汽车超高强钢等离子弧焊接裂纹自动识别技术研究

2021-11-27颜双权鲁梦雄王记鹏于长远

科学技术创新 2021年31期

颜双权王磊鲁梦雄王记鹏于长远

（辽宁理工学院机电工程学院，辽宁锦州 121000）

等离子弧堆焊是一种等离子弧焊接工艺，在提高材料表面耐磨性与耐热性能的应用中，等离子弧堆焊得到了越来越多的应用[1]。实际焊接过程中，受到环境以及认为因素的影响，不同影响程度下焊接缝隙部分会出现气孔、烧穿等缺陷，严重影响焊接产品的生产安全[2]。

本文提出汽车超高强钢等离子弧焊接裂纹自动识别。通过USB 数字传输方式，获取焊接图像传输速度与抗干扰能力，选择滤波器解决噪声问题，获取到焊接图像的整体轮廓，通过灰度直方图，获取图像全局灰度密布的情况[3]。为了预防识别时出现过度拟合状况，基于relu 激励函数衡量识别误差，完成焊缝视觉图像缺陷位置的准确识别。

1 弧焊接裂纹自动识别

1.1 汽车焊区图像获取

在等离子焊接区域，可以通过视觉信息获取系统记录焊区图像、焊接形状以及焊接宽度等信息，从焊接物体不同角度记录焊接图像，包括焊接面的前后、上下面[4]。

通过USB 数字传输方式，计算焊接图像传输速度，获取抗干扰能力，固定传感器中二级反射装置，该装置为可调节形式，使其呈现斜上45 度，简化光路调节方式[5]。

依据等离子焊接光谱，为消除弧光干扰，滤光片的中心波长选取为680nm。

I 表示焊缝缺陷图像，可有线性重叠加以表征，具体表现形式为：

式中，D 表示焊接缺陷目标图像，B 表示缺陷背景，N 表示外部环境影响噪声。

焊接裂纹图像获取传输过程中，会受到外部环境噪声影响，影响图像最终呈现效果，通过滤波器方式去除外部环境噪声。基于非线性处理，在去除噪声的情况下保留焊接图像边缘信息。

提取焊接图像全局特征，获取图像整体轮廓数据，依据灰度直方图，呈现焊接裂纹图像全局灰度密布情况。假设图像J 的尺寸大小为M×N，J*表示图像轮廓信息：

式中，f（x，y）表示在（x，y）处像素点灰度值大小，uj表示第j个焊接图像阈值大小。

1.2 等离子弧焊接裂纹自动识别

在焊接裂纹自动识别过程中，为保证识别精度，需要对焊接图像进行分割处理，假设焊接灰度图像为f（x，y），按照分割准则，选取图像f（x，y）任意灰度值Th，将其作为阈值。将焊接图像分割为二值图像g（x，y）：

引入局部阈值算法，结合焊接图像像素灰度以及局部灰度特性，明确图像像素阈值大小。图像目标大小存在差异以及像素灰度值存在差异状态下，均可呈现较好分割效果，多目标分割原理如下所示：

图像的灰度值范围表示为1～L，分割图像为两个组别：集灰度的范围是（1，2，…，k）的一组与灰度范围为（k+1，k+2，…，k）的一组，概率表征方式如下所示：

上式中：ni代表为第i 个像素点；N 代表整个图像的像素点；Pi代表像素点i 出现的频率；ω（k）代表像素点i 出现的频率总和。

在卷积神经网络中，引入代价函数，衡量网络输出值与期望值之间误差大小，误差大小与网络性能呈现正相关关系，代价函数表征方式为：

其中，C 代表代价函数，x 代表输入，y 表示输出值，a 是期望值，n 表示总样本数量。

求解代价函数最小值，就要获取相应的w、b 的梯度值：

二值化焊接裂纹图像，裂纹图像包括焊缝区域以及背景区域。受到外界环境因素的影响，如X 射线强度等，加上材料密度分布差异，焊缝形状存在差异，在焊接图像内保留非焊接裂缝区域干扰像素。

通过上式可以看出，w、b 的梯度与输出偏差之间存在关联，梯度与偏差之间呈现正相关关系。参变量w、b 调节速度越快，训练速度越快，网络训练的核心目标就是求出符合C 最小时相对的w 和b，完成焊接裂纹图像精准识别。

2 实验研究

选取多自由度GTAW 焊接系统作为实验主要装置。该装置硬件包括：工件运动平台、位移控制系统、焊接电源、送丝机、送丝控制装置以及气流控制装置。焊接电源选取型号为INVERTER ELECON 500P 型。为了保证焊接不受到外界干扰影响，焊枪在焊接过程中保持静止状态，通过工件运动平台记录电弧相对移动状态。