CN116000453B - 一种激光焊接质量实时监控方法及系统 - Google Patents
一种激光焊接质量实时监控方法及系统 Download PDFInfo
- Publication number
- CN116000453B CN116000453B CN202310253224.2A CN202310253224A CN116000453B CN 116000453 B CN116000453 B CN 116000453B CN 202310253224 A CN202310253224 A CN 202310253224A CN 116000453 B CN116000453 B CN 116000453B
- Authority
- CN
- China
- Prior art keywords
- welding
- target
- waveform diagram
- welding position
- point cloud
- 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
-
- 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
- Laser Beam Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种激光焊接质量实时监控方法及系统,通过获取监控目标焊接位置的三维点云数据;基于所述三维点云数据得到所述目标焊接位置的频谱波形图;根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息。本实施例提供的方法及系统,通过控制扫描仪采集目标焊接位置的三维点云数据,再对三维点云数据进行分析,得到目标焊接位置的频谱波形图,对频谱波形图中的曲线进行分析,得到最终的焊接质量。由于本实施例提供的方法可以实时对焊接位置的焊接质量进行监控,并且基于三维点云数据进行焊接质量分析,采集数据精准,分析得到的结果更加的准确,可以较快的筛选出不良焊接,且操作方便,效率高。
Description
技术领域
本发明涉及机械制造技术领域,尤其涉及的是一种激光焊接质量实时监控方法及系统。
背景技术
焊接,也称作熔接,是一种以加热、高温或者高压的方式接合金属或其他热塑性材料如塑料的制造工艺及技术。现代焊接的能量来源有很多种,包括气体焰、电弧、激光、电子束、摩擦和超声波等。
现有技术的焊接加工过程中,一般采用人工使用肉眼进行焊接位置的监控,但使用肉眼进行焊接位置的检测不仅检测效率低下,而且对于细微的焊接缝或焊接高度差的检测结果不够准确,并且肉眼检测不能做到实时焊接质量的检测并调控,无法及时发现焊接缺陷,以实现及时进行焊接质量控制,因此现有技术中利用人工时效焊接质量的监控无法满足要求。
因此,现有技术有待于进一步的改进。
发明内容
鉴于上述现有技术中的不足之处,本发明的目的在于为用户提供一种激光焊接质量实时监控方法及系统,克服现有技术中的人眼无法快速准确实时对焊接位置的焊接质量进行监控的缺陷。
第一方面,本实施例提供了一种激光焊接质量实时监控方法,其中,包括:
获取监控目标焊接位置的三维点云数据;
基于所述三维点云数据得到所述目标焊接位置的频谱波形图;
根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息。
可选的,所述获取监控目标焊接位置的三维点云数据的步骤之前,还包括:
判断激光器对应的激光焦距是否异常,若有异常,则控制调节激光焦距,以使得最大激光功率对应的位置为所述目标焊接位置。
可选的,所述获取监控目标焊接位置的三维点云数据的步骤包括:
按照预设采集角度和采集频率,采集所述目标焊接位置的三维点云数据;其中,所述预设采集角度包括:叠加后形成全方位的多个采集角度。
可选的,所述获取监控目标焊接位置的三维点云数据的步骤之前,还包括:
预设网络模型根据训练集中样本波形图,生成所述样本波形图对应的预测探测焊接类别,其中,所述训练集包括多组样本波形图,每组样本波形图包括波形图以及波形图对应的探测焊接类别;其中,所述波形图对应的探测焊接类别包括:焊接熔深数据、焊前焊缝数据、焊后表面高度数据和焊后焊缝宽度数据中的一种或多种。
所述预设网络模型根据所述样本波形图对应的预测探测焊接类别,以及所述样本波形图对应的探测焊接类别,对模型参数进行修正,并继续执行所述根据所述训练集中波形图,生成所述样本波形图对应的预测探测焊接类别的步骤,直至所述预设网络模型的训练情况满足预设条件,以得到所述波形图分类模型。
可选的,所述获取监控目标焊接位置的三维点云数据的步骤的同时,还包括:
启动近红外相机,以获取所述目标焊接位置的图像信息。
可选的,所述获取监控目标焊接位置的三维点云数据的步骤的同时,还包括:
启动温控部件,获取所述目标焊接位置的实时温度值。
可选的,所述根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息的步骤包括:
将所述频谱波形图输入至所述波形图分类模型,得到所述波形图分类模型输出的预测探测焊接类别;
根据所述预测探测焊接类别对所述频谱波形图进行局部最优数据加权算法处理,得到与所述目标焊接位置对应的焊接探测结果;
根据所述焊接探测结果与预设焊接标准值之间的差值,得到所述目标焊接位置的焊接质量信息。
可选的,所述根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息的步骤包括:
将所述频谱波形图输入至所述波形图分类模型,得到所述波形图分类模型输出的预测探测焊接类别;
根据所述预测探测焊接类别对所述频谱波形图进行局部最优数据加权算法处理,得到与所述目标焊接位置对应的焊接探测结果;
根据所述目标焊接位置的图像信息、所述焊接探测结果和预设焊接标准值之间的差值,得到所述目标焊接位置的焊接质量信息。
可选的,所述根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息的步骤包括:
将所述频谱波形图输入至所述波形图分类模型,得到所述波形图分类模型输出的预测探测焊接类别;
根据所述预测探测焊接类别对所述频谱波形图进行局部最优数据加权算法处理,得到与所述目标焊接位置对应的焊接探测结果;
根据所述目标焊接位置的图像信息、所述目标焊接位置的实时温度值、所述焊接探测结果和预设焊接标准值之间的差值,得到所述目标焊接位置的焊接质量信息。
第二方面,本实施例公开了一种激光焊接质量实时监控系统,其中,包括:激光器、扫描设备和计算机;
所述激光器,用于发出激光光束至目标焊接位置;
所述扫描设备,用于获取监控目标焊接位置的三维点云数据;
所述计算机,用于基于所述三维点云数据得到所述目标焊接位置的频谱波形图,以及根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息。
有益效果,本发明提供了一种激光焊接质量实时监控方法及系统,通过获取监控目标焊接位置的三维点云数据;基于所述三维点云数据得到所述目标焊接位置的频谱波形图;根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息。本实施例提供的方法及系统,控制扫描仪采集目标焊接位置的三维点云数据,再对三维点云数据进行分析,得到目标焊接位置的频谱波形图,对频谱波形图中的曲线进行分析,得到最终的焊接质量。由于本实施例提供的方法可以实时对焊接位置的焊接质量进行监控,并且基于三维点云数据进行焊接质量分析,采集数据精准,分析得到的结果更加的准确,可以较快的筛选出不良焊接,且操作方便,效率高。
附图说明
图1是本发明实施例提供的激光焊接质量实时监控方法的步骤流程图;
图2是本发明实施例所述方法在具体应用时的设备连接示意图;
图3是本发明实施例所述方法的具体应用实施例的步骤流程图;
图4是本发明实施例激光焊接质量实时监控系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面结合附图,详细说明本发明的各种非限制性实施方式。
现有技术中,对焊接质量的监控一般采用人工的方式,但是人工监控的方式不仅仅效率低,而且对于精度高的焊接,无法满足需要,且人工监控无法实时对焊接中的焊接质量进行监控,需要焊接完成后,对焊接的质量进行监控,因此无法达到及时调节,所以无法满足高效率和高精度的需求。
为了克服上述缺陷,本实施例提供了一种激光焊接质量的实时监控方法,应用于对焊接位置进行实时监控,不仅仅可以焊接前和焊接后对目标焊接位置进行检测,还可以在焊接中对目标焊接位置进行监控,从而更快的获取到焊接质量的检测结果,以便对焊接位置进行调整,且采用激光光束对目标焊接位置进行焊接,利用因此本实施例提供的方法满足高效率和高精度的需求。
下面结合附图对本实施例方法做进一步详细的说明。
示例性方法
本实施例提供了一种激光焊接质量实时监控方法,如图1所示,可以应用于对焊接前、焊接中或焊接后的焊接位置进行焊接质量监控,所述方法包括:
步骤S1、获取监控目标焊接位置的三维点云数据。
在进行激光焊接操作时,当需要对目标焊接位置进行监控,则在控制激光器对目标焊接位置进行焊接的同时,利用扫描仪采集目标焊接位置的三维扫描数据。结合图2所示,计算机1、系统核心单元2、光学模组3和3D模组4,其中,3D模组4内电机的驱动和摆镜的反射,可以将激光光束导入到目标焊接位置,以对目标焊接位置进行测量。可以想到的是,本实施例提供的方法可以实现焊接前、焊接中和焊接后的对目标焊接位置的测量。
在一种实施方式中,焊深的探测方法利用光学相干成像实现,即是:利用宽带光源发出的光经过2*2耦合器分别通过样品臂和参考臂照射到样品表面和参考镜,两个光路中的反射光在耦合器中汇合,两臂反射光的光程差在相干长度内发生干涉,输出干涉信号。对该干涉信号进行傅里叶变换,即可得到样品臂相对参考臂的深度信息。本步骤中,光学模组中包含上述宽带光源、耦合器等设备,通过发出光照射到目标焊接位置,以实现对目标焊接位置焊接深度的测量。
在具体实施时,所述获取监控目标焊接位置的三维点云数据的步骤包括:
3D模组中含有的扫描振镜按照预设采集角度和采集频率,采集目标焊接位置的三维点云数据;其中,所述预设采集角度包括:叠加后形成全方位的多个采集角度。
对焊接的扫描振镜进行参数设置,则设置完成后,扫描振镜则根据设置好的采集角度和采集频率对目标焊接位置进行全方位的扫描,获取目标焊接位置的三维点云数据。
步骤S2、基于所述三维点云数据得到所述目标焊接位置的频谱波形图。
对上述步骤S1中获取到的三维点云数据进行分析,得到其频谱波形图。具体的,对三维点云数据进行傅里叶频域变换,将三维点云数据转换成频谱波形图。
步骤S3、根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息。
基于频谱波形图可以显而易见的看到目标焊接位置的表面信息数据。再基于表面信息数据便可以得到当前焊接质量信息,以及对当前焊接质量进行评价,若不符合一定条件,则当前目标焊接位置的表面需要继续调整,直至焊接质量符合预设要求。具体的,当前目标焊接位置的焊接质量是否符合一定条件,则需要将检测的出的焊深数据与标准值进行比对,判断两者的差值是否处于预设范围之内,若不处于该预设范围内,则判断为焊接质量不合格,若处于则初步判断焊接质量合格。还根据不同的精确度要求的,对符合焊接质量合格的情况划分出不同的等级,比如符合基本要求等级和精准要求等级等。
在一种实施方式中,还可以根据判定出的不同的焊接质量对当前焊接位置的焊接情况进行显示或给出预警。若目标焊接位置的焊接质量符合预设条件,则给出合格信号,若焊接质量不符合要求,则给出预警信号,以实现操作人员较快的掌控当前的焊接情况。
所述根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息的步骤包括:
将所述频谱波形图输入至所述波形图分类模型,得到所述波形图分类模型输出的预测探测焊接类别;
根据所述预测探测焊接类别对所述频谱波形图进行局部最优数据加权算法处理,得到与所述目标焊接位置对应的焊接探测结果;
根据所述焊接探测结果与预设焊接标准值之间的差值,得到所述目标焊接位置的焊接质量信息。
在具体实施过程中,为了准确的分析得到焊接位置的焊接质量,当对波形图输入至波形图分类模型后,得到预测出的焊接类别时,则根据预测探测类别对频谱波形图进行局部最优数据加权算法处理,得到波形图中曲线峰值的最优解,也是目标焊接位置的高度或焊深数据,基于高度或焊深数据评价出当前目标位置的焊接质量。
具体的,焊接质量可以分成多个等级,等级可包括:不合格、合格和标准。当焊接高度或者焊深超出预设范围时,则判断为不合格等级,当焊接高度或焊深处于预设范围内,则可以判断为合格等级,当焊接高度或焊深与标准值差别在较小的预设范围内,则可以判断为标准,则操作人员可以根据要求对处于不合格等级或处于合格等级的焊接位置进行调整。
本实施例所提供的方法使用在线相干成像(ICI)为激光焊缝监测提供更高水平的细节和精度。ICI使用低功率红外激光束来测量距离。该测量光束通过与焊接激光器相同的光学器件发射到锁孔底部,并实时记录其深度。在焊接过程中获得的焊缝熔深的直接几何测量结果。该测量方法不会损坏零件,并且结果可立即获得。
进一步的,所述获取监控目标焊接位置的三维点云数据的步骤之前,还包括:
判断激光器对应的激光焦距是否异常,若有异常,则控制调节激光焦距,以使得激光功率对应的最大位置为所述目标焊接位置。
为了获取到更为准确的三维扫描数据,在对目标焊接位置进行扫描之前,还需要判断激光器的激光焦距是否异常,若发生异常将需要对激光焦距进行调节,使得调节后的激光器的激光功率的最大值对应在目标焊接位置上。在具体实施例可以根据当前激光焦距的测量信息反馈,手动对激光焦距进行调节,以使得激光焦距处于正常,并记录数据信息。
进一步的,为了获取到更好的检测结果,所述获取监控目标焊接位置的三维点云数据的步骤之前,还包括:
预设网络模型根据训练集中样本波形图,生成所述样本波形图对应的预测探测焊接类别,其中,所述训练集包括多组样本波形图,每组样本波形图包括波形图以及波形图对应的探测焊接类别;其中,所述波形图数据的类别包括:焊接熔深数据、焊前焊缝数据、焊后表面高度数据和焊后焊缝宽度数据。
所述预设网络模型根据所述样本波形图对应的预测探测焊接类别,以及所述样本波形图对应的探测焊接类别,对模型参数进行修正,并继续执行所述根据所述训练集中波形图,生成所述样本波形图对应的预测探测焊接类别的步骤,直至所述预设网络模型的训练情况满足预设条件,以得到所述波形图分类模型。
在对获取到的频谱波形图进行分析时,还对其所述的检测类型进行分类,根据分析出的检测类型再对其进行是否符合预设焊接质量要求的评价,则可以获取到更加的焊接调整效果。
在一种实施方式中,利用深度学习算法,训练得到波形图分类模型,该波形图分类模型为基于不同的波形图样本数据训练得到,其快速的对输入的波形图进行分类。具体的,先收集不同检测类型对应的焊接频谱波形图,建立波形图样本数据集,再利用建立出的波形图样本数据集进行波形图分类模型训练。
为了获取到准确的检测结果,所述获取监控目标焊接位置的三维点云数据的步骤的同时,还包括:
启动近红外相机,以获取所述目标焊接位置的图像信息。
利用近红外相机获取目标焊接位置的图像信息,将二维图像和三维点云数据向结合对目标焊接质量进行监控,可以提高检测效率。在一种实施方式中,先根据拍摄到的图像信息对目标焊接位置的焊接质量进行初步判断,若焊接质量明显不符合要求,则可以直接对其进行调整,当需要对焊接质量做进一步更为准确的判断时,再对扫描得到的三维点云数据进行分析,从而减少数据处理量,提高分析效率。
在一种实施方式中,同样可以利用深度学习算法对采集到的目标焊接位置的图像进行分析,对图像进行训练,得到最终的分析结果。
为了提高分析效率,所述获取监控目标焊接位置的三维点云数据的步骤的同时,还包括:
启动温控部件,获取所述目标焊接位置的实时温度值。
利用温控部件获取目标焊接位置的温度值,基于温度值对目标焊接位置的焊接是否符合条件进行判断,若温度值超出一定范围,则焊接位置的焊接可能不符合要求,因此在具体实施过程中,还可以根据目标焊接位置的焊接温度值对焊接质量进行判断。
可以想到的是,在具体实施时,由于拍摄了目标焊接位置的图像信息,因此所述根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息的步骤包括:
将所述频谱波形图输入至所述波形图分类模型,得到所述波形图分类模型输出的预测探测焊接类别;
根据所述预测探测焊接类别对所述频谱波形图进行局部最优数据加权算法处理,得到与所述目标焊接位置对应的焊接探测结果;
根据所述目标焊接位置的图像信息、所述焊接探测结果和预设焊接标准值之间的差值,得到所述目标焊接位置的焊接质量信息。
局部最优数据加权算法为基于局部观测数据对待拟合点进行多项式加权拟合,并用最小二乘法进行估计。本实施例中,基于不同的探测焊接类别对应设置不同的加权权重,因此根据预测出的焊接类别根据预设的相对应的加权权重对频谱波形图中的数据进行加权拟合,利用最小二乘法对焊接探测结果进行估计。
计算机可以将红外相机拍摄到的图像信息、三维点云数据对应的频谱波形图、焊接探测结果及预设的焊接标准值相结合对当前目标焊接位置的焊接质量进行分析,得到更为准确的分析结果。利用红外相机拍摄到的图像信息对焊深对初步的判断,再利用三维点云数据对应的波形图对目标焊接位置的焊深对更为精细的检测。
在另一种实施方式中,所述根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息的步骤包括:
将所述频谱波形图输入至所述波形图分类模型,得到所述波形图分类模型输出的预测探测焊接类别;
根据所述预测探测焊接类别对所述频谱波形图进行局部最优数据加权算法处理,得到与所述目标焊接位置对应的焊接探测结果;
根据所述目标焊接位置的图像信息、所述目标焊接位置的实时温度值、所述焊接探测结果和预设焊接标准值之间的差值,得到所述目标焊接位置的焊接质量信息。
计算机可以将所述目标焊接位置的图像信息、所述目标焊接位置的实时温度值、所述焊接探测结果和预设焊接标准值之间的差值,得到所述目标焊接位置的焊接质量信息,以得到更加准确的焊接质量评价结果。
结合图3所述,对本实施例给出的方法做进一步更为准确的解释。
首先启动系统,判断激光焦距是否正常,若发生异常,则通过激光反馈手动测距,确认激光功率的最佳位置,并记录,若正常,则执行下一步。
进行功能选择,判断是否启动近红外相机、3D线激光或温控设备,根据检测精度的需要可以同时启动上述三个也可以启动三个功能中的一个。
利用近红外相机获取视觉数据,并对视觉数据进行2D图像分析,且进行2D图训练,输出2D图训练的分析结果。
利用激光扫描振镜采集目标焊接位置的3D点云数据,并将3D点云数据转换为三维点云矩阵数据,并将三维点云矩阵数据进行傅里叶频域变换,得到频域波形图,对波形图进行训练,得到其波形图的训练结果。
将波形图训练结果与温度波形图相结合,利用局部最优数据加权,得到波形图的分析结果,再将波形图的分析结果与2D图训练的分析结果相结合,得到最终的焊接质量分析结果。
局部最优数据加权为对波形图划分出各个部分,分别计算各个局部部分的最优数据,再将各个局部部分的最优数据进行加权处理,从而分析得到最终的最优解,即当前目标焊接位置的焊深值。
本实施例所公开的方法,利用计算机对采集信息进行分析,可以快速得到分析结果,并且激光扫描仪振镜可实时对目标焊接位置进行三维点云数据的获取,因此可以实时对焊接位置的焊接质量进行监控,并且本实施例公开的方法实施方便,易于操作,监控效率高,检测结果准确,因此可以应用于定量分析焊接表面孔洞数据、根据孔洞大小和累积超限长度筛选出不良品、焊深质量评估或焊缝宽度检测等多个方面,可以方便、快捷和直观的校准和纠正焊接中出现的问题,为提高焊接产品的合格率提供了技术支持。
示例性设备
本实施例还提供了一种激光焊接质量实时监控系统,结合图2和图4,包括:激光器100、扫描设备200和计算机300;
所述激光器100,用于发出激光光束至目标焊接位置。
所述扫描设备200,用于获取监控目标焊接位置的三维点云数据;如上述步骤S1所述。
所述计算机300,用于基于所述三维点云数据得到所述目标焊接位置的频谱波形图,以及根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息,如上述步骤S2和S3所述。
本实施例提供的方法可以实现,扫描振镜以20um检测精度,250kHz采样频率进行三维点云数据的采集,因此可提供精确的熔深及表面数据,并且数据采集的过程不受等离子体、焊接烟尘的干扰,使用一套设备即可完成焊前、焊中、焊后的检测,不遗漏任何一个产品,不错过任何一个细节,实现非破坏性检验,节省材料成本,操作简单,减少导入系统所需时间,检测数据通过总线上传MES系统,无缝集成工业自动化,JOB存储和调用,因此上述方法具有较高的使用价值。
本发明提供了一种激光焊接质量实时监控方法及系统,通过获取监控目标焊接位置的三维点云数据;基于所述三维点云数据得到所述目标焊接位置的频谱波形图;根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息。本实施例提供的方法及系统,控制扫描仪采集目标焊接位置的三维点云数据,再对三维点云数据进行分析,得到目标焊接位置的频谱波形图,对频谱波形图中的曲线进行分析,得到最终的焊接质量。由于本实施例提供的方法可以实时对焊接位置的焊接质量进行监控,并且基于三维点云数据进行焊接质量分析,采集数据精准,分析得到的结果更加的准确,可以较快的筛选出不良焊接,且操作方便,效率高。
可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及其发明构思加以等同替换或改变,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (8)
1.一种激光焊接质量实时监控方法,其特征在于,包括:
获取监控目标焊接位置的三维点云数据;
基于所述三维点云数据得到所述目标焊接位置的频谱波形图;
根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息;
获取监控目标焊接位置的三维点云数据的步骤之前,还包括:
收集不同检测类型对应的焊接频谱波形图,建立波形图样本数据集;
预设网络模型根据训练集中样本波形图,生成所述样本波形图对应的预测探测焊接类别,其中,所述训练集包括多组样本波形图,每组样本波形图包括波形图以及波形图对应的探测焊接类别;其中,所述波形图对应的探测焊接类别包括:焊接熔深数据、焊前焊缝数据、焊后表面高度数据和焊后焊缝宽度数据;
所述预设网络模型根据所述样本波形图对应的预测探测焊接类别,以及所述样本波形图对应的探测焊接类别,对模型参数进行修正,并继续执行根据所述训练集中波形图,生成所述样本波形图对应的预测探测焊接类别的步骤,直至所述预设网络模型的训练情况满足预设条件,以得到波形图分类模型;
根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息的步骤包括:
将所述频谱波形图输入至所述波形图分类模型,得到所述波形图分类模型输出的预测探测焊接类别;
根据所述预测探测焊接类别对所述频谱波形图进行局部最优数据加权算法处理,得到与所述目标焊接位置对应的焊接探测结果;
根据所述焊接探测结果与预设焊接标准值之间的差值,得到所述目标焊接位置的焊接质量信息。
2.根据权利要求1所述的方法,其特征在于,所述获取监控目标焊接位置的三维点云数据的步骤之前,还包括:
判断激光器对应的激光焦距是否异常,若有异常,则控制调节激光焦距,以使得最大激光功率对应的位置为所述目标焊接位置。
3.根据权利要求1所述的方法,其特征在于,所述获取监控目标焊接位置的三维点云数据的步骤包括:
按照预设采集角度和采集频率,采集所述目标焊接位置的三维点云数据;其中,所述预设采集角度包括:叠加后形成全方位的多个采集角度。
4.根据权利要求3所述的方法,其特征在于,所述获取监控目标焊接位置的三维点云数据的步骤的同时,还包括:
启动近红外相机,以获取所述目标焊接位置的图像信息。
5.根据权利要求4所述的方法,其特征在于,所述获取监控目标焊接位置的三维点云数据的步骤的同时,还包括:
启动温控部件,获取所述目标焊接位置的实时温度值。
6.根据权利要求4所述的方法,其特征在于,所述根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息的步骤还包括:
根据所述目标焊接位置的图像信息、所述焊接探测结果和预设焊接标准值之间的差值,得到所述目标焊接位置的焊接质量信息。
7.根据权利要求5所述的方法,其特征在于,所述根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息的还步骤包括:
根据所述目标焊接位置的图像信息、所述目标焊接位置的实时温度值、所述焊接探测结果和预设焊接标准值之间的差值,得到所述目标焊接位置的焊接质量信息。
8.一种激光焊接质量实时监控系统,其特征在于,包括:激光器、扫描设备和计算机;
所述激光器,用于发出激光光束至目标焊接位置;
所述扫描设备,用于获取监控目标焊接位置的三维点云数据;
所述计算机,用于基于所述三维点云数据得到所述目标焊接位置的频谱波形图,以及根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息;
所述系统能够在获取监控目标焊接位置的三维点云数据的步骤之前:
收集不同检测类型对应的焊接频谱波形图,建立波形图样本数据集;预设网络模型根据训练集中样本波形图,生成所述样本波形图对应的预测探测焊接类别,其中,所述训练集包括多组样本波形图,每组样本波形图包括波形图以及波形图对应的探测焊接类别;其中,所述波形图对应的探测焊接类别包括:焊接熔深数据、焊前焊缝数据、焊后表面高度数据和焊后焊缝宽度数据;
以及,预设网络模型根据所述样本波形图对应的预测探测焊接类别,以及所述样本波形图对应的探测焊接类别,对模型参数进行修正,并继续执行根据所述训练集中波形图,生成所述样本波形图对应的预测探测焊接类别的步骤,直至所述预设网络模型的训练情况满足预设条件,以得到波形图分类模型;
根据所述频谱波形图分析得到所述目标焊接位置的焊接质量信息的步骤包括:
将所述频谱波形图输入至所述波形图分类模型,得到所述波形图分类模型输出的预测探测焊接类别;
根据所述预测探测焊接类别对所述频谱波形图进行局部最优数据加权算法处理,得到与所述目标焊接位置对应的焊接探测结果;
根据所述焊接探测结果与预设焊接标准值之间的差值,得到所述目标焊接位置的焊接质量信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310253224.2A CN116000453B (zh) | 2023-03-06 | 2023-03-06 | 一种激光焊接质量实时监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310253224.2A CN116000453B (zh) | 2023-03-06 | 2023-03-06 | 一种激光焊接质量实时监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116000453A CN116000453A (zh) | 2023-04-25 |
CN116000453B true CN116000453B (zh) | 2023-09-26 |
Family
ID=86025079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310253224.2A Active CN116000453B (zh) | 2023-03-06 | 2023-03-06 | 一种激光焊接质量实时监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116000453B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117422713B (zh) * | 2023-12-18 | 2024-05-14 | 武汉光谷航天三江激光产业技术研究院有限公司 | 一种根据oct点云提取激光焊接熔深曲线的方法及系统 |
CN118081163B (zh) * | 2024-04-24 | 2024-07-12 | 陕西能源电力运营有限公司 | 基于图像识别的集箱精确焊接控制方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150128300A (ko) * | 2014-05-09 | 2015-11-18 | 한국건설기술연구원 | 카메라와 레이저 스캔을 이용한 3차원 모델 생성 및 결함 분석 방법 |
CN110530877A (zh) * | 2019-09-16 | 2019-12-03 | 西安中科光电精密工程有限公司 | 一种焊接外形质量检测机器人及其检测方法 |
CN110927168A (zh) * | 2019-11-26 | 2020-03-27 | 华中科技大学 | 一种基于红外图像的焊接与焊点缺陷检测系统及方法 |
CN113256566A (zh) * | 2021-04-29 | 2021-08-13 | 广州杰赛科技股份有限公司 | 一种管道焊缝缺陷识别方法 |
CN113588107A (zh) * | 2021-06-08 | 2021-11-02 | 南昌航空大学 | 一种在线接触式测量焊接熔池温度的装置 |
CN114444006A (zh) * | 2021-12-20 | 2022-05-06 | 南京林业大学 | 一种空间表面频率特征的表征方法 |
CN115682947A (zh) * | 2022-09-28 | 2023-02-03 | 西咸新区大熊星座智能科技有限公司 | 焊缝扫描跟踪处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10289770B2 (en) * | 2015-04-13 | 2019-05-14 | Bell Helicopter Textron Inc. | Rotorcraft component simulation using scan-based geometry |
-
2023
- 2023-03-06 CN CN202310253224.2A patent/CN116000453B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150128300A (ko) * | 2014-05-09 | 2015-11-18 | 한국건설기술연구원 | 카메라와 레이저 스캔을 이용한 3차원 모델 생성 및 결함 분석 방법 |
CN110530877A (zh) * | 2019-09-16 | 2019-12-03 | 西安中科光电精密工程有限公司 | 一种焊接外形质量检测机器人及其检测方法 |
CN110927168A (zh) * | 2019-11-26 | 2020-03-27 | 华中科技大学 | 一种基于红外图像的焊接与焊点缺陷检测系统及方法 |
CN113256566A (zh) * | 2021-04-29 | 2021-08-13 | 广州杰赛科技股份有限公司 | 一种管道焊缝缺陷识别方法 |
CN113588107A (zh) * | 2021-06-08 | 2021-11-02 | 南昌航空大学 | 一种在线接触式测量焊接熔池温度的装置 |
CN114444006A (zh) * | 2021-12-20 | 2022-05-06 | 南京林业大学 | 一种空间表面频率特征的表征方法 |
CN115682947A (zh) * | 2022-09-28 | 2023-02-03 | 西咸新区大熊星座智能科技有限公司 | 焊缝扫描跟踪处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116000453A (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116000453B (zh) | 一种激光焊接质量实时监控方法及系统 | |
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 | |
CN110695562A (zh) | 一种焊接质量在线检测系统及方法 | |
US9212967B2 (en) | Method for monitoring the quality of industrial processes and system therefrom | |
US20230201956A1 (en) | Method for analyzing a laser machining process, system for analyzing a laser machining process, and laser machining system comprising such a system | |
KR20210091789A (ko) | 심층 합성곱 신경망을 이용한 레이저 가공 공정 모니터링 시스템 및 방법 | |
US20140249663A1 (en) | System and method for controlling the quality of an object | |
CN107931802B (zh) | 基于中红外温度传感的电弧焊焊缝质量在线检测方法 | |
CN100464269C (zh) | 一种用于控制工业过程的质量的方法和系统 | |
CN101750416A (zh) | 一种基于线结构光的视觉焊缝表面质量检测传感器 | |
Alvarez Bestard et al. | Measurement and estimation of the weld bead geometry in arc welding processes: the last 50 years of development | |
CN211122688U (zh) | 一种焊接质量在线检测系统 | |
CN110702686B (zh) | 基于相干成像的定向能量沉积过程无损检测设备及方法 | |
CN115889975A (zh) | 一种激光焊接过程监测系统及方法 | |
CN112518122B (zh) | 激光加工件熔深检测方法、装置和系统 | |
CN114589396A (zh) | 一种超声波焊接机的在线监测方法 | |
CN111230299A (zh) | 一种激光焊接在线检测装置及方法 | |
EP3315238A1 (en) | Method of and welding process control system for real-time tracking of the position of the welding torch by the use of fiber bragg grating based optical sensors | |
CN116140805A (zh) | 一种激光焊接熔深实时探测方法及系统 | |
CN115561280A (zh) | 一种复合材料缺陷检测系统及方法 | |
JP2024530685A (ja) | スペクトログラムに基づいてレーザ加工プロセスを分析する方法及びシステム | |
KR101837018B1 (ko) | 레이저 용접 품질 검사 방법 및 장치 | |
JP2000061672A (ja) | レーザ溶接の溶接状態検出方法 | |
WO2024095756A1 (ja) | 溶接状態の判定方法及び判定システム | |
KR20210061540A (ko) | 라이다 및 카메라를 구비하는 장치 |
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 |