CN111015006B - 基于光谱信息的激光电弧复合焊接质量在线监测方法 - Google Patents

基于光谱信息的激光电弧复合焊接质量在线监测方法 Download PDF

Info

Publication number
CN111015006B
CN111015006B CN201911290287.5A CN201911290287A CN111015006B CN 111015006 B CN111015006 B CN 111015006B CN 201911290287 A CN201911290287 A CN 201911290287A CN 111015006 B CN111015006 B CN 111015006B
Authority
CN
China
Prior art keywords
welding
calculating
point
control limit
spectral
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911290287.5A
Other languages
English (en)
Other versions
CN111015006A (zh
Inventor
陈波
马程远
檀财旺
宋晓国
冯吉才
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology Weihai
Original Assignee
Harbin Institute of Technology Weihai
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology Weihai filed Critical Harbin Institute of Technology Weihai
Priority to CN201911290287.5A priority Critical patent/CN111015006B/zh
Publication of CN111015006A publication Critical patent/CN111015006A/zh
Application granted granted Critical
Publication of CN111015006B publication Critical patent/CN111015006B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
    • B23K31/125—Weld quality monitoring
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/346—Working by laser beam, e.g. welding, cutting or boring in combination with welding or cutting covered by groups B23K5/00 - B23K25/00, e.g. in combination with resistance welding
    • B23K26/348—Working by laser beam, e.g. welding, cutting or boring in combination with welding or cutting covered by groups B23K5/00 - B23K25/00, e.g. in combination with resistance welding in combination with arc heating, e.g. TIG [tungsten inert gas], MIG [metal inert gas] or plasma welding
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/70—Auxiliary operations or equipment
    • B23K26/702—Auxiliary equipment

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Mechanical Engineering (AREA)
  • Plasma & Fusion (AREA)
  • Quality & Reliability (AREA)
  • Laser Beam Processing (AREA)

Abstract

本发明提出一种基于光谱信息的激光电弧复合焊接质量在线监测方法，包括采集光信号使用光谱仪分析并使用计算机接收光谱信息；筛选若干特征元素，找出其对应的谱线强度，进行主成分分析；计算主成分的均值及协方差矩阵；计算T2统计量；将T2值画在控制图上确定控制限；通过判断控制图中各点是否超出控制限确定是否存在焊接缺陷；选择不存在焊接缺陷的焊缝对应的协方差矩阵来监控其他焊接过程，进行其他焊接过程时，采集光信号使用光谱仪分析并使用计算机接收光谱信息；找出选定元素对应的谱线强度，进行主成分分析；计算T2值并确定控制限；通过判断控制图中各点是否超出控制限确定是否存在焊接缺陷。上述方法可有效的检测焊接过程中的缺陷。

Description

基于光谱信息的激光电弧复合焊接质量在线监测方法
技术领域
本发明涉及焊接质量在线监测技术领域，尤其涉及一种基于光谱信息的激光电弧复合焊接质量在线监测方法。
背景技术
激光电弧复合焊接涉及复杂的物理化学过程。由于焊接材料冶金、热传导过程存在着非线性与不确定性等多因素影响，使得焊接缺陷产生的机理、缺陷产生过程及其特征极为复杂，以至于难以实现焊接缺陷的在线预测。传统的焊后检验方式，如目视、超声、射线、拉伸弯曲试验、金相分析、剖切检验等耗时费力，缺乏实时性，无法及时给焊接过程提供有效的质量的反馈信息，以至于很多焊接缺陷未能够在第一时间被发现，最终导致焊接质量较差，难以满足现代制造业对焊接制造高质量、高效率和低成本的要求。
光谱信息作为一种新型的焊接过程信息，直接源自于焊接过程中产生的光信号，它包含着等离子体的温度、压力、粒子密度及运动速度等多方面的信息，具有信息量丰富、无介入性、抗干扰能力强等优点，特别是包含有金属蒸汽、氮、氢等气体成分的信息，与焊缝内部缺陷的产生有本质的联系，具有其它类型信息无法比拟的优点。
统计过程控制是一种借助数理统计方法的过程控制工具，它对生产过程进行分析评价，根据反馈信息及时发现异常因素出现的征兆，并采取措施消除其影响，使过程维持在受控状态。当过程仅受随机因素影响时，过程处于受控状态；当过程中存在系统因素的影响时，过程处于失控状态。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；失控时，过程分布将发生改变。统计过程控制正是利用过程波动的统计规律性对过程进行分析控制的。而多变量统计过程控制作为一种基于数据驱动的方法，利用工业过程拥有的丰富观测变量数据，对过程进行监控，以采集的过程数据为基础，通过各种数据处理与分析手段挖掘出数据中隐含的信息，从而指导生产。
发明内容
为了解决现有技术中存在的问题，本发明提出了一种基于光谱信息的激光电弧复合焊接质量在线监测方法，以便解决传统的焊后检验方式无法及时给焊接过程提供有效的质量反馈信息的问题。
为了实现上述目的，本发明提出了一种基于光谱信息的激光电弧复合焊接质量在线监测方法，包括以下步骤：
步骤1、执行一次预焊接过程，通过光纤探头采集光信号，使用光谱仪分析光信号并使用计算机接收光谱信息；
步骤2、筛选若干个特征元素，找出各特征元素对应的谱线强度，通过计算机对所有特征元素对应的谱线强度进行主成分分析，得到N个主成分；
步骤3、计算上述主成分的均值以及协方差矩阵S，将N个主成分的均值形成一个N维列向量
Figure BDA0002318895790000021
向量里每个元素都是该均值；
步骤4、按公式
Figure BDA0002318895790000022
计算T2统计量；其中x是N个主成分x1...xN组成的N维列向量，T2代表统计量，T表示矩阵的一种运算符号：矩阵的转置；
步骤5、将T2值画在控制图上，控制下限为0，控制上限为
Figure BDA0002318895790000023
t可取0.005-0.15，N表示主成分的个数；控制上限的数值可以通过查卡方分布表获得；
步骤6、判断步骤5中绘制的控制图中各个点是否超出控制限；
步骤7、如果否，则不存在焊接缺陷；
步骤8、如果是，计算超出控制限的点的比例k1，对于任何时刻的k1，当k1<t时，认为该时刻不存在焊接缺陷；当k1>t时，说明该时刻存在焊接缺陷，这里的t与步骤5中的t是同一个参数；
步骤9、重复执行预焊接过程，即重复执行步骤1-8，直至控制图显示不存在焊接缺陷，记录此时的主成分模型以及协方差矩阵S；
步骤10、执行待监控的焊接过程，通过光纤探头采集光信号，使用光谱仪分析光信号并使用计算机接收光谱信息；
步骤11、使用步骤9中，使控制图显示不存在焊接缺陷的步骤1-8中的步骤2中筛选出的特征元素，找出特征元素对应的谱线强度，使用步骤9中记录的主成分模型对所有特征元素对应的谱线强度进行主成分分析，得到N个主成分x1...xN；
步骤12、按公式
Figure BDA0002318895790000031
计算T2统计量，其中，n是当前采集的光谱数据的个数，S是步骤9中的协方差矩阵；
步骤13、将T2值画在控制图上，控制下限为0，控制上限为
Figure BDA0002318895790000032
t可取0.005-0.15；控制上限的数值可以通过查F分布表及计算获得；
步骤14、判断步骤13中绘制的控制图中各个点是否超出控制限；
步骤15、如果否，则不存在焊接缺陷；
步骤16、如果是，计算超出控制限的点的比例k2，对于任何时刻的k2，当k2<t时，认为该时刻不存在焊接缺陷；当k2>t时，说明该时刻存在焊接缺陷；
步骤17、焊接完毕后，计算机输出汇总信息。
优选的是，在所述步骤2中，每个特征元素对应的谱线强度，可以是单一谱线的强度，也可以是一个特征元素对应的多条特征谱线的加权平均。
优选的是，在所述步骤8中，判断缺陷的步骤如下：从采集的第m个点开始，m为正整数，计算第m-l个点到第m个点中超出控制限的点的个数，记为am，计算
Figure BDA0002318895790000041
即为当前时刻k1的值，其中l<m；当采集到第m+1个点时，计算第m+1-l个点到第m+1个点中超出控制限的点的个数，记为am+1，计算
Figure BDA0002318895790000042
即为当前时刻k1的值；直至采集到第n个点，计算第n-l个点到第n个点中超出控制限的点的个数，记为an，计算
Figure BDA0002318895790000043
即为当前时刻k1的值；对于任何时刻的k1，当k1<t时，可认为该时刻不存在焊接缺陷；当k1>t时，说明该时刻存在焊接缺陷。
优选的是，在所述步骤16中，判断缺陷的步骤如下：从采集的第m个点开始，m为正整数，计算第m-l个点到第m个点中超出控制限的点的个数，记为am，计算
Figure BDA0002318895790000044
即为当前时刻k2的值，其中l<m；当采集到第m+1个点时，计算第m+1-l个点到第m+1个点中超出控制限的点的个数，记为am+1，计算
Figure BDA0002318895790000045
即为当前时刻k2的值；直至采集到第n个点，计算第n-l个点到第n个点中超出控制限的点的个数，记为an，计算
Figure BDA0002318895790000046
即为当前时刻k2的值；对于任何时刻的k2，当k2<t时，可认为该时刻不存在焊接缺陷；当k2>t时，说明该时刻存在焊接缺陷。
优选的是，在所述步骤17中，汇总信息可包含缺陷位置、缺陷产生时间、焊道编号、焊接时间、操作人员。
本发明的该方案的有益效果在于上述基于光谱信息的激光电弧复合焊接质量在线监测方法可以有效的检测焊接过程中的缺陷；多变量统计过程控制算法具有较好的准确性和较低的运算量，在线诊断可以显著节约焊后检测花费的时间，提高效率。
附图说明
图1示出了本发明所涉及的在线监测装置的原理示意图以及激光焊接系统的简图。
图2示出了本发明实施例中采集到的光谱信息原始数据图。
图3示出了不含缺陷的焊接过程的统计过程控制图。
图4示出了本发明实施例中带有氧化膜焊接板材的示意图。
图5示出了本发明实施例中变动间隙焊接板材的示意图。
图6示出了本发明实施例中带有氧化膜的板材的焊接过程的统计过程控制图。
图7示出了本发明实施例中带有氧化膜的板材的焊缝外观。
图8示出了本发明实施例中变化间隙的板材的焊接过程的统计过程控制图(T2≤4000)。
图9示出了本发明实施例中变化间隙的板材的焊接过程的统计过程控制图(T2≤200)。
图10示出了本发明实施例中变化间隙的板材的焊缝外观。
附图标记：1-弧焊枪，2-激光束，3-待焊件，4-光致等离子体，5-万向杆，6-光纤探头，7-传输光纤，8-光谱仪，9-计算机。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明。
本发明所涉及的基于光谱信息的激光电弧复合焊接质量在线监测方法是利用激光电弧复合焊接系统焊接工件，并利用附带的光谱采集系统采集焊接过程中的光谱信息。
激光电弧复合焊接系统及光谱采集系统属于现有技术，在此只给出简图进行简要说明，如图1所示，激光电弧复合焊接系统包括弧焊枪1，激光束2以及待焊件3，待焊件3放置在工作台上并进行固定。焊接时，弧焊枪1产生的电弧及激光束2同时作用于待焊件3上，使母材熔化最终形成焊接接头。光谱采集系统包括光纤探头6，光纤探头6通过传输光纤7与光谱仪8相连，光谱仪8采集到的光谱数据通过数据线传输至计算机9。光纤探头6的方向可以通过万向杆5进行调节，以便更好地对准光致等离子体4从而使采集的信息更加准确。
在本实施例中，激光束2由德国IPG Photonics公司生产的YLS-6000-S4型光纤激光器产生，最大功率为6000W，波长1060-1070nm。光谱仪8采用AvaSpec-ULS2048-8-USB2多通道型光纤光谱仪，该光纤光谱仪的分辨率为0.11±0.001nm，可测波长范围200～1100nm。
本发明所涉及的基于光谱信息的激光电弧复合焊接质量在线监测方法包括以下步骤：
步骤1、执行一次预焊接过程，通过光纤探头6采集光信号，使用光谱仪8分析光信号并使用计算机9接收光谱信息。
步骤2、筛选若干个特征元素，找出各特征元素对应的谱线强度，通过计算机9对所有特征元素对应的谱线强度进行主成分分析，得到N个主成分。其中，每个特征元素对应的谱线强度，可以是单一谱线的强度，也可以是一个特征元素对应的多条特征谱线的加权平均。
步骤3、计算上述主成分的均值以及协方差矩阵S，将N个主成分的均值形成一个N维列向量
Figure BDA0002318895790000061
向量里每个元素都是该均值。
步骤4、按公式
Figure BDA0002318895790000071
计算T2统计量；其中各参数的含义如下：x是N个主成分x1...xN组成的N维列向量，
Figure BDA0002318895790000072
是x1...xN的平均值组成的N维列向量，T2代表统计量，T表示矩阵的一种运算符号：矩阵的转置。
步骤5、将T2值画在控制图上，控制下限为0，控制上限为
Figure BDA0002318895790000073
t可取0.005-0.15，N表示主成分的个数；控制上限的数值可以通过查卡方分布表获得。
步骤6、判断步骤5中绘制的控制图中各个点是否超出控制限。
步骤7、如果否，则不存在焊接缺陷。
步骤8、如果是，计算超出控制限的点的比例k1，从采集的第m个点开始，m为正整数，计算第m-l个点到第m个点中超出控制限的点的个数，记为am，计算
Figure BDA0002318895790000074
即为当前时刻k1的值，其中l<m，这里的当前时刻是指采集的第m个点(也就是采集到第m个光谱数据)的时刻；当采集到第m+1个点时，计算第m+1-l个点到第m+1个点中超出控制限的点的个数，记为am+1，计算
Figure BDA0002318895790000075
即为当前时刻k1的值；直至采集到第n个点，计算第n-l个点到第n个点中超出控制限的点的个数，记为an，计算
Figure BDA0002318895790000076
即为当前时刻k1的值；对于任何时刻的k1，当k1<t时，可认为该时刻不存在焊接缺陷；当k1>t时，说明该时刻存在焊接缺陷，这里的t与步骤5中的t是同一个参数。
步骤9、重复执行预焊接过程，即重复执行步骤1-8，直至控制图显示不存在焊接缺陷，记录此时的主成分模型以及协方差矩阵S。
步骤10、执行待监控的焊接过程，通过光纤探头6采集光信号，使用光谱仪8分析光信号并使用计算机9接收光谱信息。
步骤11、使用步骤9中，使控制图显示不存在焊接缺陷的步骤1-8中的步骤2中筛选出的特征元素，找出特征元素对应的谱线强度，使用步骤9中记录的主成分模型对所有特征元素对应的谱线强度进行主成分分析，得到N个主成分x1...xN。
步骤12、按公式
Figure BDA0002318895790000081
计算T2统计量，其中，n是当前采集的光谱数据的个数，S是步骤9中的协方差矩阵。
步骤13、将T2值画在控制图上，控制下限为0，控制上限为
Figure BDA0002318895790000082
t可取0.005-0.15；控制上限的数值可以通过查F分布表及计算获得，n以及N的含义与前面提到的一致，在此不赘述。
步骤14、判断步骤13中绘制的控制图中各个点是否超出控制限。
步骤15、如果否，则不存在焊接缺陷。
步骤16、如果是，计算超出控制限的点的比例k2，从采集的第m个点开始，m为正整数，计算第m-l个点到第m个点中超出控制限的点的个数，记为am，计算
Figure BDA0002318895790000083
即为当前时刻k2的值，其中l<m；当采集到第m+1个点时，计算第m+1-l个点到第m+1个点中超出控制限的点的个数，记为am+1，计算
Figure BDA0002318895790000084
即为当前时刻k2的值；直至采集到第n个点，计算第n-l个点到第n个点中超出控制限的点的个数，记为an，计算
Figure BDA0002318895790000085
即为当前时刻k2的值；对于任何时刻的k2，当k2<t时，可认为该时刻不存在焊接缺陷；当k2>t时，说明该时刻存在焊接缺陷。
步骤17、焊接完毕后，计算机9输出包含缺陷位置、缺陷产生时间、焊道编号、焊接时间、操作人员等在内的汇总信息。
实施例
在本实施例中，待焊件3为316LN不锈钢板，尺寸为150×75×6mm，焊前除油除锈，采用对接接头，焊接过程中使用Ar气保护。激光功率设置为1500W，焊接电流设置为200A。
在焊接过程的全部时刻通过光纤探头6采集光信号，使用光谱仪8分析光信号并使用计算机9接收光谱信息；原始光谱信息如图2所示。选择O/Fe/Cr/Ni/Ar的谱线共计52条，找出各特征元素对应的谱线强度，通过计算机执行主成分分析降至6维，再计算主成分的均值以及协方差矩阵S，将主成分的均值形成一个6维列向量
Figure BDA0002318895790000091
按步骤4中的公式计算T2统计量并绘制统计过程控制图，并判断是否存在缺陷。重复此焊接过程直至不存在焊接缺陷，如图3所示，记录此时的主成分模型及协方差矩阵S。
保持其他焊接参数不变，将待焊件3更换为带有氧化膜的板材，如图4所示，在焊接过程的全部时刻通过光纤探头6采集光信号，使用光谱仪8分析光信号并使用计算机9接收光谱信息；选择O/Fe/Cr/Ni/Ar的谱线共计52条，找出各特征元素对应的谱线强度，通过计算机使用前述的主成分模型执行主成分分析降至6维，并计算主成分的均值，将主成分的均值形成一个6维列向量
Figure BDA0002318895790000092
在焊接过程中，使用计算机按步骤12中的公式实时计算T2统计量，并绘入SPC控制图中，得到的SPC控制图如图6所示；图中自3000ms开始有大量连续的点超出了控制限，根据缺陷判断原则，可见焊接过程中存在焊接缺陷，且缺陷产生的位置与焊缝中氧化膜的位置是一致的，如图7所示。
保持其他焊接参数不变，将待焊件更换为变间隙板材，如图5所示，在焊接过程的全部时刻通过光纤探头6采集光信号，使用光谱仪8分析光信号并使用计算机9接收光谱信息；选择O/Fe/Cr/Ni/Ar的谱线共计52条，找出各特征元素对应的谱线强度，通过计算机使用前述的主成分模型执行主成分分析降至6维，并计算主成分的均值，将主成分的均值形成一个6维列向量
Figure BDA0002318895790000093
在焊接过程中，使用计算机按步骤12中的公式实时计算T2统计量，并绘入SPC控制图中，得到的SPC控制图如图8与图9所示，可以发现，在焊接开始至3000ms之前，少有采样点的T2值超出控制限。但是在3000ms～6200ms之间，有大量采样点集中超过了控制限。在第6200ms以后，采样点的T2值显著升高，迅速超过了它们的控制限，在图8中，由于图像尺度的原因，上控制限几乎与坐标轴重合了。通过对比焊缝外观形貌(图10)，可以确认在第3000ms以后，由于间隙的突然变化，导致出现了下塌的情况；在第6200ms以后，由于间隙的突然变化，导致出现了未焊透的情况。
焊接完毕后，计算机输出包含缺陷位置、缺陷产生时间、缺陷种类、焊道编号、焊接时间、操作人员等在内的汇总信息。
本发明所涉及的基于光谱信息的激光电弧复合焊接质量在线监测方法可以有效的检测焊接过程中的缺陷；多变量统计过程控制算法具有较好的准确性和较低的运算量，在线诊断可以显著节约焊后检测花费的时间，提高效率。

Claims (5)

1.一种基于光谱信息的激光电弧复合焊接质量在线监测方法，其特征在于：包括以下步骤：
步骤1、执行一次预焊接过程，通过光纤探头采集光信号，使用光谱仪分析光信号并使用计算机接收光谱信息；
步骤2、筛选若干个特征元素，找出各特征元素对应的谱线强度，通过计算机对所有特征元素对应的谱线强度进行主成分分析，得到N个主成分；
步骤3、计算上述主成分的均值以及协方差矩阵S，将N个主成分的均值形成一个N维列向量
Figure FDA0003080044720000011
向量里每个元素都是该均值；
步骤4、按公式
Figure FDA0003080044720000012
计算T2统计量；其中x是N个主成分x1...xN组成的N维列向量，T2代表统计量，T表示矩阵的一种运算符号：矩阵的转置；
步骤5、将T2值画在控制图上，控制下限为0，控制上限为
Figure FDA0003080044720000013
t取0.005-0.15，N表示主成分的个数；控制上限的数值能够通过查卡方分布表获得；
步骤6、判断步骤5中绘制的控制图中各个点是否超出控制限；
步骤7、如果否，则不存在焊接缺陷；
步骤8、如果是，计算超出控制限的点的比例k1，对于任何时刻的k1，当k1<t时，认为该时刻不存在焊接缺陷；当k1>t时，说明该时刻存在焊接缺陷，这里的t与步骤5中的t是同一个参数；
步骤9、重复执行预焊接过程，即重复执行步骤1-8，直至控制图显示不存在焊接缺陷，记录此时的主成分模型以及协方差矩阵S；
步骤10、执行待监控的焊接过程，通过光纤探头采集光信号，使用光谱仪分析光信号并使用计算机接收光谱信息；
步骤11、使用步骤9中，使控制图显示不存在焊接缺陷的步骤1-8中的步骤2中筛选出的特征元素，找出特征元素对应的谱线强度，使用步骤9中记录的主成分模型对所有特征元素对应的谱线强度进行主成分分析，得到N个主成分x1...xN；
步骤12、按公式
Figure FDA0003080044720000021
计算T2统计量，其中，n是当前采集的光谱数据的个数，S是步骤9中的协方差矩阵；
步骤13、将T2值画在控制图上，控制下限为0，控制上限为
Figure FDA0003080044720000022
t取0.005-0.15；控制上限的数值能够通过查F分布表及计算获得，这里的t与步骤5中的t是同一个参数；
步骤14、判断步骤13中绘制的控制图中各个点是否超出控制限；
步骤15、如果否，则不存在焊接缺陷；
步骤16、如果是，计算超出控制限的点的比例k2，对于任何时刻的k2，当k2<t时，认为该时刻不存在焊接缺陷；当k2>t时，说明该时刻存在焊接缺陷，这里的t与步骤5中的t是同一个参数；
步骤17、焊接完毕后，计算机输出汇总信息。
2.根据权利要求1所述的基于光谱信息的激光电弧复合焊接质量在线监测方法，其特征在于：在所述步骤2中，每个特征元素对应的谱线强度是单一谱线的强度，或者是一个特征元素对应的多条特征谱线的加权平均。
3.根据权利要求1所述的基于光谱信息的激光电弧复合焊接质量在线监测方法，其特征在于：在所述步骤8中，判断缺陷的步骤如下：从采集的第m个点开始，m为正整数，计算第m-l个点到第m个点中超出控制限的点的个数，记为am，计算
Figure FDA0003080044720000023
即为当前时刻k1的值，其中l<m；当采集到第m+1个点时，计算第m+1-l个点到第m+1个点中超出控制限的点的个数，记为am+1，计算
Figure FDA0003080044720000024
即为当前时刻k1的值；直至采集到第n个点，计算第n-l个点到第n个点中超出控制限的点的个数，记为an，计算
Figure FDA0003080044720000025
即为当前时刻k1的值；对于任何时刻的k1，当k1<t时，则认为该时刻不存在焊接缺陷；当k1>t时，说明该时刻存在焊接缺陷。
4.根据权利要求1所述的基于光谱信息的激光电弧复合焊接质量在线监测方法，其特征在于：在所述步骤16中，判断缺陷的步骤如下：从采集的第m个点开始，m为正整数，计算第m-l个点到第m个点中超出控制限的点的个数，记为am，计算
Figure FDA0003080044720000031
即为当前时刻k2的值，其中l<m；当采集到第m+1个点时，计算第m+1-l个点到第m+1个点中超出控制限的点的个数，记为am+1，计算
Figure FDA0003080044720000032
即为当前时刻k2的值；直至采集到第n个点，计算第n-l个点到第n个点中超出控制限的点的个数，记为an，计算
Figure FDA0003080044720000033
即为当前时刻k2的值；对于任何时刻的k2，当k2<t时，则认为该时刻不存在焊接缺陷；当k2>t时，说明该时刻存在焊接缺陷。
5.根据权利要求1所述的基于光谱信息的激光电弧复合焊接质量在线监测方法，其特征在于：在所述步骤17中，汇总信息包含缺陷位置、缺陷产生时间、焊道编号、焊接时间、操作人员。
CN201911290287.5A 2019-12-16 2019-12-16 基于光谱信息的激光电弧复合焊接质量在线监测方法 Active CN111015006B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911290287.5A CN111015006B (zh) 2019-12-16 2019-12-16 基于光谱信息的激光电弧复合焊接质量在线监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911290287.5A CN111015006B (zh) 2019-12-16 2019-12-16 基于光谱信息的激光电弧复合焊接质量在线监测方法

Publications (2)

Publication Number Publication Date
CN111015006A CN111015006A (zh) 2020-04-17
CN111015006B true CN111015006B (zh) 2021-07-13

Family

ID=70209110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911290287.5A Active CN111015006B (zh) 2019-12-16 2019-12-16 基于光谱信息的激光电弧复合焊接质量在线监测方法

Country Status (1)

Country Link
CN (1) CN111015006B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111426639B (zh) * 2020-04-30 2021-02-09 华中科技大学 一种超快激光异种材料焊接质量评判方法及系统
CN112872631B (zh) * 2020-12-02 2023-05-09 富联裕展科技(深圳)有限公司 焊接检测方法、装置及计算机可读存储介质
US11839935B2 (en) * 2021-11-30 2023-12-12 GM Global Technology Operations LLC Method and system for weld defect detection
CN114505585A (zh) * 2022-03-08 2022-05-17 北京工业大学 一种基于特征线状谱识别激光-电弧复合焊中是否熔透状态的方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102615423A (zh) * 2012-04-25 2012-08-01 湖南大学 基于特征光谱的镀锌钢激光添粉焊接缺陷的在线诊断方法
CN103084713A (zh) * 2013-01-22 2013-05-08 江苏大学 一种外置光谱检测装置的一体化焊枪
CN103878479A (zh) * 2014-03-06 2014-06-25 上海交通大学 基于光谱分析的激光焊t型搭接接头间隙的在线检测方法
CN107160048A (zh) * 2017-05-22 2017-09-15 哈尔滨工业大学（威海） 一种基于光谱信息的激光焊接缺陷的在线诊断方法
CN108526655A (zh) * 2017-03-03 2018-09-14 株式会社安川电机 电弧焊接系统和电弧焊接判定装置
CN108672937A (zh) * 2018-04-02 2018-10-19 西南交通大学 一种激光-mag焊接熔深的实时监测调控系统
CN109967845A (zh) * 2019-04-21 2019-07-05 天津大学 一种机器人弧焊过程电弧光谱同步采集装置及方法
US10479020B2 (en) * 2017-08-01 2019-11-19 Sigma Labs, Inc. Systems and methods for measuring radiated thermal energy during an additive manufacturing operation

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8552337B2 (en) * 2009-06-11 2013-10-08 Illinois Tool Works Inc. Weld defect detection systems and methods for laser hybrid welding

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102615423A (zh) * 2012-04-25 2012-08-01 湖南大学 基于特征光谱的镀锌钢激光添粉焊接缺陷的在线诊断方法
CN103084713A (zh) * 2013-01-22 2013-05-08 江苏大学 一种外置光谱检测装置的一体化焊枪
CN103878479A (zh) * 2014-03-06 2014-06-25 上海交通大学 基于光谱分析的激光焊t型搭接接头间隙的在线检测方法
CN108526655A (zh) * 2017-03-03 2018-09-14 株式会社安川电机 电弧焊接系统和电弧焊接判定装置
CN107160048A (zh) * 2017-05-22 2017-09-15 哈尔滨工业大学（威海） 一种基于光谱信息的激光焊接缺陷的在线诊断方法
US10479020B2 (en) * 2017-08-01 2019-11-19 Sigma Labs, Inc. Systems and methods for measuring radiated thermal energy during an additive manufacturing operation
CN108672937A (zh) * 2018-04-02 2018-10-19 西南交通大学 一种激光-mag焊接熔深的实时监测调控系统
CN109967845A (zh) * 2019-04-21 2019-07-05 天津大学 一种机器人弧焊过程电弧光谱同步采集装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
激光焊接过程中元素光谱信息与焊缝质量的关系;蒋武志等;《测试技术学报》;20171231;第31卷(第5期);第448-454页 *

Also Published As

Publication number Publication date
CN111015006A (zh) 2020-04-17

Similar Documents

Publication Publication Date Title
CN111015006B (zh) 基于光谱信息的激光电弧复合焊接质量在线监测方法
Zhang et al. Random forest-based real-time defect detection of Al alloy in robotic arc welding using optical spectrum
Chen et al. A spectroscopic method based on support vector machine and artificial neural network for fiber laser welding defects detection and classification
Zhang et al. XGBoost-based on-line prediction of seam tensile strength for Al-Li alloy in laser welding: Experiment study and modelling
Li et al. A defect detection system for wire arc additive manufacturing using incremental learning
DE19957163C1 (de) Verfahren und Vorrichtung zur Qualitätskontrolle der Naht an mit einem Laser stumpf geschweißten Blechen oder Bändern
Zhang et al. Real-time seam defect identification for Al alloys in robotic arc welding using optical spectroscopy and integrating learning
Chen et al. Prediction of weld bead geometry of MAG welding based on XGBoost algorithm
CN107160048B (zh) 一种基于光谱信息的激光焊接缺陷的在线诊断方法
CN108838397B (zh) 一种激光增材制造在线监测方法
CN112632720A (zh) 一种金属增材制造工艺系统多维数据融合及量化建模方法
JP2012076146A (ja) リアルタイム溶接品質判定装置及び判定方法
JP2010214380A (ja) リアルタイム溶接品質判定装置及び判定方法
CN112632724A (zh) 金属增材制造工艺系统试验设计与结构化数据采集方法
Yu et al. Application of arc plasma spectral information in the monitor of Al–Mg alloy pulsed GTAW penetration status based on fuzzy logic system
CN116822342A (zh) 一种锆合金激光切割的工艺识别与性能预测方法
Zhang et al. Real-time measurement of seam strength using optical spectroscopy for Al–Li alloy in laser beam welding
CN115775249A (zh) 一种增材制造造件成形质量监测方法、系统及存储介质
Hong et al. Real-time quality monitoring of ultrathin sheets edge welding based on microvision sensing and SOCIFS-SVM
Yu et al. Monitoring of butt weld penetration based on infrared sensing and improved histograms of oriented gradients
US8426771B2 (en) Method of monitoring machine condition
Zhang et al. Multisensory data fusion technique and its application to welding process monitoring
Xu et al. Review on multi-information acquisition, defect prediction and quality control of aluminum alloy GTAW process
WO2022248189A1 (de) Verfahren zur additiven herstellung eines bauteils
Wang et al. A novel surface temperature sensor and random forest-based welding quality prediction model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant