钨极氩弧焊焊缝跟踪偏差测量与控制算法研究

摘要

焊接是目前制造业领域中非常重要的材料加工技术，它的应用范围非常广泛，例如在机械制造、石油化工、交通运输、原子能和建筑工程等多种工业制造领域，焊接都起到非常关键的作用。随着近年来对于焊接质量的要求越来越高，提升焊接自动化水平也迫在眉睫。焊缝跟踪技术属于焊接自动化研究的一个重要领域。精确的焊缝跟踪对于确保焊接质量具有关键作用，而焊缝偏差（电弧与焊缝中心的偏差）检测又是保证精确焊缝跟踪的前提。基于视觉传感的焊接熔池图像处理与焊缝识别技术是目前焊缝跟踪领域重点研究的一个方面。
　　视觉传感技术模拟动物视觉功能，通过图像采集模块采集焊接熔池图像，并储存到工控机，再经过滤波、图像增强、边缘检测等图像处理手段来获取焊缝的特征信息，并且可以同时进行焊缝跟踪和焊接质量的控制，是未来焊缝跟踪领域的重要发展方向。在实际的焊接过程中，由于飞溅、强弧光、误差等各种干扰因素的影响，易导致采集到的熔池区域图像清晰度不足，这将对传统图像处理运算过程产生严重干扰，造成提取到的焊缝位置信息不准确。
　　本课题采用钨极氩弧焊自动控制试验装置，包括步进驱动模块、图像采集模块、继电器控制模块、焊接装置和试验工作台等。首先，采用分区重组方法处理熔池区域图像，共得到8个新信号，分别提取这8个新信号的均值、均方根、方差、峭度、偏度、形态因子和绝对偏差这7个时频特征，构成一个56维的统计特征空间，再利用PCA算法（Principal Component Analysis）将特征空间维度降低至3维，为建立焊缝偏差测量模型提供依据。然后，研究径向基函数神经网络理论和自适应神经模糊推理系统，选取经过主成分分析后累计贡献率大于95％的前3个主成分，作为径向基函数神经网络和自适应神经模糊推理系统的3个输入量，建立焊缝偏差测量模型。最后，根据试验装置的原理特性与执行机构的运动分析，建立焊缝自动跟踪系统的数学模型。研究常规PID（Proportional Integral Derivative）控制理论与遗传算法，将二者结合，利用遗传算法对PID控制器的三个参数进行快速寻优，再进行计算机仿真，提高系统的跟踪性能，为实际的焊缝跟踪试验打下良好的基础。

目录

第一章 绪 论

1.1 课题研究背景

1.2 焊缝跟踪技术的研究现状和发展趋势

1.3 熔池图像处理研究现状

1.4 选题意义及主要研究内容

1.5 本章小结

第二章 焊接试验设计

2.1 焊接自动控制系统概述

2.2 试验系统介绍

2.3 试验方案确定

2.4 本章小结

第三章 焊接熔池图像分区重组与多维特征提取

3.1 熔池图像分区重组方法

3.2 统计特征提取

3.3 主成分分析降维

3.4 本章小结

第四章 焊缝偏差测量视觉模型的建立

4.1 神经网络理论概述

4.2 RBF神经网络焊缝偏差预测模型的建立及结果分析

4.3 焊缝位置自适应神经网络模糊模型的建立及结果分析

4.4 本章小结

第五章 焊缝跟踪遗传算法优化PID控制仿真研究

5.1 步进电机数学模型

5.2 遗传算法优化PID控制

5.3 本章小结

总结与展望

论文主要研究工作和成果如下：

本文的主要创新点：

未来工作展望：

参考文献

攻读学位期间发表的论文

声明

致谢

附录