（机械电子工程专业论文）电弧焊焊缝偏差测量的视觉模型理论与试验研究.pdf

摘要 摘要 焊缝跟踪技术是自动电弧焊接的一个重要研究领域，实现精确的焊缝跟踪对 于提高焊接质量具有非常重要的作用。而要实现精确的焊缝跟踪，焊缝偏差( 即 焊缝中心与电弧的偏差) 检测技术是一个关键。目前国内外应用于自动焊接的传 感器有许多种，其中机器视觉型传感器因其特有的优点成为最有应用前景的传感 器。 视觉传感式焊缝跟踪的一般方法是利用c c d ( c h a r g ec o u p l ed e v i c e ) 传感器 实时获取焊接图像，再利用图像处理技术提取熔池中心与熔池前端的焊缝位置信 息，两者之间的差值就反映了当前时刻电弧与焊缝的偏差情况。本论文不同于传 统的通过图像处理技术来直接获取焊缝偏差信息，而是选取熔池图像处理区域 ( 包括了熔池前端与熔池前端部份焊缝) ，并将熔池图像质心作为分析焊缝偏差的 特性参量，研究利用熔池特性参数来建立焊缝偏差测量视觉模型的新方法。 论文的研究基于一套焊缝跟踪实验系统，该系统主要包括c c d 传感器、工 作台、步进驱动与控制系统等装置。首先研究了焊前图像的焊缝识别技术，应用 数学形态学较好地提取焊前图像的焊缝信息，为实现焊前示教型的焊缝跟踪提供 依据。 其次，针对焊前示教型焊缝跟踪系统的不足，研究实现实时焊缝跟踪的新方 法。进行了不同工艺条件下的焊接试验，分析熔池前端区域质心差值与焊缝偏差 之间的关系，并应用一元线性回归分析建立了熔池图像质心差值与焊缝偏差之间 的关系模型，并对该模型进行了显著性与通用性检验。 最后，进一步分析其它因素对焊缝偏差的影响，分析比较并抽取熔池图像的 三个特性参数( 熔池图像质心差值、质心位移、质心移动速度) 作为输入变量， 研究并应用神经网络建模技术建立了它们与焊缝偏差问的关系模型，对模型进行 了精确性与通用性检验，该方法具有较好的理论与现实意义。 关键词：焊缝偏差；视觉模型；焊缝跟踪；熔池图 ! 耋三些奎兰三耋窒圭兰堡篁塞 a b s t r a c t s e a mt r a c k i n gt e e h n o l o g yi so n eo ft h ei m p o r t a n tr e s e a r c hi s s u e s i nt h ef i e l do ft h e a u t o m a t i o no fa r cw e l d i n gp r o c e s s ，a n da c c u r a t es e a mt r a c k i n gc a ni m p r o v et h ew e l dq u a l i t y t h et e c h n o l o g yo f s e a md e v i a t i o nd e t e c t i o n , w h i c hi st h ed e v i a t i o nb e t w e e nt h es e a mc e n t e ra n d t h ea r c ，i so n eo ft h ek e yt or e a l i z ea c c l 】r a t es e a mt r a c k i n g n o w a d a y st h e r ea r em a n ys e n s o r s a p p l i e di nw e l da u t o m a t i o n , a n dt h em a c h i n ev i s i o ns c l i s o rh a sb e c o m et h em o s tp r o s p e c t i v e s e n s o rf o ri t ss p e c i a la d v a n t a g e t h et r a d i t i o n a lm e t h o do fs e a n lt r a c k i n gb a s e do nm a c h i n ev i s i o ni st oc a t c hw e l di m a g e r e a lt i m eb yc c d ( c h a r g ec o u p l ed e v i c e ) v i s i o n , a n dt h ei n f o r m a t i o nb e 铆e e l lt h ew e l dp o o l c e n t e ra n dt h es e f l n lh a sb e e na c q u i r e dt h r o u g hi m a g ep r o c e s s i n g ，w h o s ed i s p e r s i o nr e f l e c t st h e d e v i a t i o nb e t w e e nt h ea r ca n dt h es e a ma tt h em o m e n t t h et h e s i s w h i c hi sd i f f e r e n tf r o mt h e i r a d i t i o n a lm e t h o dg e t t i n gt h es e a md e v i a t i o ni n f o r m a t i o no n l yb yi m a g ep r o c e s s i n g ，c h o o s e sa w e l dp o o lp r o c e s sr e g i o nw h i c hi n c l u d e st h ef o r e s i d eo fw e l dp o o la n dt h es e a mi nf r o n to ft h e p 0 0 1 t h e nt h ec e n t r o i do f w e l dp o o li m a g ei sm a d ea st h ec h a r a c t e r i s t i cp a r a m e t e rt oa n a l y z et h e s e a md e v i a t i o n a n dt h en e wm e t h o di sr e s e a r c h e do nh o wt os e tu pt h es e a md e v i a t i o n m e 椰e m e n tv i s u a lm o d e lb yt h ep o o lc h a r a c t e r i s t i cp a r a m e t e r s t h et h e s i sh a sb e e nr e s e a r c h e db yas e to fs e a mt r a c k i n ge x p e r i m e n t 印p a r a t u s ，w h i c h i n c l u d e st h ec c ds e n s o r , t h ew o r k i n gp l a t f o r m ，a n dt h es t e pd r i v ec o n t r o ls y s t e ma n ds oo n f i r s t l yt h et h e s i sr e s e a r c h c s t h es e a n lr e c o g n i t i o nt e c h n o l o g yo fw e l d i n gi m a g e s a n dt h e p o s i t i o no f t h es e a mh a sb e e na c q u i r e db yt h em o 枷l o g y , w h i c hc a ns u p p l yt h eb a s e st or e a l i z e t h ed e m o n s t r a t i o nw e l d i n g h o w e v e r , t h e r ea r es o m ed i s a d v a n t a g e si nt h ed e m o n s t r a t i o nw e l ds e a mt r a c k i n gs y s t e m s ot h et h e s i sr e s e a r c h e sn e wm e t h o d st or e a l i z et h er e a lt i m es e r l nt r a c k i n g s e v e r a le x p e r i m e n t s u n d e rd i f f e r e n tw e l d i n gc o n d i t i o n sh a v e b e e nu n d e r t a k e ni no r d e rt oa n a l y z et h er e l a t i o nb e t w e e n t h ee e n t r o i d sd i s p e r s i o no ft h ep r o c e s sr e # o na n ds e a md e v i a t i o n t h er e l a t i o nm o d e lb e 脚e 锄 t h e mh a sb e e ns e tu pu s i n gt h el i n e a rr e g r e s s i o na n a l y s i s a n dt h e m o d e l ss a l i e n c ea n d g e n e r a l i t yh a v eb e e nt e s t e d i no r d e rt oa n a l y z eo t h e rf a c t o r s i n f l u e n c et os e a md e v m t i o n , t h ew e l dp o o lc h a r a c t e r i s t i c p a r a m e t e r s ，w h i c ha r et h ed i s p e r s i o no fp o o lc e n t r o i d ，t h ec e n t r o i d sd i s p l a c e m e n ta n dt h e c e n t r o i d ss p e e d , h a v eb e e nc h o s e na sm p u td a m a n dt h ev i s u a lm o d e lb e t w e e nt h es e a r n d e v i a t i o na n dw e l dp o o lc h a r a c t e r i s t i cp a r a m e t e r sh a sb e e ns e tu pu s i n gt h en e u r a ln e t w o r k t e c h n o l o g y f i n a i l y ，t h ev i s u a lm e a s u r e m e n tm o d e l sa c c u r a c ya n dg e n e r a l i t yh a v eb e e nt e s t e d , a n dt h em s u rs h o w st h a tt h em e t h o dh a st h es i g n i f i c a t i o no f t h et h e o r ya n dt h er e a l i s m k e y w o r d s ：s e b m d e v i a t i o n ；s e a mp a c k i n g ；v i s u a lm o d e l ；w e l dp o o lc e n t r o i d 广东工业大学工学硕士学位论文 独创性声明 秉承学校的严谨的学风与优良的科学道德，本人声明所呈交的论文是我个人 在导师的指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加 以标注和致谢的地方外，论文不包含其他人已经发表或撰写过的研究成果。与我 一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明，并表示 了谢意。 本学位论文成果是本人在广东工业大学读书期间在导师的指导下取得的，论 文成果归广东工业大学所有。 申请学位论文与资料若有不实之处，本人承担一切相关责任，特此声明。 指导老师签名： 论文作者签名： 7 4 2 0 0 7 年5 月2 6 日 第一章绪论 第一章绪论帚一早珀 下匕 1 1 研究背景 电弧焊接是制造业中一种非常重要的金属连接工艺，它在机械制造、航天航 空、汽车、造船、桥梁和核工业等行业得到了广泛的应用。据统计，在工业发达 国家，焊接用钢量基本上达到了该国的钢材产量的7 0 左右，我国2 0 0 3 年钢产 量为2 2 亿吨，焊接结构的钢材量接近9 0 0 0 万吨，成为焊接大国【1 1 。随着我国 国民经济的日益发展，焊接的应用也必将越来越广泛。 近年来，我国经济高速发展，对焊接件的质量、数量和生产效率要求越来越 高，传统的手工焊接方式已经无法满足生产的需要。焊接行业正经历着从手工到 全自动的转变。焊接过程的自动化和智能化是未来发展的必然趋势【2 】。 焊缝跟踪是实现焊接自动化的一个关键技术，所谓焊缝跟踪就是要在整个焊 接过程中实现电弧实时对中焊缝。目前应用于自动焊接领域的焊缝跟踪系统主要 采用两种方式：一种是焊前示教型的焊缝跟踪系统，这种方式是在焊接前先让焊 炬沿着焊缝的轨迹走一遍，同时记录下焊缝各个位置的坐标，在真正焊接时根据 已储存的坐标信息来实现焊炬对准焊缝。由于焊前不存在弧光、飞溅以及电磁等 各种干扰，故这种方式在理论上能有效地实现焊缝跟踪。但在实际焊接过程中， 由于工件热变形、工件未夹紧等原因，实际焊接中的焊缝轨迹与焊前的焊缝轨迹 往往有所区别。此外，在焊接过程中还可能会出现“磁偏吹”的现象，此时即使 实际焊缝轨迹与焊前所检测的焊缝轨迹相差不大也没法实现焊缝自动跟踪。另一 种方式是实时焊缝跟踪系统，这种方式主要是用各种传感检测技术进行焊缝偏差 检测( 焊缝偏差即电弧与焊缝中心的偏差) ，并将实时获取焊缝偏差信息反馈给控 制器以驱动焊炬实时纠偏，由于这种方式实时性较好，且不存在超前误差等优点 成为国内外研究的热点，论文所讨论的正是第二种焊缝跟踪系统。在这种焊缝跟 踪方式中，精确的焊缝偏差检测是保证整个系统实现准确的焊缝轨迹跟踪的前 提，这也正是论文的研究重点。 广东工业大学工学硕士学位论文 1 2 视觉传感是最有发展前途的焊缝偏差测量技术 本课题以电弧焊为研究对象，电弧焊在现代工业生产中具有非常重要的作 用，是最重要的一种焊接工艺。近年来，国内外的专家、学者以及技术人员为实 现精确焊缝检测进行了不懈的努力，研制了各种各样的传感器。目前应用于焊缝 检测的传感器主要有： 1 机械式摆动跟踪传感器。将其安装在焊炬的前端。摆动跟踪传感器的最主 要部份是探针，因为探针离焊炬仅为4 0 一6 0 m m ，故假设探针所在的位置就是焊 炬所在的位置，探针与焊炬受摆动机构的控制一起摆动。当探针接触到焊缝坡口 一侧时，传感器发出一个信号，控制焊枪和探针向另一侧摆动。如此循环。这种 传感器最主要的缺点是探针易磨损 9 1 。 2 电弧传感器。电弧传感器的原理是当焊炬与工件的距离发生变化时，电弧 的电流或电压会相应的发生变化，因而电弧的电流与电压信息就反映了焊炬与工 件表面的高度距离变化情况，通过电弧扫描坡口，对比位于坡口两侧时的电弧电 压或电流，便可推算出横向的焊缝对中情况。主要包括了摆动扫描式电弧传感器、 双丝并列电弧传感器以及高速旋转扫描电弧传感器【l0 。心】。 3 超声波传感器。超声波检测系统一般包括两个部分，一个用于发射声波， 另一个用于接收发射声波的回波信息。声波在空气中的传播与光相类似，当声波 遇到工件表面时会发生反射，而当声波接触到焊接件的坡口表面时，由于坡口表 面与入射声波的夹角不成9 0 度，因此其反射声波很难再返回接收声波传感器， 即传感器收不到回波信号，利用这一特性识别焊缝的边缘信息【13 ”】。 4 光电传感器。光电传感器主要包括发光灯泡以及光敏三极管，检测前一般 先在焊缝处画上一条人工辅助白线，灯泡发出的光经工件反射到光敏三极管，因 为自线处反射的自光量最大，当焊炬对准焊缝时( 即处于自线正上方时) 光敏三 极管输出的电流也相应地最大，其输出的电压信号也最高，故只要对光敏三极管 的输出信号做一比较，即可得焊缝偏差情况【16 1 。 5 电磁传感器。包括了激励线圈和感应线圈，当通以交流电的激励线圈靠近 被测工件时，由交变电场产生的交变磁场会在工件表面生成感应电流，焊缝处的 感应电流较非焊缝处的存在明显区别，根据这个原理来识别焊缝位置 x 7 - 2 0 。 6 视觉传感器。视觉传感器中有由若干光敏元件组成的光敏线或光敏面，光 2 第一章绪论 敏面能将入射到其上的按空间分布的光强信息转换为按时序串行输出的电信号 一视频信号，故视频信号能再现入射的光辐射图像。视觉传感器主要分成三大类， 第一类是电耦合器件c c d ( c h a r g e - c o u p l e dd e v i c e ) ，第二类是c m o s 图像传感 器，又称自扫描光电二极管阵列，第三类是电荷注入器件【”】。目前在自动焊接中 使用得较多的是c c d 传感器。 此外还有红外传感器等检测手段，但红外传感主要用于焊接过程中的熔深检 测。在以上的几种传感器当中，视觉传感器因其具有非接触、获取的信息量大等 其它检测手段所无法比拟的优点，成为最有发展前途的传感检测手段。 1 3 视觉传感在焊缝偏差测量和跟踪中的应用 近年来，随着视觉传感器硬件技术的进步，以及人工智能、图像处理、模式 识别等技术的发展，使得视觉传感在自动焊接领域得到了广泛的应用。目前，视 觉传感检测在焊缝跟踪中应用主要有以下两种方式： 1 主动光视觉法 主动光视觉法是一种采用辅助光源，基于三角测量原理的检测方法，其中以 结构光检测法应用得较多。结构光检测的原理是利用激光作为辅助光源，使其在 熔池前端形成一道检测激光带，通过c c d 获取该激光带的图片，再经过图像处 理技术提取该激光带的焊缝位置来获取偏差信息。其一般的图像处理过程为图像 预处理、图像增强、图像二值化处理、边缘检测、识别特征点和提取焊缝【2 。”j 。 2 被动光视觉法 被动光视觉法一般是在自然光的条件下，使用c c d 传感器实时抓拍焊接过 程的图像，提取焊缝信息的检测方法。与主动光视觉法相比，该检测方法具有设 备简单和成本低等优点。但在焊接过程中强弧光的干扰，焊缝信息往往难以获取。 针对这种情况，目前一般有两种处理方法，一种是添加一套滤光系统，先从硬件 方面滤除一部分弧光干扰，再通过图像处理、目标识别算法来识别焊缝信息：另 一种方法是使用激光频闪摄像的方法来获取较好的焊接图像，具体过程为激光器 周期性地发射出激光束照亮整个焊接区域，激光产生的瞬时强光暂时抑制住弧光 的辐射强度，与此同时，c c d 受激光脉冲信号的控制，同步抓拍图像h “。但第 二种方法的成本较高，一般较少使用。 广东工业大学工学硕士学位论文 在以上两种视觉传感检测法中，主动光检测法虽然获取的焊缝图像较为清 晰，但也存在难以克服的缺陷，主要是由于辅助光源固定于焊炬之前，其检测点 位于熔池前端5 0 1 0 0 m m 处，而非焊炬正下方，故存在导前误差。相对而言，被 动光检测法使用简单，成本低，且检测较为精确，成为了目前国内外研究的热点， 本文采用的便是被动光视觉检测法。 1 4 焊缝偏差测量技术国内外研究现状 在实际的焊接过程中，常常伴随有弧光和飞溅等强干扰，这使得焊缝信息往 往被噪声所覆盖。要实现精确的焊缝跟踪，焊缝偏差测量技术是一个关键。目前 大多数测量焊缝偏差的方法都是通过检测焊缝位置，而后计算出焊缝偏差。为了 获取较为理想的焊缝位置信息，国内外的专家学者进行深入的研究，取得了不少 成果。文献f 3 2 先用m 带小波算法对图像进行变换，再基于m a l l a t 小波模极大 值技术提取焊缝边缘。文献 3 3 研究了存在干扰的焊接图像中如何利用分形理论 提取焊缝信息。文献f 3 4 3 6 1 利用模板匹配技术提取焊缝位置，在未焊接的条件下 先对识别软件进行“示教”，以提取模板。接着让模板在待测图像上移动，通过 衡量模板与模板覆盖区域的匹配程度来实现焊缝位置的识别。文献3 7 研究应用 数学形态学提取焊缝边缘，先对焊接图像进行膨胀处理，再减去原图像，则可得 到焊缝的外边缘。先对图像进行腐蚀处理，再用原图像减去腐蚀后的图像则可得 到焊缝内边缘。文献f 3 8 利用投影法与差影法相结合的方法准确地识别了焊缝特 征。文献【3 9 】以熔池中心作为焊缝中心，通过识别熔池图像获取焊缝偏差。先对 图像进行均值滤波，接着进行了二值化处理，再用腐蚀膨胀处理提取熔池边缘， 最后算出熔池中心值。文献 4 0 研究应用s o b e l 算子来提取焊缝边缘。文献【4 1 】 先对图像进行高通滤波，再应用拉普拉斯算子进行图像边缘检测，获得了焊缝边 缘。文献f 4 2 研究使用模糊算法来提取焊缝边缘，先对原始图像进行预处理，接 着模糊化图像边缘检测所得的灰度值，再计算焊缝边缘附近点的个数并模糊化， 最后应用模糊算法寻找焊缝边缘。文献【4 3 研究应用c a n n y 算子来提取焊缝边缘。 文献 4 4 】通过用c a n n y 、k i r s c h 、p r e w i t t 、r o b e r t 、s o b e l 和g a u s s l a p l a c e 算子对 焊缝图像进行边缘检测试验，得出使用c a n n y 算子的检测效果较好的结论。文献 4 5 通过分析焊缝在x 方向上的特征，应用统计规律建立了像素值函数，对该函 数进行了傅氏变换。通过考察该函数在特定频带范围内高频区域的能量值以及该 4 第一章绪论 区域的灰度分布方差来识别焊缝信息。文献 4 6 研究使用l a p l a c e 算子对焊缝图 像进行增强的技术。文献 4 7 先对图像进行预处理，二值化与边缘检测，进而识 别特征点以提取焊缝信息。文献 4 8 提出一种新的边缘检测算法，应用该算法进 行边缘检测可达到亚像素级的精度。文献 4 9 对图像滤波技术进行了深入研究， 利用卡尔曼滤波器对图像进行滤波处理。 1 5 本课题选题的意义与研究内容 视觉是人类和地球上的其它生物获取信患的最主要渠道，而有关生物视觉识 别的原理直到现在还没有完全弄清楚，但也取得了不少阶段性成果。近年来，随 着传感检测技术、计算机软硬件技术以及图像处理、模式识别等技术的发展，人 类已经能够将生物视觉原理用机器视觉的方式再现出来，这使得将视觉检测应用 到自动焊接领域成为可能。研究基于视觉传感的焊缝偏差检测技术，使得焊接过 程通过闭环控制来实现焊缝的精确跟踪成为可能，这对于提高焊接质量与焊接生 产效率，推动实现我国焊接过程的全自动化具有举足轻重的作用。 从以上焊缝识别技术国内外研究现状的分析可以看出，目前国内外关于焊缝 识别技术的研究主要集中于焊缝图像的预处理，如滤波、图像增强以及焊缝边缘 检测算法等研究方面，即试图通过一系列的图像处理技术将焊缝信息识别出来。 可是，由于实际焊接过程的复杂性，往往存在弧光、飞溅、以及电磁等各种各样 不可预料的干扰，焊缝信息往往被噪声所覆盖，这使得试图通过图像处理技术直 接提取焊缝信息的做法实现难度很大，且当出现“磁偏吹”现象时，传统的检测 方法将显得无能为力。本课题研究利用熔池图像质心特性参数来间接地推测焊缝 偏差，进而识别焊缝位置的新方法。与传统方法不同，新方法首先选取熔池的特 定区域进行了中值滤波与灰度变换处理以突出熔池及其附近区域的特征，在此基 础上提取了熔池的图像质心坐标。本文先用回归理论分析了熔池图像质心差值与 焊缝偏差之间的关系，建立它们间的回归模型。接着为进一步分析焊接速度等其 它因素对焊缝偏差的影响，应用神经网络理论建立熔池特性参数( 熔池图像质心 差值、质心位移、质心速度) 与焊缝偏差间的理论模型。由于获取熔池的图像质 心的特性参数比直接从图像上获取焊缝信息要更精确、容易得多，所以该方法能 够通过熔池的图像质心特性参数间接地推测出焊缝偏差，进而识别焊缝位置信 息。 广东工业大学工学硕士学位论文 本课题为高向东教授主持的国家自然科学基金项目“基于图像质心的焊缝 跟踪新方法研究”( 项目代码：6 0 3 7 5 0 1 2 ) 的子课题。本文根据熔池图像质心的原 理。结合焊缝视觉检测技术当前现状，主要做了以下几方面的研究： 基于现有的电弧焊实验平台，编制用于实验的焊接软件系统。该软件系统可 以在实验工作台进给运动的同时，控制c c d 传感器实时抓拍焊接图像，并将其存 放到工控机。该软件系统还实现了焊前的焊缝实时跟踪、焊接图像常用的滤波算 法、图像的自动阚值处理、常见的边缘检测等功能。基于该软件系统也为继续实 现整个系统的焊接实时跟踪奠定了基础。 焊前图像焊缝识别技术的研究。对焊前图像进行图像预处理、图像的自动闽 值分割处理，为消除焊缝周围的孤立点，对其进行了数学形态学处理。 在不同工艺条件下进行焊接实验，并提取熔池图像质心坐标，研究了熔池图 像质心差值与焊缝偏差的内在关系，应用回归分析理论建立了二者的关系模型， 对该模型进行了显著性检验。 为进一步分析焊接速度等其它因素对焊缝偏差的影响，研究了熔池的图像质 心差值、质心位移、质心移动速度与焊缝偏差间的关系，运用神经网络建模理论 建立了熔池特性参数与焊缝偏差的理论模型，该模型有望应用到实际的焊接过程 中去，从而实现实际焊接过程的自动化，这也正是本课题研究的主要仓新之处。 1 6 小结 本章主要阐明了焊接在经济中的重要性，指出实现焊接过程的自动化是焊接 行业未来发展的必然趋势，论述了焊缝偏差检测的必要性和重要性。对几种常用 的焊缝跟踪检测传感法进行了描述与比较，得出基于视觉传感的检测方法是最有 发展前途的焊缝偏差检测手段，并对基于视觉传感的焊缝识别技术的国内外研究 现状进行了综述。本章最后说明了本课题的意义和创新之处，并列举了论文的主 要研究内容。 6 第二章实验系统与焊前焊缝图像处理 第二章实验系统与焊前焊缝图像处理 实验系统为基于视觉传感的焊缝识别和跟踪装置，由工控机作为整个系统的 控制器，在控制驱动实验工作台做进给运动的同时，控制c c d 传感器实时抓拍图 像，并将图像保存到工控机硬盘上。同时，基于该实验系统还可进行二次开发， 实现整个焊接过程的自动控制与检测。 2 1 实验装置硬件系统简述 实验系统主要由五个模块组成，分别是实验工作台、步进驱动控制模块、图 像采集模块、工控机以及焊接模块。实验系统如图2 - 1 所示。 图2 - 1 实验系统实物图 f i g u r e2 - ie x p e r i m e n ts y s t e mp i c t u r e 7 广东工业大学工学硕士学位论文 实验工作台主要由龙门架和焊接工作台组成。焊炬安装在龙门架y 轴之上， c c d 摄像机安装于焊炬的正前方。龙门架x 轴与y 轴分别由步进电机连接滚珠丝 杆驱动，其中龙门架x 轴采用较大功率的步进电机以实现焊炬快速定位。焊接工 作台由基座上的两轴和一个工作平台组成，工作平台上有夹具，可夹紧焊接工件， 基座上的两轴在空间上呈十字分布，可驱动焊接工作台沿平面上的x 与y 两个方 向运动。焊接工作台的x 与y 两个方向也由步进电机连接滚珠丝杆驱动。进行焊 接工艺实验时，y 方向为焊接的进给方向。c c d 传感器对获取的焊接图像经过图 像采集卡进行解码与a d 转换后，将数字化的图像信息传送到工控机并保存到工 控机的硬盘上。此外，在龙门架与焊接工作台的各轴上都装有行程开关，防止移 动超程。实验系统结构图如图2 - 2 所示。 图2 - 2 实验系统结构图 f i g u r e2 - 2s t r u c t u r ep i c t u r eo ft h ee x p e r i m e n ts y s t e m 8 第二章实验系统与焊前焊缝图像处理 2 1 1c c d 传感器的标定 传感器的标定是传感检测所必须解决一个首要问题，论文采用的标定方法如 下图2 - 3 所示，在摄像机的正前方放置标定尺，在白线左右两侧各4 m m 的范围内， 从左向右，各个i m m 所包含的像素个数分别为2 9 、3 2 、3 0 、3 0 、2 9 、3 1 、3 0 、 2 9 ，变化不是很明显。由此可见，在图像的中间区域，镜头的畸变可近似忽略不 计。 图2 - 3 系统标定图 f i g u r e2 - 3d e m a r c a t eo ft h es y s t e m 则像素当量k 为： 七= 瓦瓦再瓦丽l x 西8 再丽z o 0 3 3 m m p i x e l ( 2 1 ) 2 9 + 3 2 + 3 0 + 3 0 + 2 9 + 3 l + 3 0 + 2 9 、7 2 1 2 焊接模块 焊接模块的核心部分是电焊机，它同时连接了焊炬与氩气瓶。本课题以钨极 惰性气体保护焊( t i g 焊，t u n g s t e ni n e r tg a sw e i d i n g ) 为研究对象，在焊接过 程中，氩气不断地从焊炬中喷出，在电弧周围形成保护气体以隔绝空气，可有效 地防止空气对熔池的影响，改善焊缝的质量。t i g 焊几乎可以用于所有的金属焊 接，应用范围极广，且不存在熔滴过渡等问题，焊缝成形美观。 9 广东工业大学工学硕士学位论文 实验系统选用逆变直流氩弧焊机，它使用中频逆变电源，不仅适用于一般碳 钢的焊接，也适用于不锈钢、铜、铝、钛及其合金等难焊金属的焊接。焊机采用 恒流特性控制，燃弧稳定，无飞溅，焊透能力强，噪音低，动态响应快。 2 2 实验装置软件系统简介 实验系统选用了d m c l 0 0 0 运动控制卡与d h c g 4 1 0 系列的图像卡，它们是 基于p c i 总线的板卡，即插即用，且提供了w i n 9 x w i n d o w s2 0 0 0 w i n d 0 w s x p 系统下的动态链接库，方便用户进行二次开发。本课题基于w i n d o w s 操作系 统，利用它们提供的动态链接库，编制了一个实验软件系统，将运动控制与图像 采集功能有效地集成起来。实验控制系统部分v c + + 源程序如附录l 所示，实 验装置软件系统界面如图2 4 所示。 图2 4 实验装置软件系统界面图 f i g u r e2 - 4s o f t w a r es y s t e mi n t e r f a c ep i c t u r eo ft h ee x p e r i m e n te q u i p m e n t 1 0 第二章实验系统与焊前焊缝图像处理 该软件系统分为手动控制与自动控制两种模式，选择手动模式时，可使用控 制柜面板上的按钮手工控制各个轴运动，c c d 传感器将运动与焊接情况实时地 显示出来，此时需人工采集图像并将它们保存起来；选择自动方式时，该软件可 控制焊接工作台沿y 方向进给的同时，实时采集若干幅图像，并将其保存到工 控机的硬盘上。该软件系统还集成了目前较为常用的各种滤波算法、自动阈值分 割与边缘检测算法，如中值滤波、r o b e r t 边缘检测算子、c a n n y 边缘检测算子以 及数学形态学的膨胀与腐蚀等功能。此外，该软件还可进行焊缝跟踪实验，其流 程图如2 5 所示。由于焊接过程中电弧、飞溅等的干扰，该软件系统的实时跟踪 技术有待进一步提高。基于该软件系统可进行二次开发，为以后实现更为精确的 焊缝跟踪以及焊接的过程控制提供了一个平台。 ic c d 传感器实时采集到的图像 图2 - 5 焊缝跟踪实验图像处理流程 f i g u r e2 - 5i m a g ep r o c e s so ft h es e a mt r a c k i n ge x p e r i m e n t 2 3 焊前图像处理技术研究 焊前示教型的自动焊接系统是视觉传感法在自动焊接领域应用的一种方式， 它的基本过程是在焊前先让焊炬沿着焊缝走一遍，同时记录下焊缝的位置坐标， 这些位置坐标在第二次实际焊接过程中起一种“指导”的作用。这种方法在焊接 广东工业大学工学硕士学位论文 件厚度较大或者工件装夹情况良好时较为常用。对于焊前示教型的自动焊接系统 来说，焊前的图像质量将直接影响到所获取的焊缝坐标的精确性，从而直接影响 焊前示教的效果。一般而言，焊前图像没有焊接过程中的电弧、飞溅等的干扰， 其质量较焊接图像好，但焊接件的表面有时并不是非常“洁净”，往往存在有铁 锈、油漆等斑点，这些也会对焊前图像造成一定的影响。故研究焊前图像处理技 术具有一定的意义。 2 3 1 焊前图像的中值滤波 中值滤波是一种非线性滤波技术，它的基本原理是对图像进行局部平均平 滑。在实际的应用当中，中值滤波不必求出图像的统计特性，使用起来相对来说 较为方便。在特定的条件下，中值滤波可以克服线性滤波器所造成的图像细节模 糊等弱点，而且对去除脉冲干扰、颗粒噪声及椒盐点噪声非常有效。中值滤波实 质上是采用一个含有奇数点的滑动窗口在整幅图像上滑动，并用窗口中各点灰度 值的中值来替代当前窗口中心点像素的灰度值 0 1 。本实验中，采用3 x 3 的模板 对c c d 传感器采样到的图像进行中值滤波，以降低噪声干扰其效果见图2 - 6 。 ( a ) 中值滤波前的图像( b ) 中值滤后的图像 图2 - 6 中值滤波前后的图 f i g u r e2 - 6i m a g e sb e f o r ea n da f t e rm e d i a np r o c e s s 2 3 2 焊前图像的自动阈值分割 这里采用了一种自动选取阈值的图像分割方法【5 0 1 。假设一幅图像的灰度级为 m ，图像中灰度值为f 的像素个数为疗，。以分割阈值t 为界将图像分割成两大类， 定义类a 用来描述 0 ，1 ，t 的灰度分布，类b 用来描 t + l ，t + 2 ，聊1 的灰 度分布。 第二章实验系统与焊前焊缝图像处理 类a 和类b 出现的概率为p l ，p 2 ，则有： p l ；等_ p ( r ) p ：= 等_ l _ 加) ( 2 2 ) ( 2 3 ) 式中：l 为类a 的像素数：n 2 为类b 的像素数：为整幅图像像素数。 由此可得到全图的平均灰度口、类a 的平均灰度口1 和类b 的平均灰度a 2 ： 口= f = f 夕+ f 旷黼t ：擎 ( 2 4 ) ( 2 5 ) ( 2 6 ) 式中：胁为图像中灰度值为i 的像素个数；n 1 为类a 的像素个数；2 为类b 的像素个数；_ 为全图中各灰度出现的频率；p l 为类a 出现的概率；p 2 为类b 出 现的概率。 则a 、b 类的类间距离为： d 2 = p 1x ( 口1 口) 2 + p 2x ( 口2 口) 2( 2 7 ) 式中：p l 为类a 出现的概率；l t i 为类a 的平均灰度；口为全图的平均灰度； p 2 为类b 出现的概率；a 2 为类b 的平均灰度。 在最大类间距离准则下应使矿趋向于最大值，由此可确定最佳阈值t ，最佳 阈值二值化后的图像见如图2 7 。由图可见，图中的焊缝信息虽清晰可辨，但焊 缝周围存在密密麻麻的孤立点，这会对焊缝中心提取造成干扰。 ，一见 扳 州 i i i 叠l m x ，脚 = 啦 广东工业大学工学硕士学位论文 图2 7 自动阕值分割后的图像 f i g u r e2 - 7i m a g ea f t e ra u t o m a t i ct h r e s h o l ds e g m e n t a t i o n 2 3 3 焊前图像的数学形态学处理 数学形态学是分析几何形状和结构的数学方法，是建立在集合代数基础上 的，用集合论来定量描述几何结构的科学。数学形态学是由一组形态学的代数运 算子组成。最基本的有：腐蚀、膨胀、开和闭运算。用这些运算子及其组合能有 效的用来进行图像处理，包括图像分割、边缘检测、图像滤波等。为消除焊接工 件上焊缝附近孤立点干扰，对图像分割后的二值化图像进行数学形态学处理【50 1 ， 先对其进行腐蚀处理，以消除焊缝周围的孤立点，腐蚀运算的公式如下： 一s = xr s x 】椰( 2 8 ) 式中；x 为目标图像；s 为结构元素，x 为结构元素当前位置。 但腐蚀会造成焊缝边界的丢失，为此应对腐蚀后的图像再进行膨胀处理，其 运算公式如下： z + s = x l s x 】f 7 工彩)( 2 9 ) 式中：x 为目标图像；s 为结构元素，x 为结构元素当前位置。 处理后的效果见图2 - 8 。由图可以看出，焊缝周围的孤立点已经消失，焊缝 图像的质量得到大大提高。 1 4 第二章实验系统与焊前焊缝图像处理 图2 8 数学形态学处理后的图像 f i g u r e2 - 8i m a g ea f t e rm o r p h o l o g yp r o c e s s 2 4 小结 本章主要对实验系统的软硬件进行介绍，同时研究焊前图像处理技术，采用 数学形态学对图像进行处理，获得了较为清晰的焊前图像，有效地消除焊缝周围 的铁锈、油漆等造成的干扰，为实现较为精确的焊前示教提供了依据。 广东工业大学工学硕士学位论文 第三章熔池图像质心焊缝偏差回归模型的建立 在自动焊接过程中，传统的机器视觉型焊缝位置识别是通过使用c c d 传感 器实时抓拍焊接图像，应用图像处理技术获取焊缝相对于焊炬的偏差量来识别焊 缝位置。由于焊接过程非常之复杂，往往存在有弧光等各种干扰，c c d 传感器 所获取到的图像信息非常之不清晰，这使得想通过图像处理技术来直接地提取焊 缝位置难度很大。此外，在焊接时存在电磁场干扰，可能出现“磁偏吹”现象， 此时即使通过图像处理技术获取的焊缝信息非常之精确也难以识别焊缝偏差。基 于熔池质心的焊缝位置识别不同于传统的边缘检测算法，而是通过分析熔池的特 定区域，并抽取其质心作为状态向量，用熔池的特征来间接地推算焊缝偏差信息， 进而识别焊缝相对于电弧的位置。 3 1 熔池图像的获取 熔池图像质心算法首先必须要获取较为理想的熔池图像，但是在实际焊接过 程中，弧光辐射非常强烈，如不采取恰当的措施，则熔池将被弧光所掩盖。如果 只采用普通的中性减光法，则在抑制弧光的同时，大大降低了熔池图像的对比度， 甚至无法分辨熔池的细节信息。若采用窄带滤光法，一般无法完全去除弧光，弧 光辐射仍然非常强烈，此时弧光往往与熔池本身辐射处理的光互相重叠，无法分 清熔池，采用中心波长为6 5 0 n m 的窄带滤光法与7 # 减光片所得焊接图像如3 1 所示。 ( a ) 窄带滤光后所得的图像 ( b ) 中性减光法所得图像 图3 - 1 普通滤光法所得的焊接图像 f i g u r e3 - lw e l di m a g e su s i n gt h ec o m m o nf i l t e rm e t h o d 1 6 第三章熔池图像质心焊缝偏差回归模型的建立 利用光谱分析仪测定电弧弧光在2 0 0 1 1 0 0 n m 区间的光谱分布，结果表明在 6 0 2 - - 6 9 7 n m 区域和9 2 2 n m 以上的近红外区域，弧光特征谱线较少，这两个区域 是较为理想的取像区域5 1 1 。此处采用中心波长6 5 0 n m 的窄带滤波光片加上7 # 中 性减光片组成复合滤光系统，获得了较为理想的熔池图像，如图3 - 2 所示。 图3 - 2 熔池图像 f i g u r e3 - 2w e l dp o o li m a g e 3 2 熔池处理区域的选取 熔沲图像质心算法的另一个要点就是熔池处理区域的选取，不同的处理区域 所得到的质心位置值将会截然不同，所选取的处理区域必须能够反映出质心的实 际变化趋势，经试验比较，选取熔池前端为处理区域较为合适，该处理区域包含 了绝大部分的熔池信息，同时包含了熔池前端的一部分焊缝，应包含尽可能少的 电弧，处理区域的选取如图3 - 3 所示。 1 7 广东工业大学工学硕士学位论文 图3 - 3 处理区域图 f i g u r e3 - 3p r o c e s sr e g i o n 3 3 熔池选定区域图像处理 3 3 1 选定区域的中值滤波 为减弱焊接过程中的干扰，先对处理区域进行了中值滤波处理。此处采用3 x3 的模板对c c d 传感器采样到的图像进行中值滤波，以降低噪声干扰其效果见 图3 4 。 ( a ) 原始图像( b ) 中值滤波后的图像 图3 4 中值滤波前后图像 f i g u r e3 - 4i m a g e sb e f o r ea n da f t e rm e d i a np r o c e s s 3 3 2 选定区域的图像增强处理 经过中值滤波处理后，图像中的干扰大为减弱，但与此同时，熔池及其前端 的焊缝信息也被削弱了，为增大处理区域中熔池与前端焊缝的对比度，对图像再 第三章熔池图像质心焊缝偏差回归模型的建立 进行了图像增强处理。图像增强就是增强图像中较为感兴趣的信息，其目的主要 有：一是改善图像的视觉效果，提高图像的清晰度；二是使图像更有利于计算机 进行处理。图像增强的方法主要有基于空域的图像增强与基于频域的图像增强两 大类。空域的方法是对图像的空间灰度值进行运算，较为直接、简便，这里采用 的是空域的图像增强法。数字图像实质上是一个二维的空间像素矩阵，矩阵中的 数值就是该点的颜色灰度值。空域单点增强就是将整幅数字图像置于笛卡尔坐标 系中，以单个像素为对像进行处理，常用的有灰度变换、直方图修正等增强技术， 此处采用的是灰度变换法。 灰度变换是一种最为简单、有效的对比度增强法，它是将原图像的灰度a x , y ) 经过一个变换函数 = 聊变成一个新