CN112719646A - 一种对连续激光焊接过程中焊接质量的实时监测方法 - Google Patents
一种对连续激光焊接过程中焊接质量的实时监测方法 Download PDFInfo
- Publication number
- CN112719646A CN112719646A CN202011536878.9A CN202011536878A CN112719646A CN 112719646 A CN112719646 A CN 112719646A CN 202011536878 A CN202011536878 A CN 202011536878A CN 112719646 A CN112719646 A CN 112719646A
- Authority
- CN
- China
- Prior art keywords
- welding
- laser welding
- data
- real
- neural network
- 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.)
- Pending
Links
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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
-
- 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
- B23K26/20—Bonding
- B23K26/21—Bonding by welding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Abstract
本发明公开了一种对连续激光焊接过程中焊接质量的实时监测方法,具体涉及激光焊接技术领域,包括以下步骤,建立用户输入模块:在数据采集之前,输入焊接参数,包括:焊接电流、焊接电压、焊接分贝和焊接亮度,进行归一化处理之后作为初始数据,并采集其他激光焊接机在激光焊接过程中出现的问题、影响源头及解决方式,并建立缺陷数据库。本发明通过自动对多个数据进行监控,并将测量与拍摄的结果通过数据线传输到智能控制系统,由智能控制系统对采集来的数据与标准值进行对比、分析、评估及判定,并进行智能分析问题点和解决方式,从而可以在焊接出现问题时及时的找出扰动源,使得监测效果较为理想。
Description
技术领域
本发明涉及激光焊接技术领域,更具体地说,本发明涉及一种对连续激光焊接过程中焊接质量的实时监测方法。
背景技术
作为为21世纪先进制造领域的重要技术之一,激光先进焊接技术具有集成化、智能化、信息化和环境友好的特点,因而具有重要的战略意义和应用价值,激光焊接是利用高强度的激光束照射材料表面,通过激光与材料的相互作用,使得材料熔化后冷却结晶形成焊接,具有能量密度高,焊接速度快,焊接变形小,焊接质量高等特点,现已经广泛应用于航空、航天、军工等精密加工领域,激光焊接过程是一个极其复杂的物理化学过程,尤其是在深熔焊接过程中,包含了材料的快速蒸发、熔化、气化、电离以及快速冷却和非平衡凝固等现象,并且当激光功率密度达到某一阈值时,在热透镜效应的影响下,聚焦透镜在受热变形后也会导致焦距发生变化,这些因素的改变都会影响激光焊接质量的稳定性。
在一些自动化激光焊接设备中,由于影响激光焊接过程的干扰因素较多,容易导致焊接质量的不稳定,因此,焊接质量监测是保证焊接质量的重要方法,现有技术中一般仅仅通过检测电流和电压参数的方式进行监测,不能全面正确的对焊接质量进行监测,使得监测效果不够理想,而且不能在焊接出现问题时及时的找出扰动源,使得监测效果较差。
发明内容
为了克服现有技术的上述缺陷,本发明提供了一种对连续激光焊接过程中焊接质量的实时监测方法,本发明所要解决的技术问题是:现有技术中一般仅仅通过检测电流和电压参数的方式进行监测,不能全面正确的对焊接质量进行监测,使得监测效果不够理想,而且不能在焊接出现问题时及时的找出扰动源,使得监测效果较差的问题。
为实现上述目的,本发明提供如下技术方案:一种对连续激光焊接过程中焊接质量的实时监测方法,包括以下步骤:
S1、建立用户输入模块:在数据采集之前,输入焊接参数,包括:焊接电流、焊接电压、焊接分贝和焊接亮度,进行归一化处理之后作为初始数据,并采集其他激光焊接机在激光焊接过程中出现的问题、影响源头及解决方式,并建立缺陷数据库。
S2、在Matlab软件中构建以焊接参数作为输入,焊缝成型情况作为输出的初始BP神经网络模型,选取不同的训练方法,利用所述初始数据分别按照所述不同的训练方法对所述初始BP神经网络模型进行训练,并获得各自对应的优化BP神经网络模型,从多个优化BP神经网络模型中选取一个作为最终的BP神经网络模型。
S3、建设视频监控机构对焊接位置进行实时监控,并设立透明防护隔层对视频监控机构进行防护,同时建立参数监控单元、声音信号采集单元和光信号采集单元对激光焊接机的运行参数、声音信号和光信号进行实时采集并储存,然后通过计算机对激光焊接声信号和噪声源信号进行分析计算,将激光焊接特征声信号从噪声源中分离出来,同时通过计算机对激光焊接光信号和其他光源信号进行分析计算,将激光焊接光信号特征从光源中分离出来,并对激光焊接机的正常运行参数进行计算,并设立各个监测单元的阈值。
S4、当激光焊接机启动时,激光焊接机对焊缝进行焊接作用,此时启动视频监控采集机构、参数监控单元、声信号采集单元和光信号采集单元开始对焊接后的焊缝、激光焊接机的运行参数、激光焊接机焊接过程中的噪音和光亮度进行测量和拍摄,并将测量与拍摄的结果通过数据线传输到智能控制系统。
S5、由智能控制系统对采集来的数据与标准值进行对比、分析、评估及判定,当采集到的实时数据与BP神经网络模型的标准值数据相匹配或是不匹配度在设定的阈值范围内时,如果在,继续自动焊接,如果不在,则根据其他激光焊接过程中的解决方式自动进行调节运行状态,如果解决成功,则继续自动焊接,如果不能解决,则调用缺陷数据库,对实时的数据变化曲线进行智能识别,在智能控制系统中进行分析,分析是哪个位置出现了问题,并通过云端数据判断最方便的解决方法,并生成当前焊接缺陷的预测及评估,记录当前事件,通过报警装置报警,并停止焊接,同时将生成的评估和数据通过无线传输模块发送到监测人员手机端。
作为本发明的进一步方案:所述视频监控机构包括高速摄像机和远程控制器。
作为本发明的进一步方案:所述参数监控单元包括电流采集传感器和电压采集传感器。
作为本发明的进一步方案:所述声信号采集单元包括传声器和声信号采集卡,所述光信号采集单元设置为光纤传感器。
作为本发明的进一步方案:所述高速摄像机采用电动三可变镜头,所述远程控制器可以实时调节高速摄像机远程变焦、调焦以及调整光圈尺寸。
作为本发明的进一步方案:所述光纤传感器可以是聚由焦透镜、滤光片和光敏元件等组成,所述光信号采集单元和声信号采集单元用于采集激光焊接过程中金属蒸发而形成的等离子体,以此可以直接反映激光与被焊材料的相互作用状态,同时,以光信号和声信号的联合作用来对焊接质量进行实时监测。
本发明的有益效果在于:
本发明通过对标准焊接数据进行建模处理,且建设视频监控机构、参数监控单元、声音信号采集单元和光信号采集单元对工件的焊接质量、激光焊接机的运行参数、声音信号和光信号进行实时采集并储存,并设立各个监测单元的阈值,当激光焊接机启动时,自动对多个数据进行监控,并将测量与拍摄的结果通过数据线传输到智能控制系统,由智能控制系统对采集来的数据与标准值进行对比、分析、评估及判定,并进行智能分析问题点和解决方式,从而可以在焊接出现问题时及时的找出扰动源,使得监测效果较为理想。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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做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。
一种对连续激光焊接过程中焊接质量的实时监测方法,包括以下步骤:
S1、建立用户输入模块:在数据采集之前,输入焊接参数,包括:焊接电流、焊接电压、焊接分贝和焊接亮度,进行归一化处理之后作为初始数据,并采集其他激光焊接机在激光焊接过程中出现的问题、影响源头及解决方式,并建立缺陷数据库。
S2、在Matlab软件中构建以焊接参数作为输入,焊缝成型情况作为输出的初始BP神经网络模型,选取不同的训练方法,利用初始数据分别按照不同的训练方法对初始BP神经网络模型进行训练,并获得各自对应的优化BP神经网络模型,从多个优化BP神经网络模型中选取一个作为最终的BP神经网络模型。
S3、建设视频监控机构对焊接位置进行实时监控,并设立透明防护隔层对视频监控机构进行防护,同时建立参数监控单元、声音信号采集单元和光信号采集单元对激光焊接机的运行参数、声音信号和光信号进行实时采集并储存,然后通过计算机对激光焊接声信号和噪声源信号进行分析计算,将激光焊接特征声信号从噪声源中分离出来,同时通过计算机对激光焊接光信号和其他光源信号进行分析计算,将激光焊接光信号特征从光源中分离出来,并对激光焊接机的正常运行参数进行计算,并设立各个监测单元的阈值。
S4、当激光焊接机启动时,激光焊接机对焊缝进行焊接作用,此时启动视频监控采集机构、参数监控单元、声信号采集单元和光信号采集单元开始对焊接后的焊缝、激光焊接机的运行参数、激光焊接机焊接过程中的噪音和光亮度进行测量和拍摄,并将测量与拍摄的结果通过数据线传输到智能控制系统。
S5、由智能控制系统对采集来的数据与标准值进行对比、分析、评估及判定,当采集到的实时数据与BP神经网络模型的标准值数据相匹配或是不匹配度在设定的阈值范围内时,如果在,继续自动焊接,如果不在,则根据其他激光焊接过程中的解决方式自动进行调节运行状态,如果解决成功,则继续自动焊接,如果不能解决,则调用缺陷数据库,对实时的数据变化曲线进行智能识别,在智能控制系统中进行分析,分析是哪个位置出现了问题,并通过云端数据判断最方便的解决方法,并生成当前焊接缺陷的预测及评估,记录当前事件,通过报警装置报警,并停止焊接,同时将生成的评估和数据通过无线传输模块发送到监测人员手机端。
视频监控机构包括高速摄像机和远程控制器。
参数监控单元包括电流采集传感器和电压采集传感器。
声信号采集单元包括传声器和声信号采集卡,光信号采集单元设置为光纤传感器。
高速摄像机采用电动三可变镜头,远程控制器可以实时调节高速摄像机远程变焦、调焦以及调整光圈尺寸。
光纤传感器可以是聚由焦透镜、滤光片和光敏元件等组成,光信号采集单元和声信号采集单元用于采集激光焊接过程中金属蒸发而形成的等离子体,以此可以直接反映激光与被焊材料的相互作用状态,同时,以光信号和声信号的联合作用来对焊接质量进行实时监测。
最后应说明的几点是:虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明的基础上,以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (6)
1.一种对连续激光焊接过程中焊接质量的实时监测方法,其特征在于,包括以下步骤:
S1、建立用户输入模块:在数据采集之前,输入焊接参数,包括:焊接电流、焊接电压、焊接分贝和焊接亮度,进行归一化处理之后作为初始数据,并采集其他激光焊接机在激光焊接过程中出现的问题、影响源头及解决方式,并建立缺陷数据库;
S2、在Matlab软件中构建以焊接参数作为输入,焊缝成型情况作为输出的初始BP神经网络模型,选取不同的训练方法,利用所述初始数据分别按照所述不同的训练方法对所述初始BP神经网络模型进行训练,并获得各自对应的优化BP神经网络模型,从多个优化BP神经网络模型中选取一个作为最终的BP神经网络模型;
S3、建设视频监控机构对焊接位置进行实时监控,并设立透明防护隔层对视频监控机构进行防护,同时建立参数监控单元、声音信号采集单元和光信号采集单元对激光焊接机的运行参数、声音信号和光信号进行实时采集并储存,然后通过计算机对激光焊接声信号和噪声源信号进行分析计算,将激光焊接特征声信号从噪声源中分离出来,同时通过计算机对激光焊接光信号和其他光源信号进行分析计算,将激光焊接光信号特征从光源中分离出来,并对激光焊接机的正常运行参数进行计算,并设立各个监测单元的阈值;
S4、当激光焊接机启动时,激光焊接机对焊缝进行焊接作用,此时启动视频监控采集机构、参数监控单元、声信号采集单元和光信号采集单元开始对焊接后的焊缝、激光焊接机的运行参数、激光焊接机焊接过程中的噪音和光亮度进行测量和拍摄,并将测量与拍摄的结果通过数据线传输到智能控制系统;
S5、由智能控制系统对采集来的数据与标准值进行对比、分析、评估及判定,当采集到的实时数据与BP神经网络模型的标准值数据相匹配或是不匹配度在设定的阈值范围内时,如果在,继续自动焊接,如果不在,则根据其他激光焊接过程中的解决方式自动进行调节运行状态,如果解决成功,则继续自动焊接,如果不能解决,则调用缺陷数据库,对实时的数据变化曲线进行智能识别,在智能控制系统中进行分析,分析是哪个位置出现了问题,并通过云端数据判断最方便的解决方法,并生成当前焊接缺陷的预测及评估,记录当前事件,通过报警装置报警,并停止焊接,同时将生成的评估和数据通过无线传输模块发送到监测人员手机端。
2.根据权利要求1所述的一种对连续激光焊接过程中焊接质量的实时监测方法,其特征在于:所述视频监控机构包括高速摄像机和远程控制器。
3.根据权利要求1所述的一种对连续激光焊接过程中焊接质量的实时监测方法,其特征在于:所述参数监控单元包括电流采集传感器和电压采集传感器。
4.根据权利要求1所述的一种对连续激光焊接过程中焊接质量的实时监测方法,其特征在于:所述声信号采集单元包括传声器和声信号采集卡,所述光信号采集单元设置为光纤传感器。
5.根据权利要求2所述的一种对连续激光焊接过程中焊接质量的实时监测方法,其特征在于:所述高速摄像机采用电动三可变镜头,所述远程控制器可以实时调节高速摄像机远程变焦、调焦以及调整光圈尺寸。
6.根据权利要求4所述的一种对连续激光焊接过程中焊接质量的实时监测方法,其特征在于:所述光纤传感器可以是聚由焦透镜、滤光片和光敏元件等组成,所述光信号采集单元和声信号采集单元用于采集激光焊接过程中金属蒸发而形成的等离子体,以此可以直接反映激光与被焊材料的相互作用状态,同时,以光信号和声信号的联合作用来对焊接质量进行实时监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011536878.9A CN112719646A (zh) | 2020-12-23 | 2020-12-23 | 一种对连续激光焊接过程中焊接质量的实时监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011536878.9A CN112719646A (zh) | 2020-12-23 | 2020-12-23 | 一种对连续激光焊接过程中焊接质量的实时监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112719646A true CN112719646A (zh) | 2021-04-30 |
Family
ID=75604435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011536878.9A Pending CN112719646A (zh) | 2020-12-23 | 2020-12-23 | 一种对连续激光焊接过程中焊接质量的实时监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112719646A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113732557A (zh) * | 2021-07-30 | 2021-12-03 | 武汉理工大学 | 一种基于数字孪生的焊接监控方法 |
CN114043073A (zh) * | 2021-11-18 | 2022-02-15 | 哈尔滨工业大学 | 一种基于声学信号实时监测的水助激光加工系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1072365A (zh) * | 1991-11-20 | 1993-05-26 | 华中理工大学 | 连续激光焊接过程中焊接质量的实时监测方法 |
CN102990225A (zh) * | 2012-12-03 | 2013-03-27 | 天津大学 | 一种实时检测激光焊接质量的方法 |
CN105312770A (zh) * | 2014-07-29 | 2016-02-10 | 天津大学 | 基于等离子体电信号的激光焊接模式判定方法 |
CN105855757A (zh) * | 2016-05-12 | 2016-08-17 | 中车青岛四方机车车辆股份有限公司 | 一种实时的焊接缺陷在线监测方法及装置 |
CN108500498A (zh) * | 2018-03-26 | 2018-09-07 | 华中科技大学 | 一种焊缝成型质量监测方法 |
CN109300116A (zh) * | 2018-09-03 | 2019-02-01 | 广东工业大学 | 基于机器学习的激光焊接在线缺陷识别方法 |
-
2020
- 2020-12-23 CN CN202011536878.9A patent/CN112719646A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1072365A (zh) * | 1991-11-20 | 1993-05-26 | 华中理工大学 | 连续激光焊接过程中焊接质量的实时监测方法 |
CN102990225A (zh) * | 2012-12-03 | 2013-03-27 | 天津大学 | 一种实时检测激光焊接质量的方法 |
CN105312770A (zh) * | 2014-07-29 | 2016-02-10 | 天津大学 | 基于等离子体电信号的激光焊接模式判定方法 |
CN105855757A (zh) * | 2016-05-12 | 2016-08-17 | 中车青岛四方机车车辆股份有限公司 | 一种实时的焊接缺陷在线监测方法及装置 |
CN108500498A (zh) * | 2018-03-26 | 2018-09-07 | 华中科技大学 | 一种焊缝成型质量监测方法 |
CN109300116A (zh) * | 2018-09-03 | 2019-02-01 | 广东工业大学 | 基于机器学习的激光焊接在线缺陷识别方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113732557A (zh) * | 2021-07-30 | 2021-12-03 | 武汉理工大学 | 一种基于数字孪生的焊接监控方法 |
CN113732557B (zh) * | 2021-07-30 | 2022-07-08 | 武汉理工大学 | 一种基于数字孪生的焊接监控方法 |
CN114043073A (zh) * | 2021-11-18 | 2022-02-15 | 哈尔滨工业大学 | 一种基于声学信号实时监测的水助激光加工系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112719646A (zh) | 一种对连续激光焊接过程中焊接质量的实时监测方法 | |
CN106984813B (zh) | 一种激光选区熔化加工过程同轴监测方法及装置 | |
CN108340088A (zh) | 激光精密加工视觉在线监测方法及系统 | |
CN110793572B (zh) | 基于多传感器融合的选择性激光熔融过程监控系统 | |
CN112894138A (zh) | 软包电池极耳焊接方法及系统 | |
CN102303018B (zh) | 机器视觉系统对注射器钢针毛刺的自动检测方法 | |
CN111015006A (zh) | 基于光谱信息的激光电弧复合焊接质量在线监测方法 | |
CN112025090A (zh) | 一种激光深熔焊缺陷的在线检测方法及检测装置 | |
Liu et al. | An explainable laser welding defect recognition method based on multi-scale class activation mapping | |
Pacher et al. | Real-time continuous estimation of dross attachment in the laser cutting process based on process emission images | |
Peng et al. | Vision sensing and feedback control of weld penetration in helium arc welding process | |
CN112504714B (zh) | 激光加工质量监测方法、系统、装置及设备、存储介质 | |
CN114406465A (zh) | 一种不均匀间隙结构的焊接熔深的控制方法及其系统 | |
CN104070292A (zh) | 激光点焊监测方法及监测装置 | |
JP2002239761A (ja) | レーザ溶接のモニタリング方法および装置 | |
CN102495072A (zh) | 机器视觉系统对输液导管瑕疵的自动检测方法 | |
CN114559132A (zh) | 一种基于电弧声信号的焊接质量监测方法 | |
EP4081367B1 (en) | Laser machining system with an add-on module interposed between a control device and a laser machining head of the laser machining system | |
CN113798673A (zh) | 一种激光填丝焊质量追溯装置、方法、工作站和生产线 | |
CN117396289A (zh) | 用于构件的增材制造的方法 | |
CN103453840A (zh) | 弹子锁锁芯精度的自动检测方法 | |
CN204524507U (zh) | 弧焊机器人智能耦合系统 | |
CN113878201A (zh) | 焊接过程控制方法、装置、电子设备及存储介质 | |
CN102495074A (zh) | 机器视觉系统对输液袋瑕疵的自动检测方法 | |
CN111230299A (zh) | 一种激光焊接在线检测装置及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210430 |