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.     

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。     

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。     

紧密对接焊缝多尺度形态学磁光成像检测方法

利用磁光传感器获取紧密对接微间隙（0~0.1 mm）焊缝磁光图像.针对传统形态学图像处理方法检测微间隙焊缝时容易出现边缘细节丢失的问题和存在检测精度不高的缺点,在四个不同方向上各选取三种不同尺度的结构元素,应用多尺度多结构元素形态学方法提取微间隙焊缝边缘信息,并与小波边缘检测和Sobel边缘检测结果相比较.在激励磁场变化情况下进行三组试验,分别采用多尺度形态学算法和传统形态学算法提取焊缝中心位置.结果表明,多尺度多结构元素形态学算法能更有效地检测出微间隙焊缝中心位置,为紧密对接焊缝的识别与跟踪控制提供试验依据.     

微间隙焊缝磁光成像NN-KF跟踪算法分析

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.     

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.     

微间隙焊缝磁光成像传感自适应识别方法

对于微间隙(小于0.1mm)对接焊缝,针对焊接过程中磁光传感器提离高度不断变化的状态,设计焊缝位置检测试验系统。通过对焊件施加感应磁场,并利用法拉第旋光原理构成的磁光传感器获取焊缝磁光图像序列。为了识别焊缝的准确位置,研究一种改进的多阈值最大类间方差算法。根据传统最大类间方差法的基本思想进行多阈值推广,并使用松弛余量的方法优化算法的搜索过程。根据焊缝磁光图像的特征,运用算法自适应确定图像的两个分割阈值,获得焊缝的准确位置。焊缝位置识别试验结果表明,改进的多阈值最大类间方差识别算法是一种有效的焊缝位置自适应识别方法,适用于基于磁光成像检测的焊缝路径实时跟踪。     

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。     

基于模糊卡尔曼滤波的多传感器焊缝检测方法

建立了包含焊缝位置及其变化量的焊缝位置偏差模型,基于模糊控制理论提出了一种模糊卡尔曼滤波算法,对系统的过程噪声和测量噪声进行在线调整,并给出了焊缝误差协方差和残差协方差的匹配方法。在此基础上,采用多传感器数据融合技术,整合单个传感器获取的焊缝位置信息以提高焊缝检测的精度。最后,为验证所述方法的可行性和有效性,搭建了焊缝检测平台并进行了试验验证;试验结果表明:基于模糊卡尔曼滤波的多传感器焊缝检测方法具有较好的收敛性和较高的精确度,焊缝检测误差明显变小。     

高强钢焊接缺陷磁光成像分形特征检测

研究一种基于磁光成像原理的焊接缺陷无损检测新方法.以高强钢表面微小焊接缺陷为例,采用分形维数对焊缝磁光图像进行特征识别并估计最优尺度,根据Adabost分类算法对提取的焊接缺陷特征进行分析和训练,构建焊接缺陷特征量并对高强钢表面缺陷磁光图像进行自动识别.结果表明,运用磁光成像方法可以获取高强钢焊接缺陷特征,并通过图像分形维数分析可识别焊缝缺陷的位置、形状和类别.     

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.     

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Kalman滤波的磁控旋转电弧传感器焊缝跟踪偏差预测

针对磁控摆动电弧扫描焊缝获取有用信息量少的问题,提出了一种基于Kalman滤波的磁控旋转电弧传感器焊缝跟踪偏差预测方法. 文中简述了磁控旋转电弧传感器的基本原理,对磁控旋转电弧的运动轨迹进行了仿真,利用位置传感器对电弧进行定位,采用四分圆周采样法,运用Kalman滤波原理进行滤波处理,分析了这种方法的基本原理和计算步骤,在此基础上得到空间曲线焊缝的偏差信息,并引入加权预测矫正因子对焊缝的偏差信息进行预测矫正. 结果表明,该方法用于磁控旋转电弧焊缝自动跟踪可行,提高了焊缝跟踪的精度,为预测方法用于焊缝偏差算法提供了科学依据.     

激光焊磁光彩色成像焊缝检测方法

针对激光焊接平板对接微间隙焊缝(间隙小于0.1 mm),研究彩色图像信息的磁光成像焊缝检测算法,为微间隙焊缝的精确跟踪提供一种新方法. 采用磁光传感器采集焊接过程的焊缝区域图像,对焊缝磁光图像在RGB(red, green, blue)和HSV(hue, saturation, value)彩色空间的灰度分布进行分析,提取RGB图各分量的灰度图,根据各分量灰度分布曲线确定阈值提取焊缝边缘,合成3个分量的焊缝边缘得到焊缝过渡带轮廓;对HSV图的每个分量图灰度直方图进行分析确定阈值,然后综合形成单一的焊缝过渡带分割图像. 结果表明,该方法能有效检测肉眼难以分辨的微间隙焊缝.     

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。     

微间隙焊缝磁光成像小波多尺度融合检测

针对微间隙(小于0.1 mm)对接焊缝,通过对焊件施加感应磁场,并利用法拉第旋光原理构成的磁光传感器,获取焊缝磁光图像.为了获取焊缝的准确位置,研究一种焊缝磁光图像的小波多尺度信息融合边缘检测方法.对焊缝磁光图像进行3层小波分解,获得包含焊缝边缘信息的小波高频图像.根据各尺度高频信息包含的细节丰富度,融合各尺度高频图像,然后用小波模局部极大值对融合图像进行边缘检测,得到抗噪性和连续性好、定位精度高的焊缝边缘,最后进行焊缝跟踪试验.结果表明,磁光图像小波多尺度信息融合是一种有效的焊缝边缘提取方法,适用于磁光成像传感的微间隙焊缝跟踪图像处理过程.     

微间隙焊缝磁光成像分形维数识别方法

针对紧密对接、无坡口、肉眼难以分辨的微间隙焊缝,采用磁光成像方法获取焊缝位置信息,并运用分形维数方法解决焊缝磁光图像存在较多干扰的问题.根据图像大视野相关信息处理图像,避免受到图像微小细节干扰对焊缝位置识别精度的影响,较传统图像处理法具有显著的抗干扰性.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,再选取合适阈值对图像进行分割,准确地提取出焊缝中心位置.试验结果表明,运用分形维数提取磁光图像焊缝边缘区域特征,能够获取较准确的焊缝位置信息,为焊缝跟踪控制提供重要基础.