一种基于深度学习算法的窄间隙旋转电弧GTAW钨极位置纠偏方法技术

本发明专利技术涉及一种基于深度学习算法的窄间隙旋转电弧GTAW钨极位置纠偏方法，极大提高了窄间隙非轴对称钨极旋转电弧焊接过程电弧的稳定性，该方法属于钨极氩弧焊技术领域，包括NAR

【技术实现步骤摘要】
一种基于深度学习算法的窄间隙旋转电弧GTAW钨极位置纠偏方法


[0001]本专利技术涉及一种基于深度学习算法的窄间隙旋转电弧GTAW钨极位置纠偏方法，极大提高了窄间隙非轴对称钨极旋转电弧焊接过程中电弧的稳定性，该方法属于钨极氩弧焊


技术介绍

[0002]随着现代工业和重工装备的日趋大型化、高产量化及精密化，厚板、超厚板焊接金属结构的应用也愈来愈广泛，窄间隙焊接作为一种新型的、高焊接效率、高性能、更低的生产成本的焊接技术，正日益受到焊接领域的重视和企业的青睐。
[0003]窄间隙钨极氩弧焊(NG
‑
GTAW)具有不产生飞溅和熔渣，电弧具有稳定性，无明显焊接缺陷，可全位置焊接等优势。在氩气的保护之下，GTAW可用于焊接易氧化的非铁金属及其合金、不锈钢、高温合金、钛及钛合金以及难熔的活性金属，其焊接接头具有良好的韧性，由于钨极的载流能力低，因而熔覆效率低，一般用于打底焊以及重要的结构件当中。但是常规的钨极氩弧焊(GTAW)在窄间隙焊接过程中极易产生侧壁未熔合等焊接缺陷。窄间隙非轴对称旋转钨极氩弧焊(NAR
‑
GTAW)是通过旋转的偏心钨极产生周期运动的偏转电弧，能够有效解决窄间隙焊接中容易出现的侧壁未熔合、侧壁熔深不足等问题。但是采用非轴对称钨极氩弧焊进行焊接时，若钨极中心位置不在焊缝横向的中心处，会发生电弧在两侧壁加热不均匀现象，会导致焊接过程中热应力分布不均的现象，同时会产生单侧壁未熔合或熔合不足等现象。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供一种基于深度学习算法的窄间隙旋转电弧GTAW钨极位置纠偏方法，该方法能够有效解决非轴对称旋转钨极氩弧焊在窄间隙焊接过程当中侧壁未熔合或熔合不足的问题。
[0005]本专利技术的技术方案如下：
[0006]一种基于深度学习算法的窄间隙旋转电弧GTAW钨极位置纠偏方法，包括NAR
‑
GTAW焊接系统、视觉图像检测系统、图像处理系统、通信系统与控制系统；
[0007]所述的NAR
‑
GTAW焊接系统包括NAR
‑
GTAW焊接电源、PAW焊接电源、NAR
‑
GTAW焊枪、箱式冷水机、送丝装置、送气装置、采集与控制系统；所述的采集与控制系统包含USB3.1Gen1扩展板卡与PLC控制器；PLC控制器控制NAR
‑
GTAW焊枪以便进行位置纠偏；
[0008]所述的视觉图像检测系统包括镜头、CCD相机；
[0009]所述的图像处理系统包括图像处理硬件和图像处理软件；所述的图像处理硬件为计算机(上位机)；所述的图像处理软件为C++、OpenVINO、OpenCV和QT5；在本方法中，OpenVINO用于深度学习模型的部署与推理，OpenCV用于对推理后的图像进行后处理，QT5用于制作人机交互界面；具体工作流程如下：相机采集到图像后，分别使用OpenVINO推理出图
像的类别，使用OpenCV中的图像降噪、图像对比度增强、OSTU对图像进行二值化处理并获取最小包围矩形算法获取电弧的尺寸，最后将处理过的图像显示在使用了QT5编写的软件界面上。
[0010]所述的通信系统为CCD相机使用USB3.1Gen1接口将采集到的图像传输到计算机(上位机)，计算机通过RS
‑
232接口将控制量下发到PLC控制器；
[0011]具体步骤如下：
[0012]1、搭建实验平台：实验平台包括待焊工件，待焊工件一侧设有NAR
‑
GTAW焊枪和CCD相机，CCD相机用于采集正面电弧的信息，相机帧速率设置为50
‑
100FPS，分辨率为640
×
640像素，灰度图像；
[0013]2、选择不同的参数进行焊接并采集相应图像：选择奥氏体不锈钢进行多类型多参数的焊接试验；调整CCD相机与水平方向的夹角，用不同的相机角度进行拍摄，并用不同焊接参数进行焊接实验；对不同板厚分别进行焊接实验；选择不同形状的钨极尖端进行焊接实验；多类型多参数的焊接工艺增加了非轴对称旋转钨极氩弧焊图像的数据量，从而提高了数据的可靠性；通过CCD相机获取正面电弧与坡口的图像序列数据；
[0014]3、建立深度学习模型：根据NAR
‑
GTAW的电弧特征，即电弧随着非轴对称钨极的旋转而做周期性的运动，通过侧壁对电弧的压缩效应及最小电压原理，当电弧旋转到侧壁时，电弧面积会变小，通过对电弧位置及压缩面积的评定，可以将电弧的位置信息划分为front、back、left、right 4个类别并对电弧的面积进行计算统计，建立NAR
‑
GTAW电弧数据集；
[0015]4、进行深度学习模型训练：将NAR
‑
GTAW电弧数据集输入到YOLOv5s网络中，设置优化器，设置初始学习率，经过训练后，学习率降低到初始学习率的1％。训练结束后，保留在mAP50尺度上表现最好的轮次。
[0016]5、将训练好的模型部署到计算机中，通过CCD相机实时采集的图像作为输入，通过模型推理后得到该时刻下电弧的类别和面积大小；钨极旋转一～二周后，便可以得到left类和right类的平均电弧面积，将left类与right类平均电弧面积的差作为反馈量；
[0017]6、将步骤5得到的反馈量下发至PLC控制器，PLC控制器通过反馈量对NAR
‑
GTAW焊枪进行调节，使得钨极在横向方向上始终位于坡口的中心处。
[0018]优选的，所述的视觉图像检测系统还包括滤光片、监视器，监视器用于为操作人员提供实时屏幕监视，滤光片置于镜头前。在CCD相机的镜头前加装滤光片，以减少弧光对拍摄过程的干扰，从而使得电弧的拍摄更加清晰。
[0019]根据本专利技术优选的，步骤1中，采用高速摄像机采集正面电弧的信息，相机帧速率设置为100FPS，分辨率为640
×
640。
[0020]优选的，步骤2中，采用高速摄像机，将摄像机置于焊枪的正前方，并随着焊枪的移动而移动，避免了在移动过程当中因焊枪的移动而导致焦距发生变化引起的图像不清晰的问题，并与焊接平台的水平方向呈10
°
～30
°
角，有利于获得清晰的焊接电弧图像。
[0021]进一步优选的，步骤2中，采用高速摄像机，在摄像机镜头前方加装红外滤光片，滤光片为窄带滤光片，中心波长为1080nm，以获得清晰的电弧图像。
[0022]优选的，步骤2中，选择304不锈钢、316不锈钢进行实验；板厚选择范围为：10mm、20mm、30mm、60mm、150mm；钨极尖端选择范围为斜圆锥状与带平台状，斜圆锥状为带有纵向
切面的部分圆锥体，带平台状为斜圆锥状端部为平台、钝化尖端。
[0023]优选的，步骤3中，具体实现方式如下：
[0024](1)采用labeling对CCD相机采集到的图像进行类别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习算法的窄间隙旋转电弧GTAW钨极位置纠偏方法，其特征在于，包括NAR
‑
GTAW焊接系统、视觉图像检测系统、图像处理系统、通信系统与控制系统；所述的NAR
‑
GTAW焊接系统包括NAR
‑
GTAW焊接电源、PAW焊接电源、NAR
‑
GTAW焊枪、箱式冷水机、送丝装置、送气装置、采集与控制系统；所述的采集与控制系统包含USB3.1Gen1扩展板卡与PLC控制器；PLC控制器控制NAR
‑
GTAW焊枪以便进行位置纠偏；所述的视觉图像检测系统包括镜头、CCD相机；所述的图像处理系统包括图像处理硬件和图像处理软件；所述的图像处理硬件为计算机；所述的图像处理软件为C++、OpenVINO、OpenCV和QT5；OpenVINO用于深度学习模型的部署与推理，OpenCV用于对推理后的图像进行后处理，QT5用于制作人机交互界面；所述的通信系统为CCD相机使用USB3.1Gen1接口将采集到的图像传输到计算机，计算机通过RS
‑
232接口将控制量下发到PLC控制器；具体步骤如下：1、搭建实验平台：实验平台包括待焊工件，待焊工件一侧设有NAR
‑
GTAW焊枪和CCD相机，CCD相机用于采集正面电弧的信息，相机帧速率设置为50
‑
100FPS，分辨率为640
×
640像素，灰度图像；2、选择不同的参数进行焊接并采集相应图像：选择奥氏体不锈钢进行多类型多参数的焊接试验；调整CCD相机与水平方向的夹角，用不同的相机角度进行拍摄，并用不同焊接参数进行焊接实验；对不同板厚分别进行焊接实验；选择不同形状的钨极尖端进行焊接实验；多类型多参数的焊接工艺增加了非轴对称旋转钨极氩弧焊图像的数据量，从而提高了数据的可靠性；通过CCD相机获取正面电弧与坡口的图像序列数据；3、建立深度学习模型：根据NAR
‑
GTAW的电弧特征，即电弧随着非轴对称钨极的旋转而做周期性的运动，通过侧壁对电弧的压缩效应及最小电压原理，当电弧旋转到侧壁时，电弧面积会变小，通过对电弧位置及压缩面积的评定，可以将电弧的位置信息划分为front、back、left、right 4个类别并对电弧的面积进行计算统计，建立NAR
‑
GTAW电弧数据集；4、进行深度学习模型训练：将NAR
‑
GTAW电弧数据集输入到YOLOv5s网络中，设置优化器，设置初始学习率，经过训练后，学习率降低到初始学习率的1％；训练结束后，保留在mAP50尺度上表现最好的轮次；5、将训练好的模型部署到计算机中，通过CCD相机实时采集的图像作为输入，通过模型推理后得到该时刻下电弧的类别和面积大小；钨极旋转一～二周后，便可以得到left类和right类的平均电弧面积，将left类与right类平均电弧面积的差作为反馈量；6、将步骤5得到的反馈量下发至PLC控制器，PLC控制器通过反馈量对NAR
‑
GTAW焊枪进行调节，使得钨极在横向方向上始终位于坡口的中心处。2.根据权利要求1所述的基于深度学习算法的窄间隙旋转电弧GTAW钨极位置纠偏方法，其特征在于，所述的视觉图像检测系统还包括滤光片、监视器，监视器用于为操作人员提供实时屏幕监视，滤光片置于镜头前。3.根据权利要求1所述的基于深度学习算法的窄间隙旋转电弧GTAW钨极位置纠偏方法，其特征在于，步骤1中，采用高速摄像机采集正面电弧的信息，相机帧速率设置为100FPS，分辨率为640
×
640。4...

【专利技术属性】
技术研发人员：贾传宝，王琦，陈崇龙，李侃，武传松，谢尔盖，
申请(专利权)人：中核检修有限公司，
类型：发明
国别省市：