CN112157368A - 一种激光非熔透焊接焊缝熔深无损检测方法 - Google Patents

Abstract

本发明提供一种激光非熔透焊接焊缝熔深无损检测方法，包括：根据熔深变化提取焊接过程中不同熔深对应的声音信号；对所述声音信号进行降噪处理；提取所述声音信号的相关特征；利用所述相关特征和焊接过程中对应的部分焊接工艺参数建立非熔透激光焊接焊缝熔深与所述相关特征和部分焊接工艺参数的数学预测模型；根据所述数学预测模型得到激光非熔透焊接焊缝不同位置的熔深，从而实现非熔透激光焊接焊缝熔深的实时无损检测。本发明相较于传统熔深检测手段，检测过程简单，提高检测效率，节约成本。可以根据实时获得的焊缝熔深，对激光熔焊的工艺参数进行调整，降低了因为熔深问题而引发的质量缺陷。

Description

一种激光非熔透焊接焊缝熔深无损检测方法

技术领域

本发明涉及焊接检测技术领域，尤其涉及一种激光非熔透焊接焊缝熔深无损检测方法。

背景技术

目前，焊接大量应用于生产制造领域，关于焊接件质量的要求越来越严格。焊缝熔深作为焊接质量中的一条重要指标，针对其的检测在焊接质量检测过程中尤为必要。传统的熔深检测方法为金相分析法，即将焊接件进行切割并制成金相试样，对金相试样进行腐蚀后观察焊缝的熔深。这种方法费时费力，且对焊接件进行了破坏，造成了资源的浪费。例如：中国专利CN 110948134 A公开了一种汽车减震器焊接熔深的快速检测方法，首先对减震器焊接样件沿焊缝垂直方向进行切割，之后对切割样件的表面进行打磨处理并清洗干净，对处理好的切割试样在腐蚀液中腐蚀一段时间后清洗干净，使用显微镜观察焊缝熔深并拍照，最后使用测量软件对照片上的熔深进行测量。该方法对检测样件进行了破坏，检测过程消耗的时间较多，且检测过程中用到了腐蚀性液体，容易引发危险事故，同时也不利于环保。

目前，针对焊缝熔深的无损检测更多的是在焊接完成后，再对焊缝的熔深进行无损检测。如使用磁感应信号与超声波等对焊缝的熔深进行测量，这些检测方法虽然避免了对焊接检测件的破坏，但仍需要专门派人花时间去进行检测，不利于节约成本。

实时熔深检测是在产品焊接的同时对焊缝熔深进行检测，能够省去焊接完成后再检测的时间，同时能够根据所得到的数据对之后的焊接参数进行调整以达到需要的焊缝熔深，从而提高焊接效率，节约成本。然而，目前已有的熔深检测方法能够做到实时性的较少，且已有的检测方法中所涉及的设备较为精密，后续的维修保养会比较复杂，不利于节约成本，且现有实时检测过程中会受到外界因素干扰，所以对检测环境要求较高(如对提取光信号和磁信号进行检测，为了保证检测精度，对检测环境存在一定要求)。例如：中国专利CN106643465 B公布了一种熔深检测方法，检测时，将两个磁感应传感器探头以垂直于焊缝表面形式并列排布，沿焊缝延伸方向进行扫查，将得到的焊缝内部弱磁信号进行信号处理，对处理后得到的数字信号进行分析将获得两个磁感应传感器探头采集到的磁异常信号值，根据毕奥-萨伐尔定律进行磁异常信号值比值和磁感应传感器探头厚度计算得出焊缝熔深。该方法是在焊接完成后，使用磁感应探头对焊缝进行探测，然后进行计算获得焊缝熔深的情况，因此无法做到实时检测，而且，进行弱磁信号检测对检测环境要求较高。再例如：中国专利CN 104501750 A公布了一种超声相控阵测量肋焊缝熔深的方法，利用超声波探头扫查焊缝，依据超声波声学特性，对焊缝深处的回波信号的信息进行计算，从而得到U肋焊缝熔深数值。该方法的不足之处与中国专利CN 106643465 B的问题相类似。

中国专利CN 110385539 A公布了一种基于低相干干涉测量的熔深检测设备及其检测方法，实现对焊缝的熔深进行实时测量。检测时，检测光和参考光在光纤耦合器中生成干涉信号，之后对干涉信号进行分析计算得到焊缝的熔深。然而这种方法所用到的设备结构较为精密复杂，工作环境适应性较差，一旦损坏，维护困难，不利于降低使用成本。

中国专利CN 109128446 B公布了一种交流钨极氩弧焊电弧声音信号特征快速提取方法，结合电弧声音的产生机理，截取声音衰减区信号，降低了信号干扰，提高了信息利用率。通过声音衰减信号的对比，选择出与熔透状态更为相关的信息，简化了声音信号特征的提取方法，提高了特征的表征能力和鲁棒性。但该方法只涉及电弧焊接的声音信号特征的快速提取和熔透状态的识别，但是由于电弧焊接与激光焊接的声音信号发生机理不同，电弧焊接中一部分声音信号反映的是电弧状态，所以所采集的声音信号并不完全是由熔池小孔振动产生，不能完全反映出熔池小孔的状态，而焊缝的熔深与熔池小孔的形态密切相关，所以该方法并不适用于进行对熔深的检测，同时，该方法不涉及激光焊接的熔深实时检测。

中国专利CN 108883501 A公布了一种高能量束焊接的质量判定方法，通过对相机拍摄的熔池图像进行图像处理采集熔池的形状信息，通过光传感器检测等离子光、温度和反射光等信息。将上述交互信号通过多元回归分析，对焊缝的熔深进行预测。该方法能够有效预测熔池深度，进而判定焊接质量。但是采集的光谱信号容易受到外界干扰而失真，从而导致检测不准。且该方法所用的检测设备较为精密，工作环境适应性较差，一旦损坏不利于维护，不利于降低成本。此外，该方法并不涉及有关声音信号特征的熔深检测。

发明内容

本发明的目的在于解决上述现有技术存在的缺陷，提供一种基于声音信号处理的非熔透激光焊接焊缝熔深实时无损检测方法。

一种激光非熔透焊接焊缝熔深无损检测方法，包括：

步骤一：根据焊缝熔深的变化提取焊接过程中不同焊缝熔深所对应的声音信号；

步骤二：对所述声音信号进行降噪处理；

步骤三：提取所述声音信号的相关特征；

步骤四：利用所述相关特征和焊接过程中对应的部分焊接工艺参数建立非熔透激光焊接焊缝熔深与所述相关特征和部分焊接工艺参数的数学预测模型；

步骤五：根据所述数学预测模型得到激光非熔透激光焊接焊缝不同位置的熔深，从而实现非熔透激光焊接焊缝熔深的实时无损检测。

进一步地，如上所述的激光非熔透焊接焊缝熔深无损检测方法，所述声音信号为激光熔焊过程中产生的可听声音信号。

进一步地，如上所述的激光非熔透焊接焊缝熔深无损检测方法，所述声音信号的相关特征为声压幅值标准差δ和声音信号主频峰频率f。

进一步地，如上所述的激光非熔透焊接焊缝熔深无损检测方法，所述部分焊接工艺参数为激光功率和焊接速度。

进一步地，如上所述的激光非熔透焊接焊缝熔深无损检测方法，所述数学预测模型为：

D＝β₀+β₁δ+β₂f+β₃LP+β₄WS+ε

其中，D代表熔深，δ代表声压幅值标准差，f代表声音信号主峰频率，LP代表激光功率，WS代表焊接速度，β₀为回归常数，β₁、β₂、β₃、β₄为回归系数，ε为随机误差。

进一步地，如上所述的激光非熔透焊接焊缝熔深无损检测方法，所述步骤二对所述声音信号进行降噪处理的过程包括：

首先用均值滤波的方法去除声音信号的漂移效应，即提取出所有数据的均值，然后对原始声音信号每个点数据进行均值去除得到去除零漂后的声音信号；

之后采用db5小波对去除零漂后的声音信号进行5层分解并计算出高低频各自的系数，计算出声音信号小波包第三层内各系数的极大模值以及极大模值的平均值，然后在第三层的所有子频带中查找出各子频带的极大模值均值的中的最大值，当极大模值随着小波分析尺度的增大而随之增大并产生峰值时，保留所对应的小波系数的子频带，反之，将没有产生峰值的极大模值区域所映射的子频带小波系数设置为零，根据处理剩下的小波系数对声音信号进行重构，从而过滤掉声音信号中的噪声信号。进一步地，如上所述的激光非熔透焊接焊缝熔深无损检测方法，所述声音信号提取的方法包括：将声音信号采集器安装在激光焊接头上。

进一步地，如上所述的激光非熔透焊接焊缝熔深无损检测方法，将所述声音信号采集器以旁轴安装的方式安装在激光焊接头上，声音信号采集器方向朝向熔池。

有益效果：

(1)本发明提供的方法可以实时检测非熔透激光焊接焊缝的熔深，而且相较于传统熔深检测手段，检测过程简单，检测效率高，成本低。

(2)本发明提供的方法还可以根据实时获得的焊缝熔深，对激光熔焊的工艺参数进行调整，降低因为熔深问题而引发的质量缺陷。

附图说明

图1为本发明激光熔焊过程中熔深检测方法的流程图；

图2为声音信号采集装置安装位置图；图中，1-激光头，2-声音信号采集装置；

图3为声音信号降噪处理前后对比图；

图4为实施例1 20钢非熔透激光焊接焊缝熔深检测测试结果图；

图5为实施例2 304不锈钢熔透激光焊接焊缝熔深检测测试结果图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种激光非熔透焊接焊缝熔深无损检测方法，如图1所示，该方法包括：

步骤1：根据焊缝熔深的变化提取焊接过程中不同焊缝熔深对应的声音信号；其中，所述声音信号为根据不同的熔深获取的对应的不同的声音信号，是根据所述熔深获取的若干组声音信号；

步骤2：对所述声音信号进行降噪处理；

步骤3：提取所述声音信号的相关特征；

步骤4：利用所述相关特征和焊接过程中对应的部分焊接工艺参数建立非熔透激光焊接焊缝熔深与所述相关特征和部分焊接工艺参数的数学预测模型；

步骤5：根据所述数学预测模型得到激光非熔透激光焊接焊缝不同位置的熔深，从而实现非熔透激光焊接焊缝熔深实时无损检测。

由于焊接过程中伴随着多个物理参数的变化，如声信号、电信号、光信号等，激光焊接过程中，当激光束能量密度波动，熔池小孔形态随之发生变化，进而使熔深产生变化，而焊接时产生的声音信号与熔池小孔形态密切相关。所以当熔深变化时，声音信号的一些特征会发生明显的改变，如声压幅值和声音信号主频峰频率，所以声音信号能够较好的反映出焊接质量的变化。

本发明的目的就是利用有效的声音信号特征与部分焊接工艺参数进行分析，从而建立精确的预测模型，然后根据该预测模型来预测在实际焊接时焊缝熔深的检测方法。该方法的思路为：

首先，我们对有效声音信号中的信息进行了提取，这时候会得到对应各自工艺参数(激光功率和焊接速度)时的有效声音信号信息(声压幅值标准差和声音信号主峰频率)，以这些参数为自变量，将对应参数的焊接件进行切割处理，通过常规金相测量的方法对对应参数的焊缝熔深进行测量，得到不同参数下对应的焊缝熔深值，将上述测得的数值列于表1中。

之后，将表1中的激光功率、焊接速度、有效声音信号的声压标准差、有效声音信号主峰频率和在这些参数下对应的熔深数值导入SPSS软件，在软件中打开分析模块，选择回归分析，对数据组进行定义，将激光功率、焊接速度、有效声音信号的声压标准差和声音信号主峰频率设定为自变量，将所对应的焊缝熔深值定义为因变量，将上述参数定义好后，软件会自动对所设定的自变量和因变量间进行回归分析，给出所拟合出的数学模型表达式，并给出该数学模型的相关性系数，方便判断所拟合的数学模型与因变量与自变量间实际关系是否具有高度的相关性。

如实施例1中表1中所列出的不同激光功率、焊接速度、有效声音信号的声压标准差和声音信号主峰频率及其所对应的焊缝熔深数值，将表1中数据导入到SPSS软件中，选择分析模块中的回归分析，将激光功率、焊接速度、有效声音信号的声压标准差和声音信号主峰频率定义成自变量，将测得焊缝熔深定义成因变量，这样软件自动对自变量与因变量进行回归分析，给出自变量与因变量之间的数学模型：D＝4.717-2.353δ+0.0022f-0.0032P-0.4628WS

并给出了相关性系数r＝0.9989。

实施例2采用的也是相同的方法，在方法上没有差异。

注：所采样的数据点越多，SPSS软件所拟合出的数学模型的精确度就会越高。

实施例1

以20钢非熔透激光焊接焊缝熔深检测为例，进行20钢激光非熔透焊接熔深的声音信号特征识别，建立非熔透激光焊接焊缝熔深与焊接声音信号特征和焊接工艺参数间的数学模型，通过对采集的焊接声音信号处理与特征提取，与焊接工艺参数一起代入拟合好的数学模型中，通过计算出非熔透激光焊接焊缝的熔深。并根据熔深判断是否需要对焊接工艺参数进行调整。

其具体实现过程是：

第一步，焊接时熔深变化过程中的声音特征信号提取。如图2所示，将可听声音信号采集器以旁轴安装的方式安装在激光头上，声音信号采集器方向朝向熔池，采集并记录20钢的不同焊接参数条件下的激光熔焊过程中的声音信号，将所采集的信号放大后利用小波变换对所获得的声音信号进行降噪处理，首先采用均值滤波的方法去除声音信号的漂移效应，即提取出所有数据的均值，然后对每个点数据进行均值去除。之后采用db5小波对去除零漂后的声音信号进行5层分解并计算出高低频各自的系数，计算出声音信号小波包第三层内各系数的极大模值以及极大模值的平均值，然后在第三层的所有子频带中查找出各子频带的极大模值均值的中的最大值，当极大模值随着小波分析尺度的增大而随之增大并产生峰值时，保留所对应的小波系数的子频带，反之，将没有产生峰值的极大模值区域所映射的子频带小波系数设置为零，根据处理剩下的小波系数对声音信号进行重构，从而过滤掉声音信号中的噪声信号，之后选取合适的窗口长度对处理后的声音信号进行窗口化处理，进行频域特征提取，从而得到所截取的窗口长度范围内有效声音信号的声压幅值的标准差与声音主峰频率的具体数值，图3为声音信号降噪处理前后对比图，通过图3可以看出，经过降噪处理的声音信号有效去除了原始声音信号的零漂现象。

第二步，建立熔深变化与声音信号特征和工艺参数间的数学模型。使用常规方法对第一步中所焊接的不同工艺参数的20钢激光熔焊焊接试样进行熔深检测，获得不同工艺参数下20钢非熔透激光焊接焊缝的熔深信息，使用SPSS软件获得焊缝熔深与声音信号特征和焊接参数间的数学模型，当焊接声音信号的特征值达到某一数值时，即可根据数学模型计算得出该处的焊缝熔深值；

所拟合的数学模型为：

D＝4.717-2.353δ+0.0022f-0.0032P-0.4628WS

此数学模型的相关系数r为0.9989，说明拟合的数学模型反映出的熔深和声音特征和焊接参数间的实际关系相关度高。

式中D为非熔透激光焊焊缝熔深，δ为声压标准差，f为主频峰频率，P为焊接激光功率，WS为焊接速度。多元线性回归分析所用的数据详见表1；

第三步，激光焊接焊缝熔深的实时检测。采用激光焊接20钢时，同步采集焊接过程中的声音信号，对采集到的声音信号进行放大后采用小波变换对处理后的声音信号进行降噪处理，首先采用均值滤波的方法去除声音信号的漂移效应，即提取出所有数据的均值，然后对每个点数据进行均值去除。之后采用db5小波对去除零漂后的声音信号进行5层分解并计算出高低频各自的系数，计算出声音信号小波包第三层内各系数的极大模值以及极大模值的平均值，然后在第三层的所有子频带中查找出各子频带的极大模值均值的中的最大值，当极大模值随着小波分析尺度的增大而随之增大并产生峰值时，保留所对应的小波系数的子频带，反之，将没有产生峰值的极大模值区域所映射的子频带小波系数设置为零，根据处理剩下的小波系数对声音信号进行重构，从而过滤掉声音信号中的噪声信号，之后选取合适的窗口长度对处理后的声音信号进行窗口化处理，进行声音信号特征提取，通过建立的熔深与声音信号特征和焊接工艺参数的数学模型，将声音信号通过计算，得到激光熔焊的焊缝熔深，实际测试结果见图4。

其中，步骤三与步骤一的方法是重复的，但这两个步骤提取声音信号信息的目的是不同的，步骤一中是为了提取有效声音信号中的声压标准差与声音信号主峰频率去进行步骤二中的公式拟合，而步骤三中提取有效声音信号中的声压标准差与声音信号主峰频率是为了代入步骤二所拟合出的公式中，对焊缝的熔深进行预测。实施例2雷同。

表1. 20钢非熔透激光焊接多元线性回归分析数据采集表

实施例2

以304不锈钢非熔透激光焊接焊缝熔深检测为例，进行304不锈钢激光熔焊熔深的声音信号特征识别，建立非熔透激光焊接焊缝熔深与焊接声音信号特征及焊接参数间的匹配关系，通过对采集的焊接声音信号进行处理与特征提取计算出非熔透激光焊接焊缝的熔深。并根据熔深判断是否需要对焊接工艺参数进行调整。

其具体实现过程是：

第一步，焊接时熔深变化过程中的声音特征信号提取。将可听声音信号采集器以旁轴安装的方式安装在激光头上，声音信号采集器方向朝向熔池，采集并记录304不锈钢在不同焊接参数的激光熔焊过程中的声音信号，将所采集的信号放大后利用小波变换对所获得的声音信号进行降噪处理，首先采用均值滤波的方法去除声音信号的漂移效应，即提取出所有数据的均值，然后对每个点数据进行均值去除。之后采用db5小波对去除零漂后的声音信号进行5层分解并计算出高低频各自的系数，计算出声音信号小波包第三层内各系数的极大模值以及极大模值的平均值，然后在第三层的所有子频带中查找出各子频带的极大模值均值的中的最大值，当极大模值随着小波分析尺度的增大而随之增大并产生峰值时，保留所对应的小波系数的子频带，反之，将没有产生峰值的极大模值区域所映射的子频带小波系数设置为零，根据处理剩下的小波系数对声音信号进行重构，从而过滤掉声音信号中的噪声信号，之后选取合适的窗口长度对处理后的声音信号进行窗口化处理，进行声音信号的特征提取；

第二步，建立熔深变化与声音信号特征和工艺参数间的数学模型。使用常规方法对第一步中所焊接的不同工艺参数的304不锈钢激光熔焊焊接试样进行熔深检测，获得不同工艺参数下304不锈钢非熔透激光焊接焊缝的熔深信息，使用SPSS软件获得焊缝熔深与声音信号特征和焊接参数间的数学模型，当焊接声音信号的特征值达到某一数值时，即可根据数学模型计算得出该处的焊缝熔深值；

所拟合的数学模型为：

D＝0.3577+4.2208δ+0.0003f+0.0001P-0.6629WS

此数学模型的相关系数r为0.9735，说明拟合的数学模型反映出的熔深与声音特征和焊接参数间的实际关系相关度高。

式中D为非熔透激光焊焊缝熔深，δ为声压标准差，f为主频峰频率，P为焊接激光功率，WS为焊接速度。多元线性回归分析所用的数据详见表2；

表2. 304不锈钢非熔透激光焊接多元线性回归分析数据采集表

第三步，激光焊接焊缝熔深的实时检测。采用激光焊接304不锈钢时，同步采集焊接过程中的声音信号，对采集到的声音信号进行放大后采用小波变换对处理后的声音信号进行降噪处理，首先采用均值滤波的方法去除声音信号的漂移效应，即提取出所有数据的均值，然后对每个点数据进行均值去除。之后采用db5小波对去除零漂后的声音信号进行5层分解并计算出高低频各自的系数，计算出声音信号小波包第三层内各系数的极大模值以及极大模值的平均值，然后在第三层的所有子频带中查找出各子频带的极大模值均值的中的最大值，当极大模值随着小波分析尺度的增大而随之增大并产生峰值时，保留所对应的小波系数的子频带，反之，将没有产生峰值的极大模值区域所映射的子频带小波系数设置为零，根据处理剩下的小波系数对声音信号进行重构，从而过滤掉声音信号中的噪声信号，之后选取合适的窗口长度对处理后的声音信号进行窗口化处理，进行声音信号特征提取，通过建立的熔深与声音信号特征和焊接工艺参数的数学模型，将声音信号通过计算，得到激光熔焊的焊缝熔深，实际测试结果见图5。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种激光非熔透焊接焊缝熔深无损检测方法，其特征在于，包括：

步骤一：根据焊缝熔深的变化提取焊接过程中不同焊缝熔深对应的声音信号；

步骤二：对所述声音信号进行降噪处理；

步骤三：提取所述声音信号的相关特征；

步骤四：利用所述相关特征和焊接过程中对应的部分焊接工艺参数建立非熔透激光焊接焊缝熔深与所述相关特征和部分焊接工艺参数的数学预测模型；

步骤五：根据所述数学预测模型得到非熔透激光焊接焊缝不同位置的熔深，从而实现非熔透激光焊接焊缝熔深的实时无损检测。

2.根据权利要求1所述的激光非熔透焊接焊缝熔深无损检测方法，其特征在于，所述声音信号为激光熔焊过程中产生的可听声音信号。

3.根据权利要求1所述的激光非熔透焊接焊缝熔深无损检测方法，其特征在于，所述声音信号的相关特征为声压幅值标准差δ和声音信号主频峰频率f。

4.根据权利要求1所述的激光非熔透焊接焊缝熔深无损检测方法，其特征在于，所述部分焊接工艺参数为激光功率和焊接速度。

5.根据权利要求1所述的激光非熔透焊接焊缝熔深无损检测方法，其特征在于，所述数学预测模型为：

D＝β₀+β₁δ+β₂f+β₃LP+β₄WS+ε

其中，D代表熔深，δ代表声压幅值标准差，f代表声音信号主峰频率，LP代表激光功率，WS代表焊接速度，β₀为回归常数，β₁、β₂、β₃、β₄为回归系数，ε为随机误差。

6.根据权利要求1所述的激光非熔透焊接焊缝熔深无损检测方法，其特征在于，所述步骤二对所述声音信号进行降噪处理的过程包括：

首先用均值滤波的方法去除声音信号的漂移效应，即提取出所有数据的均值，然后对原始声音信号每个点数据进行均值去除得到去除零漂后的声音信号；

之后采用db5小波对去除零漂后的声音信号进行5层分解并计算出高低频各自的系数，计算出声音信号小波包第三层内各系数的极大模值以及极大模值的平均值，然后在第三层的所有子频带中查找出各子频带的极大模值均值的中的最大值，当极大模值随着小波分析尺度的增大而随之增大并产生峰值时，保留所对应的小波系数的子频带，反之，将没有产生峰值的极大模值区域所映射的子频带小波系数设置为零，根据处理剩下的小波系数对声音信号进行重构，从而过滤掉声音信号中的噪声信号。

7.根据权利要求1所述的激光非熔透焊接焊缝熔深无损检测方法，其特征在于，所述声音信号提取的方法包括：将声音信号采集器安装在激光焊接头上。

8.根据权利要求7所述的激光非熔透焊接焊缝熔深无损检测方法，其特征在于，将所述声音信号采集器以旁轴安装的方式安装在激光焊接头上，声音信号采集器方向朝向熔池。

Images