CN117324769B - 一种基于ccd视觉检测的自动精密激光焊接方法 - Google Patents
一种基于ccd视觉检测的自动精密激光焊接方法 Download PDFInfo
- Publication number
- CN117324769B CN117324769B CN202311513723.7A CN202311513723A CN117324769B CN 117324769 B CN117324769 B CN 117324769B CN 202311513723 A CN202311513723 A CN 202311513723A CN 117324769 B CN117324769 B CN 117324769B
- Authority
- CN
- China
- Prior art keywords
- value
- preset
- optimization
- analysis
- welding
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 143
- 238000001514 detection method Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000000007 visual effect Effects 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 98
- 238000005457 optimization Methods 0.000 claims abstract description 87
- 230000002159 abnormal effect Effects 0.000 claims abstract description 29
- 238000013433 optimization analysis Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 44
- 230000005856 abnormality Effects 0.000 claims description 43
- 238000004364 calculation method Methods 0.000 claims description 36
- 238000003745 diagnosis Methods 0.000 claims description 32
- 230000010355 oscillation Effects 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 12
- 238000005065 mining Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010408 sweeping Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims description 2
- 238000011179 visual inspection Methods 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000002309 gasification Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- B23K26/24—Seam 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
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/03—Observing, e.g. monitoring, the workpiece
- B23K26/032—Observing, e.g. monitoring, the workpiece using optical means
-
- 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
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working
Landscapes
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明属于激光焊接监管技术领域，具体是一种基于CCD视觉检测的自动精密激光焊接方法，通过实时采像模块基于CCD相机对焊接区域进行实时视觉采集，图像处理模块对接收到的图像数据进行预处理和特征提取，优化分析控制模块基于特征数据并进行分析以生成相应优化策略，对焊接过程进行实时调整优化，能够将激光焊接与CCD视觉检测相结合以实现焊接过程的自动优化，实现激光焊接的自动化和精密控制，且通过优化精准性检测模块对优化执行表现状况进行分析，以及对激光器的运行异常状况和采像质量影响状况进行检测评估并合理反馈预警，进一步保证激光焊接质量。
Description
技术领域
本发明涉及激光焊接监管技术领域，具体是一种基于CCD视觉检测的自动精密激光焊接方法。
背景技术
激光焊接是一种高效的焊接方法，通过激光器并利用高能量光束转化热能，照射在需要焊接的材料表面上，使激光与被焊接材料发生强烈的相互作用，从而产生熔融、气化等瞬间物理化学过程，形成一个冶金结合的接头；激光焊接广泛应用于汽车工业、轻工、建筑等领域；
目前在进行激光焊接时，不能将激光焊接与CCD视觉检测相结合以实现焊接过程的自动优化和优化精准性评估，无法实现激光焊接的自动化和精密控制，且在实际使用过程中不能对激光器的运行异常状况和采像质量影响状况进行检测评估并合理反馈预警，管理人员无法及时作出相应调控措施，不利于保证焊接质量；
针对上述的技术缺陷，现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于CCD视觉检测的自动精密激光焊接方法，解决了现有技术不能将激光焊接与CCD视觉检测相结合以实现焊接过程的自动优化和优化精准性评估，且不能对激光器的运行异常状况和采像质量影响状况进行检测评估并合理反馈预警，不利于保证焊接质量的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于CCD视觉检测的自动精密激光焊接方法，包括以下步骤：
步骤一、实时采像模块通过CCD相机对焊接区域进行实时视觉采集，将采集到的图像数据经服务器传输至图像处理模块；
步骤二、图像处理模块对接收到的图像数据进行预处理，并对预处理后的图像进行特征提取，且所提取的特征数据经服务器发送至优化分析控制模块；
步骤三、优化分析控制模块根据接收到的特征数据，将所有特征数据与相应预设参数进行逐一比较，基于比较分析结果生成相应优化策略以调整激光器的输出功率和扫描速度，对焊接过程进行实时调整优化；
服务器与优化精准性检测模块通信连接，在优化分析控制模块对焊接过程中的激光器进行实时优化控制时，优化精准性检测模块通过优化准确性分析以判断对应优化过程为优化正常状态、优化高异状态或优化低异状态，通过优化效表分析获取到优化效析值，且获取到单位时间内优化高异状态的判断次数和优化低异状态的判断次数并将其分别标记为优异高频值和优异低频值；
将优化效析值、优化高频值和优化低频值进行数值计算得到优化评判值，将优化评判值与预设优化评判阈值进行数值比较，若优化评判值超过预设优化评判阈值，则生成优化故障信号；若优化评判值未超过预设优化评判阈值，则生成优化无碍信号；且将优化故障信号经服务器发送至焊接管理端，焊接管理端接收到优化故障信号时对其进行显示并发出相应预警。
进一步的，在步骤二中，预处理包括噪声去除和图像增强，其中，噪声去除是指通过相应算法将干扰因素从图像中去除，提高图像的清晰度和质量，噪声去除方法包括中值滤波和高斯滤波；图像增强是指为突出图像中的某些特征而进行的对比度、亮度和色彩调整，在激光焊接中通过进行图像增强以清楚显现焊缝的位置和形状，图像增强方法包括直方图均衡化和锐化。
进一步的，在步骤二中，特征提取包括焊缝位置、宽度和深度信息的提取，焊缝位置提取方法包括基于边缘检测的方法和基于模板匹配的方法，焊缝宽度和深度提取方法包括基于边缘检测的方法和基于深度学习的方法。
进一步的，优化准确性分析的具体分析过程如下：
实时采集到激光器的输出功率和扫描速度并将其分别标记为功率实测值和扫速实测值，且从服务器调取当前时刻优化分析控制模块分析得到的预设输出功率和预设扫描速度并将其分别标记为功率设定值和扫速设定值；将对应时刻的功率实测值与功率设定值进行差值计算并取绝对值以得到功率差析值，将扫速实测值与扫速设定值进行差值计算并取绝对值以得到扫速差析值；
将功率差析值和扫速差析值与预设功率差析阈值和预设扫速差析阈值分别进行数值比较，若功率差析值和扫速差析值均未超过对应预设阈值，则判断对应时刻处于优化正常状态；若功率差析值和扫速差析值超过对应预设阈值，则判断对应时刻处于优化高异状态；其余情况则判断对应时刻处于优化低异状态。
进一步的，优化效表分析的具体分析过程如下：
采集到优化分析控制模块生成相应优化策略的时刻并将其标记为时刻一，以及采集到激光器开始作出相应调整的时刻并将其标记为时刻二，将对应的时刻二和时刻一进行时间差计算得到单次优效值；将单位时间内的所有单次优效值进行求和计算并取均值以得到优效平均值，将单次优效值与预设单次优效阈值进行数值比较，若单次优效值超过预设单次优效阈值，则将对应单次优效值标记为优效异常值，将单位时间内优效异常值的数量与单次优效值的数量进行比值计算得到优效异析值；将优效异析值与优效平均值进行赋权求和计算得到优化效析值。
进一步的，服务器与采像影响性监测模块和焊接异常性诊断模块均通信连接，采像影响性监测模块对CCD相机的运行进行监测，通过分析以生成采像高影响信号或采像低影响信号，且将采像高影响信号经服务器发送至焊接管理端；焊接异常性诊断模块对激光器的运行进行检测和异常诊断，通过分析以生成焊接异常预警信号或焊接正常信号，将焊接异常预警信号经服务器发送至焊接管理端；且焊接管理端接收到采像高影响信号或焊接异常预警信号时对其进行显示，并发出相应预警。
进一步的，采像影响性监测模块的具体分析过程包括：
实时采集到CCD相机运行时的摆动频率和摆动幅度，将摆动频率和摆动幅度与预设摆动频率阈值和预设摆动幅度阈值分别进行数值比较，若摆动频率或摆动幅度超过对应预设阈值，则判断对应时刻CCD相机处于摆异状态；获取到单位时间内CCD处于摆异状态的时长并将其标记为摆异时况评估值，且将单位时间内CCD相机的所有摆动频率进行均值计算得到摆频检测值，同理获取到摆幅检测值，将摆异时况评估值、摆频检测值和摆幅检测值进行数值计算得到摆影决策值；将摆影决策值与预设摆影决策阈值进行数值比较，若摆影决策值超过预设摆影决策阈值，则生成采像高影响信号；
若摆影决策值未超过预设摆影决策阈值，则采集到CCD相机所需采集的焊接区域的环境能见度数据和光照亮度数据，将光照亮度数据与预设适宜采像光亮范围的的中值进行差值计算并取绝对值以得到光亮检测数据；将单位时间内的所有环境能见度数据进行均值计算得到能见度评估值，同理获取到光亮评估值，将能见度评估值与光亮评估值进行数值计算得到采环评估值；将采环评估值与预设采环评估阈值进行数值比较，若采环评估值超过预设采环评估阈值，生成采像高影响信号；若采环评估值未超过预设采环评估阈值，生成采像低影响信号。
进一步的，焊接异常性诊断模块的具体运行过程包括：
采集到激光器上若干个位置处的温度曲线，将温度曲线上设定若干个温标点，将对应温标点的温度数据与预设温度数据阈值进行数值比较，若温度数据超过预设温度数据阈值，则将对应温标点标记为超常温标点，将超常温标点的数量与温标点的数量进行比值计算得到超常点检值；且将相邻两组温标点的温度数据进行差值计算得到温度差检值，将温度差检值与预设温度差检阈值进行数值比较，若温度差检值超过预设温度差检阈值，则将对应温度差检值标记为存疑温升值，将存疑温升值的数量与温度差检值的数量进行比值计算得到存疑温析值；
以及将所有温标点的温度数据进行求和计算并取均值以得到温度分析值，将温度分析值、存疑温析值和超常点检值进行数值计算得到激光器对应位置的位温表现值；将位温表现值与预设位温表现阈值进行数值比较，若位温表现值超过预设位温表现阈值，则将对应位置标记为温检异现位；
将激光器上的温检异现位的数量标记为温检评估值，并获取到激光器运行过程中所产生的噪音数据，将噪音数据和温检评估值进行数值计算得到焊接异常诊断值；将焊接异常诊断值与预设焊接异常诊断阈值进行数值比较，若焊接异常诊断值超过预设焊接异常诊断阈值，则生成焊接异常预警信号；若焊接异常诊断值未超过预设焊接异常诊断阈值，则生成焊接正常信号。
与现有技术相比，本发明的有益效果是：
1、本发明中，通过实时采像模块基于CCD相机对焊接区域进行实时视觉采集，图像处理模块对接收到的图像数据进行预处理和特征提取，优化分析控制模块基于特征数据并进行分析以生成相应优化策略，对焊接过程进行实时调整优化，将激光焊接与CCD视觉检测相结合以实现焊接过程的自动优化，实现激光焊接的自动化和精密控制；且通过优化精准性检测模块对优化执行表现状况进行分析，生成优化故障信号或优化无碍信号，以便管理人员及时作出相应改善措施，有效保证激光焊接操作的稳定性和焊接质量；
2、本发明中，通过采像影响性监测模块对CCD相机的运行进行监测，通过分析以生成采像高影响信号或采像低影响信号，以便管理人员详细掌握采像影响状况，从而得以快速且针对性的作出合理调控措施，保证CCD相机的采像质量，有利于进行视觉分析并提升分析结果精准性；且通过焊接异常性诊断模块对激光器的运行进行检测和异常诊断，通过分析以生成焊接异常预警信号或焊接正常信号，以便管理人员详细掌握激光器的运行故障状况和焊接风险性，进一步保证激光焊接质量和操作稳定性。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；
图1为本发明的方法流程图；
图2为本发明中实施例一的系统框图；
图3为本发明中实施例二和实施例三的系统框图。
具体实施方式
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，所描述的实施例仅仅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。
实施例一：如图1-2所示，本发明提出的一种基于CCD视觉检测的自动精密激光焊接方法，包括以下步骤：
步骤一、实时采像模块通过CCD相机对焊接区域进行实时视觉采集，将采集到的图像数据经服务器传输至图像处理模块；
步骤二、图像处理模块对接收到的图像数据进行预处理，并对预处理后的图像进行特征提取，且所提取的特征数据经服务器发送至优化分析控制模块；
其中，预处理包括噪声去除和图像增强，其中，噪声去除是指通过相应算法将干扰因素从图像中去除，提高图像的清晰度和质量，噪声去除方法为中值滤波或高斯滤波等；
在激光焊接中，为了更好地识别焊缝，往往需要提高图像的对比度和亮度，以便更清楚地看出焊缝的位置和形状；图像增强是指为突出图像中的某些特征而进行的对比度、亮度和色彩等调整，在激光焊接中通过进行图像增强以清楚显现焊缝的位置和形状，图像增强方法包括直方图均衡化和锐化等；
特征提取主要包括焊缝位置、宽度和深度等信息的提取，焊缝位置是激光焊接的关键参数，提取准确可以大大提高焊接的精度和质量，焊缝位置提取方法主要为基于边缘检测的方法或基于模板匹配的方法；焊缝宽度和深度是评价焊接质量的重要指标，提取这些信息可以了解焊接的质量，并为优化分析控制模块提供调整激光输出的依据，焊缝宽度和深度提取方法主要为基于边缘检测的方法或基于深度学习的方法；
步骤三、优化分析控制模块根据接收到的特征数据，将所有特征数据与相应预设参数进行逐一比较，基于比较分析结果生成相应优化策略以调整激光器的输出功率和扫描速度，对焊接过程进行实时调整优化，保证焊接质量。
并且，服务器与优化精准性检测模块通信连接，在优化分析控制模块对焊接过程中的激光器进行实时优化控制时，优化精准性检测模块通过优化准确性分析以判断对应优化过程为优化正常状态、优化高异状态或优化低异状态，通过优化效表分析获取到优化效析值，且获取到单位时间内优化高异状态的判断次数和优化低异状态的判断次数并将其分别标记为优异高频值和优异低频值；
通过公式YP=st1*YG+st2*YR+st3*YQ将优化效析值YG、优化高频值YR和优化低频值YQ进行数值计算得到优化评判值YP，其中，st1、st2、st3为预设比例系数，st1＞st2＞st3＞0；并且，优化评判值YP的数值越大，则表明综合而言优化状况越差；
将优化评判值YP与预设优化评判阈值进行数值比较，若优化评判值YP超过预设优化评判阈值，表明综合而言优化状况较差，则生成优化故障信号；若优化评判值YP未超过预设优化评判阈值，表明综合而言优化状况较好，则生成优化无碍信号；且将优化故障信号经服务器发送至焊接管理端，焊接管理端接收到优化故障信号时对其进行显示并发出相应预警，以便管理人员及时作出相应改善措施，从而保证激光焊接操作的稳定性和焊接质量。
具体而言，优化准确性分析的具体分析为：实时采集到激光器的输出功率和扫描速度并将其分别标记为功率实测值和扫速实测值，且从服务器调取当前时刻优化分析控制模块分析得到的预设输出功率和预设扫描速度并将其分别标记为功率设定值和扫速设定值；将对应时刻的功率实测值与功率设定值进行差值计算并取绝对值以得到功率差析值，将扫速实测值与扫速设定值进行差值计算并取绝对值以得到扫速差析值；
将功率差析值和扫速差析值与预设功率差析阈值和预设扫速差析阈值分别进行数值比较，若功率差析值和扫速差析值均未超过对应预设阈值，表明激光器的执行表现状况较好，则判断对应时刻处于优化正常状态；若功率差析值和扫速差析值超过对应预设阈值，表明激光器的执行表现状况极差，则判断对应时刻处于优化高异状态；其余情况表明激光器的执行表现状况较差，则判断对应时刻处于优化低异状态。
进一步而言，优化效表分析的具体分析过程为：采集到优化分析控制模块生成相应优化策略的时刻并将其标记为时刻一，以及采集到激光器开始作出相应调整的时刻并将其标记为时刻二，将对应的时刻二和时刻一进行时间差计算得到单次优效值；需要说明的是，单次优效值的数值越大，表明对应优化调控过程的反应效率较低；将单次优效值与预设单次优效阈值进行数值比较，若单次优效值超过预设单次优效阈值，则将对应单次优效值标记为优效异常值；
将单位时间内的所有单次优效值进行求和计算并取均值以得到优效平均值，将单位时间内优效异常值的数量与单次优效值的数量进行比值计算得到优效异析值；通过公式YG=b1*YD+b2*YX将优效异析值YD与优效平均值YX进行赋权求和计算得到优化效析值YG；并且，b1、b2为预设权重系数，b1＞b2＞0；并且，优化效析值YG的数值与优效异析值YD以及优效平均值YX均呈正比关系，优化效析值YG的数值越大，表明优化反应效率越差。
实施例二：如图3所示，本实施例与实施例1的区别在于，服务器与采像影响性监测模块通信连接，采像影响性监测模块对CCD相机的运行进行监测，通过分析以生成采像高影响信号或采像低影响信号，且将采像高影响信号经服务器发送至焊接管理端；焊接管理端接收到采像高影响信号时对其进行显示，并发出相应预警，以便管理人员详细掌握采像影响状况，从而得以快速且针对性的作出合理调控措施，保证CCD相机的采像质量，有利于进行视觉分析并提升分析结果精准性；采像影响性监测模块的具体分析过程如下：
实时采集到CCD相机运行时的摆动频率和摆动幅度，将摆动频率和摆动幅度与预设摆动频率阈值和预设摆动幅度阈值分别进行数值比较，若摆动频率或摆动幅度超过对应预设阈值，则判断对应时刻CCD相机处于摆异状态；获取到单位时间内CCD处于摆异状态的时长并将其标记为摆异时况评估值，且将单位时间内CCD相机的所有摆动频率进行均值计算得到摆频检测值，同理获取到摆幅检测值，通过公式BY=fq1*BP+fq2*BF+fq3*BR将摆异时况评估值BP、摆频检测值BF和摆幅检测值BR进行数值计算得到摆影决策值BY；
其中，fq1、fq2、fq3为预设比例系数，fq1、fq2、fq3的取值均大于零；并且，摆影决策值BY的数值越大，表明CCD相机的运行越不稳定，采像状况越差；将摆影决策值与预设摆影决策阈值进行数值比较，若摆影决策值BY超过预设摆影决策阈值，表明CCD相机的稳定性较差，则生成采像高影响信号；
若摆影决策值BY未超过预设摆影决策阈值，则采集到CCD相机所需采集的焊接区域的环境能见度数据和光照亮度数据，将光照亮度数据与预设适宜采像光亮范围的的中值进行差值计算并取绝对值以得到光亮检测数据；将单位时间内的所有环境能见度数据进行均值计算得到能见度评估值，同理获取到光亮评估值，通过公式RF=wp1/RP+wp2*RG将能见度评估值RP与光亮评估值RG进行数值计算得到采环评估值RF；其中，wp1、wp2为预设比例系数，wp1＞wp2＞0；
需要说明的是，采环评估值RF的数值越大，则表明CCD相机的采像环境越差，越不利于保证采像质量，采像状况越差；将采环评估值RF与预设采环评估阈值进行数值比较，若采环评估值RF超过预设采环评估阈值，表明CCD相机的采像环境不佳，采像状况较差，则生成采像高影响信号；若采环评估值RF未超过预设采环评估阈值，表明CCD相机的采像环境较好，对采像质量带来的负面影响较小，则生成采像低影响信号。
实施例三：如图3所示，本实施例与实施例1、实施例2的区别在于，服务器与焊接异常性诊断模块通信连接，焊接异常性诊断模块对激光器的运行进行检测和异常诊断，通过分析以生成焊接异常预警信号或焊接正常信号，将焊接异常预警信号经服务器发送至焊接管理端；焊接管理端接收到焊接异常预警信号时对其进行显示，并发出相应预警，以便管理人员详细掌握激光器的运行故障状况和焊接风险性，从而得以快速且针对性的作出合理调控措施或维修措施，保证了激光焊接质量和操作稳定性；焊接异常性诊断模块的具体运行过程如下：
采集到激光器上若干个位置处的温度曲线，将温度曲线上设定若干个温标点，将对应温标点的温度数据与预设温度数据阈值进行数值比较，若温度数据超过预设温度数据阈值，则将对应温标点标记为超常温标点，将超常温标点的数量与温标点的数量进行比值计算得到超常点检值；且将相邻两组温标点的温度数据进行差值计算得到温度差检值，将温度差检值与预设温度差检阈值进行数值比较，若温度差检值超过预设温度差检阈值，则将对应温度差检值标记为存疑温升值，将存疑温升值的数量与温度差检值的数量进行比值计算得到存疑温析值；
以及将所有温标点的温度数据进行求和计算并取均值以得到温度分析值，通过公式WP=a1*WR+a2*WG+a3*WK将温度分析值WR、存疑温析值WG和超常点检值WK进行数值计算得到激光器对应位置的位温表现值WP；其中，a1、a2、a3为预设权重系数，a1＞a2＞a2＞0；并且，位温表现值WP的数值越大，则表明对应位置处的温度状况越差；将位温表现值WP与预设位温表现阈值进行数值比较，若位温表现值WP超过预设位温表现阈值，表明对应位置处的温度状况较差，则将对应位置标记为温检异现位；
将激光器上的温检异现位的数量标记为温检评估值，并获取到激光器运行过程中所产生的噪音数据，通过公式HZ=fy1*WF+fy2*WQ将噪音数据WF和温检评估值WQ进行数值计算得到焊接异常诊断值HZ；其中，fy1、fy2为预设比例系数，fy2＞fy1＞0；并且，焊接异常诊断值HZ的数值越大，则表明激光器的运行状况越差，故障概率越大；将焊接异常诊断值HZ与预设焊接异常诊断阈值进行数值比较，若焊接异常诊断值HZ超过预设焊接异常诊断阈值，表明激光器的故障概率较大，则生成焊接异常预警信号；若焊接异常诊断值HZ未超过预设焊接异常诊断阈值，表明激光器的故障概率较小，则生成焊接正常信号。
本发明的工作原理：使用时，实时采像模块通过CCD相机对焊接区域进行实时视觉采集，图像处理模块对接收到的图像数据进行预处理，并对预处理后的图像进行特征提取，优化分析控制模块根据接收到的特征数据并进行分析以生成相应优化策略，据此调整激光器的输出功率和扫描速度，对焊接过程进行实时调整优化，将激光焊接与CCD视觉检测相结合以实现焊接过程的自动优化，实现激光焊接的自动化和精密控制；通过优化精准性检测模块对优化执行表现状况进行分析，生成优化故障信号或优化无碍信号，以便管理人员及时作出相应改善措施，有效保证激光焊接操作的稳定性和焊接质量。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种基于CCD视觉检测的自动精密激光焊接方法，其特征在于，包括以下步骤：
步骤一、实时采像模块通过CCD相机对焊接区域进行实时视觉采集，将采集到的图像数据经服务器传输至图像处理模块；
步骤二、图像处理模块对接收到的图像数据进行预处理，并对预处理后的图像进行特征提取，且所提取的特征数据经服务器发送至优化分析控制模块；
步骤三、优化分析控制模块根据接收到的特征数据，将所有特征数据与相应预设参数进行逐一比较，基于比较分析结果生成相应优化策略以调整激光器的输出功率和扫描速度，对焊接过程进行实时调整优化；
服务器与优化精准性检测模块通信连接，在优化分析控制模块对焊接过程中的激光器进行实时优化控制时，优化精准性检测模块通过优化准确性分析以判断对应优化过程为优化正常状态、优化高异状态或优化低异状态，通过优化效表分析获取到优化效析值，且获取到单位时间内优化高异状态的判断次数和优化低异状态的判断次数并将其分别标记为优异高频值和优异低频值；
通过公式YP=st1*YG+st2*YR+st3*YQ将优化效析值YG、优化高频值YR和优化低频值YQ进行数值计算得到优化评判值YP，其中，st1、st2、st3为预设比例系数，st1＞st2＞st3＞0；将优化评判值YP与预设优化评判阈值进行数值比较，若优化评判值YP超过预设优化评判阈值，则生成优化故障信号；若优化评判值YP未超过预设优化评判阈值，则生成优化无碍信号；且将优化故障信号经服务器发送至焊接管理端，焊接管理端接收到优化故障信号时对其进行显示并发出相应预警；
优化准确性分析的具体分析过程为：实时采集到激光器的输出功率和扫描速度并将其分别标记为功率实测值和扫速实测值，且从服务器调取当前时刻优化分析控制模块分析得到的预设输出功率和预设扫描速度并将其分别标记为功率设定值和扫速设定值；将对应时刻的功率实测值与功率设定值进行差值计算并取绝对值以得到功率差析值，将扫速实测值与扫速设定值进行差值计算并取绝对值以得到扫速差析值；
将功率差析值和扫速差析值与预设功率差析阈值和预设扫速差析阈值分别进行数值比较，若功率差析值和扫速差析值均未超过对应预设阈值，则判断对应时刻处于优化正常状态；若功率差析值和扫速差析值超过对应预设阈值，则判断对应时刻处于优化高异状态；其余情况则判断对应时刻处于优化低异状态；
优化效表分析的具体分析过程为：采集到优化分析控制模块生成相应优化策略的时刻并将其标记为时刻一，以及采集到激光器开始作出相应调整的时刻并将其标记为时刻二，将对应的时刻二和时刻一进行时间差计算得到单次优效值；将单次优效值与预设单次优效阈值进行数值比较，若单次优效值超过预设单次优效阈值，则将对应单次优效值标记为优效异常值；
将单位时间内的所有单次优效值进行求和计算并取均值以得到优效平均值，将单位时间内优效异常值的数量与单次优效值的数量进行比值计算得到优效异析值；通过公式YG=b1*YD+b2*YX将优效异析值YD与优效平均值YX进行赋权求和计算得到优化效析值YG；并且，b1、b2为预设权重系数，b1＞b2＞0。
2.根据权利要求1所述的一种基于CCD视觉检测的自动精密激光焊接方法，其特征在于，在步骤二中，预处理包括噪声去除和图像增强，其中，噪声去除是指通过相应算法将干扰因素从图像中去除，提高图像的清晰度和质量，噪声去除方法包括中值滤波和高斯滤波；图像增强是指为突出图像中的某些特征而进行的对比度、亮度和色彩调整，在激光焊接中通过进行图像增强以清楚显现焊缝的位置和形状，图像增强方法包括直方图均衡化和锐化。
3.根据权利要求1所述的一种基于CCD视觉检测的自动精密激光焊接方法，其特征在于，在步骤二中，特征提取包括焊缝位置、宽度和深度信息的提取，焊缝位置提取方法包括基于边缘检测的方法和基于模板匹配的方法，焊缝宽度和深度提取方法包括基于边缘检测的方法和基于深度学习的方法。
4.根据权利要求1所述的一种基于CCD视觉检测的自动精密激光焊接方法，其特征在于，服务器与采像影响性监测模块和焊接异常性诊断模块均通信连接，采像影响性监测模块对CCD相机的运行进行监测，通过分析以生成采像高影响信号或采像低影响信号，且将采像高影响信号经服务器发送至焊接管理端；焊接异常性诊断模块对激光器的运行进行检测和异常诊断，通过分析以生成焊接异常预警信号或焊接正常信号，将焊接异常预警信号经服务器发送至焊接管理端；且焊接管理端接收到采像高影响信号或焊接异常预警信号时对其进行显示，并发出相应预警。
5.根据权利要求4所述的一种基于CCD视觉检测的自动精密激光焊接方法，其特征在于，采像影响性监测模块的具体分析过程包括：
实时采集到CCD相机运行时的摆动频率和摆动幅度，将摆动频率和摆动幅度与预设摆动频率阈值和预设摆动幅度阈值分别进行数值比较，若摆动频率或摆动幅度超过对应预设阈值，则判断对应时刻CCD相机处于摆异状态；获取到单位时间内CCD处于摆异状态的时长并将其标记为摆异时况评估值，且将单位时间内CCD相机的所有摆动频率进行均值计算得到摆频检测值，同理获取到摆幅检测值，将摆异时况评估值、摆频检测值和摆幅检测值进行数值计算得到摆影决策值；若摆影决策值超过预设摆影决策阈值，则生成采像高影响信号；
若摆影决策值未超过预设摆影决策阈值，则采集到CCD相机所需采集的焊接区域的环境能见度数据和光照亮度数据，将光照亮度数据与预设适宜采像光亮范围的的中值进行差值计算并取绝对值以得到光亮检测数据；将单位时间内的所有环境能见度数据进行均值计算得到能见度评估值，同理获取到光亮评估值，将能见度评估值与光亮评估值进行数值计算得到采环评估值；若采环评估值超过预设采环评估阈值，生成采像高影响信号；若采环评估值未超过预设采环评估阈值，生成采像低影响信号。
6.根据权利要求4所述的一种基于CCD视觉检测的自动精密激光焊接方法，其特征在于，焊接异常性诊断模块的具体运行过程包括：
采集到激光器上若干个位置处的温度曲线，将温度曲线上设定若干个温标点，将对应温标点的温度数据与预设温度数据阈值进行数值比较，若温度数据超过预设温度数据阈值，则将对应温标点标记为超常温标点，将超常温标点的数量与温标点的数量进行比值计算得到超常点检值；且将相邻两组温标点的温度数据进行差值计算得到温度差检值，若温度差检值超过预设温度差检阈值，则将对应温度差检值标记为存疑温升值，将存疑温升值的数量与温度差检值的数量进行比值计算得到存疑温析值；
以及将所有温标点的温度数据进行求和计算并取均值以得到温度分析值，将温度分析值、存疑温析值和超常点检值进行数值计算得到激光器对应位置的位温表现值；若位温表现值超过预设位温表现阈值，则将对应位置标记为温检异现位；将激光器上的温检异现位的数量标记为温检评估值，并获取到激光器运行过程中所产生的噪音数据，将噪音数据和温检评估值进行数值计算得到焊接异常诊断值；若焊接异常诊断值超过预设焊接异常诊断阈值，则生成焊接异常预警信号；若焊接异常诊断值未超过预设焊接异常诊断阈值，则生成焊接正常信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311513723.7A CN117324769B (zh) | 2023-11-14 | 2023-11-14 | 一种基于ccd视觉检测的自动精密激光焊接方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311513723.7A CN117324769B (zh) | 2023-11-14 | 2023-11-14 | 一种基于ccd视觉检测的自动精密激光焊接方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117324769A CN117324769A (zh) | 2024-01-02 |
| CN117324769B true CN117324769B (zh) | 2024-03-29 |
Family
ID=89293493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311513723.7A Active CN117324769B (zh) | 2023-11-14 | 2023-11-14 | 一种基于ccd视觉检测的自动精密激光焊接方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117324769B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117620363B (zh) * | 2024-01-10 | 2024-09-06 | 张家港华程机车精密制管有限公司 | 一种异型管焊接机及其控制系统 |
| CN117593298B (zh) * | 2024-01-18 | 2024-06-04 | 深圳市思博威激光科技有限公司 | 一种基于机器视觉的激光焊接质量检测系统 |
| CN118131631B (zh) * | 2024-05-07 | 2024-11-15 | 深圳市诺金环保技术有限公司 | 一种基于污水处理的动态优化调度系统及方法 |
| CN118492763B (zh) * | 2024-06-04 | 2024-11-08 | 山西恒达钢结构工程有限公司 | 一种焊接设备的智能控制方法、装置及设备 |
| CN119187775B (zh) * | 2024-11-26 | 2025-02-11 | 潍坊学院 | 一种基于人工智能的焊接监测系统 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007330987A (ja) * | 2006-06-14 | 2007-12-27 | Ihi Corp | 溶接部可視化装置を用いた溶接状況解析装置及び方法 |
| JP2010046679A (ja) * | 2008-08-20 | 2010-03-04 | Nissan Motor Co Ltd | レーザ溶接品質検査方法及び装置 |
| CN104741802A (zh) * | 2015-03-30 | 2015-07-01 | 中国石油天然气集团公司 | 一种焊接质量监测系统及方法 |
| DE102014101568A1 (de) * | 2014-02-07 | 2015-08-13 | Blackbird Robotersysteme Gmbh | Verfahren und Vorrichtung zum Laserschweißen oder -schneiden mit einem dynamisch anpassbaren Analysebereich |
| CN108340088A (zh) * | 2018-02-07 | 2018-07-31 | 深圳信息职业技术学院 | 激光精密加工视觉在线监测方法及系统 |
| CN110722285A (zh) * | 2019-09-30 | 2020-01-24 | 湖南科技大学 | 一种激光热丝焊接焊缝成形质量预测方法、系统及介质 |
| CN112719524A (zh) * | 2020-12-23 | 2021-04-30 | 深圳市兴科瑞拓科技有限公司 | 一种焊机参数自动调整方法、系统、终端和存储介质 |
| CN112809175A (zh) * | 2020-12-29 | 2021-05-18 | 深圳市利拓光电有限公司 | 基于半导体激光器的焊接方法、装置、设备及存储介质 |
| CN112861877A (zh) * | 2021-01-20 | 2021-05-28 | 沈阳理工大学 | 一种基于飞行载体的红外简易图像识别方法 |
| CN113172307A (zh) * | 2021-03-24 | 2021-07-27 | 苏州奥天智能科技有限公司 | 一种基于激光与可见光融合的视觉模块的工业机器人系统 |
| CN114714355A (zh) * | 2022-04-14 | 2022-07-08 | 广州东焊智能装备有限公司 | 自主移动焊接机器人嵌入式视觉跟踪控制系统 |
| CN217321899U (zh) * | 2022-02-11 | 2022-08-30 | 江西瑞升科技股份有限公司 | 一种锡膏印刷机的自动上料机构 |
| CN115546125A (zh) * | 2022-09-19 | 2022-12-30 | 湘潭大学 | 一种基于点云信息的增材制造熔敷层的误差检测并对轨迹纠偏的方法 |
| CN116038112A (zh) * | 2022-12-06 | 2023-05-02 | 西南石油大学 | 一种激光跟踪大型曲面板角焊系统及方法 |
| CN116221643A (zh) * | 2023-03-29 | 2023-06-06 | 苏州荣文库柏照明系统股份有限公司 | 一种自动切换色温和功率的监控摄像led灯 |
| CN116559200A (zh) * | 2023-07-10 | 2023-08-08 | 深圳市特旺电子有限公司 | 一种基于视觉测试的pcb线路板组装缺陷检测系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2221137B1 (en) * | 2007-11-02 | 2020-01-22 | Nippon Steel Corporation | Welded state monitoring device and method |
| CN109226967B (zh) * | 2018-07-25 | 2021-03-09 | 同高先进制造科技（太仓）有限公司 | 一种用于激光-电弧复合焊的主动激光视觉稳健焊缝跟踪系统 |
| DE102018220329A1 (de) * | 2018-11-27 | 2020-05-28 | Amada Holdings Co., Ltd. | Laserschweissmaschine und verfahren zur überwachung eines schweisszustands |
-
2023
- 2023-11-14 CN CN202311513723.7A patent/CN117324769B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007330987A (ja) * | 2006-06-14 | 2007-12-27 | Ihi Corp | 溶接部可視化装置を用いた溶接状況解析装置及び方法 |
| JP2010046679A (ja) * | 2008-08-20 | 2010-03-04 | Nissan Motor Co Ltd | レーザ溶接品質検査方法及び装置 |
| DE102014101568A1 (de) * | 2014-02-07 | 2015-08-13 | Blackbird Robotersysteme Gmbh | Verfahren und Vorrichtung zum Laserschweißen oder -schneiden mit einem dynamisch anpassbaren Analysebereich |
| CN104741802A (zh) * | 2015-03-30 | 2015-07-01 | 中国石油天然气集团公司 | 一种焊接质量监测系统及方法 |
| CN108340088A (zh) * | 2018-02-07 | 2018-07-31 | 深圳信息职业技术学院 | 激光精密加工视觉在线监测方法及系统 |
| CN110722285A (zh) * | 2019-09-30 | 2020-01-24 | 湖南科技大学 | 一种激光热丝焊接焊缝成形质量预测方法、系统及介质 |
| CN112719524A (zh) * | 2020-12-23 | 2021-04-30 | 深圳市兴科瑞拓科技有限公司 | 一种焊机参数自动调整方法、系统、终端和存储介质 |
| CN112809175A (zh) * | 2020-12-29 | 2021-05-18 | 深圳市利拓光电有限公司 | 基于半导体激光器的焊接方法、装置、设备及存储介质 |
| CN112861877A (zh) * | 2021-01-20 | 2021-05-28 | 沈阳理工大学 | 一种基于飞行载体的红外简易图像识别方法 |
| CN113172307A (zh) * | 2021-03-24 | 2021-07-27 | 苏州奥天智能科技有限公司 | 一种基于激光与可见光融合的视觉模块的工业机器人系统 |
| CN217321899U (zh) * | 2022-02-11 | 2022-08-30 | 江西瑞升科技股份有限公司 | 一种锡膏印刷机的自动上料机构 |
| CN114714355A (zh) * | 2022-04-14 | 2022-07-08 | 广州东焊智能装备有限公司 | 自主移动焊接机器人嵌入式视觉跟踪控制系统 |
| CN115546125A (zh) * | 2022-09-19 | 2022-12-30 | 湘潭大学 | 一种基于点云信息的增材制造熔敷层的误差检测并对轨迹纠偏的方法 |
| CN116038112A (zh) * | 2022-12-06 | 2023-05-02 | 西南石油大学 | 一种激光跟踪大型曲面板角焊系统及方法 |
| CN116221643A (zh) * | 2023-03-29 | 2023-06-06 | 苏州荣文库柏照明系统股份有限公司 | 一种自动切换色温和功率的监控摄像led灯 |
| CN116559200A (zh) * | 2023-07-10 | 2023-08-08 | 深圳市特旺电子有限公司 | 一种基于视觉测试的pcb线路板组装缺陷检测系统 |
Non-Patent Citations (2)
| Title |
|---|
| Visualization of hump formation in high-speed gas metal arc welding;Wu, CS;《MEASUREMENT SCIENCE AND TECHNOLOGY》;20091009;第20卷(第11期);115702：1-8 * |
| 基于激光跟踪焊接的焊缝识别与提取算法研究;刘智;胡慧;蔡雄武;何瑛骏;;机电工程技术;20200820(08);41-43 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117324769A (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117324769B (zh) | 一种基于ccd视觉检测的自动精密激光焊接方法 | |
| CN117250208B (zh) | 基于机器视觉的纳米压印晶圆缺陷精准检测系统及方法 | |
| CN116423005B (zh) | 一种提高焊接精度的锡焊工艺优化方法及系统 | |
| CN117635565A (zh) | 一种基于图像识别的半导体表面缺陷检测系统 | |
| CN113752086A (zh) | 一种用于数控机床刀具状态检测的方法和装置 | |
| CN110111303A (zh) | 一种基于动态图像的大型运载皮带撕裂故障智能检测方法 | |
| CN117548911A (zh) | 一种基于人工智能的连接器焊接智能监管系统 | |
| CN112053376A (zh) | 一种基于深度信息的工件焊缝识别方法 | |
| CN106101658A (zh) | 杆塔异物和缺失智能视频在线监测系统 | |
| CN117310495B (zh) | 一种新能源电机的耐久性能综合检测系统 | |
| CN116168019A (zh) | 基于机器视觉技术的电网故障检测方法及系统 | |
| CN107797517A (zh) | 采用机器视觉实现钢带冲孔加工检测的方法及系统 | |
| CN112179922A (zh) | 一种电线电缆缺陷检测系统 | |
| CN112067618A (zh) | 一种基于图形化的产品质量缺陷采集分析系统 | |
| CN118799796A (zh) | 基于云计算的数字化储能电站安全预警系统 | |
| CN116517787A (zh) | 一种双馈风力发电机轴承电腐蚀程度检测方法 | |
| CN110363749B (zh) | 基于图像处理的防震锤锈蚀程度评价方法 | |
| CN108375581B (zh) | 基于声光信号监测的双光束激光焊接过程缺陷控制方法 | |
| CN115375658A (zh) | 一种铣刀磨损在线监测系统 | |
| CN118789364A (zh) | 一种基于图像识别的数控机床加工精度在线识别方法 | |
| CN116331220B (zh) | 一种自动驾驶车辆的车道偏离预警方法及预警系统 | |
| CN117890385A (zh) | 基于焊接缺陷检测的新能源汽车水冷板加工装置 | |
| CN116667785A (zh) | 光伏装置运行状态监测方法、系统、电子设备及存储介质 | |
| CN117252809A (zh) | 一种基于ai工业视觉的识别系统及其方法 | |
| Zhang et al. | An easy method of image feature extraction for real-time welding defects detection |
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 |