長三角G60激光聯(lián)盟導讀
本文綜述了近十年來激光焊接實時監(jiān)測的研究成果和進展。本文為第二部分。
4.實現(xiàn)各種監(jiān)測目標的方法
完整的監(jiān)控過程需要收集和分析焊接過程中產(chǎn)生的信號數(shù)據(jù)。第3節(jié)詳細回顧了不同的傳感器和監(jiān)測方法。本節(jié)根據(jù)不同的監(jiān)測目標總結(jié)了數(shù)據(jù)處理方法和分析技術(shù)，特別是基于人工智能的方法（如機器學習）。如圖11所示，基于人工智能的方法可用于優(yōu)化工藝參數(shù)、預測焊縫特征、跟蹤焊縫、自適應控制焊接工藝、分類焊接缺陷和驗證模擬結(jié)果等。
圖11.各種基于人工智能的技術(shù)用于數(shù)據(jù)處理和分析，以實現(xiàn)不同的監(jiān)測目標。
4.1.工藝參數(shù)優(yōu)化
選擇合適的工藝參數(shù)有利于獲得高質(zhì)量的焊接產(chǎn)品。Taguchi方法和基于人工智能的技術(shù)可以有效地優(yōu)化焊接參數(shù)，這兩種方法的組合也可以獲得良好的優(yōu)化結(jié)果。Taguchi方法廣泛用于優(yōu)化工藝參數(shù)，因為這種方法可以減少實驗研究的時間和成本。為了提高焊縫的深寬比，Ai等人應用田口方法優(yōu)化了三個焊接參數(shù)，即激光功率、焊接速度和焦點位置。結(jié)果表明了該方法的可靠性和有效性。
近年來，基于人工智能的方法也廣泛應用于參數(shù)優(yōu)化。Cao等人使用徑向基函數(shù)神經(jīng)網(wǎng)絡（RBFNN）和遺傳算法（GA）優(yōu)化外部磁場下的激光焊接工藝參數(shù)。分析了不同焊接參數(shù)（包括優(yōu)化參數(shù)）對焊縫外觀的影響，結(jié)果表明，該方法可以有效地減少飛濺。Rong等人將反向傳播神經(jīng)網(wǎng)絡（BPNN）和遺傳算法相結(jié)合，以優(yōu)化焊接參數(shù)。采用田口方法設計焊接試驗。結(jié)果表明，該方法有助于提高焊縫質(zhì)量。Yang等人利用元模型和非支配排序遺傳算法來獲得激光焊接的最佳工藝參數(shù)。核心優(yōu)化原則是充分利用元模型（即克里格、RBF和支持向量回歸）的預測能力。通過使用基于人工智能的方法或混合方法優(yōu)化工藝參數(shù)，可以有效提高焊縫質(zhì)量。
使用EPMA映射分析對MIG焊縫和PMH焊縫中的Smut進行定性分析。（a） MIG中的SOB，（b）PMHW中的SS。
4.2.煤層特征預測
焊縫外觀是焊接質(zhì)量的外在表現(xiàn)。焊縫特征，如焊縫寬度和熔深等，可通過建立與監(jiān)控信號的關(guān)系來準確預測。Lee等人實時觀察了聲信號，并使用BPNN預測焊縫特征。結(jié)果表明，預測模型的輸出與實際焊接試驗的實測數(shù)據(jù)吻合較好。主成分分析（PCA）算法通常用于數(shù)據(jù)處理，因為它在識別譜線、提取譜特征和消除數(shù)據(jù)冗余方面具有出色的能力。Gao等人通過分析中定義和獲得的熔池陰影特征，使用主成分分析來減少數(shù)據(jù)冗余。然后，建立了遺傳算法改進的BP神經(jīng)網(wǎng)絡方法，以建模焊縫外觀與獲得的特征之間的關(guān)系。Zhang等人監(jiān)測電極位移信號，并應用圖像處理方法將獲得的信號轉(zhuǎn)換為二進制圖像。通過采用概率神經(jīng)網(wǎng)絡（PNN），可以從概率角度分析焊接質(zhì)量，并獲得確定性分類結(jié)果。
為了在在線過程中估計小孔的動態(tài)形狀和焊接缺陷，Luo等人應用同軸監(jiān)測系統(tǒng)，在焊接參數(shù)突然變化時實時觀察小孔形狀，這為基于RBFNN的狀態(tài)觀測器提供了輸入數(shù)據(jù)，還可以指示潛在的焊接氣孔。Gao等人比較了激光焊接過程中不同焊接速度下BPNN和RBFNN的預測性能。Wang等人對比了多元線性回歸分析和BPNN的效果。上述兩個參考文獻的結(jié)果表明，BPNN模型的效果更好。Gunther等人將強化學習和深度學習技術(shù)應用于監(jiān)控系統(tǒng)。該監(jiān)控系統(tǒng)具有一定的學習能力，可以適應不同的焊接環(huán)境。為開發(fā)更智能的監(jiān)控系統(tǒng)奠定了基礎。
等離子電流0 A（WFS 10.9 m/min，MIG輸出電流178 A）下MIG焊接過程中金屬轉(zhuǎn)移的連續(xù)高速攝像機圖像。
4.3.焊縫跟蹤
激光焊接工藝需要激光束在工件上的高精度定位，以確保焊接軌跡和進給速度的高精度。為了滿足這一要求，對接縫跟蹤設備和技術(shù)如紅外成像技術(shù)、視覺跟蹤技術(shù)（即機器視覺）和人工視覺技術(shù)進行了大量研究。在使用傳統(tǒng)示教和回放機器人進行多道次焊接時，難以獲得穩(wěn)定的焊縫。Gu等人設計了一種自動焊接跟蹤系統(tǒng)，以克服傳統(tǒng)焊接機器人的不足。采用模糊P控制器控制焊槍實時調(diào)整位置，實現(xiàn)焊縫的精確跟蹤。監(jiān)控系統(tǒng)的視覺能力可以提供可靠的實時焊縫跟蹤信息。Nele等人使用基于CCD攝像機的焊縫跟蹤系統(tǒng)獲取連續(xù)圖像，以實時提取和分析焊縫的位置和特征。焊接實驗驗證并提高了該自動跟蹤系統(tǒng)的識別精度。
結(jié)果表明，該方法可以實現(xiàn)高精度的焊縫間隙檢測和焊縫跟蹤。Shi等人應用了一種有效的算法，以在對接焊接期間從單個圖像中實現(xiàn)焊縫檢測。該方法的基本思想是使用迭代邊緣檢測和邊緣連接方法來搜索殘余邊緣以獲得整個焊縫。Gao等人使用Elman神經(jīng)網(wǎng)絡改進了自適應KF系統(tǒng)，并使用誤差估計器來補償濾波誤差。實際焊接實驗表明，RBF神經(jīng)網(wǎng)絡補償?shù)腒F能有效地跟蹤焊縫，減少有色噪聲對焊縫的干擾影響。
Gao等人還研究了基于MOI技術(shù)的焊縫跟蹤方法。Heber等人分析了高質(zhì)量圖像，以提取正在進行的焊接過程中的動態(tài)信息，從而自動跟蹤焊縫位置。圖12詳細介紹了基于該方法的實時焊縫跟蹤原理。從圖中可以看出，整個跟蹤方法分為四個步驟。首先，使用魯棒模板跟蹤方法匹配焊縫圖像區(qū)域。其次，采用基于樣條的正則化方法對匹配圖進行處理。第三，沿樣條預測新的焊縫點。最后，用自適應焊接模型校正預測點。
圖12（a）焊縫跟蹤方法。（b）焊縫點預測。
4.4.缺陷分類
外部或內(nèi)部焊接缺陷影響焊接產(chǎn)品的質(zhì)量。通過對焊接過程中的缺陷進行分類和監(jiān)控，可以減少焊接缺陷的產(chǎn)生。基于視覺的檢測系統(tǒng)與支持向量機（SVM）等分類模型或超聲等NDI檢測系統(tǒng)相結(jié)合，通常用于檢測焊接缺陷，如hamping、裂紋、飛濺、底部填充、咬邊和爆裂等。激光焊接的一個優(yōu)點是焊接速度快。然而，在高速焊接過程中，經(jīng)常會產(chǎn)生焊縫周期性外觀缺陷。
You等人應用光電二極管和視覺傳感器同時監(jiān)測焊接區(qū)域，并使用支持向量機識別焊接缺陷。結(jié)果表明，該方法可以有效地檢測焊接缺陷。Passini等人利用超聲相控陣系統(tǒng)檢測薄鋁焊接件中的焊接缺陷。該檢測方法可通過X射線照相系統(tǒng)和金相檢驗方法進行測試和驗證，有效識別成組氣孔的存在。Rodil等人監(jiān)測并分析了無電子等離子體的輻射，以檢測焊接缺陷。Sumesh等人研究了電弧聲信號與缺陷（即未熔合和燒穿）之間的相關(guān)性。數(shù)據(jù)挖掘軟件用于提取原始數(shù)據(jù)的統(tǒng)計特征。
應用J48和random forest算法將焊接產(chǎn)品分為三類：良好焊接、未熔合焊接和燒穿焊接。Zhang等人建立了光譜信號與焊接缺陷之間的關(guān)系。采用小波包變換方法減少監(jiān)測曲線中的脈沖干擾。所提出的技術(shù)已被證明是可行的，可以檢測焊接擾動和缺陷。Gao等人將MOI方法與PCA和SVM算法相結(jié)合，以建立識別模型來檢測焊縫裂紋。這種組合方法可以有效地提取焊縫裂紋特征，提高檢測精度。圖13顯示了缺陷的實際樣本及其對應的磁光圖像。
圖13 MOI檢測到未焊透、裂紋和凹陷等焊縫缺陷。
4.5.模擬驗證
激光焊接數(shù)值模擬模型有助于揭示焊接區(qū)的復雜現(xiàn)象，以便更好地理解和控制焊接過程。圖14通過直接將仿真結(jié)果與實驗圖像進行比較，證明了仿真模型的有效性。數(shù)值技術(shù)也是識別關(guān)鍵工藝參數(shù)和減少可能的焊接缺陷的有用工具。監(jiān)測焊接過程可以提供大量可靠的數(shù)據(jù)，以提高模型精度并驗證模型可靠性。模擬和實驗中獲得的蒸發(fā)速率顯示出良好的相關(guān)性。Abederrazak等人利用實驗和有限體積法（FVM）研究了熔池動態(tài)形成過程中的熱現(xiàn)象。Zhao等人基于有限元法建立了焊接溫度場模型，以探索工藝參數(shù)、界面溫度和焊縫微觀結(jié)構(gòu)之間的關(guān)系。
圖14 焊接試驗和數(shù)值模擬的比較結(jié)果：（a）和（e）情況一：部分熔透，（b）和（f）情況二：全熔透，（c）情況三：全熔深。
仿真結(jié)果和實驗數(shù)據(jù)表明，測點的溫度歷史具有相似的趨勢，這證明了模型的有效性。Kazemi等人應用改進的熱源模型來預測焊縫的橫截面數(shù)據(jù)，預測結(jié)果與實驗結(jié)果幾乎相同。在激光焊接過程中，小孔的周期性振動導致焊縫產(chǎn)生難以直接觀察的氣孔缺陷。Pang等人提出了由小孔不穩(wěn)定性引起的氣孔缺陷的定量模型，以研究熔池動力學和氣孔形成過程。通過與實驗結(jié)果的比較，模擬的小孔深度波動可以反映小孔數(shù)量和平均孔徑的變化趨勢。
基于多時間尺度多相模型，系統(tǒng)研究了金屬蒸汽羽流的動力學行為和復雜機制。從理論上預測了不同工藝參數(shù)下蒸汽羽流溫度、壓力、速度等的動態(tài)變化。Zhang建立了一個三維數(shù)值模型，并結(jié)合射線追蹤算法，以探索小孔、熔池和羽流的瞬態(tài)動力學行為。焊縫橫截面形狀的模擬結(jié)果與實驗結(jié)果吻合良好。Wu等人利用實驗結(jié)果改進了熔池表面的分析模型。實驗中測量了熔池表面的三維形貌數(shù)據(jù)，以校準由模擬模型計算的熔池尺寸和形狀。校準的分析模型將提供熔池邊界和熔深數(shù)據(jù)，以控制焊接參數(shù)。
等離子弧焊縫在250 A等離子電流（噴嘴直徑：7 mm）下的不對稱咬邊形成。（a）–（d）：焊縫金屬流動的連續(xù)CCD攝像機圖像。（e）：等離子弧焊縫的橫截面。
4.6.過程控制
根據(jù)焊接過程的在線監(jiān)測信息，可以進行實時調(diào)整措施，以確保焊接過程的穩(wěn)定性，即確保焊接產(chǎn)品的焊接質(zhì)量。從監(jiān)測信號的采集到調(diào)整信號的發(fā)送有一個短暫的延遲，主要是信號處理和分析需要一些時間，因此調(diào)整有一個滯后。然而，隨著技術(shù)的進步，用于數(shù)據(jù)處理的時間越來越少，這使得焊接過程的實時反饋控制成為可能。這種監(jiān)控調(diào)整方法使焊接過程更加穩(wěn)定，提高了焊接效率和產(chǎn)品質(zhì)量。Hofman等人開發(fā)了一種基于CMOS攝像機和軟件算法的控制系統(tǒng)，用于調(diào)整激光功率，以在焊接過程中保持熔池寬度的穩(wěn)定性，該系統(tǒng)可在一秒內(nèi)補償干擾。Craeghs等人設計了一個實時監(jiān)測和控制系統(tǒng)，以連續(xù)觀察熔池輻射。通過分析光電二極管和CMOS攝像機的信號，實時控制回路可以對焊接工藝參數(shù)提供有效的反饋控制。
基于實驗和理論研究，Mrna等人提出并實施了一種反饋控制方法，以調(diào)整激光焊接過程，該方法可以快速優(yōu)化和控制激光束的焦點。建立了一個有效的閉環(huán)控制系統(tǒng)，通過監(jiān)測不同實驗條件下的等離子體電子溫度，可以實時調(diào)整激光功率，以保持所需的穿透深度。Li等人基于熔深模型提供的熔深反饋比例積分微分（PID）算法建立了焊縫熔深監(jiān)測系統(tǒng)，該系統(tǒng)將焊縫熔深與母材電流相關(guān)聯(lián)。
實驗結(jié)果驗證了該方法的有效性。熟練的焊工可以根據(jù)對熔池的觀察來估計和控制焊縫的形狀，以獲得良好的焊接產(chǎn)品。Liu等人對焊工的焊接工藝進行了深入研究，以建立更智能、更先進的控制系統(tǒng)，控制焊縫熔深。采用自適應神經(jīng)模糊推理系統(tǒng)（ANFIS）對熟練焊工的焊接過程進行了仿真。采用三維視覺傳感系統(tǒng)作為智能焊接系統(tǒng)的眼睛，實時測量熔池的特征參數(shù)。焊接實驗證明，所開發(fā)的控制系統(tǒng)能夠在各種擾動和初始條件下有效地實現(xiàn)理想的焊接熔深。
5.潛在的研究問題和挑戰(zhàn)
智能激光焊接技術(shù)可以進一步提高焊接效率和焊接質(zhì)量，是智能制造的重要組成部分。在智能制造的大數(shù)據(jù)制造環(huán)境中，智能監(jiān)控系統(tǒng)就像質(zhì)檢人員一樣，實時監(jiān)控和調(diào)整焊接狀態(tài)。未來智能監(jiān)測的潛在研究重點應集中在三個方面：多焊接信號的智能采集平臺、信號的深度分析與融合、焊接參數(shù)的反饋控制。也就是說，焊接監(jiān)控的整個過程（獲取信號、分析信號、實現(xiàn)監(jiān)控目標）將更加人性化。
不同焊接狀態(tài)下的相關(guān)系數(shù)。
5.1.多焊接信號采集平臺
多傳感器平臺就像工人的感覺系統(tǒng)，可以同時采集多個信號。然而，傳感器數(shù)量的增加將導致諸如難以同時控制多個傳感器的問題。此外，傳感器可能受到許多不確定性的影響。多信號采集系統(tǒng)應更加智能化，能夠有效地協(xié)調(diào)多個傳感器，并具有一定的減少環(huán)境干擾的能力。
從五種傳感器獲得的原始數(shù)據(jù)。
5.2.多源焊接數(shù)據(jù)深度分析和融合
數(shù)據(jù)融合技術(shù)已廣泛應用于多傳感器環(huán)境，可以同時處理和分析來自不同傳感器的數(shù)據(jù)。就像人腦一樣，來自傳感系統(tǒng)的多源數(shù)據(jù)可以快速準確地分析。有許多問題使得深度數(shù)據(jù)融合成為一項具有挑戰(zhàn)性的任務。這些問題大多來自待融合的數(shù)據(jù)、傳感器技術(shù)的不完善性和多樣性以及應用環(huán)境的性質(zhì)。焊接過程中會產(chǎn)生多種信號，如光、電、聲和熱。很難融合這些不同類型的數(shù)據(jù)。此外，不同類型傳感器的信號采集也增加了信號融合的難度，因為獲得的多個信號具有不同的特征。此外，通過多保真度代理模型和深度數(shù)據(jù)挖掘?qū)⒎抡鏀?shù)據(jù)與實際傳感器信息相結(jié)合，以獲得更深入的信息，是很有希望的。
5.3.焊接參數(shù)反饋控制
焊接參數(shù)的動態(tài)調(diào)整可以有效地處理焊接過程中的不確定性因素，有利于焊接質(zhì)量的穩(wěn)定。焊接參數(shù)的實時控制也有助于減少焊接缺陷的發(fā)生。近年來，對反饋控制系統(tǒng)和自適應過程的興趣增加。融合的實時監(jiān)控信號用于反饋控制工藝參數(shù)（例如，激光功率、焊接速度、聚焦、進給速率）。反饋控制方法對于確保焊縫質(zhì)量至關(guān)重要，因為它們可以對焊接過程中的動態(tài)波動作出反應。然而，隨著焊接設備的不斷改進，焊接功率等工藝參數(shù)將越來越高，焊接速度將越來越快，這就需要一個響應速度更快、適應性更強的控制系統(tǒng)。人性化和智能化的過程控制技術(shù)是進一步提高焊接質(zhì)量的關(guān)鍵。
基于多傳感器的測量系統(tǒng)的實驗設置。
6.結(jié)論
本文詳細回顧了傳感器、新設備和基于人工智能的焊接質(zhì)量實時監(jiān)測方法的發(fā)展和研究。首先，介紹了焊接監(jiān)控過程。在線監(jiān)測技術(shù)是最理想的實時監(jiān)測方法。因為在過程中階段獲得的監(jiān)控信息可用于實時調(diào)整焊接質(zhì)量。然后，對各種監(jiān)測設備進行了分類和評述。視覺傳感器被廣泛使用，因為它們可以提供更完整的空間信息視圖。ICI監(jiān)測方法可以獲得實時的小孔深度數(shù)據(jù)，這是判斷焊縫熔深的重要監(jiān)測信息。為了彌補單傳感器在性能上的不足，多傳感器監(jiān)測技術(shù)越來越成熟，是研究人員最常用的監(jiān)測方法。最后，總結(jié)了基于人工智能的焊接監(jiān)控方法。人工智能技術(shù)是當前的研究熱點，尤其是深度學習。它在數(shù)據(jù)處理和挖掘方面具有巨大潛力，可以幫助實現(xiàn)各種監(jiān)測目標。因此，開發(fā)智能質(zhì)量評估系統(tǒng)是最有趣和最具挑戰(zhàn)性的領(lǐng)域。
來源：Application of sensing techniques and artificial intelligence-based methods to laser welding real-time monitoring: A critical review of recent literature, Journal of Manufacturing Systems,doi.org/10.1016/j.jmsy.2020.07.021
參考文獻：J. Stavridis, A. Papacharalampopoulos, P. Stavropoulos, Quality assessment in laser welding: a critical review, Int J Adv Manuf Technol, 94 (2017), pp. 1825-1847, 10.1007/s00170-017-0461-4
長三角G60激光聯(lián)盟陳長軍原創(chuàng)作品!
