高速GMAW 驼峰焊道形成过程熔池图像识别

0 序 言

现代制造业对焊接生产效率提出了越来越高的要求，大幅提高焊接速度是提高焊接生产效率的有效方法之一[1]. 但当焊接速度提高时，会产生一些与常规焊接速度不同的问题，例如咬边和驼峰焊道等焊缝成形缺陷. 针对驼峰焊道的成形机理，国内外学者目前已提出多种理论模型. Gratzke等人[2]把熔池模拟成圆形液柱，受到外力的干扰时，液柱失稳、颈缩、断裂从而形成驼峰. Nguyen等人[3]提出流向熔池尾部的高速液态金属流是产生驼峰的主要原因. 杨战利等人[4]提出了动态平衡点远离电弧是焊缝产生驼峰焊道的根本原因. 吴东升等人[5]利用高速摄影观察熔池流动，分析了驼峰形成过程，提出较大动量的后向液体流和足够大的表面张力是驼峰形成的两个重要因素. 目前，驼峰焊道的研究主要集中在成形机理和缺陷抑制上，对驼峰焊道的监测控制研究则鲜有报道.

熔池长度、熔池宽度以及后拖角等焊接熔池几何尺寸参数能够在一定程度上反应焊接质量信息，准确可靠地检测出熔池几何尺寸，对于实现驼峰焊道的监测控制具有重要意义. 传统的熔池图像轮廓提取方法主要有Sobel算子、Robot算子等图像分割理论[6]，针对目标灰度变化复杂的图像，不能有效地提取光滑、封闭的边界. CV模型利用图像域的全局信息，具有对噪声、模糊边缘不敏感等优点，无论图像质量如何，都能提取光滑、封闭的边界[7]. 有学者针对CV模型对熔池图像轮廓提取进行了初步研究. 陈希章等人[8]对CV算法进行了强化特征模型修正、多尺度快速算法和全局特性抑制等改进，识别了熔池图像的连续轮廓. 李静等人[9]针对MAG管道打底焊，设定椭圆作为熔池初始轮廓，结合CV模型提取了熔池轮廓. 针对驼峰焊道成形过程中熔池图像的变化，结合CV模型图像处理算法，提取特征参数，对驼峰的形成进行识别，研究的结论对实现驼峰焊道的监测控制具有重要意义.

由图4可知， ②、③位置为电机吊杆与电机的固定位置，①、④位置为电机的两个端头。通过对电机进行结构分析可得：

1 试验设备

图1 GMAW试验系统图
Fig. 1 Block diagram of GMAW experimental setup

GMAW焊熔池视觉采集试验系统如图1所示. 采用的焊接电源为FRONIUS TPS 4000. 图像采集系统包括BASLER acA1920-155 μm型CCD摄像机、防护玻璃片和透红外滤光片. 表1所示为焊接材料和工艺的具体参数.

表1 焊接材料和工艺参数
Table 1 Welding materials and process parameters

材料和工艺 参数母材 不锈钢保护气 Ar 95%+CO2 5%焊丝 HCr20Ni10Mn7Mo, φ1.2 mm焊接速度ν/(mm·s−1) 50焊接电流I/A 300焊接电压U/V 30 CCD与焊枪夹角α/(°) 45

2 图像处理及小波变换

2.1 模糊 C-均值聚类

模糊C-均值聚类由Dunn J C和Bezdek J C[10]提出，通过样本点对类中心的隶属度确定每个样本点属于某个聚类的程度，是应用最广泛的模糊聚类方法.

FCM算法的基本思想是通过迭代寻找聚类中心vi和隶属度uij，使如下成本函数最小化

2013年4月29日，中国石油大学胜利学院第一教学楼前，天气晴朗，无云，气温15～23℃。使用数字万用表测量太阳能电池组对电动车蓄电池组的充电电流，测试数据见表1。

式中：C为类别数；N为图像像素总数；p为模糊度控制参数 (p＞1)；xj是图像像素值；vi为第 i类的中心；||xj−vi||为像素点 xj与第 i类聚类中心 vi的欧几里得距离；uij为隶属度函数表征数据元xj属于第i类的程度. 根据Lagrange乘数法，隶属度函数uij需满足以下3个条件，即

FCM 算法步骤如下：

(1) 设定聚类数目C和参数p.

(2) 初始化隶属度函数uij及类中心vi.

(3) 更新隶属度函数uij和类中心vi.

(4) 重复步骤(3)，直到算法收敛，得到各类的聚类中心和隶属度，从而完成模糊聚类划分.

2.2 Chan-Vese主动轮廓模型

CV模型是一种基于图像区域的活动轮廓模型，克服了基于图像梯度分割模型对噪声敏感的缺点.

CV模型的能量函数可表述为

1.基建并账问题。建议主管部门予以高度重视，将此作为专题研究，统一口径，指导和督促高校做好并账业务，以便为编制政府综合财务报告及明年实施《政府会计制度》打下良好的基础。建议有针对性地加强培训，引导和督促会计人员加强制度的学习，尤其是会计改革的新制度学习，使其熟悉和掌握新制度新要求，提高会计人员的专业技能。

不断加强与气象部门的会商和信息共享工作，国土资源部门向气象部门提供隐患点名称及区域分布、群测群防体系通讯录等相关资料，气象部门向我们提供全年气候趋势预测、重要天气消息、专题气象汇报、降水实况、区域站点降水统计、一周天气预报、每日天气预报等较详尽的气象资料，为强降雨期间指挥、调度全市地质灾害防范工作了提供科学的依据。有的县市还通过“村村响”喇叭或自行编制风险预警短信发送至各乡镇、村及各隐患点监测员，通知各级及时开展防范工作，从而切实打通地质灾害风险预警最后一公里的问题。2.2.4制度建设是保障

给定一条初始轮廓线C，将图像分成平均灰度分别为c1，c2的内外两个不同质区域inside(C)和outside(C)，用水平集函数φ的零水平集表示轮廓线C. 其中Length(C)为轮廓线C的周长，Area(in side(C))为轮廓线C的内部面积. 当轮廓线C位于两个不同质区域的边界时，能量函数F(c1, c2,φ)取得最小值，从而对图像进行边缘提取.

我觉得最关键的是不要去强化某类人，而是帮助孩子理解哪些情景是会对他们构成威胁的，怎样的感受他们是可以求助的。

引入Heaviside函数H(z)和狄拉克函数δ(z)，即

假设Ω为整个图像定义域，则式(4)可写为

Research on the Operation and Maintenance of Communication Cable in Islands Power Grid LI Yi,WU Kankan,LIU Lijun,YE Junhua,LIU Zhehao(130)

令φ为常数，计算c1和c2，即

根据表3，按公式[损失率＝│（第n个月含量－第0个月含量）│/第0个月含量×100%]计算，铝箔包衣样品的平均损失率为4.10%，薄膜包衣样品的平均损失率为3.00%，两种包衣样品的平均损失率均小于5%，表明两种包衣样品在（40±2）℃、相对温度（75±5）%条件下放置6个月内基本稳定，但后者平均损失率更低。

保持c1，c2固定，给定合适的初始条件并满足诺依曼边界条件，则CV模型数值解法可以表述为

2.3 改进CV模型

传统CV模型对初始轮廓敏感，初始轮廓不同的图像，分割的结果和算法迭代次数也不同，通过手动设置的初始轮廓很可能得不到准确的分割结果. 文中提出了一种基于FCM提取初始轮廓协作CV模型提取轮廓边缘的算法——FCM-CV. 算法步骤如下.

(1) 根据式 (1) ～ 式 (3)，用 FCM 模型处理熔池图像得到隶属度函数uij.

(2) 初始化水平集φ0，得到初始轮廓.

(3) 根据式 (7)计算 c1，c2.

(4) 根据式(8)逐次迭代，计算φn.

(5) 重复步骤(3)和(4)，直到算法收敛或达到最大迭代次数，完成熔池图像的轮廓提取.

2.4 小波变换

记基本小波函数为Ψ(x)，伸缩和平移因子分别为a和b，通过基本小波函数Ψ(x)的平移和伸缩，用其变换系数即可描述原来的信号[11]. 小波变换基定义为

函数f(t)∈L2(R)的小波变换定义为

式中：尺度因子a和空间位置b组成小波变换函数Wf(a, b)，*表示卷积. 小波变换通过Ψ(x)在尺度上的伸缩和空间域上的平移来分析信号.

函数局部奇异性可以用Lipschitz指数来度量，能够给信号的突变程度以定量的描述，函数局部奇异性定义为

在教学过程中，以东北师大数学系编写的《常微分方程》为教材，把丁同仁、李承治等主编的《常微分方程》、王高雄等编著的《常微分方程》及林武忠等主编的《常微分方程》[5]等作为主要教学参考用书。通过学习，使学生掌握常微分方程的基本理论和方法，并初步具备下述三方面能力：

式中：n为正整数，满足n≤a≤n+1；A为常数；a为f(x)在x0处的奇异性指数，满足−1≤a≤1. a越大，表示函数在某点处突变程度越小，函数越光滑. 利用小波变换模极大值能够检测出函数的局部奇异性和估算出Lipschitz指数a的大小.

3 结果分析

3.1 图像处理结果

采用FCM-CV算法进行熔池图像处理的结果如图2所示. 图2a为驼峰焊道产生过程中的熔池原始图像. 图2b是采用原始的CV模型对图像进行轮廓提取，不能完整地获得熔池的轮廓. 图2c先用FCM模型预分割熔池图像，得到最接近熔池图像轮廓曲线的初始轮廓. 图2d在此基础上运行CV模型进行修正，分割出了完整光滑的轮廓曲线.图2e对提取轮廓后的图像进行二值化，分割出了熔池与驼峰区域. 图2f对二值化的图像进行去噪，消除了驼峰的影响，获得了最后的熔池轮廓图像.

我在一旁拼命鼓掌，莫名其妙想起迟羽刚换工作时曾说要抱着孩子跳伞的玩笑，忽然打了个小小的冷战。完了，找个同行当对象，这事儿有玩真的前奏。

学习借鉴长江下游地区，特别是长三角发达地区对内对外开放的有益经验，在更大范围、更高水平上推进云南对内对外开放和经济合作，把云南打造成为沿边沿江开放型经济示范区。同时，依托云南在长江经济带的生态地位，大力发展生物医药和大健康产业，根据云南丰富多彩的民族文化旅游资源，大力发展旅游文化产业，把云南建设成为全国生态文明建设排头兵、民族文化旅游和生态旅游重要目的地。

图2 图像处理
Fig. 2 Image processing

3.2 特征提取

驼峰产生过程的熔池图像变化如图3所示. 随着高速焊接过程的进行，液态金属向熔池尾部流动，熔池尾部逐渐拖长. 在受到电弧力、电磁力、表面张力、熔滴冲击力等作用力的共同影响下，熔池处于失稳状态，并产生缩颈. 当到达临界点时，熔池发生断裂，在图像上显示为熔池尾部脱离熔池，熔池长度被截断. 熔池继续前进，脱离部分则形成为驼峰.

从图3中可见，熔池长度的突变是驼峰产生的显著特征. 对驼峰产生过程中的熔池图像提取熔池长度特征参数，并拟合成曲线图. 如图4所示，正常焊接速度下(例如10 mm/s)熔池的熔池长度保持稳定，没有大的波动起伏. 而在高速(例如50 mm/s)焊接过程中，熔池长度不断增长，当到达临界点，熔池失稳缩颈并发生断裂，熔池长度被截断，出现阶跃变化. 而且无论熔池长度值时多少，只要熔池发生失稳、缩颈、断裂，熔池长度都会有阶跃变化，并产生驼峰.所以可以用熔池长度阶跃变化来判断驼峰的产生.

图3 驼峰产生过程熔池图像
Fig. 3 Weld pool images of humping formation process

图4 熔池长度变化曲线
Fig. 4 Weld length curve

3.3 小波变换分析

高速焊接过程中驼峰的产生，都会形成熔池长度的阶跃变化，而小波变换能够给信号的突变信息以定量的描述. 图5所示为驼峰产生过程中熔池长度参数形成波形的7级小波变换. 文中采用的小波为Symlets2号小波，标号为s的是原始信号波形，标号从d1 ～ d7的是经小波分解后的各级细节部分，标号为a7的是原始信号经7级小波分解后的信号概貌部分. 由图可见，d1和d2级小波分解的细节分量在熔池长度发生突变处都有相对应的尖峰突起，d2级小波分解细节分量反映熔池长度的阶跃变化更为明显，采用d2级小波分解能更好地识别熔池长度的阶跃变化. 图6对d2级小波分解进行去燥处理并对细节分量设定阈值，当细节分量超过阈值，触发信号，提示驼峰缺陷的形成.

图5 小波变换
Fig. 5 Wavelet transform

图6 d2阈值设定
Fig. 6 Threshold setting

利用FCM-CV模型分割熔池轮廓，提取熔池长度特征，采用Symlets2号小波d2级小波分解熔池长度波形，得到具有尖峰特征的信号，很好地识别了驼峰缺陷的形成.

4 结 论

(1) 提出了一种基于FCM-CV的主动轮廓模型的熔池轮廓提取方法，获得了完整光滑的熔池轮廓曲线.

(2) 针对驼峰的形成，提取熔池特征，提出熔池长度的阶跃变化是反映驼峰形成的主要图像特征.

(3) 将熔池长度特征拟合成波形，采用Symlets2号小波d2级小波分解，得到具有尖峰特征的信号，很好地识别了驼峰缺陷的形成.

参考文献：

[1]陈 姬, 武传松. 高速GMAW驼峰焊道形成过程的数值分析 [J]. 金属学报, 2009, 45(9): 1070 − 1076.Chen Ji, Wu Chuansong. Numerical simulation of forming process of humping bead in high speed GMAW[J]. Acta Metallurgica Sinica, 2009, 45(9): 1070 − 1076.

[2]Gratzke U, Kapadia P D, Dowden J. Heat conduction in highspeed laser welding[J]. Journal of Physics D Applied Physics,1991, 24(12): 2125.

[3]Nguyen T C, Weckman D C, Johnson D A, et al. The humping phenomenon during high speed gas metal arc welding[J]. Science& Technology of Welding & Joining, 2005, 10(4): 447 − 459.

[4]杨战利, 张善保, 杨永波, 等. 粗丝高速MAG焊驼峰焊道形成机理分析[J]. 焊接学报, 2013, 34(1): 61 − 64.Yang Zhanli, Zhang Shanbao, Yang Yongbo, et al. Study on humping bead formation mechanism in thick-wire high-speed MAG welding[J]. Transactions of the China Welding Institution,2013, 34(1): 61 − 64.

[5]吴东升, 华学明, 叶定剑, 等. 高速GMAW驼峰形成过程的数值分析[J]. 焊接学报, 2016, 37(10): 5 − 8.Wu Dongsheng, Hua Xueming, Ye Dingjian, et al. Numerical analysis of humping formation in high speed GMAW process[J].Transactions of the China Welding Institution, 2016, 37(10): 5 − 8.

[6]高 飞, 王克鸿, 梁永顺, 等. 一种多尺度分形的弧焊熔池图像分割方法[J]. 焊接学报, 2011, 32(11): 33 − 36.Gao Fei, Wang Kehong, Liang Yongshun, et al. A multi-scale fractal image segmentation method for arc welding pool[J]. Transactions of the China Welding Institution, 2011, 32(11): 33 − 36.

[7]Zhang K, Zhang L, Lam K M, et al. A level set approach to image segmentation with intensity inhomogeneity[J]. IEEE Transactions on Cybernetics, 2016, 46(2): 546 − 557.

[8]陈希章, 陈华斌, 陈善本, 等. 基于改进C-V方法的焊接图像识别 [J]. 焊接学报, 2007, 28(9): 9 − 12.Chen Xizhang, Chen Huabin, Chen Shanben, et al. Recognition of welding image based on improved C-V method[J]. Transactions of the China Welding Institution, 2007, 28(9): 9 − 12.

[9]李 静, 秦小麟, 李 芳, 等. 基于区域粗定位与Chan-Vese主动轮廓模型的MAG焊视觉图像熔池边缘提取[J]. 机械工程学报, 2011, 47(12): 74 − 78.Li Jing, Qin Xiaolin, Li Fang, et al. New method based on region coarse localization and chan-vese model for weld pool edge extraction in MAG welding[J]. Chinese Journal of Mechanical Engineering, 2011, 47(12): 74 − 78.

[10]Bezdek J C, Dunn J C. Optimal fuzzy partitions: a heuristic for estimating the parameters in a mixture of normal distributions[J].IEEE Transactions on Computers , 1975, C−24(8): 835 − 838.

[11]洪 波, 袁 灿, 潘际銮, 等. 电弧传感器小波信号处理系统[J].焊接学报, 2005, 26(1): 61 − 63.Hong Bo, Yuan Can, Pan Jiluan, et al. Wavelet signal processing system about arc sensor[J]. Transactions of the China Welding Institution, 2005, 26(1): 61 − 63.