提出了通过视觉传感获取焊接过程中的焊接特征信息并利用神经网络模型预测焊缝背面宽度的方法。利用大功率盘形激光器焊接了低碳钢SS400焊件,在焊接过程中改变焊接功率、焊接速度和焊接路径,并利用两台高速摄像机同步获取焊件正面和侧...提出了通过视觉传感获取焊接过程中的焊接特征信息并利用神经网络模型预测焊缝背面宽度的方法。利用大功率盘形激光器焊接了低碳钢SS400焊件,在焊接过程中改变焊接功率、焊接速度和焊接路径,并利用两台高速摄像机同步获取焊件正面和侧面出现的焊接特征信息。对获取的图像进行色彩空间转换、分层、滤波去噪和空域图像处理,提取飞溅、熔池和金属蒸气等焊接特征信息,观察焊接路径对各个特征的影响。最后,建立了一个三层的LMBP(LevenbergMarquardt Back Propagation)神经网络模型,将提取的特征信息作为输入量,预测焊缝的背面宽度。结果显示:当熔透不稳定或出现未熔透状态时,LMBP神经网络拟合度大于0.83,最大训练误差均值为0.002 8mm,最大实际误差均值为0.225 6mm。试验结果表明所建立的预测模型具有良好的准确性和稳定性。展开更多
文摘提出了通过视觉传感获取焊接过程中的焊接特征信息并利用神经网络模型预测焊缝背面宽度的方法。利用大功率盘形激光器焊接了低碳钢SS400焊件,在焊接过程中改变焊接功率、焊接速度和焊接路径,并利用两台高速摄像机同步获取焊件正面和侧面出现的焊接特征信息。对获取的图像进行色彩空间转换、分层、滤波去噪和空域图像处理,提取飞溅、熔池和金属蒸气等焊接特征信息,观察焊接路径对各个特征的影响。最后,建立了一个三层的LMBP(LevenbergMarquardt Back Propagation)神经网络模型,将提取的特征信息作为输入量,预测焊缝的背面宽度。结果显示:当熔透不稳定或出现未熔透状态时,LMBP神经网络拟合度大于0.83,最大训练误差均值为0.002 8mm,最大实际误差均值为0.225 6mm。试验结果表明所建立的预测模型具有良好的准确性和稳定性。
