大功率激光焊熔透正反同步检测及焊缝背面成形预测算法研究

摘要

激光焊接技术在近代飞速发展，其具有速度快、功率密度高、较大的深宽比、可焊接难熔的材料并能对异种材料进行焊接、实施非接触远距离焊接、易于控制等优点，广泛应用在工业制造的各个领域。由于激光焊接功率密度高，激光光斑直径小，所以对焊接设备以及工件的固定精度要求较高，否则就会出现焊接缺陷，严重时导致焊件报废。要获得较好的焊接质量，就必须在激光焊接过程中对激光焊接状态有准确的判断。焊缝的成形质量直接影响焊接质量，获得良好的焊缝成形质量需要对焊接过程中熔透的程度进行很好的控制。
　　论文对现有的国内外熔透状态检测的方法进行了归纳和比较，重点研究焊接过程中熔透的状态实时检测技术。针对熔透状态不容易直接被检测的问题，设计搭建了激光焊接试验平台，并使用视觉传感器获取焊接过程中包含焊接特征信息的图像，利用设计的试验平台直接对匙孔熔透的状态进行检测。通过建立大功率盘型激光焊接试验系统和视觉检测系统，获取在焊接过程中出现的各种特征信息，建立模式识别模型对熔透的状态进行判断和预测，再通过焊后焊缝的成形检测，验证所建立模型的有效性。
　　为了研究熔透和焊接过程中出现的各个焊接特征之间的联系，分析熔透和焊缝成型以及对焊接质量的影响，搭建了三个试验平台，分别进行了低碳钢的激光焊接、不锈钢的激光—电弧复合焊接、不锈钢和低碳钢的激光—电弧复合焊接、铝合金5052的激光焊接、铝合金6061的激光焊接以及铝合金5052和铝合金6061的激光对接焊接。对于低碳钢的激光焊接，通过设计不同的视觉检测系统，分别获取了激光焊接过程中焊件的正面和背面的焊接特征信息，以及焊件的正面和侧面的焊接特征信息。通过改变焊接试验条件，得到不同的焊接条件对焊件正面和背面的焊缝宽度的影响，并分析不同的试验条件对熔透状态的影响。对于不锈钢以及不锈钢和低碳钢的激光—电弧复合焊接，和铝合金的激光焊接，获取了焊接过程中焊件侧面和背面的信息特征。通过改变试验条件，直接观察熔透的状态，分析各个试验条件对焊件的焊缝成形的影响，以及各个焊接试验条件对熔透状态的影响。
　　在大功率激光焊接试验过程中，用两台高速摄像机组成视觉检测系统。一台为单色高速摄像机配备有红外—可见光的滤光片，获取焊接过程中焊件上表面的金属蒸气和飞溅的焊接特征信息，另一台为彩色高速摄像机配备可见光的滤光片，通过放置在焊件下方的镜子的反射，获取焊接过程中焊件下表面的飞溅和匙孔熔透状态的焊接特征信息。使用基于K均值聚类算法的彩色图像分割算法对彩色图像进行处理，获得焊件背面有效的飞溅和匙孔状态的焊接信息特征。运用小波算法对单色高速摄像机获取的图像进行处理，提取焊件正面飞溅和金属蒸气的焊接特征信息。通过对匙孔熔透状态信息的直接提取，发现焊接试验条件包括焊接速度、焊接激光功率以及焊缝的宽度的改变对熔深的状态有直接的影响，而且焊接过程中出现的各个特征信息的变化趋势与匙孔的熔透状态有密切的关系。
　　建立模式识别模型对彩色图像中焊接特征信息的提取，以及建立LMBP(Levenverg-Marquardt Back-Propagation)神经网络和贝叶斯神经网络对焊件背面焊缝宽度进行预测。设计大功率盘型激光焊接试验平台，建立视觉传感系统，获取焊接过程中焊件上表面和侧面表现出的焊接特征信息。建立模式识别模型对彩色图像中焊接特征信息进行提取，分别由彩色高速摄像机获取的焊件侧面的6个特征信息，和由单色高速摄像机获取的焊件正面的3个特征信息。建立一个9输入1输出的LMBP神经网络和贝叶斯神经网络对焊件背面焊缝的宽度进行预测，通过预测结果可以看出，所建立的LMBP神经网络和贝叶斯神经网络具有良好的稳定性以及对焊件背面的焊缝宽度有较好的预测能力。
　　对焊件进行焊后的焊缝成形检测。通过对比不同试验下的焊缝剖面的宏观图，发现焊接激光功率、焊接路径和焊接速度对焊接熔深有直接的影响。通过对焊缝处的微观组织进行观察和对焊缝处维氏硬度的测量，发现焊缝处的维氏硬度＞母材的维氏硬度＞热影响区的维氏硬度。对焊件的焊后焊缝成形的检测，验证了所建立的熔透识别模型和对焊件背面的焊缝宽度预测的有效性。

目录

摘要

第一章 绪论

1．1 研究背景

1．2 激光深熔焊接和熔透状态分类

1．2．1 激光深熔焊接

1．2．2 熔透状态分类

1．3 熔透检测方法现状及分析

1．3．1 声信号检测方法

1．3．2 超声波信号检测方法

1．3．3 紫外辐射和可见光检测方法

1．3．4 温度场检测方法

1．3．5 机器视觉检测方法

1．3．6 多传感器融合检测方法

1．4 现有检测方法存在的问题

1．5 论文研究内容

第二章 激光焊接试验系统与焊接试验

2．2 低碳钢激光焊接试验

2．2．1 获取焊件正面和背面特征信息

2．2．2 获取焊件正面和侧面特征信息

2．3 不锈钢焊接试验

2．3．1 不锈钢激光—电弧复合焊接

2．3．2 不锈钢和低碳钢焊接试验

2．4 铝合金焊接试验

2．4．1 铝合金5052焊接试验

2．4．2 铝合金6061焊接试验

2．4．3 铝合金6061和铝合金5052焊接试验

2．5 本章小结

第三章 激光焊接过程中熔透的状态检测

3．1 引言

3．2 激光焊接视觉检测试验平台

3．3 焊接特征提取

3．3．1 焊接图像获取

3．3．2 彩色图像转换

3．3．3 基于K均值聚类算法图像特征提取

3．3．4 小波图像处理

3．4 熔透的状态与焊接特征变化规律的分析

3．4．1 熔透的状态与焊接特征的变化规律

3．4．2 各个特征变化规律分析

3．5 本章小结

第四章 激光焊接过程中焊件背面焊缝宽度的预测

4．1 引言

4．2 激光焊接试验平台

4．3 获取焊接试验特征信息

4．3．1 获取焊接试验图像

4．3．2 彩色图像色彩空间转换

4．3．3 焊接图像特征提取

4．4 建立焊件背面焊缝预测模型

4．4．1 典型BP神经网络

4．4．2 确定BP神经网络参数

4．4．3 LMBP神经网络对焊件背面焊缝宽度的预测

4．4．4 贝叶斯神经网络对焊件背面焊缝宽度的预测

4．5 本章小结

第五章 大功率盘形激光焊接焊件质量成形分析

5．1 引言

5．2 焊缝成形分析

5．2．1 焊缝成形宏观结构分析

5．2．2 焊缝成形微观结构分析

5．2．3 焊缝硬度测试

5．3 本章小结

总结与展望

1 研究内容总结

2 主要创新点

3 后续研究展望

参考文献

攻读学位期间发表的论文

声明

致谢