[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

说明书

本发明涉及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，属于精密焊接技术领域。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中的焊接电流受控于焊接电源，焊接电源通过控制柜与计算机相连。本发明利用熔池视觉信息对增材过程中的熔覆层偏移量进行定量预测，以在增材制造过程中调整焊枪实际位置，从而得到好的熔池形态，提高焊接质量。

技术领域

本发明涉及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，属于精密焊接技术领域。

背景技术

增材制造技术已广泛应用于汽车、航空航天、建筑设计和生物医学等领域，电弧增材制造技术利用焊接电弧作为熔合能量来熔化金属丝，与其他增材制造方法相比，具有材料利用率高、沉积效率高、环保等特点，近年来引起了广泛的关注。然而，在电弧增材制造过程中，随着熔敷层层数的增加，堆积零件会出现热累积严重、散热条件差、熔池过热难于凝固、熔覆层形状难于控制等问题，这要求焊接机器人实时监控焊接情况，及时调节焊接工艺参数以提高焊接质量。在目前的研究中，对于电弧增材制造过程中的实时反馈控制还较为不足。

发明内容

本发明的目的在于，克服现有技术中存在的问题，提供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，利用熔池视觉信息对增材过程中的熔覆层偏移量进行定量预测，以在增材制造过程中调整焊枪实际位置，从而得到好的熔池形态，提高焊接质量。

本发明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，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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：

，