引言

為保證焊接質(zhì)量,激光焊接過程中,需要實時獲取焊縫位置信息和焊縫偏差數(shù)據(jù),從而控制激光束始終對中焊縫。在獲取焊縫圖像時,通常采用超聲波傳感器、紅外傳感器和視覺傳感器等非接觸式傳感器,其中,視覺傳感器被廣泛應用于微間隙焊縫的識別。

本文所獲取的焊縫圖像的過渡帶區(qū)域蘊含焊縫中心位置信息和焊縫偏差信息,并與文中視覺傳感器的成像原理密切相關,因此,針對焊縫過渡帶區(qū)域展開研究,提取焊縫過渡帶寬度數(shù)據(jù),探討對焊縫過渡帶寬度進行預測的方法。

1圖像獲取與處理

1.1試驗條件

試驗裝置包括YAG激光器、三軸運動工作臺、視覺傳感裝置和保護氣體等。所采用的焊件為低碳鋼板(158mm×100mm×1.5mm),焊縫間隙為0~0.1mm。試驗中所采用的視覺傳感器工作時需外加激勵磁場[1],利用若干馬蹄形永磁鐵對焊件進行磁化之后,采集微間隙焊縫的視覺傳感圖像。測量焊縫中心及焊縫兩側(cè)±1mm距離處的磁感應強度,第30個、第60個、第90個和第120個測量點處的磁感應強度如表1所示。

1.2焊縫寬度提取

由于圖像采集過程中的噪聲和干擾,焊縫圖像邊緣存在較多毛刺。為了準確獲取焊縫特征信息,利用形態(tài)學算子對焊縫圖像進行濾波[2-3]。

形態(tài)學是運用一定形態(tài)的結(jié)構元素去分析識別圖像中對應的形態(tài)特征,是一種非線性的圖像處理和分析方法,其最基本的算子為膨脹和腐蝕。

f被se膨脹定義為:

f被se腐蝕定義為:

式中,f為二值圖像集合:se為結(jié)構元素:(se＋a)為沿向量a平移。

基本算子可自由組合構成其他多種形態(tài)學算子,還可根據(jù)圖像處理需求構造不同結(jié)構元素、不同尺度的多尺度形態(tài)學算子。

焊縫圖像形態(tài)學濾波結(jié)果如圖1(a)所示,圖1(b)為焊縫過渡帶邊緣提取結(jié)果。從圖1中可知,利用形態(tài)學算子能濾除圖像中的干擾,準確提取焊縫特征。

焊縫位置信息包含在焊縫圖像的過渡帶區(qū)域中,提取焊縫過渡帶邊緣后,掃描焊縫過渡帶上下邊緣的邊界點,獲得圖像中的焊縫過渡帶寬度數(shù)據(jù),如圖2所示。

圖2焊縫過渡帶寬度

2神經(jīng)網(wǎng)絡預測模型

2.1BP神經(jīng)網(wǎng)絡

人工神經(jīng)網(wǎng)絡具有很強的容錯性、非線性、自學能力、自適應能力和自組織能力,較為經(jīng)典的一種人工神經(jīng)網(wǎng)絡就是BP神經(jīng)網(wǎng)絡算法。BP神經(jīng)網(wǎng)絡是一種多層前饋型神經(jīng)網(wǎng)絡,具有結(jié)構簡單和工作狀態(tài)穩(wěn)定等優(yōu)點,在模式分類、圖像處理、函數(shù)逼近、數(shù)據(jù)挖掘及焊接等領域都有廣泛應用。BP神經(jīng)網(wǎng)絡由輸入層、輸出層和若干隱含層的節(jié)點組成,通常采用誤差反向傳播算法進行訓練。一個三層Bp神經(jīng)網(wǎng)絡理論上可以以任意精度逼近任何非線性連續(xù)函數(shù)。

2.2焊縫寬度預測模型

試驗中采集到680幅連續(xù)有效的焊縫圖像,并提取出圖像中的焊縫寬度數(shù)據(jù),選取第l至第600個數(shù)據(jù)作為神經(jīng)網(wǎng)絡訓練樣本,剩余的80個數(shù)據(jù)作為測試樣本,建立一個三層Bp神經(jīng)網(wǎng)絡預測模型如圖3所示。

輸入量為k-3時刻焊縫寬度、k-2時刻焊縫寬度和k-l時刻焊縫寬度,輸出量為k時刻焊縫寬度。

3實驗結(jié)果與誤差分析

3.1實驗結(jié)果

在訓練前,對訓練樣本和測試樣本進行歸一化處理,將樣本數(shù)據(jù)約束到[0.05,0.95]之間。利用600個訓練樣本對神經(jīng)網(wǎng)絡進行訓練之后,對之后的80個焊縫寬度數(shù)據(jù)進行預測。訓練結(jié)果歸一化值如圖4(a)所示,預測結(jié)果歸一化值如圖4(b)所示,圖4(c)為反歸一化處理之后還原的預測結(jié)果。

3.2誤差分析

利用均方誤差和相對誤差對預測結(jié)果進行評價。反歸一化還原之后,預測誤差如圖5所示,相對預測誤差如圖6所示。

預測誤差e定義如下:

式中,7i為第i次焊縫寬度預測值:ui為測試樣本中第i個焊縫寬度實際值。

焊縫寬度的相對預測誤差E定義為:

e為平均誤差,則焊縫寬度預測均方差E定義如下:

可知,焊縫寬度預測的均方差為0.45,最大預測誤差為0.57pixel,相對預測誤差的最大絕對值為l.04%,相對預測誤差的最小絕對值為0.8l%。

焊縫寬度預測值與焊縫寬度實際測量值能較好地吻合。

4結(jié)論

本文利用形態(tài)學算子對焊縫圖像進行濾波處理,準確提取出了焊縫過渡帶寬度信息:并利用BP神經(jīng)網(wǎng)絡搭建焊縫寬度預測模型,最大預測誤差為0.57pixel,最大相對預測誤差絕對值為l.04%,能對焊縫寬度進行準確預測,為之后的焊縫糾偏和焊縫跟蹤奠定了基礎。