CN115008006B - 一种激光焊接检测评估系统及方法 - Google Patents
一种激光焊接检测评估系统及方法 Download PDFInfo
- Publication number
- CN115008006B CN115008006B CN202210561558.1A CN202210561558A CN115008006B CN 115008006 B CN115008006 B CN 115008006B CN 202210561558 A CN202210561558 A CN 202210561558A CN 115008006 B CN115008006 B CN 115008006B
- Authority
- CN
- China
- Prior art keywords
- welding
- data
- laser welding
- detection
- optical signal
- 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
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
- B23K26/20—Bonding
- B23K26/21—Bonding by 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明公开了一种激光焊接检测评估系统及方法,基于激光焊接检测模块实时采集焊接过程中的激光焊接数据,对激光焊接数据进行预处理;基于标准的激光焊接数据信息建立焊接检测智能专家系统,通过焊接检测智能专家系统对当前采集的激光焊接数据进行分析,获取分析结果;基于分析结果判断是否存在焊接异常状态,根据判断结果获取对应的评估方案。从而为激光焊接质量的可靠性和可控性提供了有效的检测手段和评估方法,保证了激光焊接的质量。
Description
技术领域
本发明涉及焊接检测技术领域,尤其是涉及一种激光焊接检测评估系统及方法。
背景技术
在激光焊接的过程中,焊接部位的能量传导机制和物理化学变化是十分复杂的过程,焊接过程还受众多其它因素的影响和作用,如:材料的熔化、金属蒸汽、等离子体的产生;以及材料熔化形成匙孔造成材料表面激光入射角的动态变化等。长时间进行激光焊接作业,光学元器件容易产生受热变化,从而使得光学元器件表面状态也会因受热发生表面分布不均匀等影响。除此之外,在长期的激光焊接过程中,机器设备重复运动造成重复定位精度下降,装夹物件的治具在长期的操作过程中,会产生局部细微的变形等因素,最终造成装夹物件的治具可能存在间隙过大,错位等装备缺陷。从而影响激光焊接产品质量。
为保证激光焊接在焊接过程中优质、高效的特点,加快工业应用的推进,开展激光焊接质量在线检测评估方法平台是十分重要的。
发明内容
在发明内容部分中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明;本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
为至少部分地解决上述问题,本发明提供了一种激光焊接检测评估系统及方法,其中,该激光焊接检测评估方法包括:
S101:基于激光焊接检测模块实时采集焊接过程中的激光焊接数据,对激光焊接数据进行预处理;
S102:基于标准的激光焊接数据信息建立焊接检测智能专家系统,通过焊接检测智能专家系统对当前采集的激光焊接数据进行分析,获取分析结果;
S103:基于分析结果判断是否存在焊接异常状态,根据判断结果获取对应的评估方案。
其中,所述S101步骤包括:
S1011:在焊接过程中,利用光电传感器以高频采样的方式获取光电信号数据;
S1012:通过数据处理单元对光电信号数据进行处理、计算,获取对应焊接质量的特征光信号;
S1013:基于局域多项式最小二乘法拟合的滤波方法,对特征光信号进行降噪处理。
其中,所述S102步骤包括:
S1021:基于标准的激光工艺参数和工况条件对光信号的影响规律以及焊缝形貌,建立光信号与焊接质量的映射关系;
S1022:基于光信号与焊接质量的映射关系建立焊接检测智能专家系统;
S1023:基于焊接检测智能专家系统中预设的标准特征光信号范围,对降噪处理后的特征光信号进行分析,获取分析结果。
其中,所述S103步骤包括:
S1031:若当前测量的特征光信号处于标准特征光信号范围内,则判断该激光焊接数据为合格;
S1032:若当前测量的特征光信号处于标准特征光信号范围外,则判断该激光焊接数据为异常;
S1033:基于是否存在焊接异常状态的判断结果,将不同激光功率和焊接速度条件下特征光信号强度与焊缝熔深的关系进行拟合,获取对应的检测评估报告。
其中,所述S1033步骤包括:在获取对应的检测评估报告过程中,将实时采集焊接过程中的激光焊接数据进行划分区域处理,根据焊接工艺要求和焊接质量产品要求进行数据处理参数范围设置,基于数据处理参数范围设置自动生成运行模拟拟合包络线合格的激光焊接形成的数据曲线走势位于上下包络线之间,若激光焊接数据曲线超出上下包络线的范围,检测软件根据设置参数自动拟合生成一条红色的错误曲线,错误曲线记录焊接过程中出现焊接不良品过程采集到数据的情况,并将该数据的情况列入激光焊接检测不合格的情况,检测数据存储于数据库中,工作人员后续对检测数据进行查询分析。
其中,该激光焊接检测评估系统包括:
激光焊接数据采集单元,用于基于激光焊接检测模块实时采集焊接过程中的激光焊接数据,对激光焊接数据进行预处理;
焊接检测智能分析单元,用于基于标准的激光焊接数据信息建立焊接检测智能专家系统,通过焊接检测智能专家系统对当前采集的激光焊接数据进行分析,获取分析结果;
检测评估单元,用于基于分析结果判断是否存在焊接异常状态,根据判断结果获取对应的评估方案。
其中,所述激光焊接数据采集单元包括:
采集对应数据子单元,用于在焊接过程中,利用光电传感器以高频采样的方式获取光电信号数据;
特征光信号子单元,用于通过数据处理单元对光电信号数据进行处理、计算,获取对应焊接质量的特征光信号;
预处理子单元,用于基于局域多项式最小二乘法拟合的滤波方法,对特征光信号进行降噪处理。
其中,所述焊接检测智能分析单元包括:
建立映射关系子单元,用于基于标准的激光工艺参数和工况条件对光信号的影响规律以及焊缝形貌,建立光信号与焊接质量的映射关系;
建立焊接检测智能专家系统子单元,用于基于光信号与焊接质量的映射关系建立焊接检测智能专家系统;
特征光信号分析子单元,用于基于焊接检测智能专家系统中预设的标准特征光信号范围,对降噪处理后的特征光信号进行分析,获取分析结果。
其中,所述检测评估单元包括:
合格激光焊接判定子单元,用于若当前测量的特征光信号处于标准特征光信号范围内,则判断该激光焊接数据为合格;
异常激光焊接判定子单元,用于若当前测量的特征光信号处于标准特征光信号范围外,则判断该激光焊接数据为异常;
检测评估报告子单元,用于基于是否存在焊接异常状态的判断结果,将不同激光功率和焊接速度条件下特征光信号强度与焊缝熔深的关系进行拟合,获取对应的检测评估报告;
在所述焊接检测智能分析单元建立多目标粒子群,基于K近邻算法对激光焊接中的工艺参数进行处理,根据工艺参数设置回归模型,回归模型中当邻近样本的焊接下限低于目标值为负影响,高于目标值时则为正影响;
负影响和正影响的大小用差值表示,负影响和正影响的程度可用差值与距离的比值来表示,将各邻近样本的影响程度求和作为非劣解在某一指标的信任度,影响程度和的值越大,质量越高,影响程度和的值越小则质量越低。
其中,所述检测评估报告子单元包括:在获取对应的检测评估报告过程中,将实时采集焊接过程中的激光焊接数据进行划分区域处理,根据焊接工艺要求和焊接质量产品要求进行数据处理参数范围设置,基于数据处理参数范围设置自动生成运行模拟拟合包络线合格的激光焊接形成的数据曲线走势位于上下包络线之间,若激光焊接数据曲线超出上下包络线的范围,检测软件根据设置参数自动拟合生成一条红色的错误曲线,错误曲线记录焊接过程中出现焊接不良品过程采集到数据的情况,并将该数据的情况列入激光焊接检测不合格的情况,检测数据存储于数据库中,工作人员后续对检测数据进行查询分析。
与现有技术相比,本发明具有以下优点:
基于激光焊接检测模块实时采集焊接过程中的激光焊接数据,对激光焊接数据进行预处理;基于标准的激光焊接数据信息建立焊接检测智能专家系统,通过焊接检测智能专家系统对当前采集的激光焊接数据进行分析,获取分析结果;基于分析结果判断是否存在焊接异常状态,根据判断结果获取对应的评估方案。从而为激光焊接质量的可靠性和可控性提供了有效的检测手段和评估方法,保证了激光焊接的质量。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种激光焊接检测评估方法的流程图;
图2为本发明实施例中一种激光焊接检测评估方法的激光焊接数据采集流程图;
图3为本发明实施例中一种激光焊接检测评估方法的焊接检测智能专家系统分析流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种激光焊接检测评估系统及方法,请参照图1-3,该激光焊接检测评估方法包括:
S101:基于激光焊接检测模块实时采集焊接过程中的激光焊接数据,对激光焊接数据进行预处理;
S102:基于标准的激光焊接数据信息建立焊接检测智能专家系统,通过焊接检测智能专家系统对当前采集的激光焊接数据进行分析,获取分析结果;
S103:基于分析结果判断是否存在焊接异常状态,根据判断结果获取对应的评估方案。
上述技术方案的工作原理为:基于激光焊接检测模块实时采集焊接过程中的激光焊接数据,对激光焊接数据进行预处理;基于标准的激光焊接数据信息建立焊接检测智能专家系统,通过焊接检测智能专家系统对当前采集的激光焊接数据进行分析,获取分析结果;基于分析结果判断是否存在焊接异常状态,根据判断结果获取对应的评估方案。
上述技术方案的有益效果为:基于激光焊接检测模块实时采集焊接过程中的激光焊接数据,对激光焊接数据进行预处理;基于标准的激光焊接数据信息建立焊接检测智能专家系统,通过焊接检测智能专家系统对当前采集的激光焊接数据进行分析,获取分析结果;基于分析结果判断是否存在焊接异常状态,根据判断结果获取对应的评估方案。从而为激光焊接质量的可靠性和可控性提供了有效的检测手段和评估方法,保证了激光焊接的质量。
在另一实施例中,所述S101步骤包括:
S1011:在焊接过程中,利用光电传感器以高频采样的方式获取光电信号数据;
S1012:通过数据处理单元对光电信号数据进行处理、计算,获取对应焊接质量的特征光信号;
S1013:基于局域多项式最小二乘法拟合的滤波方法,对特征光信号进行降噪处理。
上述技术方案的工作原理为:在焊接过程中,利用光电传感器以高频采样的方式获取光电信号数据;通过数据处理单元对光电信号数据进行处理、计算,获取对应焊接质量的特征光信号;基于局域多项式最小二乘法拟合的滤波方法,对特征光信号进行降噪处理。
上述技术方案的有益效果为:在焊接过程中,利用光电传感器以高频采样的方式获取光电信号数据;通过数据处理单元对光电信号数据进行处理、计算,获取对应焊接质量的特征光信号;基于局域多项式最小二乘法拟合的滤波方法,对特征光信号进行降噪处理。保证特征光信号可以最大程度的消除外部焊接条件的干扰,同时可以获取更加稳定的特征光信号。
在另一实施例中,所述S102步骤包括:
S1021:基于标准的激光工艺参数和工况条件对光信号的影响规律以及焊缝形貌,建立光信号与焊接质量的映射关系;
S1022:基于光信号与焊接质量的映射关系建立焊接检测智能专家系统;
S1023:基于焊接检测智能专家系统中预设的标准特征光信号范围,对降噪处理后的特征光信号进行分析,获取分析结果。
上述技术方案的工作原理为:基于标准的激光工艺参数和工况条件对光信号的影响规律以及焊缝形貌,建立光信号与焊接质量的映射关系;基于光信号与焊接质量的映射关系建立焊接检测智能专家系统;基于焊接检测智能专家系统中预设的标准特征光信号范围,对降噪处理后的特征光信号进行分析,获取分析结果。
上述技术方案的有益效果为:基于标准的激光工艺参数和工况条件对光信号的影响规律以及焊缝形貌,建立光信号与焊接质量的映射关系;基于光信号与焊接质量的映射关系建立焊接检测智能专家系统;基于焊接检测智能专家系统中预设的标准特征光信号范围,对降噪处理后的特征光信号进行分析,获取分析结果。通过分析结果判断焊接是否存在缺陷,对实现焊接质量的实时评估和状态信息反馈具有重要意义。
在另一实施例中,所述S103步骤包括:
S1031:若当前测量的特征光信号处于标准特征光信号范围内,则判断该激光焊接数据为合格;
S1032:若当前测量的特征光信号处于标准特征光信号范围外,则判断该激光焊接数据为异常;
S1033:基于是否存在焊接异常状态的判断结果,将不同激光功率和焊接速度条件下特征光信号强度与焊缝熔深的关系进行拟合,获取对应的检测评估报告。
上述技术方案的工作原理为:若当前测量的特征光信号处于标准特征光信号范围内,则判断该激光焊接数据为合格;若当前测量的特征光信号处于标准特征光信号范围外,则判断该激光焊接数据为异常;基于是否存在焊接异常状态的判断结果,将不同激光功率和焊接速度条件下特征光信号强度与焊缝熔深的关系进行拟合,获取对应的检测评估报告。
上述技术方案的有益效果为:若当前测量的特征光信号处于标准特征光信号范围内,则判断该激光焊接数据为合格;若当前测量的特征光信号处于标准特征光信号范围外,则判断该激光焊接数据为异常;基于是否存在焊接异常状态的判断结果,将不同激光功率和焊接速度条件下特征光信号强度与焊缝熔深的关系进行拟合,获取对应的检测评估报告。从而通过特征光信号强度与焊缝熔深的关系预测焊接质量,为优化焊接工艺以及提高焊接质量提供理论依据。
在另一实施例中,所述S1033步骤包括:在获取对应的检测评估报告过程中,将实时采集焊接过程中的激光焊接数据进行划分区域处理,根据焊接工艺要求和焊接质量产品要求进行数据处理参数范围设置,基于数据处理参数范围设置自动生成运行模拟拟合包络线合格的激光焊接形成的数据曲线走势位于上下包络线之间,若激光焊接数据曲线超出上下包络线的范围,检测软件根据设置参数自动拟合生成一条红色的错误曲线,错误曲线记录焊接过程中出现焊接不良品过程采集到数据的情况,并将该数据的情况列入激光焊接检测不合格的情况,检测数据存储于数据库中,工作人员后续对检测数据进行查询分析。
上述技术方案的工作原理为:在获取对应的检测评估报告过程中,将实时采集焊接过程中的激光焊接数据进行划分区域处理,根据焊接工艺要求和焊接质量产品要求进行数据处理参数范围设置,基于数据处理参数范围设置自动生成运行模拟拟合包络线合格的激光焊接形成的数据曲线走势位于上下包络线之间,若激光焊接数据曲线超出上下包络线的范围,检测软件根据设置参数自动拟合生成一条红色的错误曲线,错误曲线记录焊接过程中出现焊接不良品过程采集到数据的情况,并将该数据的情况列入激光焊接检测不合格的情况,检测数据存储于数据库中,工作人员后续对检测数据进行查询分析。
上述技术方案的有益效果为:在获取对应的检测评估报告过程中,将实时采集焊接过程中的激光焊接数据进行划分区域处理,根据焊接工艺要求和焊接质量产品要求进行数据处理参数范围设置,基于数据处理参数范围设置自动生成运行模拟拟合包络线合格的激光焊接形成的数据曲线走势位于上下包络线之间,若激光焊接数据曲线超出上下包络线的范围,检测软件根据设置参数自动拟合生成一条红色的错误曲线,错误曲线记录焊接过程中出现焊接不良品过程采集到数据的情况,并将该数据的情况列入激光焊接检测不合格的情况,检测数据存储于数据库中,工作人员后续对检测数据进行查询分析。通过焊接检测报告分析了焊接缺陷分类结果,判断了焊接结果是否合格,并对激光焊接质量的准确率和误检率进行了统计和分析。
在另一实施例中,该激光焊接检测评估系统包括:
激光焊接数据采集单元,用于基于激光焊接检测模块实时采集焊接过程中的激光焊接数据,对激光焊接数据进行预处理;
焊接检测智能分析单元,用于基于标准的激光焊接数据信息建立焊接检测智能专家系统,通过焊接检测智能专家系统对当前采集的激光焊接数据进行分析,获取分析结果;
检测评估单元,用于基于分析结果判断是否存在焊接异常状态,根据判断结果获取对应的评估方案。
上述技术方案的工作原理为:激光焊接数据采集单元,用于基于激光焊接检测模块实时采集焊接过程中的激光焊接数据,对激光焊接数据进行预处理;焊接检测智能分析单元,用于基于标准的激光焊接数据信息建立焊接检测智能专家系统,通过焊接检测智能专家系统对当前采集的激光焊接数据进行分析,获取分析结果;检测评估单元,用于基于分析结果判断是否存在焊接异常状态,根据判断结果获取对应的评估方案。从而为激光焊接质量的可靠性和可控性提供了有效的检测手段和评估方法,保证了激光焊接的质量。
上述技术方案的有益效果为:激光焊接数据采集单元,用于基于激光焊接检测模块实时采集焊接过程中的激光焊接数据,对激光焊接数据进行预处理;焊接检测智能分析单元,用于基于标准的激光焊接数据信息建立焊接检测智能专家系统,通过焊接检测智能专家系统对当前采集的激光焊接数据进行分析,获取分析结果;检测评估单元,用于基于分析结果判断是否存在焊接异常状态,根据判断结果获取对应的评估方案。从而为激光焊接质量的可靠性和可控性提供了有效的检测手段和评估方法,保证了激光焊接的质量。
在另一实施例中,所述激光焊接数据采集单元包括:
采集对应数据子单元,用于在焊接过程中,利用光电传感器以高频采样的方式获取光电信号数据;
特征光信号子单元,用于通过数据处理单元对光电信号数据进行处理、计算,获取对应焊接质量的特征光信号;
预处理子单元,用于基于局域多项式最小二乘法拟合的滤波方法,对特征光信号进行降噪处理。
上述技术方案的工作原理为:采集对应数据子单元,用于在焊接过程中,利用光电传感器以高频采样的方式获取光电信号数据;特征光信号子单元,用于通过数据处理单元对光电信号数据进行处理、计算,获取对应焊接质量的特征光信号;预处理子单元,用于基于局域多项式最小二乘法拟合的滤波方法,对特征光信号进行降噪处理。
上述技术方案的有益效果为:采集对应数据子单元,用于在焊接过程中,利用光电传感器以高频采样的方式获取光电信号数据;特征光信号子单元,用于通过数据处理单元对光电信号数据进行处理、计算,获取对应焊接质量的特征光信号;预处理子单元,用于基于局域多项式最小二乘法拟合的滤波方法,对特征光信号进行降噪处理。保证特征光信号可以最大程度的消除外部焊接条件的干扰,同时可以获取更加稳定的特征光信号。
在另一实施例中,所述焊接检测智能分析单元包括:
建立映射关系子单元,用于基于标准的激光工艺参数和工况条件对光信号的影响规律以及焊缝形貌,建立光信号与焊接质量的映射关系;
建立焊接检测智能专家系统子单元,用于基于光信号与焊接质量的映射关系建立焊接检测智能专家系统;
特征光信号分析子单元,用于基于焊接检测智能专家系统中预设的标准特征光信号范围,对降噪处理后的特征光信号进行分析,获取分析结果。
上述技术方案的工作原理为:建立映射关系子单元,用于基于标准的激光工艺参数和工况条件对光信号的影响规律以及焊缝形貌,建立光信号与焊接质量的映射关系;建立焊接检测智能专家系统子单元,用于基于光信号与焊接质量的映射关系建立焊接检测智能专家系统;特征光信号分析子单元,用于基于焊接检测智能专家系统中预设的标准特征光信号范围,对降噪处理后的特征光信号进行分析,获取分析结果。
上述技术方案的有益效果为:建立映射关系子单元,用于基于标准的激光工艺参数和工况条件对光信号的影响规律以及焊缝形貌,建立光信号与焊接质量的映射关系;建立焊接检测智能专家系统子单元,用于基于光信号与焊接质量的映射关系建立焊接检测智能专家系统;特征光信号分析子单元,用于基于焊接检测智能专家系统中预设的标准特征光信号范围,对降噪处理后的特征光信号进行分析,获取分析结果。通过分析结果判断焊接是否存在缺陷,对实现焊接质量的实时评估和状态信息反馈具有重要意义。
在另一实施例中,所述检测评估单元包括:
合格激光焊接判定子单元,用于若当前测量的特征光信号处于标准特征光信号范围内,则判断该激光焊接数据为合格;
异常激光焊接判定子单元,用于若当前测量的特征光信号处于标准特征光信号范围外,则判断该激光焊接数据为异常;
检测评估报告子单元,用于基于是否存在焊接异常状态的判断结果,将不同激光功率和焊接速度条件下特征光信号强度与焊缝熔深的关系进行拟合,获取对应的检测评估报告;
在所述焊接检测智能分析单元建立多目标粒子群,基于K近邻算法对激光焊接中的工艺参数进行处理,根据工艺参数设置回归模型,回归模型中当邻近样本的焊接下限低于目标值为负影响,高于目标值时则为正影响;
负影响和正影响的大小用差值表示,负影响和正影响的程度可用差值与距离的比值来表示,将各邻近样本的影响程度求和作为非劣解在某一指标的信任度,影响程度和的值越大,质量越高,影响程度和的值越小则质量越低。
上述技术方案的工作原理为:合格激光焊接判定子单元,用于若当前测量的特征光信号处于标准特征光信号范围内,则判断该激光焊接数据为合格;异常激光焊接判定子单元,用于若当前测量的特征光信号处于标准特征光信号范围外,则判断该激光焊接数据为异常;检测评估报告子单元,用于基于是否存在焊接异常状态的判断结果,将不同激光功率和焊接速度条件下特征光信号强度与焊缝熔深的关系进行拟合,获取对应的检测评估报告。
在激光焊接过程中,会产生有强烈的紫外及可见光辐射,而焊接过程中的熔池也会发射热辐射光谱,该热辐射光谱特征公式为:
其中,I表示热辐射光谱特征数;h表示普朗克常数;c表示光速;T表示焊接物体温度;λ表示波长;ε表示特征光信号发射率;k表示玻尔兹曼常数。
由热辐射光谱特征公式可知,激光焊接产生的辐射谱主要落在近红外波段。当温度较低时,物体辐射主要为红外光波段,而当温度较高时,则依次发射可见光以至紫外光波段。
上述技术方案的有益效果为:合格激光焊接判定子单元,用于若当前测量的特征光信号处于标准特征光信号范围内,则判断该激光焊接数据为合格;异常激光焊接判定子单元,用于若当前测量的特征光信号处于标准特征光信号范围外,则判断该激光焊接数据为异常;检测评估报告子单元,用于基于是否存在焊接异常状态的判断结果,将不同激光功率和焊接速度条件下特征光信号强度与焊缝熔深的关系进行拟合,获取对应的检测评估报告;在所述焊接检测智能分析单元建立多目标粒子群,基于K近邻算法对激光焊接中的工艺参数进行处理,根据工艺参数设置回归模型,回归模型中当邻近样本的焊接下限低于目标值为负影响,高于目标值时则为正影响;负影响和正影响的大小用差值表示,负影响和正影响的程度可用差值与距离的比值来表示,将各邻近样本的影响程度求和作为非劣解在某一指标的信任度,影响程度和的值越大,质量越高,影响程度和的值越小则质量越低。从而通过特征光信号强度与焊缝熔深的关系预测焊接质量,为优化焊接工艺以及提高焊接质量提供理论依据。
在另一实施例中,所述检测评估报告子单元包括:在获取对应的检测评估报告过程中,将实时采集焊接过程中的激光焊接数据进行划分区域处理,根据焊接工艺要求和焊接质量产品要求进行数据处理参数范围设置,基于数据处理参数范围设置自动生成运行模拟拟合包络线合格的激光焊接形成的数据曲线走势位于上下包络线之间,若激光焊接数据曲线超出上下包络线的范围,检测软件根据设置参数自动拟合生成一条红色的错误曲线,错误曲线记录焊接过程中出现焊接不良品过程采集到数据的情况,并将该数据的情况列入激光焊接检测不合格的情况,检测数据存储于数据库中,工作人员后续对检测数据进行查询分析。
上述技术方案的工作原理为:在获取对应的检测评估报告过程中,将实时采集焊接过程中的激光焊接数据进行划分区域处理,根据焊接工艺要求和焊接质量产品要求进行数据处理参数范围设置,基于数据处理参数范围设置自动生成运行模拟拟合包络线合格的激光焊接形成的数据曲线走势位于上下包络线之间,若激光焊接数据曲线超出上下包络线的范围,检测软件根据设置参数自动拟合生成一条红色的错误曲线,错误曲线记录焊接过程中出现焊接不良品过程采集到数据的情况,并将该数据的情况列入激光焊接检测不合格的情况,检测数据存储于数据库中,工作人员后续对检测数据进行查询分析。
上述技术方案的有益效果为:在获取对应的检测评估报告过程中,将实时采集焊接过程中的激光焊接数据进行划分区域处理,根据焊接工艺要求和焊接质量产品要求进行数据处理参数范围设置,基于数据处理参数范围设置自动生成运行模拟拟合包络线合格的激光焊接形成的数据曲线走势位于上下包络线之间,若激光焊接数据曲线超出上下包络线的范围,检测软件根据设置参数自动拟合生成一条红色的错误曲线,错误曲线记录焊接过程中出现焊接不良品过程采集到数据的情况,并将该数据的情况列入激光焊接检测不合格的情况,检测数据存储于数据库中,工作人员后续对检测数据进行查询分析。通过焊接检测报告分析了焊接缺陷分类结果,判断了焊接结果是否合格,并对激光焊接质量的准确率和误检率进行了统计和分析。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (2)
1.一种激光焊接检测评估方法,其特征在于,包括:
S101:基于激光焊接检测模块实时采集焊接过程中的激光焊接数据,对激光焊接数据进行预处理;
S102:基于标准的激光焊接数据信息建立焊接检测智能专家系统,通过焊接检测智能专家系统对当前采集的激光焊接数据进行分析,获取分析结果;
S103:基于分析结果判断是否存在焊接异常状态,根据判断结果获取对应的评估方案;
所述S101步骤包括:
S1011:在焊接过程中,利用光电传感器以高频采样的方式获取光电信号数据;
S1012:通过数据处理单元对光电信号数据进行处理、计算,获取对应焊接质量的特征光信号;
S1013:基于局域多项式最小二乘法拟合的滤波方法,对特征光信号进行降噪处理;
所述S102步骤包括:
S1021:基于标准的激光工艺参数和工况条件对光信号的影响规律以及焊缝形貌,建立光信号与焊接质量的映射关系;
S1022:基于光信号与焊接质量的映射关系建立焊接检测智能专家系统;
S1023:基于焊接检测智能专家系统中预设的标准特征光信号范围,对降噪处理后的特征光信号进行分析,获取分析结果;
所述S103步骤包括:
S1031:若当前测量的特征光信号处于标准特征光信号范围内,则判断该激光焊接数据为合格;
S1032:若当前测量的特征光信号处于标准特征光信号范围外,则判断该激光焊接数据为异常;
S1033:基于是否存在焊接异常状态的判断结果,将不同激光功率和焊接速度条件下特征光信号强度与焊缝熔深的关系进行拟合,获取对应的检测评估报告;其中,检测评估报告包括对激光焊接质量准确率和误检率的统计和分析;
建立多目标粒子群,基于K近邻算法对激光焊接中的工艺参数进行处理,根据工艺参数设置回归模型,回归模型中当邻近样本的焊接下限低于目标值为负影响,高于目标值时则为正影响;
负影响和正影响的大小用差值表示,负影响和正影响的程度用差值与距离的比值来表示,将各邻近样本的影响程度求和作为非劣解在某一指标的信任度,影响程度和的值越大,质量越高,影响程度和的值越小则质量越低;
所述S1033步骤包括:在获取对应的检测评估报告过程中,将实时采集焊接过程中的激光焊接数据进行划分区域处理,根据焊接工艺要求和焊接质量产品要求进行数据处理参数范围设置,基于数据处理参数范围设置自动生成运行模拟拟合包络线,其中,合格的激光焊接形成的数据曲线走势位于上下包络线之间,若激光焊接数据曲线超出上下包络线的范围,检测软件根据设置参数自动拟合生成一条红色的错误曲线,错误曲线记录焊接过程中出现焊接不良品过程采集到数据的情况,并将该数据的情况列入激光焊接检测不合格的情况,检测数据存储于数据库中。
2.一种激光焊接检测评估系统,其特征在于,包括:
激光焊接数据采集单元,用于基于激光焊接检测模块实时采集焊接过程中的激光焊接数据,对激光焊接数据进行预处理;
焊接检测智能分析单元,用于基于标准的激光焊接数据信息建立焊接检测智能专家系统,通过焊接检测智能专家系统对当前采集的激光焊接数据进行分析,获取分析结果;
检测评估单元,用于基于分析结果判断是否存在焊接异常状态,根据判断结果获取对应的评估方案;
所述激光焊接数据采集单元包括:
采集对应数据子单元,用于在焊接过程中,利用光电传感器以高频采样的方式获取光电信号数据;
特征光信号子单元,用于通过数据处理单元对光电信号数据进行处理、计算,获取对应焊接质量的特征光信号;
预处理子单元,用于基于局域多项式最小二乘法拟合的滤波方法,对特征光信号进行降噪处理;
所述焊接检测智能分析单元包括:
建立映射关系子单元,用于基于标准的激光工艺参数和工况条件对光信号的影响规律以及焊缝形貌,建立光信号与焊接质量的映射关系;
建立焊接检测智能专家系统子单元,用于基于光信号与焊接质量的映射关系建立焊接检测智能专家系统;
特征光信号分析子单元,用于基于焊接检测智能专家系统中预设的标准特征光信号范围,对降噪处理后的特征光信号进行分析,获取分析结果;
所述检测评估单元包括:
合格激光焊接判定子单元,用于若当前测量的特征光信号处于标准特征光信号范围内,则判断该激光焊接数据为合格;
异常激光焊接判定子单元,用于若当前测量的特征光信号处于标准特征光信号范围外,则判断该激光焊接数据为异常;
检测评估报告子单元,用于基于是否存在焊接异常状态的判断结果,将不同激光功率和焊接速度条件下特征光信号强度与焊缝熔深的关系进行拟合,获取对应的检测评估报告,其中,检测评估报告包括对激光焊接质量准确率和误检率的统计和分析;
在所述焊接检测智能分析单元建立多目标粒子群,基于K近邻算法对激光焊接中的工艺参数进行处理,根据工艺参数设置回归模型,回归模型中当邻近样本的焊接下限低于目标值为负影响,高于目标值时则为正影响;
负影响和正影响的大小用差值表示,负影响和正影响的程度用差值与距离的比值来表示,将各邻近样本的影响程度求和作为非劣解在某一指标的信任度,影响程度和的值越大,质量越高,影响程度和的值越小则质量越低;
所述检测评估报告子单元包括:在获取对应的检测评估报告过程中,将实时采集焊接过程中的激光焊接数据进行划分区域处理,根据焊接工艺要求和焊接质量产品要求进行数据处理参数范围设置,基于数据处理参数范围设置自动生成运行模拟拟合包络线合格的激光焊接形成的数据曲线走势位于上下包络线之间,若激光焊接数据曲线超出上下包络线的范围,检测软件根据设置参数自动拟合生成一条红色的错误曲线,错误曲线记录焊接过程中出现焊接不良品过程采集到数据的情况,并将该数据的情况列入激光焊接检测不合格的情况,检测数据存储于数据库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210561558.1A CN115008006B (zh) | 2022-05-23 | 2022-05-23 | 一种激光焊接检测评估系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210561558.1A CN115008006B (zh) | 2022-05-23 | 2022-05-23 | 一种激光焊接检测评估系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115008006A CN115008006A (zh) | 2022-09-06 |
CN115008006B true CN115008006B (zh) | 2023-07-18 |
Family
ID=83068746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210561558.1A Active CN115008006B (zh) | 2022-05-23 | 2022-05-23 | 一种激光焊接检测评估系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115008006B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117475588B (zh) * | 2023-07-24 | 2024-05-28 | 苏州科技大学 | 一种微电子组装过程的预警监测系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005978A (zh) * | 2015-07-15 | 2015-10-28 | 天津大学 | 一种基于Savitzky-Golay滤波器参数优化的光谱实时滤波方法 |
JP7044604B2 (ja) * | 2018-03-23 | 2022-03-30 | 株式会社ミツトヨ | 光電式エンコーダの信号処理方法 |
CN109444134A (zh) * | 2018-07-10 | 2019-03-08 | 南京理工大学 | 基于光谱分析的熔池视觉最佳成像波段选择方法 |
CN109865916B (zh) * | 2019-03-19 | 2020-04-17 | 山东大学 | 一种基于cbr和rbr的机器人焊接工艺参数优化方法 |
CN110987944B (zh) * | 2019-12-19 | 2022-07-01 | 武汉新耐视智能科技有限责任公司 | 一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法 |
CN112894126B (zh) * | 2021-02-26 | 2023-01-06 | 广州德擎光学科技有限公司 | 激光加工过程检测参数调整方法和系统 |
CN114406465B (zh) * | 2022-03-15 | 2022-10-18 | 南京航空航天大学 | 一种不均匀间隙结构的焊接熔深的控制方法及其系统 |
-
2022
- 2022-05-23 CN CN202210561558.1A patent/CN115008006B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115008006A (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11607875B2 (en) | Method and system for monitoring additive manufacturing processes | |
Cai et al. | Application of sensing techniques and artificial intelligence-based methods to laser welding real-time monitoring: A critical review of recent literature | |
US11267047B2 (en) | Material qualification system and methodology | |
US10226817B2 (en) | Material qualification system and methodology | |
CN106353284B (zh) | 基于光谱诊断的激光增材制造过程中缺陷的在线诊断方法 | |
CN115008006B (zh) | 一种激光焊接检测评估系统及方法 | |
Saludes Rodil et al. | Laser welding defects detection in automotive industry based on radiation and spectroscopical measurements | |
CN1912588A (zh) | 基于激光感生光谱和神经网络技术的煤质在线分析设备 | |
Park et al. | Analysis of mechanism of plasma and spatter in CO2 laser welding of galvanized steel | |
CN103293163A (zh) | 一种小张马口铁双面质量检测方法及检测系统 | |
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 | |
CN201052570Y (zh) | 三维激光焊接和切割过程的实时监测装置 | |
Huang et al. | Improved convolutional neural network for laser welding defect prediction | |
CN117291477B (zh) | 一种金属热加工质量控制方法及系统 | |
Chen et al. | A study on spectral characterization and quality detection of direct metal deposition process based on spectral diagnosis | |
CN106338499A (zh) | 元素激光检测分析仪器及矿物元素分析方法 | |
CN113092527A (zh) | 一种多阻燃元素镁合金高温氧化行为及阻燃性能的多维度测试系统 | |
CN116604040A (zh) | 一种基于多传感的选区激光熔化缺陷监测方法及系统 | |
CN106841177A (zh) | 激光熔覆过程中的缺陷在线诊断方法 | |
CN112798479A (zh) | 一种基于多波长的宽筛分颗粒粒度在线测量系统和方法 | |
JPH0815153A (ja) | レーザ発光分光分析方法及びその装置 | |
CN216247609U (zh) | 一种基于多波长的宽筛分颗粒粒度在线测量系统 | |
CN118067692A (zh) | 一种slm制件缺陷的检测方法及装置 | |
Choi et al. | Spectroscopy-based smart optical monitoring system in the applications of laser additive manufacturing | |
Liu et al. | Revealing the interaction mechanism of pulsed laser processing with the application of acoustic emission |
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 |