| 专利类型 | 发明公开 | 法律事件 | 公开; 实质审查; 授权; |
| 专利有效性 | 有效专利 | 当前状态 | 授权 |
| 申请号 | CN201810798526.7 | 申请日 | 2018-07-19 |
| 公开(公告)号 | CN109324033A | 公开(公告)日 | 2019-02-12 |
| 申请人 | 西安交通大学; | 申请人类型 | 学校 |
| 发明人 | 张志芬; 任文静; 栾日维; 杨哲; 温广瑞; | 第一发明人 | 张志芬 |
| 权利人 | 西安交通大学 | 权利人类型 | 学校 |
| 当前权利人 | 西安交通大学 | 当前权利人类型 | 学校 |
| 省份 | 当前专利权人所在省份：陕西省 | 城市 | 当前专利权人所在城市：陕西省西安市 |
| 具体地址 | 当前专利权人所在详细地址：陕西省西安市碑林区咸宁西路28号 | 邮编 | 当前专利权人邮编：710049 |
| 主IPC国际分类 | G01N21/67 | 所有IPC国际分类 | G01N21/67 ; G01N21/69 |
| 专利引用数量 | 3 | 专利被引用数量 | 0 |
| 专利权利要求数量 | 9 | 专利文献类型 | A |
| 专利代理机构 | 西安通大专利代理有限责任公司 | 专利代理人 | 杨博; |
| 摘要 | 本 发明 公开了一种 铝 合金 熔焊 过程状态检测方法，包括步骤S1，获取 铝合金 熔焊过程中的金属 光谱 信号 ，采用包络法将金属光谱信号分离，得到金属背景谱和金属线谱；步骤S2，对多个金属线谱进行主成分分析，得到每份金属线谱的第一主分量的 特征向量 系数和第一主分量的特征向量曲线；步骤S3，确认步骤S2中得到的特征向量曲线中每个峰值对应的化学元素；步骤S4，根据步骤S2中得到的特征向量系数，依据特征向量系数对应得到的 波长 像素 对步骤S3中确定的化学元素进行相关关系定性分析和敏感度评价。该方法基于金属光谱主成分分析的光谱信息深度挖掘和特征提取方法，能够实现对铝合金熔焊过程的状态检测。 | ||
| 权利要求 | 1.一种铝合金熔焊过程状态检测方法，其特征在于，包括以下步骤： |
||
| 说明书全文 | 一种铝合金熔焊过程状态检测方法及其装置技术领域背景技术[0002] 铝合金熔焊是航空航天关键构件中的主要焊接成形制造方法之一，确保其焊接质量至关重要。在机器人推广应用及智能制造需求背景下，实现焊接过程状态监测及检测对提高焊接质量稳定性，推动焊接智能制造具有重要意义。而高效稳定的传感技术及全面的过程信息是机器人足够“智慧”并实现智能制造的关键。现有焊接过程检测技术主要基于熔池视觉图像、电弧声音、磁光成像、X射线、电弧光谱以及多信息融合等。相比其他信息，光谱传感有着信息量丰富，实时响应灵敏，与焊接内部冶金缺陷相关等优点。而金属光谱辐射主要来自焊接钨极、焊丝、母材，包含了大量化学元素，如Al，Mg，Fe，Mn等的等离子辐射信息，与焊接状态及质量息息相关。充分挖掘并利用丰富的光谱信息，对提高光谱信息利用率，提升对焊接过程物理过程的科学认知，推进焊接质量在线检测技术，进而促进机器人焊接过程智能化制造具有重要意义。 [0003] 现有的光谱特征提取方法主要有比值法，即选择一条金属谱线，利用其线谱与背景谱比值作为激光焊接质量监测参数；等离子体温度法，即利用多条同类元素谱线，根据玻尔兹曼计算所得可反映焊接过程的稳定性。公开号为，CN 103878479B，专利名称为，一种基于光谱分析的激光焊T型搭接接头间隙的在线检测方法，通过检测500nm～600nm谱线峰值频率，利用origin计算得到间隙与峰值频率的定量关系，实现间隙的实时检测及焊接参数的及时调整，避免间隙和缺陷的产生。公开号为CN102615423B，专利名称为一种基于特征光谱的镀锌钢激光填粉焊接缺陷的在线诊断方法，利用CuI324.8nm谱线相对强度实时变化，监测焊接过程是否发生缺陷，并实时调整焊接参数。 [0004] 目前光谱知识的挖掘方法比较单一，且多采用人工经验进行特征谱段的手动选取；光谱信息利用率不高，仅采用一条或多条同类元素谱线；所采用的计算方法对设备精度要求较高，对不同焊接材料和工艺的通用性及鲁棒性不高，难以在实际生产中推广应用。研究的难点主要是由于光谱信号包含了大量的参与电弧动态过程的元素辐射信息，且具有高度相关性。一个干扰往往引发多个元素谱线产生类似的响应，加之焊接过程的复杂性及动态特性，缺陷与光谱元素谱线之间的相关性比较模糊，没有唯一性。 发明内容[0005] 本发明提供了一种铝合金熔焊过程状态检测方法及其装置；该方法基于金属光谱主成分分析的光谱信息深度挖掘和特征提取方法，能够实现对铝合金熔焊过程的状态检测。 [0006] 本发明的技术方案是：一种铝合金熔焊过程状态检测方法，包括步骤S1，获取铝合金熔焊过程中的金属光谱信号，采用包络法将金属光谱信号分离，得到金属背景谱和金属线谱；步骤S2，对多个金属线谱进行主成分分析，得到每份金属线谱的第一主分量的特征向量系数和第一主分量的特征向量曲线；步骤S3，确认步骤S2中得到的特征向量曲线中每个峰值对应的金属化学元素；步骤S4，根据步骤S2中得到第一主成分分量特征向量系数值，作为对确定的化学元素进行相关关系定性分析和敏感度评价；步骤S5，对步骤S2中的到特征向量曲线，采用梯形近似法则计算每个峰值的积分面积，该积分面积为表征焊接过程状态的特征参数；步骤S6，根据步骤S5得到的特征参数构建焊接过程中的SPC控制阈值，用于焊接过程的状态检测。 [0007] 更进一步的，本发明的特点还在于： [0008] 其中步骤S1中采用高电平外部触发获取金属光谱信号；且金属光谱信号的谱段为200-600nm。 [0010] 其中步骤S1中光谱仪探头进行水平-垂直正交微调的具体过程是：光谱仪探头与熔焊电弧中心在同一水平线上；光谱仪探头在熔焊的垂直方向上从上到下进行微小位移调节；光谱仪探头从左到右旋转，并且量光谱仪探头设置在位置敏感区间。 [0011] 其中步骤S4中定量评价化学元素的熔焊过程状态的敏感度的具体过程是：将第一主成分分量的特征向量系数值作为确定的化学元素的权重系数依据该权重系数的正或负进行相应的正相关关系定性分析或负相关关系定性分析，根据权重系数绝对值评价该化学元素的熔焊过程状态的敏感度。 [0012] 其中步骤S5中计算每个峰值的积分面积的具体过程是：以峰值点为中心包含整个谱峰，采用梯形法进行谱峰数值的积分运算，得到谱峰曲线的积分面积。 [0013] 其中梯形法进行谱峰数值的积分运算的公式为： [0014] [0015] 本发明还提供了一种铝合金熔焊过程状态检测装置，其特征在于，包括用于固定工件的工作台，工作台上设置有焊枪，焊枪的钨极与工件之间距离为50-150mm；光谱仪探头正对钨极与工件产生的电弧；光谱仪探头通过数据线与光谱仪连接；光谱仪通过数据线与计算机连接；计算机能够实施上述的铝合金熔焊过程状态检测方法。其中焊枪固定在机器人末端轴上，且计算机操纵机器人带动焊枪进行移动。 [0016] 与现有技术相比，本发明的有益效果是：该方法提出了基于数据主成分分析的光谱信息深度挖掘方法，该方法可摆脱对人为经验的依赖，通过数据内部规律的深度分析，提取与焊接状态高度相关的金属光谱信息；并且基于谱线面积的特征计算方法，该方法大大降低了对光谱仪分辨率的要求，可以克服设备精度漂移带来计算不准的难题，同时，所提出的主成分系数面积特征参数，与传统光谱强度、电子温度等参数相比，反映的是数据内部的相对动态变化，具有更大的鲁棒性；经过重复试验验证，该方法抗干扰能力强，计算快速简单，拓展性强，可实现焊接过程状态的准确检测。附图说明 [0017] 图1为本发明方法的流程示意图； [0019] 图3为本发明实施例1中光谱仪探头微调过程中光谱强度变化曲线图； [0020] 图4为本发明实施例1中分离后的金属背景谱和金属线谱； [0021] 图5为本发明实施例1中金属谱波段对应的PCA的第一和第二主分量系数图； [0022] 图6为本发明实施例1中金属谱波段对应的PCA的第三和第四主分量系数图； [0023] 图7为本发明实施例1中PCA主分量及金属谱强度曲线； [0024] 图8为本发明实施例1中送丝和不送丝状态的金属光谱； [0025] 图9为本发明实施例1中不同金属谱线的特征参数曲线图； [0026] 图10为本发明实施例2中焊缝实物图与金属谱线FeI强度及所提取的特征参数曲线图； [0027] 图11为本发明实施例3中缺陷焊缝的实物图； [0028] 图12为本发明实施例3焊接过程的检测曲线； [0029] 图13为本发明实施例4中缺陷焊缝的实物图； [0030] 图14为本发明实施例4焊接过程的检测曲线； [0031] 图15为本发明实施例5中缺陷焊缝的实物图； [0032] 图16为本发明实施例5焊接过程的检测曲线； [0033] 图17为本发明检测装置的结构示意图。 [0034] 图中：A为原地焊不送丝区域；B为行走送丝区域；C为行走不送丝区域；D为焊漏区域；E为沥青干扰区域；1为焊枪；2为电弧；3为工件；4为光谱仪探头；5为光纤；6为光谱仪；7为计算机。 具体实施方式[0035] 下面结合附图和具体实施例对本发明的技术方案进一步说明。 [0036] 本发明提供了一种铝合金焊接过程状态检测方法，其具体过程如图1所示，基于电弧焊接金属光谱的深度挖掘和特征提取，实现了对铝合金焊接过程状态的检测，能够用于对焊接状态的实时检测。由于不同的焊接材料、焊丝及钨极中包含的金属元素有所差异，在使用本方法进行实际加工制造前，需要完成包含不同状态的焊接实验，为金属谱线特征的准确提取提供必要的数据来源，基于本发明方法即可实现焊接过程的状态检测。 [0037] 本发明还提供了铝合金熔焊过程状态检测装置，如图17所示，包括工作台，工作台用于固定工件3，还包括焊枪4，焊枪4设置在机器人末端轴上；还包括光谱仪探头4，光谱仪探头4正对钨极与工件3之间的空隙，其在焊接过程中，光谱仪探头4获取钨极与工件3之间产生的电弧2；光谱仪探头4通过数据线与光谱仪6连接，该数据线优选为光纤；光谱仪6通过数据线与计算机7连接，该数据线与通过计算机7的USB端口连接。该计算机7能够实施如上所述极图1所示的铝合金熔焊过程状态检测方法，同时该计算机7还操纵机器人带动焊枪1进行移动，以及控制钨极的送丝操作。优选的光谱仪6为AvaSpec-1350F-USB2；该光谱仪的采集范围为350nm-1100nm，CCD像素为1350，设定积分时间为1.5ns，采样率为70Hz。 [0038] 本发明的具体实施例包括： [0039] 实施例1 [0040] 步骤S1，使用夹具将工件3固定在工作台上，焊枪1装在机器人末端轴，设置钨极与工件之间的距离为100mm，以保证需要弧长的电弧2；光谱仪探头4刚性固定在支架上，光纤5连接探头与光谱仪6，实时采集电弧2的光谱信息经由USB传输到计算机7中。光谱仪6为光纤光谱仪(AvaSpec-1350F-USB2)，采集范围350nm～1100nm，CCD像素1350，设定积分时间1.5ms，采样率约70Hz。 [0041] 步骤S2，采用对接开Y型坡口填丝脉冲钨极氩弧焊，其峰值电流为240A，基值电流为50A，脉冲频率为1Hz，送丝速度为12mm/s，保护气体氩气流量为15L/min，钨极直径为3.2mm，焊丝直径为1.6mm。开始焊接前，通过机器人控制焊枪1的焊接速度为16cm/min，焊接路径为直线，行走长度为240mm。起弧后，机器人控制焊枪1原地点焊，不送丝预热8个脉冲周期；同时，成功起弧后向计算机7发送起弧信号，计算机收到起弧信号后向光谱仪6发出高电平触发信号，光谱仪6控制光谱仪探头4开始采集电弧光谱信号。 [0042] 步骤S3，光谱仪对探头位置极为敏感，实验前通过垂直-水平连续移动调整探头，并实时采集光谱来分析选择较合理的探头位置；具体的光谱仪探头4进行先上下，后左右的移动，将其调整在位置敏感区。首先固定光谱仪探头4与电弧2的相对位置距离为D＝100mm，然后将光谱仪探头4从上到下进行缓慢微调。如图3所示，给出了光谱仪探头4在移动过程中镁元素线谱的强度曲线，从图中可看到，光谱仪探头4上下移动时，光谱强度在正对电弧2附近区域达到最大，弧光过于强烈并可能超出最大量程，稍微偏上或偏下时，其MgI强度急剧下降，说明钨极对弧光的遮挡比较严重。最终在位置敏感区内确定上下位置。然后光谱仪探头4从左到右移动，如图3所示，在强度较大的敏感区固定位置进行采集。最后，综合积分时间和添加10％减光片8使得光谱强度在2/3量程附近。 [0043] 该步骤过程中通过调整光谱仪探头4的位置从而获得铝合金熔焊过程中的金属光谱信号，用于进行下面的主成分分析(PCA)的金属谱线特征提取及过程状态检测方法，具体过程如下： [0044] 步骤S4，根据步骤S3中实时采集信号的动态特性，在200～600nm之间选择金属谱线变化较为活跃的谱段作为待分析金属光谱信号。然后利用取下包络的方法将金属光谱信号的金属背景谱与金属线谱进行分离。如图4所示为分离后的金属线谱(382.2nm～429.64nm)及金属背景谱；如图1中步骤S101所示。 [0045] 步骤S5，步骤S4中一共获取N个金属线谱样本，并且对N个金属线谱样本进行主成分分析(PCA)处理。本实施例焊接实验包含不送丝和送丝两种状态，选择60个样本为一组，含81维特征进行PCA处理；如图1中步骤S102所示。 [0046] 步骤S6，利用PCA主分量系数进行相关性定性分析及敏感度定量评价。如图5和6所示，四个主分量的PCA系数，PCA系数绝对值较大的谱线像素，分别为64像素，82～85像素及105像素；根据系数的正负值，确定在同一分量中，不同像素的正负相关关系。如在第三分量中，105像素与64，82呈负相关，且其系数绝对值最大，第四分量也有类似的规律，说明这三个像素对应的谱线存在很大的负相关性；如图1中步骤S103所示。 [0047] 步骤S7，对PCA主分量及105像素谱线强度曲线对比分析，得到如图7所示，第3主分量与第1主分量在焊接的前半段有着相反的变化规律，对应于焊接过程的未送丝，送丝打磨状态，间接证实了它们之间的负相关关系；图7中，第3主分量的后半截强度负值主要是由105像素贡献的，并推测送丝状态与105像素相关性较大；而第1主分量中各系数均为正值，特征曲线是各像素系数线性组合后的结果。 [0048] 步骤S8，通过NIST数据库，对系数较大的金属谱线元素进行确认。由于CCD光谱仪6像素有限，综合考虑了焊接板材及焊丝中各元素含量、辐射电离难易程度、理论强度及文献报道等，最终结果如下表1所示；该过程如图1中步骤S104所示。 [0049] [0050] [0051] 表1 [0052] 步骤S9，如图8所示为送丝和不送丝状态下的光谱信号。分析是否送丝的改变对金属谱线的辐射影响规律。送丝后铁原子FeI辐射强度明显增大，标出的MgI和AlI变化不明显，表明送丝的改变仅对FeI谱线有影响，二者具有唯一的强相关关系。 [0053] 步骤S10，基于PCA系数曲线求取对应谱峰的积分面积，提取金属谱线的特征参数。以峰值点为中心包含整个谱峰即可，选择SOI-MgI，SOI-AlI及SOI-MgI，按照下面公式： [0054] 以梯形法执行数值积分运算，求取各峰值曲线的积分面积，作为焊接过程状态检测特征参数；如图1中步骤S105所示。 [0055] 本实施例的结果如图9所示，图中A左侧为不送丝状态，B右侧为送丝状态，且不同金属蒲县特征具有不同的变化规律。开始送丝后，FeI谱线系数面积急剧增大，反映了FeI电离辐射的动态变化程度加大，其对应的强度曲线也有明显的峰值出现，而AlI和MgI特征有轻微减小。说明送丝对电弧有瞬间冷却作用，焊丝熔化电离消耗了一部分电弧热。原因可能是：Fe I在三类金属谱线中具有最大的理论强度，PCA系数也最大，焊丝中的Fe元素进入电弧后，增加了FeI的电离辐射程度；其次，送丝对电弧有瞬间冷却作用，焊丝熔化电离消耗了一部分电弧热，加之Mg电离电压最大，相对强度较低，故辐射强度最小，验证了PCA发现的三者之间负相关关系。 [0056] 统计实施例1中所有未送丝样本的特征值，进行归一化处理，利用SPC方法计算上限阈值。设计不同状态的焊接实验，进行重复性验证。如附图5中步骤S106所示。 [0057] 实施例2 [0058] 采用与实施例1相同的焊接工艺参数，在工件后半段正面铣掉一部分金属，模拟制造不同熔透状态。焊接开始原地焊接预热8秒，未送丝，持续到行走后3个脉冲，之后开始连续送丝约20秒，然后停止送丝，直至焊接结束；如附图10中的焊缝实物图所示，工件设计及焊接试样结果。 [0059] 通过本发明的方法计算得到，图10所示的金属谱FeI特征参数曲线，与焊接不同状态对应的分析。在未送丝状态C与焊漏状态D耦合下，特征曲线仍较为平稳，对焊漏缺陷没有响应，在送丝时，有较大的幅值变化，说明该Fe I(407.84nm)特征值对送丝状态的变化具有唯一的相关性，不受其他因素干扰。 [0060] 实施例3 [0061] 采用与实施例1相同的焊接工艺参数，打磨焊件表面进行氧化膜的去除，通过无水乙醇擦拭去除打磨碎屑，工件固定在焊接工作台上，其焊缝如图11所示，在三处E点进行沥青的定点填充，模拟气孔缺陷。对前11个脉冲未送丝，之后的焊件前半段送丝，后半段未送丝。根据本发明方法计算特征参数，归一化后与SPC阈值线对比，如图12所示，前期未送丝状态A及后半段未送丝C的特征值均在阈值线附近，而送丝状态B的特征值远超出阈值，沥青干扰状态E对监测特征没有明显影响。 [0062] 实施例4 [0063] 采用与实施例1相同的焊接工艺参数，其焊缝如图13所示，焊接前半段为送丝行走状态B，后半段未行走不送丝状态C。根据本发明方法计算FeI特征参数，归一化后与SPC阈值线对比，如图14所示。前期送丝状态B的特征值在阈值线以上，停止送丝后的特征低于阈值。 [0064] 实施例5 [0065] 采用与实施例1相同的焊接工艺参数，打磨焊件表面进行氧化膜的去除，通过无水乙醇擦拭去除打磨碎屑，焊件固定于焊接工作台，其焊缝如图15所示，在表面多处进行沥青的定点(图15中E点)填充，整个焊接过程未送丝。计算FeI特征参数，如图16所示，归一化后与SPC阈值线对比，除去焊接前期不稳定状态，特征值基本在阈值附近，相比实施例4，幅值有所增大，但仍小于送丝下的特征幅值。 [0066] 通过上述实验及实施例结果可见，采用本发明的特征提取方法及焊接过程在线检测装置，可以获得较高鲁棒性的监测特征参数，通过主成分分析方法可以快速实时找到与过程状态相关性最大的金属谱线，所提取的特征参数计算方法简单，敏感性好，对光谱仪精度要求不高，抗干扰能力强，利用SPC控制阈值可以实现对焊接状态的准确检测，为推广至其他合金的熔焊过程检测及焊接缺陷的过程检测奠定基础。 |
||
QQ群二维码
意见反馈
意见反馈