大功率光纤激光焊接路径红外检测新方法

论文摘要

激光焊接技术起始于20世纪70年代的美国。随着激光器本身的发展,激光功率由小到大、光束质量及稳定性不断提高,激光焊接技术已在工业发达国家普遍应用于工业界的各个领域。激光焊接作为一种先进的特种焊接工艺,其主要优点是单位长度焊缝所获得的能量密度大、焊接速度高、焊缝热影响区小、变形小、接头机械性能高、焊缝轮廓尺寸不受限制等。运用大功率激光器焊接,可以获得大的熔深。焊缝跟踪是焊接过程中的一项关键技术,精确控制激光束使其准确对准焊缝位置是保证焊接质量的前提。近年来,机器视觉成为检测焊缝的主要方法,但是由于传统的机器视觉检测法主要通过视觉传感器采集焊缝图像,然后应用图像边缘检测算法获取焊缝信息,往往容易受到焊接过程噪声的干扰,很难获得层次分明和清晰的焊缝图像。论文针对大功率光纤激光焊接304型奥氏体不锈钢板紧密对接焊(间隙不大于0.1mm),在焊接工艺条件下,使用高速红外摄像机获取焊接区域熔池动态红外热像,分析熔池红外热像序列,选取感兴趣区域进行图像处理,提取熔池及匙孔特征参量,分析激光束对准和偏离焊缝中心线时的熔池特性。以匙孔形状参数、热堆积效应参数和匙孔质心横坐标作为描述激光束与焊缝中心线之间偏差检测的特征值。通过回归分析、BP神经网络和径向基网络建模,研究特征参数与焊缝偏差之间的数学关联。激光焊接试验结果表明,匙孔形状参数、热堆积效应参数和质心与焊缝偏差之间存在密切联系,随着激光束逐渐偏离焊缝位置,各特征参数呈现递增趋势。论文最终建立了熔池特性参数和焊缝偏移量之间的辨识模型,为实际焊接工业中实时控制激光束对准焊缝位置提供新方法,具有一定的理论和现实意义。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究背景
• 1.2 激光焊接概述
• 1.2.1 激光焊接工作原理
• 1.2.2 激光焊接技术的优缺点
• 1.2.3 激光焊接分类
• 1.2.4 激光焊接的应用
• 1.3 激光焊接焊缝跟踪研究现状
• 1.3.1 结构光视觉传感法
• 1.3.2 同轴视觉检测法
• 1.3.3 激光频闪摄像法
• 1.3.4 红外传感检测法
• 1.4 选题意义及主要研究内容
• 1.4.1 课题选题意义
• 1.4.2 课题主要研究内容
• 1.5 本章小结
• 第二章 大功率光纤激光焊接试验设计
• 2.1 试验系统概述
• 2.2 主要硬件结构
• 2.2.1 大功率光纤激光发射器
• 2.2.2 激光焊接头
• 2.2.3 图像采集系统
• 2.2.4 焊接机器人
• 2.2.5 其他硬件
• 2.3 试验方案
• 2.4 本章小结
• 第三章 熔池红外图像处理与分析
• 3.1 图像增强
• 3.1.1 灰度变换
• 3.1.2 阂值处理
• 3.1.3 边缘提取
• 3.2 不同状态下熔池图像分析
• 3.3 熔池图像三维分析
• 3.4 本章小结
• 第四章 熔池红外热像特征参数提取
• 4.1 匙孔形变参数
• 4.1.1 熔池热像预处理
• 4.1.2 匙孔形变参数提取
• 4.1.3 匙孔形变参数分析
• 4.2 热堆积效应参数
• 4.2.1 热堆积效应参数提取
• 4.2.2 热堆积效应参数分析
• 4.3 其他特征参数
• 4.3.1 匙孔特征参数
• 4.3.2 熔池几何特征参数
• 4.3.3 匙孔质心
• 4.4 本章小结
• 第五章 焊缝偏差与特征参数关系模型建立
• 5.1 数学建模
• 5.2 BP神经网络建模
• 5.2.1 基本原理
• 5.2.2 神经元模型
• 5.2.3 BP神经网络
• 5.3 焊缝偏差神经网络模型的建立
• 5.3.1 数据样本的获取
• 5.3.2 神经网络参数的选择
• 5.3.3 BP神经网络设计及仿真
• 5.3.4 BP神经网络结果分析与讨论
• 5.4 径向基网络模型
• 5.4.1 径向基函数神经元模型、结构及工作原理
• 5.4.2 径向基网络创建
• 5.4.3 径向基网络训练
• 5.4.4 径向基网络训练结果与讨论
• 5.5 多元回归模型建立
• 5.6 本章小结
• 总结与展望
• 参考文献
• 攻读学位期间发表的论文
• 致谢
• 附录
• 附录1 焊接熔池图像处理Matlab程序（部分）
• 附录2 匙孔形变参数提取Matlab程序（部分）
• 附录3 热堆积效应参数提取Matlab程序（部分）
• 附录4 BP神经网络焊缝状态模式识别Matlab程序（部分）
• 附录5 径向基网络模型建立
• 附录6 多元回归模型建立