激光視覺焊接過程接頭狀態(tài)及焊縫外觀質量檢測研究.pdf

1、作為焊接質量最直觀的表現(xiàn)形式，焊縫成形是衡量焊接質量的重要技術指標，是判斷接頭強度和有關性能的重要依據(jù)。因此，保證以及提高焊縫的成形質量就具有十分重要的意義。實際生產(chǎn)過程中，受工件加工精度、裝配誤差、焊接熱變形等因素影響，焊接過程接頭的截面幾何形狀將發(fā)生改變。此時，采用焊縫自動跟蹤和自適應填充控制實時調節(jié)焊接路徑及工藝規(guī)范是保證焊縫成形質量的有效途徑，而焊后對焊縫外觀質量進行檢測也是提高和保證焊縫成形質量的一種有效方法。為此，本文針對激

2、光視覺傳感焊縫自動跟蹤技術、自適應填充控制技術以及機器視覺焊后焊縫外觀質量檢測技術進行了研究。
　　首先，根據(jù)實際應用需要及目前研究現(xiàn)狀與發(fā)展趨勢，開發(fā)設計了一種新型組合光源多功能視覺傳感器，滿足了焊縫自動跟蹤、自適應填充控制以及焊后焊縫外觀質量檢測的圖像信息獲取需要。在分析攝像機成像模型及經(jīng)典標定方法的基礎上，利用改進的平面模板標定方法實現(xiàn)了對攝像機的內外參數(shù)標定。在此基礎上，采用基于共面標定參照物的線結構光傳感器快速標定方法，

3、完成了對傳感器的結構參數(shù)標定。實驗結果表明，采用的標定方法簡單、實現(xiàn)容易、精確性較高，很好的滿足了實際的標定需要。
　　針對復雜形狀的條絞中心提取問題，開發(fā)了一種基于Hessian矩陣法和重心法結合的亞像素條紋中心提取方法，解決了傳統(tǒng)方法由于是基于行或列掃描來提取條紋的中心線，因此對于法線方向變化較大的接頭和焊縫條紋圖像適應性不強的問題。算法首先利用Hessian矩陣實時確定條紋的法線方向，然后通過擬合法線方向的灰度分布并求取其極

4、值點來初步確定亞像素位置，最后利用重心法來消除在求取極值時由于灰度分布不對稱而引起的提取偏差，從而實現(xiàn)了精確提取條紋中心線的目的。為了進一步提高條紋中心線的提取效果，后續(xù)還采取了剔除錯誤點、斷線補償、平滑濾波等后處理手段，最終獲取了連通性較好的條紋中心線。
　　對于條紋特征點的提取，在傳統(tǒng)方法的基礎上，提出了遞歸法初（粗）定位結合曲線擬合法再（精）定位的特征點提取方法。該方法首先利用遞歸法來實現(xiàn)對條紋中心線的快速分割，然后通過擬合

5、分割端點內的中心點，以擬合曲線的交點坐標來作為特征點的精確位置。在此基礎上，根據(jù)接頭或焊縫的幾何關系，分別獲取了焊接過程中接頭的位置偏差信息和接頭幾何特征信息，并實現(xiàn)了對焊后焊縫外觀幾何尺寸的精確檢測。
　　通過焊縫表面缺陷圖像特點分析，建立了以改進的自適應中值濾波算法、高帽變換算法、背景校正算法和線性灰度變換算法為基礎的圖像預處理算法，從而實現(xiàn)了對圖像的去噪、背景均勻化及對比度增強等處理，為后續(xù)的圖像分割打下了良好的基礎?；谒?/p>

6、法實時性考慮，并結合圖像灰度分布特點，采用了基于遺傳算法的二維最大熵法對圖像進行分割。實驗結果表明，該方法可清晰、快速地將缺陷目標從背景中分離出來，達到了提取缺陷目標的目的。此外，采用了形態(tài)學濾波算法對二值化后存在的孤立噪聲點進行去噪，獲得了滿意的圖像后處理效果。
　　為了缺陷特征提取的需要，采用了一種改進的并行標記算法對缺陷目標進行標記。與此同時，采用8鄰域邊界跟蹤算法實現(xiàn)了對缺陷目標的邊界跟蹤。對表面缺陷幾何形狀特征參數(shù)進行了

7、描述，從中選擇了用于缺陷分類識別的特征量。對缺陷分類識別算法進行了研究，設計了一種決策樹與BP神經(jīng)網(wǎng)絡串聯(lián)集成分類器。實驗結果表明，該分類器由于具有決策樹分類器的實時性與BP神經(jīng)網(wǎng)絡分類器的自學習能力，因此具有良好的缺陷分類識別效果，缺陷分類識別率達到94.6％。
　　最后，基于開發(fā)的組合光源多功能視覺傳感，分別構建了焊縫成形自適應控制系統(tǒng)和焊縫外硯質量自動視覺檢測系統(tǒng)。在焊縫成形自適應控制系統(tǒng)建立前，對系統(tǒng)自適應控制策略進行了研