【视觉焊缝跟踪技术及应用现状研究的文献综述4400字】

视觉焊缝跟踪技术及应用现状研究的文献综述视觉传感是焊接作业中一种先进的焊缝检测技术，以视觉传感方式采集焊接中实时的焊缝图像信息，通过对所采集图像进行处理后识别出焊接作业的相关工艺参数，以实现焊接过程焊缝检测和焊缝跟踪的目的。视觉传感属于非接触式传感，其对焊接工作过程没有丝毫影响，同其它单一的传感比较，视觉传感能提供更为丰富的信息。视觉传感器以其各类优点，已成为焊缝跟踪传感技术研发的重点，并逐步成为焊缝自动跟踪技术领域的必然趋势[39-40]。随着国内对焊接技术的重视和相关产业的蓬勃发展，视觉焊缝跟踪技术在国内也有长足的进步。以激光视觉为主的主动视觉传感方法和以熔池监测为主的被动视觉传感方法都有较大的进步与发展，很多方面与国外的技术水平相当。焊接作业中，图像传感器采集到的信号常包含弧光、粉尘、烟雾等干扰，目标信息和噪声信号融为一体，图像处理的目的就是从强干扰的图像中去除噪声干扰，提取出人们感兴趣的信息，以便据此计算相应的焊缝偏差。对视觉传感器技术来说，目标信息以外的所有图像均为噪声信号，焊缝偏差提取前必须将其滤除。对图像噪声的滤除，除了硬件上的措施外，图像处理方法一样相当重要。因此在分析焊缝跟踪技术时，传感器的结构和工作原理，以及图像的采集和处理，都是知道关注的部分。1.1主动视觉传感方法国内外应用现状1）传感器结构和工作原理的研究Agapiou[41]等人研究了基于MIG光谱分析的激光传感器的选择。该试验由输出功率为30mW的二极管激光器、1024像素的线阵CCD摄像机、配有光电编码器和5-20Hz的示波器组成，经比较焊接电弧的光谱，得出焊接传感器的最佳二极管中心波长为467nm，584nm，610nm，632nm和950nm。Sung[42]等人利用多组线激光开发了多线激光视觉传感器，可以同时处理多个范围的数据。南昌大学毛志伟[43]等人采用了双线激光传感的方法定位焊枪和焊缝走向。将条纹激光以交叉的方式安装，再建立该传感方式下双条纹激光间距与焊枪高度关系的理论模型，通过图像处理获得了上下激光条纹中心间距离及坡口中心值，由理论模型计算得焊枪高度，上下坡口中心值获得焊缝精确偏差与焊缝轨迹走向。Fridenfalk和Bolmsjo[44]在6轴机器人中引入了一种焊缝跟踪系统，该系统可以降低对机器人轨迹的精确规划和对其所需几何数据库的要求。Mastui和Goktug[45]介绍了一种由激光传感器控制的自适应焊接机器人系统，用于在单道焊接中间隙有变化的薄板焊接。甘文龙[46]等人提出了一种基于激光视觉传感的局部区域内分步式定位方法，该方法检测激光在管道V型坡口上形成的角点来定位V型坡口的位置，为管道全位置焊接中的焊缝跟踪问题提供借鉴意义。2）图像采集和处理的研究Kim[47]等人利用灰度重心法，从水平和垂直图像坐标值及其像素强度中找到中心坐标，然后进行阈值处理，滤除感测区域内的噪声。采用平均窗口法，克服了在水平方向上连续坐标间存在像素差异的中心线表面粗糙的问题。Lee[48]等人分别选取高斯滤波器和中值滤波器去除高频噪声、椒盐噪声和椒盐噪声分量。结果发现，使用中值滤波可以得到更好的结果。然后通过腐蚀、膨胀、开启和关闭滤光片来消除其他噪声，增强激光的投影效果。Yoo和Na[49]利用神经网络技术提取焊缝特征点。输入参数为各像元坐标的和以及两个相邻像元坐标的最大差值。该模型有两个隐含层，每个层有10个节点，以获得模式类型作为输出。最后，应用线分割方法从图像中提取特征点。杨国威[50]等人提出并设计了一种自主移动焊接机器人嵌入式视觉跟踪控制系统，基于核相关滤波的焊缝跟踪算法解决弧光干扰问题，为如何提高焊缝图像处理精度提供了一种可行性方法。清华大学的都东[51]等人提出了一种基于焊缝纹理特征的自主识别方法。该方法采用光源照亮焊缝使相机采集到焊缝的纹理图像，利用待焊区（焊缝位置）与母材区之间明显的纹理特征差异来实现，能够解决多层多道焊后几层、道次的焊接时通常视觉方法不易识别焊缝的问题，适用于多层焊盖面焊焊缝识别。3）主动视觉传感焊缝跟踪产品的研究Scansonic公司提供的TH6D激光视觉传感器是一种非接触式三角测量传感器，利用多束激光探测焊缝位置、焊缝间隙和接缝边缘偏移。日本Motoman公司在摄像机前段安装来了特殊的滤光装置，且应用了短路电流控制摄像机快门技术，成功完成了对V型和马鞍型焊缝的焊接[52]。北京创想智控科技有限公司开发出了多款不同等级的激光视觉焊缝跟踪器(如图1.11所示)，该跟踪器嵌入了视觉处理系统，能够适配多种焊接专机和近40种品牌的焊接机器人。哈尔滨维捷焊接技术有限责任公司开发出了能够适应多层、多道焊接的激光视觉焊缝跟踪器(如图1.12所示)，该跟踪器可根据焊缝的变化自适应调节，完成在线实时调节焊枪的左右和高低的功能。图1.11北京创想焊缝跟踪器图1.12哈尔滨维捷焊缝跟踪器4）总结综上所述，经分析主动视觉传感方法在国内外的研究现状可以得出以下几点结论：(1)国内外学者对主动视觉传感方法的研究多应用于机械手等固定式焊接机器人上，而在移动焊接机器人上的应用较少。应用在固定式焊接机器人上时，其焊缝跟踪精度在±0.2mm以内，在一些研究中精度甚至可达±0.1mm。(2)目前市场上的激光视觉焊缝跟踪器仅应用于固定式焊接机器人上，也仅能与常用焊接机器人进行适配，而在移动焊接机器人的应用上目前还处于空缺状态。(3)一些学者对主动视觉传感在移动焊接机器人上的应用也进行了研究。如甘文龙[46]等人在管道V型坡口上焊缝跟踪精度为±0.5mm，杨国威[50]等人在嵌入式移动焊接机器人上的应用精度为±0.35mm，无法满足更高标准的焊缝跟踪精度要求。1.2被动视觉传感方法国内外应用现状1）熔池图像获取方面的研究Xu[53]等人对2.5mmQ235钢的GMAW进行了光谱分析，以找到合适的滤光片来消除弧光的干扰，试验发现中心波长660nm的滤光片最适合在弧光下焊接。Chen[54]等人发现中心波长为630nm的窄带滤光片和10%+30%+50%的中性玻璃切片适合于在光谱分布为580nm至720nm的铝合金焊接过程中进行熔池图像采集。Shen[55]等人设计了一种由宽带滤光片和两个调光玻璃组成的双层过滤系统，以减弱铝合金焊接时焊缝和熔池之间的各种光强。杨嘉佳[56]等人在铝合金单面焊双面成形焊接过程中，使用近红外相机获取到未熔透、熔透和过熔透三种情况下的清晰熔池图像，并通过图像处理提取了熔宽、半长、面积、周长和抛物线系数等能反映熔透状态的熔池特征参数，并建立了基于BP神经网络的铝合金双丝焊熔透识别模型。其试验结果表明，网络结构为5-13-3时熔透状态识别正确率最高，未熔透、熔透和过熔透的准确率分别为95.41%，87.36%和83.88%，平均准确率为89.05%。2）熔池图像处理方面的研究Dinaham和Fang[57]利用霍夫变换跟踪滑动搜索窗口，增强了熔池边缘轮廓信息。Gao[58]等人发现Hough变换适合于GMAW中的边缘检测技术。对于离线焊缝跟踪方法，对不同的边缘检测技术进行了对比研究，发现Prewitt算子与Robert、Laplacian、Canny和Sobel边缘检测技术相比，自动选择阈值方法更适合Prewitt算子。Roberts´s算子已被发现适用于焊缝边缘检测，特别是铝合金工件的钨极气体保护焊[55,59]。Xu[53,60]对GMAW的不同边缘检测技术进行了对比研究，提出了一种改进的Canny边缘检测技术，得到具有局部平滑效果的图像。南京理工大学方吉米、王克鸿[61]等人研究了高速驼峰焊道形成过程中熔池的变化规律，并提出了一种基于模糊C-均值聚类(fuzzyC-means，FCM)协作主动轮廓(chan-vese，CV)模型的熔池图像分割方法。其试验结果表明，驼峰形成过程中，熔池长度的阶跃变化是反映驼峰形成的主要图像特征。分析熔池长度序列拟合成的波形，获取反映熔池长度阶跃变化的尖峰突起特征信号，能很好地识别驼峰缺陷的形成，初步实现了驼峰焊道监测控制。北京航空航天大学邹勇、李运华[12]等人通过对管道全位置熔化极气体保护焊熔池图像的研究分析，发现并验证了其根焊熔池图像尖端与焊缝坡口中心位置重合的现象，依据此规律性特征，提出了一种基于熔池图像尖端信息的焊接偏差测定方法。其试验证明，该方法能从根焊熔池图像中实时测定焊接偏差量，为实现机器人自动焊缝跟踪控制提供了可靠依据。3）被动视觉传感产品的研究国内外对被动视觉传感方法的研究较晚，目前还没有能够直接用来进行焊缝跟踪的被动视觉传感产品。但国外一些公司开发出了高性能熔池相机，如加拿大XIRIS公司、英国OxfordSensor公司等均研制出了抗干扰能力强、图像动态范围高、分辨率高的熔池相机。不过这些熔池相机仅能用来采集熔池图像，需要用户二次开发使用。4）总结通过分析被动视觉传感方法的国内外研究现状可以得出以下几点结论：(1)被动视觉传感方法多用来进行焊接质量监控，而用来实现焊缝跟踪较少。通过提取熔池的形貌，建立熔池形态与焊接质量之间的对应关系，从而调整焊接工艺参数，实现闭环控制，进而达到焊接质量的在线监控。(2)目前市场上的被动视觉传感产品主要为熔池相机，该类相机专为采集熔池图像而开发，能够采集到较为稳定的熔池图像，但价格昂贵，且需要自主开发才能使用。(3)邹勇、李运华[12]等人将被动视觉传感方法应用于管道全位置焊缝跟踪上，其焊缝跟踪精度可达±0.25mm，为被动视觉传感方法应用于无轨爬行焊接机器人的焊缝跟踪上提供了借鉴意义。参考文献霍厚志,张号,杜启恒,等.我国焊接机器人应用现状与技术发展趋势[J].焊管,2017,40(02):36-42+45.郭吉昌,朱志明,于英飞,等.焊接领域激光结构光视觉传感技术的研究及应用[J].中国激光,2017,44(12):7-16.范俊峰,景奉水,方灶军.基于视觉传感的焊缝跟踪技术研究现状和发展趋势[J].热加工工艺,2017,46(05):6-10+14.侯震,许燕玲,黄色吉,等.视觉传感技术在机器人焊接中的应用[J].上海交通大学学报,2016,50(S1):55-58.XuYL,ZhangJY,DingMY,etal.TheacquisitionandprocessingofrealtimeinformationforheighttrackingofroboticGTAMprocessbyarcsensor[J].TheInternationalJournalofAdvancedManufacturingTechnology,2013,65(05):1031-1043.洪波,言浚光,阳佳旺,等.一种用于焊缝跟踪的电容式传感器[J].焊接学报,2014,35(02):55-58.李晓延,武传松,李午申.中国焊接制造领域学科发展研究[J].机械工程学报,2012,48(06):19-31.RoutA,DeepakBBVL,BiswalBB.Advancesinweldseamtrackingtechniquesforroboticwelding:Areview[J].RoboticsandComputer-IntegratedManufacturing,2019,56(APR.):12-37.HeYS,XuYL,ChenYX,etal.Weldseamprofiledetectionandfeaturepointextractionformulti-passrouteplanningbasedonvisualattentionmodel[J].RoboticsandComputerIntegratedManufacturing,2016,37.张鹏贤,张国强,韦志成,等.坡口及焊缝表面三维轮廓的激光视觉测量[J].焊接学报,2017,38(12):85-89+133.ZhangY,GaoX.Analysisofcharacteristicsofmoltenpoolusingcastshadowduringhigh-powerdisklaserwelding[J].InternationalJournalofAdvancedManufacturingTechnology,2014,70(9-12):1979-1988.邹勇,李运华,蒋力培,等.基于熔池图像尖端特征规律的焊接偏差测定方法[J].焊接学报,2015,36(08):18-22+114.闻倩艺,何建萍,王昂洋.焊接熔池图像视觉传感技术的研究现状及发展趋势[J].热加工工艺,2016,45(22):7-10+15.吕超荣.焊接机器人技术现状与发展趋势的研究[J].机械工程师,2015,(05):162-163.陈善本,林涛.智能化焊接机器人技术[M].机械工业出版社,2006.杨林熊.焊接机器人的应用现状及发展趋势[J].光电技术,2011,12(05):102-103.毛鹏军,黄石生.焊接机器人技术的发展[J].焊接学报,2012,20(08):2-3.叶艳辉.小型移动焊接机器人系统设计及优化[D].南昌：南昌大学,2015.郭亮.移动机器人不连续焊缝跟踪技术研究[D].南昌：南昌大学,2018.GonzalezdSP,ArmadaMA.ShipbuildingwithROWER[J].Robotics&AutomationMagazineIEEE,2000,7(04):35-43.KamBO,JeonYB,KimSB.Motioncontroloftwo-wheeledweldingmobilerobotwithseamtrackingsensor[C]//IEEEInternationalSymposiumonIndustrialElectronics.IEEE,2003.许小平.高效焊接在船舶管系制造中的发展及应用[