（材料加工工程专业论文）基于电弧传感的gmaw焊接过程监测与智能识别系统.pdf

、 山东大学硕士学位论文 基于电弧传感的g m a w 焊接过程监测与智能识别系统 摘要 ( 焊接过程存在多种干扰因素。如果能在干扰对焊接质量造成影响之前，就 实时检测和识别出干扰信息，可避免焊件报废和焊后修复，可广泛应用于汽车、 压力容器、机械制造、航空航天等产业部门，具有巨大的经济效益和社会效益。 因此，对焊接过程的监测是获得高质量焊接接头的基础和前提。寸一 本文以汽车工业中广泛采用的薄板搭接接头为基础，开展各种工艺条件下 的g m a w 焊接工艺试验。包括故意引入的7 种干扰和正常工艺，共8 种工艺试验。 对上述试验焊接电参数进行综合处理，准确提取出反映不同工艺条件下的g m a w 焊接过程的特征信息。结果表明，不同的焊接过程具有不同的焊接征兆，同一 类型的干扰信号具有同一类型的变化趋势。 本文开发了k o h o n e n 网络系统、模糊c 均值聚类系统、模糊k o h o n e n 系 统、基于贴近度的模糊识别等识别系统，直接依据焊接过程的p d d 和c f d 曲 线，在不需要专家知识的情况下，建立起焊接干扰信息与焊接电参数特征之间 的关系，自动识别出焊接干扰的类型，实现了焊接过程的人工智能监测与识别。 ( 验证表明，所建立的系统正确识别率都达到了9 2 以1 。而神经网络和模糊系 统结合的模糊k o h o n e n 系统，综合了神经网络和模糊技术的优点，识别率达 1 0 0 。 针对t 形接头中的电参数信号，引入小波方法进行分析，探讨了小波技术 在焊接过程监测中的应用。钴果表明，小波分析方法具有良好的时频定位特性， 代替单纯的时域分析技术，可较准确地从复杂的信号中提取出特征信息，有利 于更为准确地检测和评价焊接过程，为最终完成焊接过程的识别和处理打下基 础。、 、 ， l ，1 。 关键词：电弧传感ig m a w 焊接，、, t o h o n e n 网络j 模糊聚类i 模糊k o h o n e n 网络，智能识别。 山东大学硕士学位论文 g m a wp r o c e s sm o n i t o r i n ga n d i n t e l l i g e n t r e c o n g n i t i o ns y s t e mb a s e do na r cs e n s o r a b s t r a c t t h e r ea r e m a n y d i s t u r b a n c ef a c t o r s1 1 1 w e l d i n gp r o c e s s i f d i s t u r b a n c e i n f o r m a t i o nc a l lb em o n i t o r e da n d r e c o g n i z e d r e a l t i m eb e f o r ei tb e g a nt oa c tt ow e l d q u a l i t y , h i g hq u a l i t yj o i n tc a nb ea c h i e y e db e c a u s eo fa v o i d i n gd i s c a r d i n ga n d r e p a i r i n gw e l d ，t h e ng r e a te c o n o m yb e n e f i ta n ds o c i a lb e n e f i ta r ea c h i e v e d t h i s s y s t e m c a r lb eu s e di n a u t o m o b i l e 、p r e s s u r e v e s s e l 、m a c h i n e 、a v i a t i o na n d s p a c e f l i g h t ，a n ds oo n t h u s ，t h em o n i t o r f o rw e l d p r o c e s si st h eb a s i sa n dp r e m i s e t oa c h i e v eh i g h q u a l i t yw e l dj o i n t s a l lk i n d so fg m a w p r o c e s se x p e r i m e n t sa r et e s t e db a s e d o nl a p j o i n tw h i c h i s u s e dw i l d l yi na u t o m o b i l ei n d u s t r yi nt h i s p a p e ns e v e nk n o w nd i s t u r b a n c e s a r e i n d u c e dp u r p o s e l y ，a d d i n gt ot h en o r m a lp r o c e s s ，t h e r e b yt o t a le i g h tk i n d sp r o c e s s e x p e r i m e n t s s y n t h e t i c a l l yd e a l i n gw i t hw e l dp a r a m e t e r s d i s c u s s e da b o v e ，c h a r a c t e r i n f o r m a t i o nd e s c r i b i n gd i f f e r e n tg m a w p r o c e s sp r e c i s e l y a r ee x t r a c t e d r e s u l t s s h o wt h a td i f f e r e n tw e l d p r o c e s sh a sd i f f e r e n to m e n ，a n dt h a t t h es a i n ek i n d d i s t u r b a n c ep r o c e s sh a st h es a r n et r e n d s k o h o n e nn e t w o r k s y s t e m 、f u z z yc - m e a n c l u s t e r s y s t e m 、f u z z y k o h o n e n n e t w o r kc l u s t e r i n gs y s t e ma n df u z z yp a t t e r nr e c o g n i t i o nb a s e do nc l o s ed e g r e ea r e b u i l ti nt h i sp a p e r u s i n ge x p e r i m e n t a ld a t aa n dc h a r a c t e rp a r a m e t e r sd i r e c t l y ，t h e r e l a t i o n s h i p b e t w e e nw e l dd i s t u r b a n c ei n f o r m a t i o na n dt h ec h a r a c t e ro fw e l d p a r a m e t e r sa r ee s t a b l i s h e d ，a n dt h e s es y s t e m sc a nr e c o g n i z ea l lk i n d so f d i s t u r b a n c e i n f o r m a t i o ni ng m a w a u t o m a t i c a l l yw i t h o u tn e e d i n ge x p e r tk n o w l e d g e r e s u l t so f v a l i d a t i o ns h o wt h a ta l le x a c t n e s sr e c o g n i t i o nr a t i o sa r em o r et h a n 9 2 f u z z y k o h o n e nn e t w o r k ，w h i c hc o m p r i s e do fn e u r a ln e t w o r ka n df u z z yl o g i c ，i n t e g r a t i n g m e r i to fn e u r a ln e t w o r ka n df u z z y l o g i ca n do v e r c o m i n gd i s a d v a n t a g eo fb o t h s y s t e m s c a nr e c o g n i z ea l lt h ed i s t u r b a l i c ei ng m a w a i m i n g a t d i s p o s i n g t h ee l e c t r i c a l s i g n a l o ftj o i n t ，w a v e l e t a n a l y s i s i s i n t r o d u c e df o rt h ea n a l y s i s t h e a p p l i c a t i o no fw a v e l e ti s d i s c u s s e di n w e l d i n g p r o c e s sm o n i t o r i n g r e s u l t ss h o wt h a tw a v e l e th a s u p s t a n d i n g o r i e n t a i o n 山东大学硕士学位论文 p e r f o r m a n c ei nt i m ed o m a i na n df r e q u e n c yd o m a i n r e p l a c i n gs i n g l ea n a l y s i s i n t i m ed o m a i n ，w a v e l e tc a na c q u i r ee x a c t e rc h a r a c t e ri n f o r m a t i o na b o u tt h ep o s i t i o n f r o mc o m p l i c a t e ds i g n a l ，w h i c hi sb e n e f i tt om o n i t o ra n dr e c o g n i s ew e l d i n gp r o c e s s a c c u r a t e l y ，a sb u i l d t h eb a s i sf o rr e c o g n i t i o na n d h a n d l i n g o f w e l d i n gp r o c e s s k e y w o r d s ：a r cs e n s o hg m aw e l d i n g ，k o h o n e nn e t w o r k ，f u z z yc - m e a nc l u s t e r i n g ， f u z z y k o h o n e n c l u s t e r i n gn e t w o r k ，i n t e l l i g e n tr e c o g n i t i o n 山东大学硕士学位论文 1 1 选题意义 第1 章前言 在自动化的生产线上，尤其在弧焊机器人焊接生产线上，目前在役的大多 数弧焊机器人焊接工艺参数及运行轨迹是在焊接生产前预先示教、在焊接过程 中重现的，尚不具备对环境的自适应功能。当焊接过程存在干扰时，如工件装 配间隙的变化、导电嘴磨损、网路电压波动、送丝阻力引起的电弧不稳等，都 会出现焊接质量的波动。因此，在线监测弧焊机器人焊接过程质量成为当代工 业界倍受关注的技术之一。 焊接产品的质量取决于焊接过程的质量。在焊接生产中，如果稳定的焊接 过程受到了干扰，就不会得到符合要求的焊接接头。因此，为了得到高质量的 焊接接头，保证重要焊接结构的安全可靠性，就必须利用各种传感器在焊接生 产线上对焊接过程实行在线和实时的监测，并进一步可以实现焊接过程的自动 化。到目前为止。国内外研究者利用各种传感器，如视觉传感器，声学传感器 和远红外摄象机等，对焊接过程进行监测。但是，这些传感器结构复杂，造价 昂贵，安装到焊接设备或焊接机器人上会对焊枪的灵活移动造成一定的障碍， 并且这些传感器实际检测的精度和可靠性都还没有完全过关，仍然处于实验室 研究阶段。 弧焊过程中的电参数( 焊接电压和焊接电流) 包含了焊接过程的大量信息， 实际上，每一种焊接过程都带有其独特的电参数特征( “指纹”) 1 1 l 。如果利用 当代最先进的计算机检测技术，直接对焊接过程中的电参数信号实施检测，既 能检测到反映焊接过程质量的特殊信息，又不需要额外的传感器，而对焊接过 程本身所固有的电参数实施检测，检测手段简单、可靠、准确性高。但是，要 得出反映焊接过程质量的特殊信息，必须对检测到的大量原始数据( 焊接电压 和焊接电流的瞬时值) 进行压缩和统计处理，给出焊接电压和焊接电流信号的 概率密度分布曲线( p d d ) 和时间频数分布曲线( c f d ) 。对于不同条件下的焊 接过程，具有不同的p d d 和c f d 曲线，通过分析和评估p d d 和c f d 曲线， 就可以对焊接过程实施监测和评定 2 1 。但是，这个任务要求丰富的专家知识和 实践经验，这就限制了上述思路在实际工业生产中的推广应用【2 1 。 借助于人工智能方法，直接依据焊接过程的p d d 和c f d 曲线，在不需要 专家知识的情况下，建立起焊接过程电参数特征与焊接过程质量之间的关系， 山东大学硕士学位论文 可以识别出焊接过程干扰的类型，实现焊接过程的人工智能监测，以获得高质 量的焊接接头，使得在干扰出现产生之前，就实时检测和识别出来，避免了焊 件报废和焊后修复，具有巨大的经济效益和社会效益，将广泛地应用于汽车、 压力容器、机械制造、航空航天等产业部门。 1 2 焊接过程传感方法 焊接过程的传感用于检测焊接过程的状态，为过程质量评估提供反映过程 特征的信息。因此，传感信号必须真实可靠。如果信息失真，则无法正确的提 取焊接过程信息，也就无法进行焊接过程质量的评估。可见，焊接过程传感在 焊接过程质量评估中起着举足重轻的作用。因此焊接传感器在焊接过程质量评 估中具有极其重要的地位。由于焊接传感器所处的应用环境极其恶劣，要受到 弧光、高温、烟尘、飞溅、振动和电磁场的干扰，其中大部分干扰无法去除， 这就对焊接传感器和传感技术提出了更高的要求。 由于焊接过程是高度非线性、多变量耦合作用、同时具有大量随机不确定 因素的复杂工艺过程，长期以来焊接过程的检测一直是焊接界的研究热点。到 目前为止，主要有两大类检测方法：一是利用各种外部传感器。如视觉传感器、 声学传感器和远红外摄象机等，检测反映焊接质量的各种信息。二是基于电弧 自身的传感方法，只检测焊接过程固有的焊接电流和焊接电压信号。 1 2 1 外部传感器 1 2 1 - 1 声学传感器 声学传感器可以分为两类：一类是利用焊接过程发出的声音频率来检测熔 池是否穿孔 3 1 ，从而控制焊接过程。文献【3 】采用图卜1 所示的等离子弧焊背面 声音信号传感系统检测工件的熔透程度。此种传感方法的不足在于声音信号传 输速度很低，信号滞后现象严重，传输的信息量小。对于非管系产品，干扰较 大，效果很差。另一类是利用超声波探测熔池熔透情况、进行焊缝跟踪以及焊 缝缺陷探测等【4 】。图卜2 是超声波探头检测熔池深度原理示意图【4 】 利用该方 法检测熔池深度，超声波探头必须紧密接触在焊件上并随焊枪起行走。由于 超声波的传播速度与材料、材料的温度有关，如果探头脱离工件表面，超声波 传播路径发生变化，在空气中急剧衰减，必然影响探测的准确性。 山东大学硕士学位论文 图卜1等离子弧焊背面声音信号传感示意图。 图卜2 超声波信号传感示意图 1 2 1 2 视觉传感器 视觉传感器可以直接拍摄电弧区和熔池的图象，具有直观、信息量大、不 受焊接电磁场的干扰、其信息的检测不影响正常焊接过程等优点。随着电子工 业和计算机技术的迅猛发展，视觉传感器的性能和可靠性得到了较大的提高和 完善，其应用领域也越来越广泛。 文献 5 - 6 j ； l j 用光敏二极管或光敏三极管测量焊缝背面的辐射光量来获取熔 透信息。图l 一3 是等离子弧焊背面弧光信号传感示意图f 6 】。它通过调节脉冲峰 值电流宽度实现了焊缝熔透控制。哈尔滨工业大学的陈定华等人利用红外摄象 机摄取熔池背面的温度场【”。由于影响红外热象灰度值的因素众多，温度值的 标定比较困难，尽管该文给出了三种定标方法，但仍然存在较大的误差。清华 大学的陈强等人1 8 j 采用c c d 图象传感器检测背面的温度场。该方法不需要列温 山东大学硕士学位论文 度值进行定标，利用c c d 的输出就可直接计算出温度场的绝对值。 为了避开弧光的干扰，将传感器放置在了工件背面，使用场合受到很大的 限制，并且在实时控制时正面焊枪与背面传感器的位置难以对应。 图1 - 3 等离子弧背面弧光信号传感示意图f 6 1 文献【9 】利用红外传感器从工件正面检测焊接过程动态温度场，该系统具有 高速、直接的特点。但未能很好地克服弧光干扰及温度定标的问题。由于焊接 电弧的光谱范围一般小于4 n m ，因此采用光谱响应范围为8 - 1 2 n m 的远红外图象 传感器，避开电弧光的光谱范围，削弱了电弧光的干扰，可以直接拍摄熔池正 面温度场“】。w c h e n 等人【对拍摄到的电弧正下方熔池的温度场进行分析， 发现焊道宽度与被测截面峰值温度的半宽之间存在线性关系，被测截面峰值温 度下的积分面积与熔深存在指数关系。上述方法需要做大量的积分运算，计算 时间较长，在实时控制中受到一定的限制。针对这一问题，p b a n e r j e e 】提出 了其它的熔宽和熔深指示参数，它采用焊缝横截面上的温度梯度来检测熔宽， 将c c 之间的距离作为熔宽。它还利用宏观温度梯度( 即峰值温度辐射强度与 固熔界面辐射强度的差值和峰值位置与界面距离的比值) 的变化来控制熔深， 但计算时间仍然偏长。上述方法均采用了远红外摄象机，其价格昂贵，难以在 生产中推广应用。 鉴于x 射线穿透不同厚度的物体，其强度衰减不同，利用x 射线这一性质 可以实现焊接过程的在线控制l l 2 。j 。文献【1 2 】利用x 射线在线检测了焊缝熔透、 裂纹、气孔、夹渣等焊接缺陷的发生情况，效果较好。在焊接时，由于电弧力 山东大学硕士学位论文 的作用，熔池表面将产生下塌，a c g u u 等人i l3 j 充分利用了这点，采用x 射线检测出熔池表面的下塌量，并建立了熔池表面下榻量与熔深的关系以及熔 池表面下塌量与焊接电流的关系。但x 射线对人体的危害较大，需要可靠的防 护装置，因而这种传感方法需要高度的自动化遥控操作，限制了它在实际生产 中的应用。 随着高能量脉冲激光器的发展，人们开始利用强烈激光对熔池的照明拍摄 熔池正面的图象 1 4 - 1 6 】。r k o v a c e v i c 等人【1 5 1 所采用的试验系统如图1 - 4 所示。该 系统采用了高能量脉冲激光器和特殊电子快门。其基本原理是在极短时间内发 出一束激光，该激光能量密度高于电弧的能量密度，利用该激光对熔池表面的 照明，拍摄熔池的图象，该系统中特殊电子快门必须与激光脉冲同步。为了进 一步提高信噪比，在摄象机前面加一窄带滤光片，窄带滤光片的波长与激光的 波长相对应，大大降低了电弧光的能量密度，提高了熔池正面图象的清晰度。 利用该试验系统，y m z h a n 9 1 1 6 l 等人发现熔池尾部包含有丰富的熔透信息。由 于该方法需要高能量脉冲激光器和特殊电子快门，因此设备比较昂贵，难以在 生产中推广应用。 图l - 4 试验装置示意图1 1 5 1 若电弧光被遮挡，则电弧光的干扰可以在一定程度上被减弱，基于这种思 想，文献 1 7 1 研制了熔池同轴观测试验系统。图卜5 是该系统示意图1 1 7 】。该系 山东大学硕士学位论文 统由标准的光学平台与经过特殊改装的t i g 焊焊炬组成，t i g 焊枪水平放置， 钨极用特殊的夹具垂直于t i g 焊焊炬安装，钨极上方由光学玻璃密封。熔池区 图象经钨极上方的镜面反射后进入摄象机。该测试系统中，电弧最亮的部分被 电极和导电嘴挡住，减小了图象系统对电弧光的过度曝光。由于来自电弧的光 是对称的，全部的熔池区均能清晰的观测到，因此利用该系统可以拍摄到较清 晰的熔池区图象。另外该系统拍摄的是焊炬下方的熔池区图象，传感的信号滞 后性很小。但该系统结构比较复杂，需要专门设计特殊结构的焊枪，并且电弧 偏离或漂移时，难以获取清晰的图象，限制了它在实际中的应用。 i - o 州霉c hf u 即e i i - 剐咏蛹= 怫 i!； i 图1 - 5 熔池同轴观测试验系统示意图”i 综上所述，声学传感器结构简单，但由于其自身的局限性，传感的信息量 较少，限制了它们在实际生产中的应用。视觉传感器中的远红外传感和激光视 觉频闪检测方法能够获取较清晰的熔池区图象，但设备价格昂贵。熔池同轴观 测法的焊枪结构需专门设计，难以在实际中应用。同时上述声学传感器和光学 传感器多应用于相对简单的g t a w 焊接，不考虑熔滴过渡的情况，因而不适用于 有熔滴过渡的g m a w 焊接过程。并且这些外部传感器作为安装于自动化焊接设备 上附加部件，会对焊枪的灵活移动造成一定的障碍，并且在焊接某些操作空间 有限的结构时，也受到极大地限制。 山东大学硕士学位论文 1 2 2电弧传感器及其在焊接监测中的应用 电弧传感器从焊接电弧本身提取电信号，即通过检测焊接电压或焊接电流 的变化反映焊接过程质量的信息。图1 - 6 是系统示意图，电缆1 检测焊接电压 的变化，电缆2 检测焊接电流的变化。基于电参数的焊接过程监测和质量评定 方法，国内外科技人员一直在进行研究和探索，并取得了不少成果。 瑞典隆德大学研制出一种仪器a r cg u a r d ”】，实时检测焊接过程中的电压 和电流信号，判断其是否超出事先设定的界限。l u d e e w i g 等人1 1 9 1 将焊接电流和 电弧电压的傅立叶变换值在0 2 0 0 h z 的范围内积分，将其作为焊接质量的一种 度量值，设定了绝对阂值来确定是否有焊缝缺陷。l s a n d e r s 等人利用焊接 电流，电压和短路过渡的非连续平均值及其门限值来检测是否产生焊缝缺陷。 上述研究都是预先设定阈值，根据所检测的信号是否超过阈值来评定缺陷是否 产生。这些方法过于简单，可靠性低。 图1 6 电弧传感器结构示意图 s a d o l f s s o n 等人f 2 l j 研究了短路过渡g m a w 焊接的在线质量监测。他们加工 出两种试件：一是标准的t 型接头，另一种是在板中央开有缺口的t 型接头。这 两种试件分别对应于最佳工艺条件和受到干扰的工艺条件。将焊接电压的方差 作为判据。结果发现：在受到干扰的工艺条件下( 即在立板中部开缺口处) 尽 管焊接电压平均值没有变化，焊接电压方差值出现明显下降。这说明焊接电压 方差值有可能反映出焊接过程的变化。 山东大学硕士学位论文 t p q u i n n 等) , 1 2 2 】提出了一种基于焊接电流和电压信号的焊接缺陷检测方 法。方法前提是实时检测和记录g m a w 焊接电流和电压值，对其进行处理后获 得7 个反映焊接质量的参数：焊接电流的平均值和标准差，焊接电压的平均值和 标准差，焊接电压与电流瞬时值之比一阻抗的平均值和标准差，对阻抗值统计 处理得出的电弧状态数( 焊接电流的变化趋势，焊接电压的变化趋势，短路过 渡频率和标准差) 。在分析无干扰焊接实验数据的基础上，整理7 个质量参数的 动态闽值上限和下限。如果在焊接过程中参数均处于在动态阈值范围之内，就 认为焊接过程正常。如果某一质量参数在动态阈值之外的时间超过定数值， 就判定焊缝有缺陷。他们试验中采用搭接接头，先引入5 中干扰故意造成焊接缺 陷：( 1 ) 保护气体不足( 2 ) 工件表面有油污( 3 ) 焊偏( 4 ) 薄件焊穿( 5 ) 根 部间隙过大。工艺试验结果表明：所提出的检测方法对( 1 ) ( 2 ) ( 4 ) 三种工艺 条件比较敏感，但不能监测出( 3 ) ( 5 ) 两种情况。他们发现只利用原始的焊接 电流和电压信号是不够的，应当对其进一步地处理以提取特征。 电弧电压、焊接电流是由长时低频成分和短时高频成分组成的非平稳的随 机信号，其中包含了大量的反映弧焊工艺性能及弧焊电源性能的信息。为了得 到反映以上信息的数据特征和规律，必须对采样数据进行处理，而随机数据的 常用的有效处理方法是统计分析。通过在幅值域和时间域统计分析电弧电压、 焊接电流，可以获取电弧电压、焊接电流的概率密度分布，熔滴过渡短路时间、 燃弧时间、周期时间的频数分布以及它们的统计参数值( 平均值、标准方差、 变异系数等) 。利用上述统计分析结果，不但能够评估焊接过程的稳定性，还可 识别焊接干扰。焊接条件中所发生的每一种变化都会在焊接过程参数的概率密 度分布中表现出来 2 3 。2 引。德国汉诺威大学研制出的“汉诺威分析仪a h x v ”能 提供焊接电压和电流信号的概率密度分布曲线( p d d ) 以及短路过渡时间和燃 弧时间等的时间频数分布曲线( c f d ) 。通过分析和评估p d d 和c f d 曲线，可以 对焊接过程质量和稳定性实施监测。目前主要依靠有丰富经验的专家人工进行 分析，因此阻碍了这种设备和方法在工业生产中的实际应用。 电弧传感器具有简单、可靠的特点，无须外部传感器，避免了外部传感器 成本高和运动空间受限等问题，克服了外部传感器受周围环境影响而性能不稳 定的缺点，因而具有广阔的发展和应用前景。 1 3 人工智能技术在焊接过程监测中的应用现状 由于焊接涉及到高度非线性和多变量耦合作用以及大量随机干扰和不确 山东大学硕士学位论文 定性因素的存在，决定了焊接过程的极端复杂性。人工智能技术为解决焊接过 程监测这一难题提供了新的思路和方法。 人工神经网络技术在焊接中的应用始于九十年代初，目前已开始应用于焊 接过程的监测。李迪p o 】等人根据焊接过程中焊接电压和电流的直方图分布来识 别对应的焊缝位置是否产生了缺陷，采用了自组织特征映射神经网络来进行特 征的提取。自组织特征映射神经网络是一种非监督神经网络，其学习过程不需 要提供教师信号，能够对输入模式自动分类。识别出了焊穿和不稳定( 一种为 过程中含有较多的断弧的情况；一种为过程总包含有较多的长时间燃弧，即较 长时间的无熔滴过渡而导致大滴过渡及飞溅的情况) 的情况。 武传松【3 l 】等人利用k o h o n e n 神经网络来识别不同工艺条件下的p d d 和c f d 曲线，取得了初步成效。试验过程中，人为引入以下7 种干扰信号：( 1 ) 送丝速 度增h h l 0 ；( 2 ) 送丝速度减少1 0 ；( 3 ) 喷嘴直径增大；( 4 ) 两块试板叠加： ( 5 ) 搭接的两块试板之间有间隙；( 6 ) 试板表面有油污；( 7 ) 搭接接头中，上 面一块试板中间有缺口。上述7 种带干扰信息的工艺条件，再加上正常工艺条件， 总共有8 种情况。每种条件重复6 次试验。前三次的测试结果用于k o h o n e n 网络 的训练和标识，后三次的测试结果用于对k o h o n e n 网络的验证。识别结果表明， 总共2 4 个试验中，有2 2 个识别正确，成功率为9 2 。 模糊逻辑模拟人脑的逻辑思维，用于处理模型未知或不精确的问题，将人 的经验和知识变成语言变量描述控制规则，而神经元网络模拟人脑神经元的功 能，可作为一般的函数估计器。由于各自结构上的特点，它们的应用也各有优 缺点，见表1 1 。 pb u d a i l 3 2 1 通过比较不同焊接过程的稳定性，识别焊接过程中的干扰，并基 于统计分析结果，应用模糊逻辑方法建立了g m a w 焊接过程质量的评估系统， 它能在线评估焊接过程质量，识别焊接过程干扰，是一智能型评估系统。但该 系统的数据只经过简单的处理，没有降低特征空间的维数，而在模糊逻辑中 个高维的特征空间会带来不可接受的计算量。因此在特征提取之后，要根据一 定的原则进行特征选择和数据压缩，使得分类判别问题能够更有效地进行，即 进行特征评价与降维处理，获取最佳特征子集。 山东大学硕士学位论文 表1 1 神经元网络与模糊逻辑优缺点比较 组成 应用优点缺点 神经多个神经元映射任意函数关系，用于 并行处理、容错能力知识表达困难，学 网络连成的网络建模、估计等 强，学习和知识性习速度慢 模糊模糊规则、 用于难以建立精确模型，处理不确定的信息，难以学习，推理过 逻辑模糊推理而凭经验可以控制的系统可利用于专家经验程模糊性增加 文献 3 3 利用模糊逻辑技术来识别不同工艺条件下的p d d 和c f d 曲线。 试验过程的干扰信号同文献 3 1 】。所建立的自动识别系统正确识别率达9 2 。 李迪建立的神经网络与模糊推理相结合的焊接过程控制系统如图1 7 所示 1 3 4 。图中f u z z i e r 是将控制器的输入转化为模糊量进入神经网络的输入节点， r u l eb a s e 是神经网络实现的模糊推理规则系统，d e f u z z i e r 将神经网络推理系 统输出的模糊量转化为一个具体的控制量。按照一定的学习算法训练神经网络 使其记住经验规则，控制器按照联想记忆方式使用这些规则实现控制。 将模糊控制与神经网络相结合构成模糊神经网络，它具有神经网络和模糊 控制的优点，是一种很有发展前途的人工智能方法。 图1 7 神经网络控制系统p 】 神经网络和模糊逻辑技术在焊接过程监测中的应用尚处于初级阶段，在这 一领域仍然需要继续作出努力，开展进一步的深入研究。 1 4 小波变换在焊接中的应用 小波分析属于时频分析的一种。传统的信号分析是建立在傅立叶( f o u r i e r ) 变换的基础上的，由于傅立叶分析使用的是一种全局的变换，要么完全在时域， 要么完全在频域，因此无法表述信号的时频局域性质，而这种性质恰恰是非平 山东大学硕士学位论文 稳信号最根本和最关键的性质。小波变换是一种信号的时间一尺度( 时间一频 率) 分析方法，它具有多分辨率分析的特点，而且在时频两域都具有表征信号 局部特征的能力，是一种窗口大小固定不变但形状可改变，时间窗和频率窗都 可以改变的时域局部化分析方法，即在低频部分具有较高的频率分辨率和较低 的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。小波 变换这种对不同的频率在时域上的取样步长是调节性的，这正符合低频信号变 化缓慢而高频信号变化迅速的特点，很适合于探测正常信号中夹带的瞬态反常 现象并展示其成分，被称为分析信号的显微镜，利用连续小波变换进行动态系 统检测与分析具有良好的效果，已广泛用于图象处理、语音识别和合成、c t 成 像、机器视觉、机械故障诊断与监控等科技领域，在焊接领域中的应用越来越 广泛，多集中于超声信号的特征提取与分类 3 5 - 3 9 】，只有项安应用于焊接温度场 分布的焊缝识另r j 4 们，而焊接电参数信息的小波分析，还尚无应用。 1 5 本文的主要研究内容 ( 1 ) 开展各种工艺条件下的g m a w 焊接工艺试验，利用汉诺威分析仪实时 测量焊接电压和电流信号，对测试值进行统计处理，得出相应的焊接电压和电 流的p d d 数值，短路过渡时间、燃弧时间和加权燃弧时问的c f d 数值。试验主 要包括两大类。第一类试验：试件接头类型改变。试件分为符合要求的标准型 ( 对应于正常焊接工艺条件) 和带有干扰的非标准型( 对应于非正常焊接工艺 条件) ，后者是在试件加工和装配时人为造成某种干扰，例如试件某一部分有缺 口，试件某一部分厚度不均匀，间隙过大等。试件某一部分有油污，导致气孔 的产生。第二类试验：工艺条件改变，例如送丝速度的增大或减小，喷嘴直径 的改变等，由于工艺条件有变化，焊接过程受到干扰。 ( 2 ) 针对上述试验，设计计算机程序，对焊接电压和焊接电流的p d d 曲线 以及相应的时间参数c f d 曲线进行综合处理，准确提取出反映不同工艺条件下 的g m a w 焊接过程的特征信息。 ( 3 ) 研制焊接过程监测与识别系统，应用人工智能技术，直接基于实验 数据，依据特征参数，自动识别各种焊接过程干扰因素，实现对焊接过程的识 别与分类，并通过工艺试验验证该系统的正确识别率。 ( 4 ) 针对t 形接头中的电参数信号，引入小波方法进行分析，探讨了小波 分析技术在焊接监测中的应用，为最终完成焊接过程的准确识别和处理打下基 础。 山东大学硕士学位论文 第2 章系统结构与试验方法 2 1 系统结构及工作原理 系统结构如图2 - 1 所示。g i c i a w 焊接过程中，由汉诺威分析仪同步进行高速 数据采集，统计处理出焊接电压、焊接电流的概率密度分布( p d d ) 和短路时间、 燃弧时间、短路周期、加权燃弧时间的时间频数分布( c f d ) 。对于所采集的p d d 和c f d ，将涉及到两方面的问题，一是数据的处理问题，一是焊接过程干扰的 识别问题。数据处理有两种处理方案：一种是直接采用焊接电压u 的p d d 和短 路时间t l 的c f d 作为智能识别系统的输入；另一种是把所采集到的p d d 和c f d 经过二次处理提取反映电参数特征的参数后再输入到智能识别系统中。智能识 别系统依据人工智能技术完成对g m a w 焊接过程干扰的识别，并输出识别结果。 2 2 试验设备 2 2 1t i p 6 弧焊机器人 图2 - 1识别系统结构框图 u p 6 弧焊机器人为本实验所采用的焊接设备。u p 6 弧焊机器人是新一代弧 焊机器人，图2 2 是其在焊接中的照片。其系统由机器人、x r c 和示教编程器 组成。该系统具有动作范围大、轨迹精度高、动作速度快、示教时间短、安全 性能高等优点。主要性能指标如下： 机构形态：垂直多关节形 自由度：6 重复定位精度：0 0 8 m m 动作范围：s 轴( 回转) ：1 7 0 0 山东大学硕士学位论文 l 轴( 下臂) ：+ 1 1 5 。、- 9 0 。 u 轴( 上臂) ：+ 1 9 0 。、一1 7 0 。 r 轴( 手腕回转) ：1 8 0 。 最大速度 允许扭矩： b 轴( 手腕摆动) ：+ 2 2 5 0 、- 4 5 0 t 轴( 手腕回转) ：3 6 0 。 s 轴：2 4 4 r a d s 、1 4 0 。i s l 轴：2 7 9 r a d s 、1 6 0 。s u 轴：2 9 7 r a d s 、1 7 0 。s r 轴：5 8 5 r a d s 、3 3 5 0 s b 轴：5 8 5 r a d s 、3 3 5 。s t 轴：8 7 3 r a d s 、5 0 0 。s r 轴：1 1 8n - m ( 1 2 k g f m ) b 轴：9 8n m ( 1 0 k g f - m ) t 轴：5 9n n l ( o 6 k g f m ) 允许惯性力矩：r 轴：0 2 4k g - m 2 b 轴：0 1 7 k g m 2 t轴：0 0 6 k g m 2 2 2 2a v 汉诺威分析仪 a h _ _ = ( v 汉诺威分析仪是本试验所采用的测试设备。 德国汉诺威大学研制出的“汉诺威分析仪a h _ _ ) ( v ”是一个快速的数据获 山东大学硕士学位论文 取与处理系统，该系统包括硬件和软件两方面。系统硬件连接如图2 3 所示，主 要由微机系统、保护电路、5 0o h m 的端电阻r 、带分压器的低通滤波器l p f 、 a d d c 电流传感器及1 2 位的a d 转换器组成。为防止干扰，减少误差，通过隔 离变压器和带快速电压尖峰斩波的低通滤波器和电源相连。电压信号由同轴电 缆l 通过带分压器和保护电路的低通滤波器接到汉诺威分析仪的通道1 。电流信 号由同轴电缆2 通过电流传感器与汉诺威分析仪的通道2 相接。两根同轴电缆有 效地屏蔽了干扰，并克服了信号在传输过程中的损失问题，可使焊接现场远离 测试分析仪，减小或消除了电弧的电磁干扰对计算机的影响。电流传感器为有 源霍尔效应电流传感器，特点是量程大( 1 0 0 0 a ) ，与电缆无直接的电气联系， 减小了焊接电流对微机系统的干扰。1 2 位的a d 转换卡将模拟电信号转换为二 进制数值量，转换速度很高，单通道转换时间为3 2s 。软件方面能提供焊接电 压和电流信号的p d d 曲线以及短路过渡时间、燃弧时间、加权燃弧时间和短路 周期等的c f d 曲线。图2 - 4 图2 9 是测试一个焊接过程的p d d 及c f d 。 p d d 曲线的获得过程如图2 1 0 所示：以焊接电压为例，在波形图中，标出 测试点，将这些测试点得到的电压测量值分组，如3 4 v ，有1 个点，2 1 - 2 2 v 有1 0 个点，那么每个组上限和下限的差( 称为组宽) 为l v ，每一组的点数为该 组的频率；p d d 就是某组的频率与所有组的总的频率的比值；女n 3 , - 4 v 这一组的 频率为l ，总频率是l + 2 + + 1 0 = 2 7 ，于是该组p d d = i 2 7 = 3 7 。c f d 的获取原 理是：如果一次实验测试时间是5 秒，其中短路时间为1 0 0 1 5 0 微秒的次数为8 8 次，那么相应的c f d = 8 8 5 = 1 7 6 ( i s ) ；将测得的所有短路时间进行分组，就可 以计算出各组的c f d 。通过分析和评估p d d 和c f d 曲线，可以对焊接过程的质 量和稳定性实施监测与评定1 4 ”。 图2 - 3 汉诺威分析仪连接图 山东大学硕士学位论文 v o l t a g ep ic u r r e n t 州 图2 4 焊接电压概率密度分布曲线图2 5 焊接电流概率密度分布曲线 图2 6 短路过渡时间频数分布曲线图2 - 7 燃弧时间频数分布曲线 图2 8 加权燃弧时间频数分布曲线 图2 9 周期的频数分布曲线 山东大学硕士学位论文 2 3 工艺试验 h 絮脚m ”坶t r m a s i e n ts i g n a l i s t r 西u t i o ad t 【m s 】 a t ar e d u c r i o l i td 图2 - 1 0p d d 获取原理图 试件为1 r a m 低碳钢板；采用保护气体为8 2 a r + 1 8 c 0 2 的短路过渡气体 保护焊，气体流量1 0 l m i n 。焊丝直径l m m ，送丝速度为4 0 m m i n ，焊接电压 为1 8 v ，焊接电流为1 3 0 a ，焊接速度7 6 0 m m m i n ，导电嘴至工件距离为1 2 m m ， 焊接接头型式为汽车工业中广泛采用的搭接。采用汉诺威焊接过程分析仪a h x v 测量焊接电压和焊接电流，并进行数据处理。图2 1 1 是测试系统框图。 每一试验测量1 0 秒，获得2 ，0 0 0 ，0 0 0 个焊接电压和焊接电流的瞬时值，并将其 实时处理为p d d 和c f d 曲线。 在试验过程中，人为地引入以下7 种干扰信号： ( 1 ) n o 1 ：送丝速度增加1 0 ： ( 2 ) n o 2 ：送丝速度减少1 0 ： ( 3 ) n o 3 ：喷嘴直径增大： ( 4 ) n o 4 ：两块试板叠加( 图2 - 1 2 b ) ： ( 5 ) n o 5 ：搭接的两块试板之间有间隙( 图2 1 2 c ) ： ( 6 ) n o 6 ：试板表面有油污： ( 7 ) n o 7 ：搭接接头中，上面一块试板中间有缺口( 图2 1 2 d ) 。 上述7 种带干扰信息的工艺条件，加上正常工艺参数( n o r m a l ：图2 7 a ) ， 总共有8 种情况。每种情况重复6 次试验。前三次的实验数据用于智能识别系 统的建立和标识，后三次的实验数据用于智能识别系统的验证。 可以直接将测得的焊接电压和焊接电流的p d d 数据和短路时间的c f d 数据 山东大学硕士学位论文 据作为输入矢量，使其自动识别出焊接过程中的干扰因素。也可以对统计处理 得出的p d d 和c f d 数据进行二次处理，进行压缩，凸现特征，提取出一个 维 特征矢量1 s = ( & ，& ，品) 。不同工艺条件下的焊接试验，具有不同的 特征矢量s 。然后利用所建立的智能识别系统，直接基于n 维特征矢量数据自 动识别出焊接过程中的干扰因素，系统处理过程如图2 1 所示。 一t j 三芗 b 、 c ) 山东大学硕士学位论文 2 4 本章小结 d ) 图2 - 1 2 干扰条件示意图 ( 1 ) 介绍了试验所采用的系统结构和系统识别原理。试验设备包括u p 6 弧焊机器人及a h x v 汉诺威分析仪，同时介绍了设备的基本参数及特点。 ( 2 ) 介绍了试验时所采用的工艺方法。试验以汽车工业中广泛采用的搭 接接头为基础，人为引入7 种干扰信息，加上正常条件焊接，共8 种工艺试验。 山东大学硕士学位论文 第3 章电参数的特征提取 电弧焊接是多种因素交互作用的复杂过程，焊接过程与许多参数有关，而 这些参数的作用又是相互关联的，既有动态过程的耦合，又有静态效果的重叠， 对于这样的多输入多输出又包含非线性和时变性的系统，很难提取反映焊接过 程的全部信息，如何提取反映焊接过程特征的信息进