微间隙焊缝磁光成像NN-KF跟踪算法

针对紧密对接微间隙焊缝,分析基于磁光成像的神经网络补偿卡尔曼滤波(kalman filtering compensated by neural network,NN-KF)跟踪算法,建立焊缝位置测量模型并运用卡尔曼滤波对焊缝位置偏差进行最优预测.卡尔曼滤波进行最优估计需建立准确的系统模型和观测模型,而在焊缝跟踪过程中,系统噪声具有非先验性.对于针对测量模型误差、过程噪声和测量噪声对卡尔曼滤波结果的影响,运用反向传播(back propagation,BP)神经网络对卡尔曼滤波结果进行修正,补偿模型误差及噪声统计不确定性造成的滤波误差.结果表明,BP神经网络补偿卡尔曼滤波算法能有效抑制滤波发散,减小噪声干扰影响,提高焊缝跟踪精度.     

基于RBF神经网络优化卡尔曼滤波的焊缝路径修正研究

在焊缝跟踪过程中存在多种噪声干扰,严重影响焊缝位置信息的准确提取。以碳钢平板对接焊为试验对象,通过提取脉冲涡流检测信号波形的峰值和过零时间实现对焊缝位置参数的检测。为避免噪声特性的不确定性对卡尔曼滤波焊缝跟踪的影响,使用径向基(RBF)神经网络优化卡尔曼滤波算法,以卡尔曼滤波状态参量作为网络输入,滤波误差作为网络输出,建立RBF神经网络训练过程。利用训练好的RBF神经网络输出修正的卡尔曼滤波值,补偿焊缝中心滤波误差。试验结果表明,采用RBF神经网络优化的卡尔曼(Kalman)滤波焊缝修正方法能够减小噪声对测量数据的影响。通过修正脉冲涡流测量数据,获得更为精确的焊缝中心位置,提高了焊缝跟踪精度。     

磁光成像焊缝跟踪卡尔曼滤波算法

在激光对接焊过程中,精确控制激光束使其始终对正并跟踪焊缝是保证激光焊接的前提,为此首先须精确检测焊缝位置。针对小于0.05 mm的微间隙对接焊缝,通过对焊件施加感应磁场,利用法拉第磁旋光原理构成磁光传感器并获取焊缝磁光图像。通过图像处理提取焊缝中心位置并构成状态向量,建立基于焊缝中心位置的系统状态方程和测量方程。采用卡尔曼滤波算法对焊缝中心位置进行最优估计,得到焊缝中心位置最优预测值,消除过程噪声与测量的干扰影响。试验结果表明,卡尔曼滤波方法能够有效减少噪声干扰并提高焊缝跟踪精度。     

色噪声下卡尔曼滤波磁光成像焊缝跟踪算法

焊缝跟踪是保证激光焊接质量的前提,在激光焊接过程中,精确地识别和跟踪焊缝非常重要。以紧密对接平板激光焊为试验对象,研究一种色噪声环境下应用卡尔曼滤波最优状态估计对焊缝偏差进行预测的方法。使用磁光传感器摄取焊缝磁光图像并提取焊缝位置参数,建立基于焊缝位置参数的系统测量方程和状态方程。应用扩展状态向量的方法建立色噪声环境下的卡尔曼滤波算法,对焊缝位置进行最优状态估计,得到均方差极小值情况下的焊缝偏差预测最优值,减小系统噪声对焊缝位置识别的影响。试验结果表明所提方法可以显著提高焊缝跟踪的准确性。     

磁光成像自适应卡尔曼滤波焊缝跟踪算法

焊缝跟踪是保证焊接质量的前提.针对0~0.05 mm的微间隙焊缝,研究一种色噪声环境下应用卡尔曼滤波实现焊缝跟踪的方法.通过对焊件施加磁场,利用法拉第磁旋光原理构成磁光传感器并获取焊缝磁光图像,提取焊缝中心位置构成状态向量,建立基于焊缝中心位置的系统状态方程与测量方程.针对系统过程噪声为色噪声,使用Sage自适应卡尔曼滤波,采用新息序列估计过程噪声协方差矩阵,准确预测焊缝中心位置.结果表明,根据自适应卡尔曼滤波方法能够有效提高焊缝跟踪精度.     

多新息理论优化卡尔曼滤波焊缝在线识别

针对间隙小于0.05 mm的低碳钢对接焊缝,用磁光传感方法获取焊缝位置信息,研究多新息理论优化卡尔曼滤波在焊缝识别及跟踪中的应用.在获取磁光图像及提取焊缝位置的过程中存在较多干扰,而传统卡尔曼滤波受噪声的影响较大,难以对焊缝偏差进行最优估计.为此,结合多新息理论,提出一种焊缝位置检测的卡尔曼滤波改进算法,在对当前时刻进行预测时,充分考虑之前多个时刻的运动状态,综合历史数据估计出焊缝位置信息,对不同新息值进行试验比较并考虑计算量和滤波精度,发现选用两个新息值优化卡尔曼滤波算法可得到较好的效果.结果表明,多信息理论优化卡尔曼滤波算法可有效提高焊缝位置检测精度.     

卡尔曼滤波磁光成像计盒维数焊缝跟踪算法

在激光焊接过程中精确地识别和跟踪焊缝十分重要。采用磁光成像传感器能够获取紧密对接微间隙焊缝(0~0.1 mm)的磁光图像。由于磁光图像存在较多干扰,根据计盒维数算法和卡尔曼滤波算法综合处理焊缝磁光图像,可获取较准确的焊缝位置。对焊缝磁光图像进行滤波去噪,将图像细分成块并计算出每个图像块的分形维数,再选取合适阈值分割图像,提取出焊缝位置参数。建立基于焊缝位置参数的系统状态方程和测量方程。应用卡尔曼滤波算法对焊缝位置进行最优状态估计,得到最小均方差条件下的焊缝偏差最优预测值。试验结果表明,卡尔曼滤波与计盒维数融合方法能够提高焊缝跟踪精度。     

微间隙焊缝磁光检测神经网络修正

针对激光焊接微间隙焊缝（间隙小于0.1 mm）,研究提高磁光传感检测焊缝精度的BP神经网络修正方法.以碳钢平板对接激光焊为试验对象,利用磁光传感器检测焊缝区域磁场分布并成像.通过分析焊缝处磁场成像并应用BP神经网络修正磁光传感器得到焊缝中心数据,有效避免焊缝磁光图像低对比度和强噪声干扰问题.经过在不同焊接速度试验下的测试,四组神经网络试验的焊缝位置误差的绝对平均值都在0.015 mm左右,BP神经网络测量误差比磁光成像直接测量平均减少约28%.BP神经网络修正磁光成像测量技术可有效识别微间隙焊缝,为解决激光焊接微间隙焊缝过程自动识别和跟踪焊缝的难题提供了一种新方法.     

基于卡尔曼滤波的V形焊缝跟踪偏差修正

针对焊缝跟踪过程中存在多种噪声干扰、严重影响焊缝位置信息准确提取的现状,以碳钢平板对接为焊接试验对象,借助脉冲涡流无损检测提取焊缝位置峰值和过零时间;在此基础上,进一步采用卡尔曼滤波的系统状态最优估计方法,对焊接中心偏离状态进行修正。焊接试验结果表明:Kalman滤波算法能够有效消除多种噪声干扰,优化脉冲涡流提取信息,提高焊缝跟踪的稳定性。理论分析和实验结果相一致,验证了所采用方法的可行性。     

基于卡尔曼滤波的Ⅴ形焊缝跟踪偏差修正

针对焊缝跟踪过程中存在多种噪声干扰、严重影响焊缝位置信息准确提取的现状,以碳钢平板对接为焊接试验对象,借助脉冲涡流无损检测提取焊缝位置峰值和过零时间;在此基础上,进一步采用卡尔曼滤波的系统状态最优估计方法,对焊接中心偏离状态进行修正。焊接试验结果表明:Kalman滤波算法能够有效消除多种噪声干扰,优化脉冲涡流提取信息,提高焊缝跟踪的稳定性。理论分析和实验结果相一致,验证了所采用方法的可行性。     

Seam tracking based on estimation of weld position using Kalman filtering

Abstract

A seam tracking method is presented based on the estimation of weld position during the gas tungsten arc welding process. Kalman filtering of the weld pool images from a visual sensor is applied to compute recursively the solution to the weld position equations which are established based on an estimation of the centroid position of the weld pool images. This centroid, the position of which corresponds with the weld position, is extracted as the measurement eigenvector. The evolution of the weld position data from the weld pool images can be described through an appropriate process model, so that the weld position can be detected by applying a Kalman filter. This allows adjustment of the welding torch position in real time, which may significantly reduce processing time and promote seam tracking accuracy. Simulations and actual welding experiments have demonstrated the effectiveness of the proposed algorithm in the presence of weld pool image noise and have demonstrated the robustness of weld position detection for seam tracking.     

基于卡尔曼滤波的焊缝偏差实时最优估计

建立了基于卡尔曼滤波的焊缝偏差实时最优估计算法.以焊缝中心位置为特征矢量,建立焊缝位置检测的状态方程和测量方程,并依据最小均方差原则建立了卡尔曼滤波最优估计的递推算法.测量噪声协方差由传感器测量误差的统计值得到,假定过程噪声是由于加速度变化引入,通过两点法确定焊缝中心位置的初值.在焊接过程中,应用卡尔曼滤波消除噪声干扰,实现焊缝位置的实时精确预测.计算机仿真和试验结果表明,焊缝偏差信号经过卡尔曼滤波处理后,消除了偶然因素和随机噪声的影响,提高了跟踪精度以及系统工作的稳定性,适合实际工程应用.

Abstract：

The optimal estimation algorithm for real-time welding deviation based on Kalman filtering is presented. The state equation and measurement equation for detecting the weld position is established, and the optimal estimation of the Kalman filtering recursive algorithm also is established according to the principle of minimum mean square error. Measurement noise covariance is obtained from the statistical value of measurement error, and after the process noise is supposed to derive from the changes in acceleration, the initial values of the welding center position are determined by the twopoint method. During the welding process, the welding position is accurately predicted while the noise interference is eliminated by Kalman filtering. The computer simulation and experiment results show that the weld deviation signal processed by the Kalman filtering can eliminate the disturbance of causal factors and random noise,improve the tracking precision and the stability of system, and be suitable for the practical engineering applications.     

BP神经网络在焊缝位置识别中的应用

研究了一种焊缝位置识别新方法,在一定工艺条件下,使用视觉传感器采集焊接熔池图像,选取图像中熔池前端部分进行处理,先对其进行中值滤波与灰度变换,在此基础上,获取每一幅熔池图像的质心值、质心位移、质心速度及电弧与焊缝的偏差值作为训练样本数据.以质心值、质心位移和质心速度为输入量,以偏差值为输出量,利用BP神经网络建立其数学模型,最后对该模型进行检验.检验结果表明,该模型能够较准确地描述熔池图像质心与焊缝偏差之间的关系,为进一步实现精确的焊缝跟踪提供了理论和试验依据.     

一种基于图像质心的焊缝跟踪新方法

研究一种基于图像质心识别的电弧焊焊缝跟踪新方法。通过视觉传感器获取焊接区熔池图像，抽取图像质心坐标并构成状态向量，建立一种基于图像质心的状态方程和位置测量方程。在此基础上，应用卡尔曼滤波对图像质心位置进行状态估计，在时域中采取递推计算的方式得到最小均方差条件下的焊缝位置最佳预测值．从而消除过程噪声和测量噪声引起的焊缝位置测量偏差。计算机仿真和实际焊接试验结果显示该方法可有效地提高焊缝跟踪精度。     

基于卡尔曼滤波的区间式铝电解槽似在电阻采集算法

针对目前铝电解行业对于槽似在电阻的采集不够准确并且延时较高的问题,本文提出一种基于卡尔曼滤波的区间式槽似在电阻采集算法。该算法以卡尔曼滤波为基础,用预测值与采样值的均方差表征它们的高斯白噪声功率,使其能够在电阻平稳的状态下有着较强的跟踪性能;再结合一阶惯性滤波的强滤波特性和卡尔曼滤波的强跟踪优势,设置适用的滤波区间,确保组合算法在槽似在电阻波动较大的情况下能够滤除掉噪声的影响,并在电解槽稳定后能对槽似在电阻进行快速收敛跟踪。结果表明:与一阶惯性滤波相比,改进后的卡尔曼滤波在电阻平稳的状态下其均方根误差减少50%,在电解槽反生针振和摆动情况之后的收敛时间减少90%。     

基于激光视觉的薄板焊缝跟踪方法研究北大核心

由于示教型焊接机器人在进行汽车薄板件连续焊工艺时存在装夹误差和热变形等问题,导致焊缝实际轨迹与示教轨迹存在较大误差。为提高焊接质量,基于焊接机器人构建激光视觉焊缝检测跟踪系统,提出基于目标估计准则的焊缝跟踪算法,实时跟踪焊缝中心点三维位置变化。以传统图像处理法提取初始帧焊缝特征点,通过改进的孪生神经网络对强干扰下的焊缝特征点进行跟踪提取。通过坐标转换得到机器人基坐标系下的焊缝中心特征点三维坐标。结果表明:该算法能精确提取跟踪焊缝特征点,平均误差为0.48 mm,平均帧率为90帧/s,优于传统图像处理方法和基于相关滤波的方法,能够实现快速准确的跟踪。     

神经网络PID控制的液压驱动主动升沉补偿预测控制研究

为了提高船舶在海面上作业时补偿精度,采用BP神经网络PID控制方法,并对船舶升沉运动输出误差进行仿真。建立船舶主动升沉补偿系统简图,分析船舶升沉运动工作原理,给出液压缸驱动传递函数。引用BP神经网络算法,采用梯度下降法对BP神经网络加权值进行修正,通过学习速率来补偿控制系统输出误差,从而实现PID控制器参数在线调节。在受到不同负载影响状况下,采用MATLAB软件对船舶升沉运动补偿精度进行仿真,并且与PID控制补偿精度进行对比。结果表明:采用PID控制器,船舶升沉运动输出误差较大,控制系统反应速度较慢;而采用BP神经网络PID控制器,船舶升沉运动输出误差较小,控制系统反应速度较快,同时,随着负载质量的增加,输出误差就会增大。采用BP神经网络PID控制系统,响应速度快,补偿精度高,提高了船舶在海面上作业定位精度。