控***的结构框图；
图2为本发明熔透监测方法的流程图。
图中标记：1为工控机；2为高速采集卡；3为PLC模块；4为焊机；5为送丝机；6为通讯模块；7为机器人；8为坡口轮廓扫描仪；9为工业相机；10为激光辅助光源。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例
如图1所示，本申请提出一种焊接装配间隙和错边前馈的熔池监控***，包括工控机1、焊接单元、视觉传感单元、数据采集与控制单元。本实施例中，***应用在随机装配条件下的铝合金GTAW焊接过程中。
焊接单元包括焊机4、送丝机5、机器人7、通讯模块6，机器人7和焊机4分别都与通讯模块6连接，实现机器人7控制的起弧信号以及焊机4反馈的电流导通(WCR)信号的传输。送丝机5与焊机4连接。
视觉传感单元包括坡口轮廓扫描仪8和工业相机9，工业相机9接有激光辅助光源10，坡口轮廓扫描仪8与数据采集与控制单元连接，工业相机9与工控机1连接，焊接单元、工控机1分别都与数据采集与控制单元连接。本实施例中，工业相机9采用电荷耦合器(ChargeCoupled Device，CCD)相机。激光辅助光源10与工业相机9调整到合适的角度，使得激光可以压住弧光，让清晰的熔池图像进入工业相机9，并通过同步装置使激光的触发时机和工业相机9的采像时机同步。视觉传感单元配备有一套窄带滤光片(905nm)和减光片，可以过滤大部分弧光并与激光中心波长相近。工业相机9与焊机4通过夹具固定，夹具可以调整采像角度。采集的图像通过USB直接传输到工控机1中进行处理和存储。坡口轮廓扫描仪8固定于焊接方向正前方，用于采集焊件的间隙和错边信息，采集到的数据通过高速采集卡2传入工控机1进行处理和存储。针对随机的焊接装配条件，利用固定在焊枪前端的线结构光坡口轮廓扫描仪8实时采集和测量，将间隙、错边信息作为后续预测模型的输入参数。
数据采集与控制单元包括PLC模块3和高速采集卡2，PLC模块3分别与通讯模块6、工控机1连接，高速采集卡2分别与通讯模块6、坡口轮廓扫描仪8、工控机1连接。焊机4起弧成功会发送电流导通(WCR)信号给PLC模块3，PLC模块3输出开始采集信号给工控机1；焊接结束后WCR信号消失，则停止采集，实现采集过程的自动控制。
如图2所示，本申请提出一种采用上述焊接装配间隙和错边前馈的熔池监控***的熔透监测方法，包括：
步骤S1：通过视觉传感单元采集熔池图像，对熔池图像进行基于灰度值分布的筛选，保留弧光干扰弱的清晰图像；
步骤S2：对得到的清晰图像进行基于视觉注意机制的熔池感兴趣区域定位和熔池轮廓识别，并提取熔池特征；
步骤S3：结合焊接装配间隙和错边信息以及步骤S2得到的熔池特征，通过建立的焊接熔透预测模型，得到当前的熔透状态。
焊接过程中的极端条件，如强弧光和表面反光等，会极大的影响焊接熔池图像的质量。对低质量的图像进行图像处理可能导致预设的图像处理算法失效，甚至产生异常值，并且浪费处理时间，影响实时性。
为了解决上述问题，步骤S1提出了一种高动态熔池图像预处理方法，即基于灰度值的熔池图像序列过滤方法。对熔池图像进行基于灰度值分布的筛选的过程包括：设置一个灰度阈值，遍历一幅熔池图像的每个像素点获取灰度值，计数灰度值超过灰度阈值的像素点，将总计数值大于等于设定值的熔池图像判定为弧光强度过高的不合格图像并丢弃，将小于设定值的熔池图像判定为弧光干扰弱的清晰图像并保留。本实施例中，采集到的熔池图像是帧率20Hz、间隔0.05s的一组连续图像，两张较清晰的高质量图像中间间隔了5张弧光干扰强的低质量图像。经过熔池图像过滤方法的过滤，得到了4张高质量熔池图像，将这些图像留作后续处理，低质量的图像直接丢弃。
焊接熔池图像的特点是熔池区域较小，周围大部分无有效信息，因此需要先定位感兴趣区域，从而减少需要处理的图像像素，提升图像处理的速度和精确度。现有的熔池感兴趣区域定位依赖在搭建好焊接平台后人工设置固定窗口，这就需要确保相机和焊枪的相对位置始终不发生改变，否则就需要重新设定感兴趣窗口。
为了解决上述问题，步骤S2提出了基于视觉注意机制的熔池感兴趣区域定位过程，包括：
(1)计算图像每个像素的梯度大小和方向；
(2)将图像划分成小的细胞区域，统计每个细胞区域的方向梯度直方图(Histogram Of Gradient，HOG)；
(3)将若干个细胞区域组合成块，统计每个块的HOG信息，此时就将一幅图像分解为若干个特征向量；
(4)输入线性的支持向量机(Support Vector Machine，SVM)分类器来确定窗口中的区域是否是目标对象；
(5)通过训练好的支持向量机分类器识别熔池感兴趣区域。
针对提取出的熔池感兴趣区域，继续进行熔池轮廓提取。目前运用广泛的被动视觉熔池图像采集技术是利用电弧本身的弧光作为唯一光源照亮熔池，弧光的强度受到多种因素的影响：电流大小、熔池表面状态。现有的熔池轮廓提取算法依赖固定的弧光强度，在强弧光干扰以及弧光强度变化的情况下难以准确提取熔池的几何信息。
本申请中熔池轮廓识别的过程采用梯度提升决策树算法，能够在强弧光以及弧光强度变化的情况下稳定、快速的获取熔池轮廓信息。梯度提升决策树(Gradient BoostingDecision Tree，GBDT)是梯度提升(Gradient Boosting)和提升树(Boosting Tree)的结合，模型训练时通过拟合上一棵树的残差值，不断迭代以消除残差，将所有树的结果累加即可得到最终结果。熔池轮廓识别的过程具体包括：
根据训练样本初始化一个平均形状
下一次经过迭代器迭代后的形状
是：
其中，I表示输入的图像，
表示第t次迭代后的轮廓点坐标，γt表示基于图像和轮廓点坐标的迭代器；初始位置在通过所有训练得到的树后，平均形状加上所有经过的叶子结点的形状改变值，得到最终的轮廓关键点位置，对提取出的熔池轮廓关键点位置坐标进行熔池轮廓曲线的多项式拟合，根据拟合出的结果得到熔池轮廓的几何信息。以上方法实际测试测得图像处理速度小于30毫秒，满足实时处理的需要，与手工标注对比，处理误差也极小。
本实施例中，焊接熔透预测模型基于LightGBM模型，LightGBM是梯度提升决策树(Gradient Boosting Decision Tree，GBDT)的一种高效实现，具有训练速度更快、占用内存更小、准确度高的特点。模型结合上述步骤得到的焊接过程信息，模型输入参数包括焊接电流、电压、送丝速度、提取的熔池特征以及焊接装配间隙和错边信息，其输出参数包括焊接背面熔宽，以此来评估焊接熔透状态。
Claims (10)
1.一种焊接装配间隙和错边前馈的熔池监控***，其特征在于，包括工控机、焊接单元、视觉传感单元、数据采集与控制单元，所述视觉传感单元包括坡口轮廓扫描仪和工业相机，所述工业相机接有激光辅助光源，所述坡口轮廓扫描仪与所述数据采集与控制单元连接，所述工业相机与所述工控机连接，所述焊接单元、工控机分别都与所述数据采集与控制单元连接。
2.根据权利要求1所述的焊接装配间隙和错边前馈的熔池监控***，其特征在于，所述焊接单元包括焊机、送丝机、机器人、通讯模块，所述机器人和焊机分别都与所述通讯模块连接，所述送丝机与所述焊机连接。
3.根据权利要求2所述的焊接装配间隙和错边前馈的熔池监控***，其特征在于，所述数据采集与控制单元包括PLC模块和高速采集卡，所述PLC模块分别与所述通讯模块、工控机连接，所述高速采集卡分别与所述通讯模块、坡口轮廓扫描仪、工控机连接。
4.根据权利要求1所述的焊接装配间隙和错边前馈的熔池监控***，其特征在于，所述激光辅助光源与工业相机调整到一定角度，使得激光可以压住弧光，让清晰的熔池图像进入工业相机。
5.根据权利要求1所述的焊接装配间隙和错边前馈的熔池监控***，其特征在于，所述坡口轮廓扫描仪固定于焊接方向的正前方，用于采集焊件的间隙和错边信息，采集到的数据通过高速采集卡传入工控机进行处理和存储。
6.一种采用上述1～5任一所述的焊接装配间隙和错边前馈的熔池监控***的熔透监测方法，其特征在于，包括：
步骤S1：通过视觉传感单元采集熔池图像，对熔池图像进行基于灰度值分布的筛选，保留弧光干扰弱的清晰图像；
步骤S2：对得到的清晰图像进行基于视觉注意机制的熔池感兴趣区域定位和熔池轮廓识别，并提取熔池特征；
步骤S3：结合焊接装配间隙和错边信息以及步骤S2得到的熔池特征，通过建立的焊接熔透预测模型，得到当前的熔透状态。
7.根据权利要求6所述的焊接装配间隙和错边前馈的熔池熔透监测方法，其特征在于，所述对熔池图像进行基于灰度值分布的筛选的过程包括：
设置一个灰度阈值，遍历一幅熔池图像的每个像素点获取灰度值，计数灰度值超过灰度阈值的像素点，将总计数值大于等于设定值的熔池图像判定为弧光强度过高的不合格图像并丢弃，将小于设定值的熔池图像判定为弧光干扰弱的清晰图像并保留。
8.根据权利要求6所述的焊接装配间隙和错边前馈的熔池熔透监测方法，其特征在于，所述基于视觉注意机制的熔池感兴趣区域定位的过程包括：
(1)计算图像每个像素的梯度大小和方向；
(2)将图像划分成小的细胞区域，统计每个细胞区域的方向梯度直方图；
(3)将若干个细胞区域组合成块，统计每个块的方向梯度直方图信息，将一幅图像分解为若干个特征向量；
(4)输入线性的支持向量机分类器来确定窗口中的区域是否是目标对象；
(5)通过训练好的支持向量机分类器识别熔池感兴趣区域。
9.根据权利要求6所述的焊接装配间隙和错边前馈的熔池熔透监测方法，其特征在于，所述熔池轮廓识别的过程采用梯度提升决策树算法，具体包括：
根据训练样本初始化一个平均形状
下一次经过迭代器迭代后的形状
是：
其中，I表示输入的图像，
表示第t次迭代后的轮廓点坐标，γt表示基于图像和轮廓点坐标的迭代器；初始位置在通过所有训练得到的树后，平均形状加上所有经过的叶子结点的形状改变值，得到最终的轮廓关键点位置，对提取出的熔池轮廓关键点位置坐标进行熔池轮廓曲线的多项式拟合，根据拟合出的结果得到熔池轮廓的几何信息。
10.根据权利要求6所述的焊接装配间隙和错边前馈的熔池熔透监测方法，其特征在于，所述焊接熔透预测模型基于LightGBM模型，其输入参数包括焊接电流、电压、送丝速度、提取的熔池特征以及焊接装配间隙和错边信息，其输出参数包括焊接背面熔宽。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911204810.8A CN111061231B (zh) | 2019-11-29 | 2019-11-29 | 焊接装配间隙和错边前馈的熔池监控***及熔透监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911204810.8A CN111061231B (zh) | 2019-11-29 | 2019-11-29 | 焊接装配间隙和错边前馈的熔池监控***及熔透监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111061231A true CN111061231A (zh) | 2020-04-24 |
| CN111061231B CN111061231B (zh) | 2021-11-30 |
Family
ID=70299395
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911204810.8A Active CN111061231B (zh) | 2019-11-29 | 2019-11-29 | 焊接装配间隙和错边前馈的熔池监控***及熔透监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111061231B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112453751A (zh) * | 2020-11-27 | 2021-03-09 | 上海交通大学 | 一种基于视觉传感的管道全位置焊背面在线监测方法 |
| CN114178697A (zh) * | 2021-12-20 | 2022-03-15 | 上海交通大学 | 电机定子叠片的脉冲激光微点焊焊接***及焊接方法 |
| CN116021119A (zh) * | 2023-03-29 | 2023-04-28 | 中建安装集团有限公司 | 石化工艺管道机器人焊接组对错边量检测***及方法 |
| CN116597391A (zh) * | 2023-07-18 | 2023-08-15 | 武汉纺织大学 | 一种焊缝表面形貌和熔透状态同步在线监测方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4532408A (en) * | 1982-10-22 | 1985-07-30 | The Ohio State University | Apparatus and method for viewing molten pools in arc welding |
| JPS6117366A (ja) * | 1984-07-03 | 1986-01-25 | Mitsubishi Heavy Ind Ltd | 自動溶接方法及びその装置 |
| CN101127083A (zh) * | 2007-09-06 | 2008-02-20 | 江苏大学 | 一种焊接图像的识别方法 |
| CN102139398A (zh) * | 2011-04-15 | 2011-08-03 | 中铁山桥集团有限公司 | 正交异性板u形肋角焊缝双面焊技术 |
| CN103464869A (zh) * | 2013-08-26 | 2013-12-25 | 江苏科技大学 | 基于视觉传感的旋转电弧窄间隙mag焊焊缝偏差识别装置和方法 |
| CN103521890A (zh) * | 2013-10-12 | 2014-01-22 | 王晓宇 | 双面双弧立焊近红外视觉传感与熔透控制装置及方法 |
| CN105458490A (zh) * | 2015-12-30 | 2016-04-06 | 哈尔滨工业大学 | 一种利用高速摄像机判断激光深熔焊焊接类型的实时监测***及监测方法 |
| CN105741306A (zh) * | 2016-03-03 | 2016-07-06 | 上海交通大学 | 一种基于背面小孔特征的熔透状态判定方法 |
| CN106041258A (zh) * | 2016-08-17 | 2016-10-26 | 江苏北人机器人***股份有限公司 | 一种智能化机器人焊接*** |
| CN106624266A (zh) * | 2016-12-31 | 2017-05-10 | 东莞职业技术学院 | 一种用于汽车焊接的焊缝偏差及熔透状态监测方法 |
| CN108152291A (zh) * | 2017-11-30 | 2018-06-12 | 清华大学 | 基于熔池动态特征的端缝焊接未熔合缺欠实时检测方法 |
-
2019
- 2019-11-29 CN CN201911204810.8A patent/CN111061231B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4532408A (en) * | 1982-10-22 | 1985-07-30 | The Ohio State University | Apparatus and method for viewing molten pools in arc welding |
| JPS6117366A (ja) * | 1984-07-03 | 1986-01-25 | Mitsubishi Heavy Ind Ltd | 自動溶接方法及びその装置 |
| CN101127083A (zh) * | 2007-09-06 | 2008-02-20 | 江苏大学 | 一种焊接图像的识别方法 |
| CN102139398A (zh) * | 2011-04-15 | 2011-08-03 | 中铁山桥集团有限公司 | 正交异性板u形肋角焊缝双面焊技术 |
| CN103464869A (zh) * | 2013-08-26 | 2013-12-25 | 江苏科技大学 | 基于视觉传感的旋转电弧窄间隙mag焊焊缝偏差识别装置和方法 |
| CN103521890A (zh) * | 2013-10-12 | 2014-01-22 | 王晓宇 | 双面双弧立焊近红外视觉传感与熔透控制装置及方法 |
| CN105458490A (zh) * | 2015-12-30 | 2016-04-06 | 哈尔滨工业大学 | 一种利用高速摄像机判断激光深熔焊焊接类型的实时监测***及监测方法 |
| CN105741306A (zh) * | 2016-03-03 | 2016-07-06 | 上海交通大学 | 一种基于背面小孔特征的熔透状态判定方法 |
| CN106041258A (zh) * | 2016-08-17 | 2016-10-26 | 江苏北人机器人***股份有限公司 | 一种智能化机器人焊接*** |
| CN106624266A (zh) * | 2016-12-31 | 2017-05-10 | 东莞职业技术学院 | 一种用于汽车焊接的焊缝偏差及熔透状态监测方法 |
| CN108152291A (zh) * | 2017-11-30 | 2018-06-12 | 清华大学 | 基于熔池动态特征的端缝焊接未熔合缺欠实时检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘新峰: "基于正面熔池图像和深度学习算法的PAW穿孔/熔透状态预测", 《中国博士学位论文全文数据库 工程科技I辑》 * |
| 褚慧慧: "基于视觉的焊缝质量检测技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112453751A (zh) * | 2020-11-27 | 2021-03-09 | 上海交通大学 | 一种基于视觉传感的管道全位置焊背面在线监测方法 |
| CN112453751B (zh) * | 2020-11-27 | 2022-07-15 | 上海交通大学 | 一种基于视觉传感的管道全位置焊背面在线监测方法 |
| CN114178697A (zh) * | 2021-12-20 | 2022-03-15 | 上海交通大学 | 电机定子叠片的脉冲激光微点焊焊接***及焊接方法 |
| CN114178697B (zh) * | 2021-12-20 | 2022-12-13 | 上海交通大学 | 电机定子叠片的脉冲激光微点焊焊接***及焊接方法 |
| CN116021119A (zh) * | 2023-03-29 | 2023-04-28 | 中建安装集团有限公司 | 石化工艺管道机器人焊接组对错边量检测***及方法 |
| CN116597391A (zh) * | 2023-07-18 | 2023-08-15 | 武汉纺织大学 | 一种焊缝表面形貌和熔透状态同步在线监测方法 |
| CN116597391B (zh) * | 2023-07-18 | 2023-09-19 | 武汉纺织大学 | 一种焊缝表面形貌和熔透状态同步在线监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111061231B (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111061231B (zh) | 焊接装配间隙和错边前馈的熔池监控***及熔透监测方法 | |
| CN109886298B (zh) | 一种基于卷积神经网络的焊缝质量检测方法 | |
| CN108320280B (zh) | 基于视觉清晰度与轮廓提取的熔池图像异常检测方法 | |
| CN103464869B (zh) | 基于视觉传感的旋转电弧窄间隙mag焊焊缝偏差识别装置和方法 | |
| CN112183313A (zh) | 一种基于SlowFast的电力作业现场动作识别方法 | |
| CN116423005B (zh) | 一种提高焊接精度的锡焊工艺优化方法及*** | |
| CN106778439B (zh) | 一种基于图像处理的锂电池批量扫码***及方法 | |
| CN110648319B (zh) | 基于双相机的设备图像采集诊断***及方法 | |
| CN104020222A (zh) | 全自动超声波铝丝压焊机焊接质量检测*** | |
| CN117589129B (zh) | 一种车载式柔性接触网***坡度测量方法及*** | |
| CN101169826A (zh) | 基于机器视觉的排辊成形焊管质量在线监控*** | |
| CN116493735B (zh) | 一种万瓦级超高功率激光焊接过程运动飞溅实时跟踪方法 | |
| CN113762240A (zh) | 一种基于深度学习的熔覆层几何特征预测方法及*** | |
| CN116989881A (zh) | 一种基于线激光目标识别的接触线振动测量***及方法 | |
| CN102663781A (zh) | 一种基于视觉的亚像素级焊缝中心提取方法 | |
| CN114723668A (zh) | 一种基于面阵相机的阴极铜质量检测方法及*** | |
| CN113077423A (zh) | 基于卷积神经网络的激光选区熔化熔池图像分析*** | |
| EP3885069A1 (de) | Qualitätskontrolle eines laserbearbeitungsprozesses mittels maschinellem lernen | |
| Säntti et al. | Online seam tracking for laser welding with a vision chip and FPGA enabled camera system | |
| CN115255565A (zh) | 全局模式识别的窄间隙焊接坡口边缘视觉传感检测方法及应用 | |
| KR20230101459A (ko) | 실시간 용접 위빙 궤적 분석 처리 장치 | |
| CN112132807B (zh) | 一种基于颜色相似度分割的焊缝区域提取方法和装置 | |
| CN117340459B (zh) | 一种超高功率激光焊接全过程监测方法及*** | |
| CN111790910B (zh) | 一种激光粉末床熔融成形件缺陷反馈与调节方法 | |
| CN117020361B (zh) | 一种机械制造自动检测装置及检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |