CN105689859A - 一种不同种类金属之间的连接方法和设备 - Google Patents

Abstract

本发明涉及一种不同种类金属之间的连接方法和设备，该方法包括通过图像传感器被动摄取焊缝图像和焊枪图像；根据所述焊缝图像提取焊缝特征，以及根据所述焊枪图像提取焊枪特征；根据所述焊缝特征定位所述焊缝的中心位置，以及根据焊枪特征定位所述焊枪的位置；根据所述焊缝的中心位置和焊枪的位置，调整所述焊枪的位置进行焊接使得可以按热量分配关系为高熔点金属分配较高的热量，低熔点金属分配较低的热量以实现异类金属的自溶焊接。该方法通过被动的方式对焊缝图像和焊枪图像进行摄取，实现自动调整焊枪和焊缝之间的位置，从而可以实现在焊接过程中可以合理分配熔点较高和较低的金属的热量，在二者均为熔融状态下焊接在一起。

Description

一种不同种类金属之间的连接方法和设备

技术领域

本发明属于生成加工自动化设备领域，具体公开了一种不同种类金属之间的连接方法和设备。

背景技术

在压缩机排气管、吸气管等技术领域中，经常需要将不同种类的金属进行焊接。例如，排气管大多数为铜材质，一端与其他铜管焊接，另外一端通过氩弧焊或者与压缩机的铁质上盖或者铁质壳体连接。

现有的焊接方向一般是在异类金属的连接处放置一些铜粉或者其他方便连接的金属粉，通过高温使得金属粉熔化冷却后将异类焊接。例如中国专利CN102500872中公开了一种铜-钢异种金属焊接方法，其将铜件与钢件焊接在一起构成铜-钢角焊工件，其包括如下步骤：首先，在铜件一侧加热堆焊铜基合金焊材，在铜件的焊接表面形成铜基合金过渡层，待铜件冷却修整焊缝后，将钢件装配到铜件上进行点焊，最后采用铜基焊条将铜基合金过渡层与钢件焊接在一起，焊接方法为在冷状态下气保焊。该方法采用在热状态下堆积焊接铜基合金过渡层，这样可以使铜基合金焊材与铜件的结合性非常好，然后再在冷状态下进行铜-钢角焊，冷状态更加便于操作，而且能够有效控制焊缝金属的熔合比，防止焊缝热裂纹的产生，从而满足焊接要求。然而，此时熔化的焊材仅仅附在连接管的表层，并未形成铜铁的结晶体。其焊接完成的关键表面看很漂亮，但其焊缝处的强度一般。

发明内容

为解决上述问题，本发明的目的是提供一种不同种类金属之间的连接方法，该方法使用机器视觉来自动调整焊枪和焊缝的位置，从而可以实现精确控制焊接过程中异类金属之间的热量分配，使得异类金属在共熔状态实现牢固焊接。

本发明又一目的是提供一种不同种类金属之间的连接设备，该设备通过视觉模块来控制焊接机器人和焊接电流，从而可以实现精确控制焊接过程中异类金属之间的热量分配，使得异类金属在共熔状态实现牢固焊接。

为此，本发明所述的方法和设备采用的技术方案如下：

一种不同种类金属之间的连接方法，包括：

通过图像传感器被动摄取焊缝图像和焊枪图像；

使用Canny边缘检测算法检测焊缝的边缘，提取焊缝特征，以及使用Canny边缘检测算法检测钨棒的边缘，根据所述焊枪图像提取焊枪特征；

根据所述焊缝特征定位所述焊缝的中心位置，以及对焊枪图像的边缘灰度灰度、亚像素边缘定位所述焊枪的位置；

根据所述焊缝的中心位置和焊枪的位置，调整所述焊枪的位置进行焊接使得可以按热量分配关系为高熔点金属分配较高的热量，低熔点金属分配较低的热量以实现异类金属的自溶焊接，其中，所述自溶焊接的步骤包括：通过钨棒发出的气流的吹力和离子束在熔池位置的冲击作用下产生热量；以及通过超声波对所述熔池进行搅拌。

优选地，所述焊枪包括一用于对工件进行焊接的钨棒，还包括对所述焊缝图像和焊枪图像进行预处理的步骤，所述预处理步骤包括滤波去噪、锐化增强、图像校正以及图像二值化中的一种或多种。

优选地，所述Canny算法包括：

用高斯滤波器平滑图象；

用一阶偏导的有限差分来计算梯度的幅值和方向；

对梯度幅值进行非极大值抑制；

用双阈值算法检测和连接边缘。

优选地，根据所述焊缝特征定位所述焊缝的中心位置的步骤还包括区域填充、骨架提取的步骤。

优选地，还包括焊接质量评估步骤，其包括：

获取熔池图像并检测其边缘；

分析熔池的形态并与熔池评价知识库进行对比；

获取对比结果得到焊接质量评价。

一种不同种类金属之间的连接设备，包括视觉模块、焊接机器人、焊缝跟踪控制器、钨棒、与所述钨棒连接的焊接电流控制器和主控制器，所述视觉模块包括用于摄取焊接图像的摄像头和与所述摄像头连接的图像采集卡，所述图像采集卡与所述主控制器连接；所述焊枪机器人通过焊缝跟踪控制器与所述主控制器连接；所述焊接电流控制器与所述主控制器连接。

优选地，所述摄像头还设有过滤模块，所述过滤模块依次包括带通滤光片和UV镜。

优选地，还包括冷却机构，所述冷却机构包括冷却盒和设于所述冷却盒内的喷淋管。

本发明所述的不同种类金属之间的连接方法通过被动的方式对焊缝图像和焊枪图像进行摄取，并提起焊缝图像和焊枪图像的特征来实现自动调整焊枪和焊缝之间的位置，从而可以实现在焊接过程中可以合理分配熔点较高和较低的金属的热量，在二者均为熔融状态下焊接在一起，提高了焊接品质，焊接口光滑光亮，减少了污染，也降低了焊料成本。

附图说明

图1是本发明所述不同种类金属之间的连接方法一实施方式的流程图；

图2是本发明所述不同种类金属之间的连接方法一实施方式中对图像进行预处理的流程图；

图3是本发明所述不同种类金属之间的连接方法一实施方式中对图像检测边缘的Canny算法流程图；

图4是本发明所述不同种类金属之间的连接方法一实施方式中根据焊枪特征定位的流程图；

图5是本发明所述不同种类金属之间的连接方法一实施方式中根据所述焊缝特征定位所述焊缝的中心位置的流程图；

图6是本发明所述不同种类金属之间的连接方法一实施方式中对焊接质量评估的流程图；

图7是本发明所述不同种类金属之间的连接设备一实施方式的结构示意图；

图8是本发明所述不同种类金属之间的连接设备一实施方式中过滤模块的结构示意图；

具体实施方式

下面结合附图，对本发明做进一步说明。

参见图1，图1是本发明所述不同种类金属之间的连接方法一实施方式的流程图。在图1示出的实施方式中，该不同种类金属之间的连接方法，包括：

步骤S101：通过图像传感器被动摄取焊缝图像和焊枪图像；

步骤S102：根据所述焊缝图像提取焊缝特征，以及根据所述焊枪图像提取焊枪特征；

步骤S103：根据所述焊缝特征定位所述焊缝的中心位置，以及根据焊枪特征定位所述焊枪的位置；

步骤S104：根据所述焊缝的中心位置和焊枪的位置，调整所述焊枪的位置进行焊接使得可以按热量分配关系为高熔点金属分配较高的热量，低熔点金属分配较低的热量以实现异类金属的自溶焊接，其中，所述自溶焊接包括：通过钨棒发出的气流的吹力和离子束在熔池位置的冲击作用下产生热量；以及通过超声波对所述熔池进行搅拌。

在上述的实施方式中，所述的自溶焊接可以称为等离子束表面焊接，其采用等离子弧为热源，利用等离子束作为导电体，以及电磁搅拌、电流的吹力和等离子束弧冲击力引起的强制对流以及在凝固界面上，原子和分子的扩散产生的结晶流或其他亚运输过程引起的流动实现。在等离子表面焊接过程中形成的冶金欧诺个吃的流动特征类似于激光熔池，其主要特点是存在温度梯度。在熔池表面，其温度梯度具有不同的3个区域，在熔池中心区域，其温度梯度近似于零，沿熔池径向向外，其温度梯度逐渐增大，然后下降，随熔体到达熔池边缘时，其温度梯度再次增大，表面张力梯度驱动的熔体流动在上述第二区域占主导地位。它倾向于使熔池表面的温度区域一致。另外，在气流的吹力、等离子束的冲击力以及超声波和电磁力的搅拌作用下，合金材料最终在熔池凝固，形成牢固的焊接效果。

参见图2，图2是本发明所述不同种类金属之间的连接方法一实施方式中对图像进行预处理的流程图。所述焊枪包括一用于对工件进行焊接的钨棒，由于钨极氩弧焊在焊接过程中，CCD相机实时拍摄焊缝图像时，焊炬周围无法避免地有着大量的烟尘、飞溅和强烈的弧光噪声；拍摄的焊缝图像必定包含由此产生的的各种噪声；同时由于CCD存在时延，会使焊缝图像中存在飞溅颗粒飞过视图区还会使得点噪声变成线噪声；同时，焊接过程中，焊接电流的变化也会导致图像亮度不稳定。此外，由于钨极氩弧焊的焊接过程是一个动态的过程，有多种因素会使得焊接熔池形态不稳定。这些情况将比较严重的影响图像的后续处理，对焊缝偏差的计算和控制精度带来不利的影响。因此，在摄取图像时，还包括对所述焊缝图像和焊枪图像进行预处理的步骤，所述预处理步骤包括滤波去噪(S201)、锐化增强(S202)、图像校正(S203)以及图像二值化(S204)。

图像数字滤波去噪是图像预处理的最重要的环节，它不是通过物理的方式过滤噪声，而是采用数字滤波器等算法实现去噪增强图像的目的。在数字图像处理中，可采用的数字滤波去噪算法很多，根据不同的实际需要或目的选用合适的算法。针对本项目的高精度检测的实际需要，图像滤波后要保证足够的图像边缘信息，为此，我们选用中值滤波，小波去噪等算法。下面对中值滤波和小波去噪进行详细介绍。

其中，1)中值滤波：图像的中值滤波是一种图像处理的非线性方法，它采用排序领域内像素按灰度的结果来确定中心像素的灰度。中值滤波的特点是在图像处理中,常用于保护边缘信息，是经典的平滑噪声的方法。在本项目中，我们需要保护采集图像的焊缝等边缘信息，采样中值滤波可以较好地满足要求。由于中值滤波需要对采样窗口内像素灰度数值进行排序并取中间位置的灰度作为结果,需要选定合适的采样窗口。排序统计滤波器并非简单地对领域内像素灰度使用模板进行加权平均，而是在采样窗口内对奇数个的像素灰度值进行统计排序，然后从获得的排序序列中取出位于中间位置的像素灰度值作为领域中心像素的灰度值。

2)小波去噪：小波去噪方法就是一种建立在小波变换多分辨分析基础上的新兴算法，其基本思想是根据噪声与信号在不同频带上的小波分解系数具有不同强度分布的特点，将各频带上的噪声对应的小波系数去除，保留原始信号的小波分解系数，然后对处理后的系数进行小波重构，得到纯净信号。

实际使用表明，小波变换在低信噪比情况下的去噪效果较好，特别是对时变信号和突变信号的去噪效果尤其明显。考虑到本项目的通过CCD相机采集的图像会受到电弧放电等强烈干扰，其噪声特点采样小波去噪算法比较合适。

此外，图像锐化增强是通过一定算法增强图像中的有用信息，改善图像的视觉效果，或针对给定图像的应用场合，有目的地强调图像的整体或局部特性，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。

在氩弧焊焊缝跟踪系统中，我们需要突出增强焊缝等特定图像，而弱化噪声或其它部分的影响，从而提高焊缝、熔池的检测精度。

图像增强的算法有很多，可分成两大类：频率域法和空间域法。

频率域法把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波(即只让低频信号通过)法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。

基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的是使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。为了减少这类不利效果的影响，在项目中没有采用平滑去噪算法。图像锐化技术可使图像的边缘、轮廓线以及图像的细节变得清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算(如微分运算)就可以使图像变得清晰。

本项目采用Kirsch算子进行图像锐化处理。Kirsch算子采用8个模板对图像上的每一个像素点进行卷积求导数，这8个模板代表8个方向，对图像上的8个特定边缘方向作出最大响应，运算(与3*3像素加权之和，就是对应位置相乘后求和)中取最大值作为图像的边缘输出。

在一些优选的实施方式中，所述根据所述焊缝图像提取焊缝特征，以及根据所述焊枪图像提取焊枪特征包括使用Canny边缘检测算法检测焊缝的边缘和检测钨棒的边缘。其中，对图像特征的提取还包括对纹理特征，颜色特征，形状特征和结构特征等几种特征的提取。

下面首先介绍对图像边缘检测的实现过程。

图像边缘是图像中灰度发生急剧变化的像素的集合，两个具有不同灰度值的相邻区域之间总存在着边缘。图像边缘是图像最基本的特征之一，边缘检测是图像分割、目标区域识别、区域形状提取等图像分析方法的基础，在工程应用中有着重要的地位。

经典边缘检测算子是利用图像边缘的突变性质来检测边缘的。主要分为两种类型：一种是以一阶导数为基础的边缘检测算子，通过计算图像的梯度值来检测图像边缘，如：Roberts算子、Sobel算子、Prewitt算子；一种是以二阶导数为基础的边缘检测算子，通过寻求二阶导数中的过零点来检测边缘，如：Laplacian算子、LOG算子、Canny算子等。

Roberts边缘检测算子是一种利用局部差分运算来寻求检测边缘的算子。Roberts算子边缘定位精度较高，但易丢失一部分边缘。Sobel算子对噪声具有平滑作用，受噪声影响较小，可提供较为精确的边缘方向信息，但同时也会检测出许多伪边缘，检测到的边缘宽度较粗，边缘位置定位精度不高。Laplacian算子是一个二阶微分算子，它利用边缘点处的二阶导函数出现零交叉的原理检测边缘。LOG(LaplacianofGaussian)算子是根据图像的信噪比来求出检测边缘的最优滤波器。Canny算子是先将图像使用高斯函数进行平滑，再由一阶微分的极大值确定边缘点。二阶导数的零交叉点不仅对应着一阶导数的极大值也对应着一阶导数的极小值，也就是说，灰度变化剧烈的点(强边缘)与灰度变化缓慢的点(弱边缘)都对应着二阶导数零交叉点。通过使用两个阈值来分别检测强边缘和弱边缘，而且仅当强边缘和弱边缘相连时，弱边缘才会包含在输出中。因此，Canny算法不容易受噪声的干扰，能够检测到真正的弱边缘。

参见图3，图3是本发明所述不同种类金属之间的连接方法一实施方式中对图像检测边缘的Canny算法流程图，所述Canny算法包括：

步骤S301：用高斯滤波器平滑图象；

步骤S302：用一阶偏导的有限差分来计算梯度的幅值和方向；

步骤S303：对梯度幅值进行非极大值抑制；

步骤S304：用双阈值算法检测和连接边缘。

其次，对颜色特征提取的实现过程如下：

颜色特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。

目前，颜色直方图是最常用的表达颜色特征的方法之一，其优点包括：1)它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。2)它一般不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响。其主要缺点是：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置(颜色空间分布的信息)，无法描述图像中的某一具体的对象或物体。

此外，能描述颜色信息的特征还有：颜色集，颜色矩，颜色聚合向量，颜色相关图等。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间(如HSV空间)，并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系。颜色矩：图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩(mean)、二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布。颜色聚合向量是将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。很显然，这些特征能在不同程度或角度反映图像的颜色分布，但计算量比较大，在颜色特征不强的系统中，一般不采用较复杂的算法。

在特征匹配时，对应的颜色直方图特征匹配方法有：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。

对本项目氩弧焊自动焊缝跟踪系统而言，由于焊缝和熔池除了在亮度上有明显差别外，其颜色也有一定差异，因此可作为图像分割的一个辅助特征。

另外，对纹理特征的提取实现过程如下：

纹理特征是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局部的偏差而无法匹配成功。作为一种统计特征，纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力。纹理特征的缺点是当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差。此外，由于光照、材质表面反射的影响，从2-D图像中反映出来的纹理不一定是3-D物体表面真实的纹理。例如，水中的倒影，光滑的金属面互相反射造成的影响等都会导致纹理的变化。因此，当纹理之间的粗细、疏密等易于分辨时，用纹理特征可以较好地区分图像的区域信息。

在氩弧焊采集的图像中，由于高强度弧光及滤光片的影响，材料的纹理信息在图像中不能清晰地反映，因此，纹理特征作为图像分割及识别作用有限，但也可以作为一种辅助手段实现。

最后，对形状特征的提取过程如下：

形状特征是图像的一种非常重要的特征。形状特征可以是全局形状特征和局部形状特征。通常情况下，形状特征有两类表示方法，一类是轮廓特征，另一类是区域特征。图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域。几种典型的形状特征描述方法：

A)边界特征法

该方法通过对边界特征的描述来获取图像的形状参数。其中Hough变换检测平行直线方法和边界方向直方图方法是经典方法。Hough变换是利用图像全局特性而将边缘像素连接起来组成区域封闭边界的一种方法，其基本思想是点—线的对偶性；边界方向直方图法首先微分图像求得图像边缘，然后，做出关于边缘大小和方向的直方图，通常的方法是构造图像灰度梯度方向矩阵。

B)傅里叶形状描述符法

傅里叶形状描述符(Fouriershapedescriptors)基本思想是用物体边界的傅里叶变换作为形状描述，利用区域边界的封闭性和周期性，将二维问题转化为一维问题。由边界点导出三种形状表达，分别是曲率函数、质心距离、复坐标函数。

C)几何参数法

几何参数法的形状的表达和匹配采用更为简单的区域特征描述方法，例如采用有关形状定量测度(如矩、面积、周长等)的形状参数法(shapefactor)。在QBIC系统中，便是利用圆度、偏心率、主轴方向和代数不变矩等几何参数，进行基于形状特征的图像检索。但是，形状参数的提取，必须以图像处理及图像分割为前提，参数的准确性必然受到分割效果的影响，对分割效果很差的图像，形状参数甚至无法提取。

D)形状不变矩法

形状不变矩法利用目标所占区域的矩作为形状描述参数。

E)其它方法

近年来，在形状的表示和匹配方面的工作还包括有限元法(FiniteElementMethod或FEM)、旋转函数(TurningFunction)和小波描述符(WaveletDescriptor)等方法。

在氩弧焊图像分割中，图像分割能够依赖的主要图像特征就是形状特征，需要采集的特征包括边界特征，形状参数特征及变换域的相关特征等。

参见图4，图4是本发明所述不同种类金属之间的连接方法一实施方式中根据焊枪特征定位的流程图。所述根据焊枪特征定位所述焊枪的位置还包括：对焊枪图像的边缘灰度灰度(步骤S401)、亚像素边缘定位的步骤(步骤S402)。

其中，亚像素精度的定位算法是在经典定位算法的基础上发展起来的一种定位算法。它通常是针对灰度图像而言的，这是由于灰度图像的边缘通常由许多不同等级灰度的像素组成，比二值图像的边缘信息更丰富，这为亚像素定位提供了基础条件。

亚像素定位算法实施亚像素定位的前提条件是:目标不是弧立的单个像素点，而必须是由有一定灰度分布和形状分布的一系列像素点组成的；算法一般需要先进行粗定位，即用经典算法找出边缘像素的位置，然后使用周围像素的灰度值作为判断的补充信息，利用插值、拟合等方法，使边缘定位于更加精确的位置。

最小二乘线性回归法在图像的处理分析中，是基于最小二乘准则的函数拟合，是一个有效的数学工具。图像经过边缘检测后，得到单像素边缘点，直线部分的边缘点可以视为一组向量，然后对边缘向量进行最小二乘线性回归。设线性回归方程为：

$\hat{y}=c_0+c_{1}x$

其中：c₀，c₁为回归方程的常数和系数。

根据最小二乘法原理，要使回归直线与全部测量值最接近，要求全部测量值与回归值的偏离程度最小：

$S=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(y_i-{\hat{y}}_i)}^2=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{[y_i-(c_0+c_1{x}_i)]}^2=\min ,i=\mathrm{1,2},\·\·\·,n$

根据极值条件有：

$\frac{\∂S}{\∂c_0}=2\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(c_0+c_1{x}_i-y_i)=0$

$\frac{\∂S}{\∂c_1}=2\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(c_0+c_1{x}_i-y_i)x_i=0$

求得回归方程的常数和系数：

$c_0=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y}_i\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i^2-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i{y}_i}{n\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i^2-{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\right)}^2}$

$c_1=\frac{n\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x_{i}y}_i-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y}_i}{n\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i^2-{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\right)}^2}$

从而得到拟合直线。

如果视觉检测系统是在精心设计的可控环境下进行的，采集到的被测零件的图像中目标与背景之间有较大的对比度，信噪比较高，则采用最小二乘线性回归对直线进行拟合，得到的直线通过直线边缘像素点的亚像素位置，即有较高的定位精度。亚像素的定位精度与参加拟合的点数及噪声有关，参加拟合的点数越多，直线的亚像素定位越精确，但运算所耗费的时间也越多。噪声越小，定位精度越高。

参见图5，图5是本发明所述不同种类金属之间的连接方法一实施方式中根据所述焊缝特征定位所述焊缝的中心位置的流程图。根据所述焊缝特征定位所述焊缝的中心位置的步骤还包括区域填充(步骤S501)和骨架提取(步骤S502)的步骤。

焊缝(钨棒投影)中心的高精度定位方法的基本思路是，首先图像预处理，边缘检测及图像分割后，可以得到焊缝图像粗边缘，再用亚像素定位算法，可得到高精度边缘图像。根据已知信息可以认为，焊缝(钨棒投影)中心是其边缘所确定的图像区域的骨架，采用现有的骨架提取算法可以得到所需的焊缝(钨棒投影)中心线位置。

参见图6，图6是本发明所述不同种类金属之间的连接方法一实施方式中对焊接质量评估的流程图。在图6示出的实施方式中，该方法还包括焊接质量评估步骤，其包括：

步骤S601：获取熔池图像并检测其边缘；

步骤S602：分析熔池的形态并与熔池评价知识库进行对比；

步骤S603：获取对比结果得到焊接质量评价。

氩弧焊焊接过程中，高速CCD相机采集的实时图像，经过图像预处理和图像分割可获得焊接熔池的边缘图像。然后通过对焊接熔池进行特征提取和形状分析，研究并建立熔池形态与焊接质量的关系模型。

焊缝成形质量是焊缝质量的一个重要方面。焊缝成形质量控制的关键环节是实现有效的焊缝成形传感。系统通过视觉传感器获得焊接过程动态熔池的二维或三维信息，检测到的熔池信息直接反映了焊接过程熔化金属的动态行为，因此这种方法可适用于于焊接过程的质量分析。

参见图7，图7是本发明所述不同种类金属之间的连接设备一实施方式的结构示意图。在图7示出的实施方式中，该结构的不同种类金属之间的连接设备，包括视觉模块、焊接机器人、焊缝跟踪控制器、钨棒、与所述钨棒连接的焊接电流控制器和主控制器，所述视觉模块包括用于摄取焊接图像的摄像头和与所述摄像头连接的图像采集卡，所述图像采集卡与所述主控制器连接；所述焊枪机器人通过焊缝跟踪控制器与所述主控制器连接；所述焊接电流控制器与所述主控制器连接。

在一些优选的实施方式中，焊缝跟踪控制器可以采用PID控制，控制焊接机器人的动作。在工程实际中，应用最为广泛的调节器控制规律为比例、积分、微分控制，简称PID控制，又称PID调节。PID控制器问世至今已有近70年历史，它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。当被控对象的结构和参数不能完全掌握，或得不到精确的数学模型时，控制理论的其它技术难以采用时，系统控制器的结构和参数必须依靠经验和现场调试来确定，这时应用PID控制技术最为方便。即当我们不完全了解一个系统和被控对象，或不能通过有效的测量手段来获得系统参数时，最适合用PID控制技术。

此外，还可以采用模糊控制方法。模糊控制方法是建立在人类思维模糊性的基础上的，其核心在于它用具有模糊性的语言条件语句作为控制规则去执行控制。

模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受理解，设计简单，便于应用。

在TIG焊接控制中，人们从定性认识出发，比较容易建立语言控制规则，但难于建立精确的数学控制模型。因而模糊控制对TIG焊接这些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。其次，模糊控制系统具有内在的并行处理机制，鲁棒性很强，干扰和参数变化对控制效果的影响被大大减弱，适合于具有非线性、时变及纯滞后特性的TIG焊接控制。此外，模糊控制算法简单，执行快，容易实现。

虽然，模糊控制系统稳态控制精度不高，自适应能力也有限，易产生振荡现象，但结合PID控制可以很好地克服这些问题。

另外，还可以结合模糊控制和PID控制，采用模糊PID控制。焊缝跟踪控制器的设计目标为由主控计算机控制机器人持焊枪沿着焊缝以恒定的速度运动。由于在跟踪焊缝时，下一步要跟踪的局部焊缝的方向可以通过图像信息获得，所以下一段焊缝方向的改变是可测的扰动，适合在反馈回路产生纠正作用前用前馈控制来减小这种扰动对控制回路的影响。因此所使用的跟踪控制器是前馈控制和反馈控制相结合的控制器。

钨极氩弧焊在工作状态下的会产生强烈的弧光,其中紫外线和红外线很强。而给CCD摄像机拍摄到的实时焊缝图像造成最大干扰的就是强烈的弧光。因此，采样直接图像采集的方法会导致焊池和焊缝信息淹没在强烈的弧光之中,因此必须采用适当的光学系统将弧光滤除,才能使焊池的图像真实清晰。参见图8，图8是本发明所述不同种类金属之间的连接设备一实施方式中过滤模块的结构示意图。在图8示出的实施方式中，所述摄像头还设有过滤模块，所述过滤模块依次包括带通滤光片、UV镜和遮光罩。其中，所述滤光片选择可以通过波长范围590～680nm，中心波长为620±7nm，可减小噪声信息以便获得更清楚的实时焊缝和熔池图像，有利于后续的图像处理，得到焊缝中心位置。

此外，在一些优选的实施方式中，该设备还包括冷却机构，所述冷却机构包括冷却盒和设于所述冷却盒内的喷淋管。

采用本发明所述的焊接方法和设备，能有效提高焊接强度和焊接速度，在实际应用过程中，其跟踪速度可以达到6米/分钟－12米/分钟；跟踪误差≦50微米，焊接生产工艺导致的不良品率下降2％。

应该理解，本发明并不局限于上述实施方式，凡是对本发明的各种改动或变型不脱离本发明的精神和范围，倘若这些改动和变型属于本发明的权利要求和等同技术范围之内，则本发明也意味着包含这些改动和变型。

Claims (8)

1.一种不同种类金属之间的连接方法，其特征在于，包括：

通过图像传感器被动摄取焊缝图像和焊枪图像；

使用Canny边缘检测算法检测焊缝的边缘，提取焊缝特征，以及使用Canny边缘检测算法检测钨棒的边缘，根据所述焊枪图像提取焊枪特征；

根据所述焊缝特征定位所述焊缝的中心位置，以及对焊枪图像的边缘灰度灰度、亚像素边缘定位所述焊枪的位置；

根据所述焊缝的中心位置和焊枪的位置，调整所述焊枪的位置进行焊接使得可以按热量分配关系为高熔点金属分配较高的热量，低熔点金属分配较低的热量以实现异类金属的自溶焊接，其中，所述自溶焊接的步骤包括：通过钨棒发出的气流的吹力和离子束在熔池位置的冲击作用下产生热量；以及通过超声波对所述熔池进行搅拌。

2.如权利要求1所述的一种不同种类金属之间的连接方法，其特征在于，所述焊枪包括一用于对工件进行焊接的钨棒，还包括对所述焊缝图像和焊枪图像进行预处理的步骤，所述预处理步骤包括滤波去噪、锐化增强、图像校正以及图像二值化中的一种或多种。

3.如权利要求1所述的一种不同种类金属之间的连接方法，其特征在于，所述Canny算法包括：

用高斯滤波器平滑图象；

用一阶偏导的有限差分来计算梯度的幅值和方向；

对梯度幅值进行非极大值抑制；

用双阈值算法检测和连接边缘。

4.如权利要求1所述的一种不同种类金属之间的连接方法，其特征在于，根据所述焊缝特征定位所述焊缝的中心位置的步骤还包括区域填充、骨架提取的步骤。

5.如权利要求1所述的一种不同种类金属之间的连接方法，其特征在于，还包括焊接质量评估步骤，其包括：

获取熔池图像并检测其边缘；

分析熔池的形态并与熔池评价知识库进行对比；

获取对比结果得到焊接质量评价。

6.一种不同种类金属之间的连接设备，其特征在于，包括视觉模块、焊接机器人、焊缝跟踪控制器、钨棒、与所述钨棒连接的焊接电流控制器和主控制器，所述视觉模块包括用于摄取焊接图像的摄像头和与所述摄像头连接的图像采集卡，所述图像采集卡与所述主控制器连接；所述焊枪机器人通过焊缝跟踪控制器与所述主控制器连接；所述焊接电流控制器与所述主控制器连接。

7.如权利要求6所述的不同种类金属之间的连接设备，其特征在于，所述摄像头还设有过滤模块，所述过滤模块依次包括带通滤光片和UV镜。

8.如权利要求7所述的不同种类金属之间的连接设备，其特征在于，还包括冷却机构，所述冷却机构包括冷却盒和设于所述冷却盒内的喷淋管。