CN117697119B - 一种惯性摩擦焊机智能监测控制方法和设备 - Google Patents

Abstract

本发明公开了一种惯性摩擦焊机智能监测控制方法和设备，构建图像采集模块，获取焊接图像；构建局部信息增强处理模块，对焊接图像进行局部信息增强处理，获取增强图像；构建图像分解重组模块，对焊接图像、增强图像进行小波变换，获取重组图像；构建底层细节信息模块，提取重组图像的底层细节信息；构建高层识别信息模块，提取焊接图像的高层识别信息；构建待识别图像重组模块，对重组图像的底层细节信息和焊接图像的高层识别信息进行基本积运算；构建神经网络识别模块，对待识别图像中焊接工件同轴度进行识别；构建预警控制模块，基于焊接工件同轴度的识别结果，进行预警控制。

Description

一种惯性摩擦焊机智能监测控制方法和设备

技术领域

本发明涉及计算机技术领域，特别涉及一种惯性摩擦焊机智能监测控制方法和设备。

背景技术

惯性摩擦焊通常将待焊工件两端分别固定在旋转夹具和移动固定夹具内，待焊工件被夹紧后位于滑台上的移动固定夹具随滑台一起向旋转端移动，移动至两工件摩擦接触后开始摩擦加热，使焊接处处于塑性状态，在顶锻力的作用下使待焊工件发生塑性变形与流动从而实现焊接的一种固态连接方法;在惯性摩擦焊过程中，当两工件接触并开始摩擦加热时，会产生剧烈的高频震动，对所焊工件焊接后的同轴度产生变动，随着时间的变化，焊接位置以及状态数据会随之变化，影响焊接件的焊接精度，因此市面上缺乏一种高性能的智能焊接实时监测控制系统，对惯量摩擦焊机的焊接过程进行实时智能监测控制，有效约束高频振动造成的同轴度变动。

发明内容

鉴于现有技术存在的问题，提出了本发明，一种惯性摩擦焊机智能监测控制方法和设备，通过局部信息增强处理模块和图像分解重组模块增强焊接工件的位置细节，改善了焊接工件的定位精度，通过底层细节信息模块、高层识别信息模块和待识别图像重组模块既提高了焊接工件的定位精度，又提高了焊接工件同轴度的识别精度，实现了高性能的惯性摩擦焊机智能监测控制。

本发明公开了一种惯性摩擦焊机智能监测控制方法，包括如下步骤S1至步骤S8。

步骤S1，构建图像采集模块，在惯性摩擦焊机工作过程中，对焊接工件的接触摩擦过程进行图像采集，并归一化处理，获取焊接图像。

步骤S2，构建局部信息增强处理模块，对焊接图像进行局部信息增强处理，获取增强图像。

步骤S3，构建图像分解重组模块，对焊接图像、增强图像进行小波变换，将焊接图像的低频分量和增强图像的高频分量进行重组，获取重组图像。

步骤S4，构建底层细节信息模块，基于信息提取方法，提取重组图像的底层细节信息T_oriL。

步骤S5，构建高层识别信息模块，基于信息提取方法，提取焊接图像的高层识别信息T_recH。

步骤S6，构建待识别图像重组模块，对重组图像的底层细节信息T_oriL和焊接图像的高层识别信息T_recH进行基本积运算，得到待识别图像。

步骤S7，构建神经网络识别模块，对待识别图像中焊接工件同轴度进行识别。

步骤S8，构建预警控制模块，基于焊接工件同轴度的识别结果，进行预警控制。进一步的，局部信息增强处理模块为：F(X,W,C₁)=（W+C₁）⊙X。

其中，权重矩阵W为局部信息增强处理模块的预设参数，表示局部信息所对应的权重，C₁为局部信息增强处理模块的第一超参数，用于避免权重矩阵W部分元素为零时导致的特征信息丢失，⊙表示基本积运算，X表示归一化的焊接图像，F(X,W,C₁)表示增强图像。进一步的，C₁=0.5R，R为所有元素为1的单位矩阵。进一步的，所述归一化的焊接图像X，采用半高等宽的高斯核进行空间平滑处理后，得到平滑图像T：T=G*X。其中，G表示高斯核，*表示卷积。

归一化的焊接图像与平滑图像T间的欧式距离D定义为;。进而根据欧式距离D将权重矩阵W设置为；/>。其中，C₂为预设的第二超参数。

进一步的，C₂=0.5R。进一步的，步骤S3还包括步骤S31-S33。

步骤S31，构建焊接图像分解子模块，对焊接图像进行小波变换，获取焊接图像的低频分量。

步骤S32，构建增强图像分解子模块，对增强图像进行小波变换，获取增强图像的高频分量。

步骤S33，构建图像重组子模块，将焊接图像的低频分量和增强图像的高频分量进行重组，获取重组图像。

进一步的，I=T_oriL⊙T_recH ，其中I为待识别图像，⊙表示基本积运算。

进一步的，步骤S4、S5中的信息提取方法为，（1）对于某一待信息提取图像的中心像素点，记其像素值为P_c，选取该中心像素点的8个邻域像素点，将每个邻域像素点的像素值记为P_ki，i=1,2…,8。（2）分别计算每个邻域像素点的像素值与中心像素点的像素值之间的像素差，记为E_i，其中；E_i=P_ki-P_c 。（3）基于每个邻域像素点的像素值与中心像素点的像素值之间的像素差，获取该待信息提取图像的底层细节信息T_chaL。

。（4）基于每个邻域像素点的像素值与中心像素点的像素值之间的像素差，获取该待信息提取图像的高层识别信息T_chaH，T_chaH=|E_i|。

本发明还公开了一种惯性摩擦焊机智能监测控制设备，包括图像采集模块、局部信息增强处理模块、图像分解重组模块、底层细节信息模块、高层识别信息模块、待识别图像重组模块、神经网络识别模块、预警控制模块。

图像采集模块，在惯性摩擦焊机工作过程中，对焊接工件的接触摩擦过程进行图像采集，并归一化处理，获取焊接图像。

局部信息增强处理模块，对焊接图像进行局部信息增强处理，获取增强图像。

图像分解重组模块，对焊接图像、增强图像进行小波变换，将焊接图像的低频分量和增强图像的高频分量进行重组，获取重组图像。

底层细节信息模块，基于信息提取方法，提取重组图像的底层细节信息T_oriL。

高层识别信息模块，基于信息提取方法，提取焊接图像的高层识别信息T_recH。

待识别图像重组模块，对重组图像的底层细节信息T_oriL和焊接图像的高层识别信息T_recH进行基本积运算，得到待识别图像。

神经网络识别模块，对待识别图像中焊接工件同轴度进行识别。

预警控制模块，基于焊接工件同轴度的识别结果，进行预警控制。

进一步的，局部信息增强处理模块为，F(X,W,C₁)=（W+C₁）⊙X。

其中，权重矩阵W为局部信息增强处理模块的预设参数，表示局部信息所对应的权重，C₁为局部信息增强处理模块的第一超参数，用于避免权重矩阵W部分元素为零时导致的特征信息丢失，⊙表示基本积运算，X表示归一化的焊接图像，F(X,W,C₁)表示增强图像。

进一步的，C₁=0.5R，R为所有元素为1的单位矩阵。

进一步的，所述归一化的焊接图像X，采用半高等宽的高斯核进行空间平滑处理后，得到平滑图像T;T=G*X。其中，G表示高斯核，*表示卷积。

归一化的焊接图像与平滑图像T间的欧式距离D定义为：；进而根据欧式距离D将权重矩阵W设置为，/>。

其中，C₂为预设的第二超参数。进一步的，C₂=0.5R。进一步的，图像分解重组模块包括焊接图像分解子模块、增强图像分解子模块和图像重组子模块。其中，焊接图像分解子模块，对焊接图像进行小波变换，获取焊接图像的低频分量。增强图像分解子模块，对增强图像进行小波变换，获取增强图像的高频分量。图像重组子模块，将焊接图像的低频分量和增强图像的高频分量进行重组，获取重组图像。

进一步的，I=T_oriL⊙T_recH，其中I为待识别图像，⊙表示基本积运算。进一步的，底层细节信息模块和高层识别信息模块中的信息提取方法为：对于某一待信息提取图像的中心像素点，记其像素值为P_c，选取该中心像素点的8个邻域像素点，将每个邻域像素点的像素值记为P_ki，i=1,2…,8。分别计算每个邻域像素点的像素值与中心像素点的像素值之间的像素差，记为E_i，其中，E_i=P_ki-P_c。

基于每个邻域像素点的像素值与中心像素点的像素值之间的像素差，获取该待信息提取图像的底层细节信息T_chaL；。基于每个邻域像素点的像素值与中心像素点的像素值之间的像素差，获取该待信息提取图像的高层识别信息T_chaH；T_chaH=|E_i|。

本发明的有益技术效果是：（1）本发明公开了一种惯性摩擦焊机智能监测控制方法和设备，通过局部信息增强处理模块和图像分解重组模块增强焊接工件的位置细节，改善了焊接工件的定位精度，通过底层细节信息模块、高层识别信息模块和待识别图像重组模块既提高了焊接工件的定位精度，又提高了焊接工件同轴度的识别精度，实现了高性能的惯性摩擦焊机智能监测控制。（2）本发明设置局部信息增强处理模块，通过欧式距离D计算噪声信息，根据噪声信息设置权重矩阵W，相应的对焊接工件的位置细节进行增强处理调节，改善焊接工件的定位精度，提高后续同轴度变动的识别准确度。（3）本发明设置图像分解重组模块，利用小波变换，将增强图像的高频分量和焊接图像的低频分量进行重组，以进一步突出焊接工件的位置细节信息，改善焊接工件的定位精度，提高后续同轴度变动的识别准确度。（4）本发明设置底层细节信息模块对重组图像的底层细节信息进行提取，设置高层识别信息模块对焊接图像的高层识别信息，综合重组图像的底层细节信息、焊接图像的高层识别信息得到待识别图像，既提高了焊接工件的定位精度，又提高了焊接工件同轴度的识别精度。

附图说明

图1：为一种惯性摩擦焊机智能监测控制方法的流程图。

图2：为图像分解重组模块的流程图。

图3：为一种惯性摩擦焊机智能监测控制设备的结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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。

本发明提供了一种惯性摩擦焊机智能监测控制方法和设备，通过局部信息增强处理模块和图像分解重组模块增强焊接工件的位置细节，改善了焊接工件的定位精度，通过底层细节信息模块、高层识别信息模块和待识别图像重组模块既提高了焊接工件的定位精度，又提高了焊接工件同轴度的识别精度，实现了高性能的惯性摩擦焊机智能监测控制。

下面结合附图及具体实施例对本发明作进一步的详细说明。

实施例1，如图1所示，在一个实施例中，提供了一种惯性摩擦焊机智能监测控制方法。该智能监测控制方法具体包括如下步骤S1至步骤S8。

步骤S1，构建图像采集模块，在惯性摩擦焊机工作过程中，对焊接工件的接触摩擦过程进行图像采集，并归一化处理，获取焊接图像。

步骤S2，构建局部信息增强处理模块，对焊接图像进行局部信息增强处理，获取增强图像。

具体的，局部信息增强处理模块为；F(X,W,C₁)=（W+C₁）⊙X。

其中，权重矩阵W为局部信息增强处理模块的预设参数，表示局部信息所对应的权重，C₁为局部信息增强处理模块的第一超参数，用于避免权重矩阵W部分元素为零时导致的特征信息丢失，特别地，C₁=0.5R，R为所有元素为1的单位矩阵，⊙表示基本积运算，X表示归一化的焊接图像，F(X,W,C₁)表示增强图像。归一化的焊接图像X，采用半高等宽的高斯核进行空间平滑处理后，得到平滑图像T；T=G*X。其中，G表示高斯核，*表示卷积。

归一化的焊接图像与平滑图像T间的欧式距离D定义为。

进而根据欧式距离D可将权重矩阵W设置为；。

其中，C₂为预设的第二超参数，以避免权重矩阵W的分母为零，优选C₂=0.5R。

在惯性摩擦焊机工作过程中，会产生剧烈的高频震动，焊接位置以及状态会随之变化，造成焊接工件的同轴度产生变动，本发明通过局部信息增强处理能够增强焊接工件的位置细节，改善焊接工件的定位精度，提高后续同轴度变动的识别准确度。

进一步的，在焊接图像采集过程中，各种噪声信息往往会影响焊接工件的位置细节，本发明的局部信息增强处理模块通过欧式距离D计算噪声信息，根据噪声信息设置权重矩阵W，相应的对焊接工件的位置细节进行增强处理调节，改善焊接工件的定位精度，提高后续同轴度变动的识别准确度。

步骤S3，构建图像分解重组模块，对焊接图像、增强图像进行小波变换，将焊接图像的低频分量和增强图像的高频分量进行重组，获取重组图像。

具体的，如图2所示，步骤S3还包括步骤S31-S33。

步骤S31，构建焊接图像分解子模块，对焊接图像进行小波变换，获取焊接图像的低频分量。

步骤S32，构建增强图像分解子模块，对增强图像进行小波变换，获取增强图像的高频分量。

步骤S33，构建图像重组子模块，将焊接图像的低频分量和增强图像的高频分量进行重组，获取重组图像。

在利用局部信息增强处理模块获得的增强图像中，对焊接图像进行局部信息增强处理的同时，不可避免得也对背景信息进行了增强，因此本发明设置图像重组模块，以削弱背景信息，进一步突出焊接工件的位置细节信息，改善焊接工件的定位精度。

小波变换能够将图像分解为低频分量、高频分量，其中低频分量用于表征图像的大部分背景信息，高频分量用于表征图像的细节信息。在本发明的图像重组模块中，利用小波变换，将焊接图像、增强图像分别分解为低频分量、高频分量，其中增强图像的高频分量用于表征增强后的最重要的焊接工件的位置细节，是改善焊接工件的定位精度所需的最敏感信息，焊接图像的低频分量用于表征未增强的图像的背景信息，将增强图像的高频分量和焊接图像的低频分量进行重组，以进一步突出焊接工件的位置细节信息，改善焊接工件的定位精度，提高后续同轴度变动的识别准确度。

步骤S4，构建底层细节信息模块，基于信息提取方法，提取重组图像的底层细节信息T_oriL。

步骤S5，构建高层识别信息模块，基于信息提取方法，提取焊接图像的高层识别信息T_recH。

步骤S6，构建待识别图像重组模块，对重组图像的底层细节信息T_oriL和焊接图像的高层识别信息T_recH进行基本积运算，得到待识别图像I，其中，I=T_oriL⊙T_recH。

具体的，步骤S4、S5中的信息提取方法为；（1）对于某一待信息提取图像的中心像素点，记其像素值为P_c，选取该中心像素点的8个邻域像素点，将每个邻域像素点的像素值记为P_ki，i=1,2…,8。（2）分别计算每个邻域像素点的像素值与中心像素点的像素值之间的像素差，记为E_i，其中：E_i=P_ki-P_c。

（3）基于每个邻域像素点的像素值与中心像素点的像素值之间的像素差，获取该待信息提取图像的底层细节信息T_chaL；。

（4）基于每个邻域像素点的像素值与中心像素点的像素值之间的像素差，获取该待信息提取图像的高层识别信息T_chaH：T_chaH=|E_i|。

在本发明中，底层细节信息模块对重组图像的底层细节信息进行提取，指示焊接工件的纹理、轮廓信息，用于突出焊接工件的位置细节信息，改善焊接工件的定位精度。同时高层识别信息模块对焊接图像的高层识别信息，能够提高语义识别分辨率，改善焊接工件同轴度的识别精度。因此，本发明通过综合重组图像的底层细节信息、焊接图像的高层识别信息得到待识别图像，既提高了焊接工件的定位精度，又提高了焊接工件同轴度的识别精度。

步骤S7，构建神经网络识别模块，对待识别图像中焊接工件同轴度进行识别。

步骤S8，构建预警控制模块，基于焊接工件同轴度的识别结果，进行预警控制。

实施例2，如图3所示，在另一个实施例中，还提供了一种惯性摩擦焊机智能监测控制设备。该智能监测控制设备包括图像采集模块、局部信息增强处理模块、图像分解重组模块、底层细节信息模块、高层识别信息模块、待识别图像重组模块、神经网络识别模块、预警控制模块。

图像采集模块，在惯性摩擦焊机工作过程中，对焊接工件的接触摩擦过程进行图像采集，并归一化处理，获取焊接图像。

局部信息增强处理模块，对焊接图像进行局部信息增强处理，获取增强图像。

图像分解重组模块，对焊接图像、增强图像进行小波变换，将焊接图像的低频分量和增强图像的高频分量进行重组，获取重组图像。

底层细节信息模块，基于信息提取方法，提取重组图像的底层细节信息T_oriL。

高层识别信息模块，基于信息提取方法，提取焊接图像的高层识别信息T_recH。

待识别图像重组模块，对重组图像的底层细节信息T_oriL和焊接图像的高层识别信息T_recH进行基本积运算，得到待识别图像I，I=T_oriL⊙T_recH。神经网络识别模块，对待识别图像中焊接工件同轴度进行识别。

预警控制模块，基于焊接工件同轴度的识别结果，进行预警控制。

进一步的，局部信息增强处理模块为：F(X,W,C₁)=（W+C₁）⊙X。

其中，权重矩阵W为局部信息增强处理模块的预设参数，表示局部信息所对应的权重，C₁为局部信息增强处理模块的第一超参数，用于避免权重矩阵W部分元素为零时导致的特征信息丢失，特别地，C₁=0.5R，R为所有元素为1的单位矩阵，⊙表示基本积运算，X表示归一化的焊接图像，F(X,W,C₁)表示增强图像。

归一化的焊接图像X，采用半高等宽的高斯核进行空间平滑处理后，得到平滑图像T；T=G*X。其中，G表示高斯核，*表示卷积。

归一化的焊接图像与平滑图像T间的欧式距离D；。

进而根据欧式距离D可将权重矩阵W设置为；。

其中，C₂为预设的第二超参数，以避免权重矩阵W的分母为零，优选C₂=0.5R。

进一步的，图像分解重组模块包括焊接图像分解子模块、增强图像分解子模块和图像重组子模块。其中，焊接图像分解子模块，对焊接图像进行小波变换，获取焊接图像的低频分量。增强图像分解子模块，对增强图像进行小波变换，获取增强图像的高频分量。图像重组子模块，将焊接图像的低频分量和增强图像的高频分量进行重组，获取重组图像。

进一步的，底层细节信息模块和高层识别信息模块中的信息提取方法为：（1）对于某一待信息提取图像的中心像素点，记其像素值为P_c，选取该中心像素点的8个邻域像素点，将每个邻域像素点的像素值记为P_ki，i=1,2…,8。（2）分别计算每个邻域像素点的像素值与中心像素点的像素值之间的像素差，记为E_i，其中：E_i=P_ki-P_c。（3）基于每个邻域像素点的像素值与中心像素点的像素值之间的像素差，获取该待信息提取图像的底层细节信息T_chaL；。（4）基于每个邻域像素点的像素值与中心像素点的像素值之间的像素差，获取该待信息提取图像的高层识别信息T_chaH；T_chaH=|E_i|。

本发明提供了一种惯性摩擦焊机智能监测控制方法和设备，通过局部信息增强处理模块和图像分解重组模块增强焊接工件的位置细节，改善了焊接工件的定位精度，通过底层细节信息模块、高层识别信息模块和待识别图像重组模块既提高了焊接工件的定位精度，又提高了焊接工件同轴度的识别精度，实现了高性能的惯性摩擦焊机智能监测控制。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (14)

1.一种惯性摩擦焊机智能监测控制方法，其特征在于,该智能监测控制方法具体包括如下步骤S1至步骤S8；步骤S1，构建图像采集模块，在惯性摩擦焊机工作过程中，对焊接工件的接触摩擦过程进行图像采集，并归一化处理，获取焊接图像；步骤S2，构建局部信息增强处理模块，对焊接图像进行局部信息增强处理，获取增强图像；步骤S3，构建图像分解重组模块，对焊接图像、增强图像进行小波变换，将焊接图像的低频分量和增强图像的高频分量进行重组，获取重组图像；步骤S4，构建底层细节信息模块，基于信息提取方法，提取重组图像的底层细节信息T_oriL；步骤S5，构建高层识别信息模块，基于信息提取方法，提取焊接图像的高层识别信息T_recH；步骤S6，构建待识别图像重组模块，对重组图像的底层细节信息T_oriL和焊接图像的高层识别信息T_recH进行基本积运算，得到待识别图像；步骤S7，构建神经网络识别模块，对待识别图像中焊接工件同轴度进行识别；步骤S8，构建预警控制模块，基于焊接工件同轴度的识别结果，进行预警控制；所述步骤S4、S5中的信息提取方法为,(1)对于某一待信息提取图像的中心像素点,记其像素值为P_c，选取该中心像素点的8个邻域像素点，将每个邻域像素点的像素值记为P_ki，i＝1,2…,8；(2)分别计算每个邻域像素点的像素值与中心像素点的像素值之间的像素差，记为E_i，E_i＝P_ki-P_c；(3)基于每个邻域像素点的像素值与中心像素点的像素值之间的像素差，获取该待信息提取图像的底层细节信息T_chaL (4)基于每个邻域像素点的像素值与中心像素点的像素值之间的像素差，获取该待信息提取图像的高层识别信息T_chaH；T_chaH＝|E_i|。

2.根据权利要求1所述的惯性摩擦焊机智能监测控制方法，其特征在于，所述局部信息增强处理模块为：F(X,W,C₁)＝(W+C₁)⊙X；其中，权重矩阵W为局部信息增强处理模块的预设参数，表示局部信息所对应的权重，C₁为局部信息增强处理模块的第一超参数，用于避免权重矩阵W部分元素为零时导致的特征信息丢失，⊙表示基本积运算，X表示归一化的焊接图像，F(X,W,C₁)表示增强图像。

3.根据权利要求2所述的惯性摩擦焊机智能监测控制方法，其特征在于，所述C₁＝0.5R，R为所有元素为1的单位矩阵。

4.根据权利要求2所述的惯性摩擦焊机智能监测控制方法，其特征在于，所述归一化的焊接图像X，采用半高等宽的高斯核进行空间平滑处理后，得到平滑图像T；T＝G*X；其中，G表示高斯核，*表示卷积；归一化的焊接图像与平滑图像T间的欧式距离D定义为，进而根据欧式距离D将权重矩阵W设置为,/>其中，C₂为预设的第二超参数。

5.根据权利要求4所述的惯性摩擦焊机智能监测控制方法，其特征在于，所述C₂＝0.5R。

6.根据权利要求1所述的惯性摩擦焊机智能监测控制方法,其特征在于，所述步骤S3还包括步骤S31-S33,步骤S31，构建焊接图像分解子模块,对焊接图像进行小波变换，获取焊接图像的低频分量；步骤S32，构建增强图像分解子模块，对增强图像进行小波变换，获取增强图像的高频分量；步骤S33,构建图像重组子模块,将焊接图像的低频分量和增强图像的高频分量进行重组,获取重组图像。

7.根据权利要求1所述的惯性摩擦焊机智能监测控制方法，其特征在于，所述待识别图像为,I＝Tori_L⊙Trec_H，其中I为待识别图像，⊙表示基本积运算。

8.一种惯性摩擦焊机智能监测控制设备，其特征在于：该智能监测控制设备包括图像采集模块、局部信息增强处理模块、图像分解重组模块、底层细节信息模块、高层识别信息模块、待识别图像重组模块、神经网络识别模块、预警控制模块；图像采集模块，在惯性摩擦焊机工作过程中，对焊接工件的接触摩擦过程进行图像采集，并归一化处理，获取焊接图像；局部信息增强处理模块，对焊接图像进行局部信息增强处理，获取增强图像；图像分解重组模块，对焊接图像、增强图像进行小波变换，将焊接图像的低频分量和增强图像的高频分量进行重组，获取重组图像；底层细节信息模块，基于信息提取方法，提取重组图像的底层细节信息Tori_L；高层识别信息模块，基于信息提取方法，提取焊接图像的高层识别信息Trec_H；待识别图像重组模块，对重组图像的底层细节信息Tori_L和焊接图像的高层识别信息Trec_H进行基本积运算，得到待识别图像；神经网络识别模块，对待识别图像中焊接工件同轴度进行识别；预警控制模块，基于焊接工件同轴度的识别结果，进行预警控制；所述底层细节信息模块和高层识别信息模块中的信息提取方法为：对于某一待信息提取图像的中心像素点，记其像素值为Pc，选取该中心像素点的8个邻域像素点，将每个邻域像素点的像素值记为Pki，i＝1,2…,8；分别计算每个邻域像素点的像素值与中心像素点的像素值之间的像素差，记为E_i，其中,E_i＝P_ki-P_c；基于每个邻域像素点的像素值与中心像素点的像素值之间的像素差，获取该待信息提取图像的底层细节信息T_chaL；基于每个邻域像素点的像素值与中心像素点的像素值之间的像素差，获取该待信息提取图像的高层识别信息T_chaH,T_chaH＝|E_i|。

9.根据权利要求8所述的惯性摩擦焊机智能监测控制设备，其特征在于，所述局部信息增强处理模块为；F(X,W,C₁)＝(W+C₁)⊙X；其中，权重矩阵W为局部信息增强处理模块的预设参数，表示局部信息所对应的权重，C₁为局部信息增强处理模块的第一超参数，用于避免权重矩阵W部分元素为零时导致的特征信息丢失，⊙表示基本积运算，X表示归一化的焊接图像，F(X,W,C₁)表示增强图像。

10.根据权利要求9所述的惯性摩擦焊机智能监测控制设备，其特征在于，所述C₁＝0.5R，R为所有元素为1的单位矩阵。

11.根据权利要求9所述的惯性摩擦焊机智能监测控制设备，其特征在于，所述归一化的焊接图像X，采用半高等宽的高斯核进行空间平滑处理后，得到平滑图像T；T＝G*X；其中，G表示高斯核，*表示卷积；归一化的焊接图像与平滑图像T间的欧式距离D定义为；进而根据欧式距离D将权重矩阵W设置为；/>其中，C₂为预设的第二超参数。

12.根据权利要求11所述的惯性摩擦焊机智能监测控制设备，其特征在于，所述C₂＝0.5R。

13.根据权利要求8所述的惯性摩擦焊机智能监测控制设备，其特征在于，所述图像分解重组模块包括焊接图像分解子模块、增强图像分解子模块和图像重组子模块；其中，焊接图像分解子模块，对焊接图像进行小波变换，获取焊接图像的低频分量；增强图像分解子模块，对增强图像进行小波变换，获取增强图像的高频分量；图像重组子模块，将焊接图像的低频分量和增强图像的高频分量进行重组，获取重组图像。

14.根据权利要求8所述的惯性摩擦焊机智能监测控制设备，其特征在于，所述待识别图像为：I＝Tori_L⊙Trec_H，其中I为待识别图像，⊙表示基本积运算。