[发明专利]基于深度学习的电弧增材制造层宽与余高的协同控制方法

权利要求书

1.一种基于深度学习的电弧增材制造层宽与余高的协同控制方法，其特征在于，包括如下步骤：

步骤1：通过电弧增材制造检测系统采集熔池图像，提取焊缝的层宽、余高数据；

步骤2：基于步骤1中提取的层宽、余高数据，构建基于深度学习的焊缝层宽、余高回归模型；

步骤3：将实时采集的正、侧方熔池图像输入回归模型，得到预期的焊缝层宽和余高，通过自抗扰控制算法，调节焊接电流并控制焊缝的层宽和余高；

步骤3具体包括如下步骤：

步骤3.1：选择焊接电流作为电弧增材制造检测系统的输入，选择焊缝层宽/余高作为电弧增材制造检测系统的输出；通过阶跃响应实验拟合出具有最佳效果的层宽/余高组：

所述焊接电流与焊缝层宽、余高的二阶传递函数为：

，

式中，表示焊接电流增益；和二阶系统的时间常数，时表示电流与宽度的关系，时表示电流与高度的关系，s表示拉普拉斯变换微分算子；

步骤3.2：进行自抗扰控制系统辨识，获取焊接过程中焊缝层宽/余高的动态模型。

2.根据权利要求1所述的基于深度学习的电弧增材制造层宽与余高的协同控制方法，其特征在于：步骤1中所述电弧增材制造检测系统包括三维扫描系统、侧方视觉传感系统、正方视觉传感系统、FPGA模块和计算机，所述侧方视觉传感系统和正方视觉传感系统受控于FPGA模块，计算机通过FPGA模块发出同步信号给侧方视觉传感系统和正方视觉传感系统后，侧方视觉传感系统和正方视觉传感系统再将采集到的焊缝信息通过FPGA模块传送给计算机。

3.根据权利要求1所述的基于深度学习的电弧增材制造层宽与余高的协同控制方法，其特征在于：步骤3中所述的焊接电流受控于焊接电源，所述焊接电源通过控制柜与计算机相连。

4.根据权利要求1所述的基于深度学习的电弧增材制造层宽与余高的协同控制方法，其特征在于，步骤1具体包括如下步骤：

步骤1.1：以熔池为中心，裁剪为512*512像素的熔池ROI图像，取正方熔池图像中熔池半凝固区域的宽度为熔池像素宽度；

步骤1.2：用三维扫描仪扫描当前层的焊缝高度，得到焊缝位置与高度的变化关系，相邻两层相同焊缝位置的高度差即为当前焊缝位置的高度增量；

步骤1.3：通过对熔池图像进行标定，得到焊缝实际层宽与熔池图像像素宽度关系，公式如下：

式中： 为熔池像素宽度，0.023由对正方相机标定所得，为焊缝实际层宽。

5.根据权利要求1所述的基于深度学习的电弧增材制造层宽与余高的协同控制方法，其特征在于，具有最佳效果的层宽/余高组参数为：。

6.根据权利要求1所述的基于深度学习的电弧增材制造层宽与余高的协同控制方法，其特征在于：步骤3.2中所述的自抗扰控制系统包括线性扩展状态观察器ESO和自抗扰控制器，

所述线性扩展状态观察器的计算公式为：

式中，表示熔池的宽度和高度，表示时间导数，·表示导数，^表示估值，代表系统干扰的导数，

，，，干扰和为正常数，表示ESO的带宽，表示控制器的输出。

7.根据权利要求6所述的基于深度学习的电弧增材制造层宽与余高的协同控制方法，其特征在于：所述自抗扰控制器为有源抗扰度控制器，所述有源抗扰度控制器的一组变量的定义公式如下：

式中，表示需要的焊缝宽度和高度，默认为0；表示系统输出跟踪错误，表示实际状态与虚拟状态的偏差，表示与的偏差，是正反馈增益，通过Laplace变换后可得；s表示拉普拉斯变换微分算子；

由于，、趋于0，的导数公式如下：

控制输出的公式如下：

式中，，最后控制器输出的电流值公式如下，

式中，表示电流对宽度的影响，表示电流对余高的影响，是控制宽度的输入，是控制高度的输入。