[发明专利]基于机器学习的激光焊接在线缺陷识别方法

摘要

本发明公开了一种基于机器学习的激光焊接在线缺陷识别方法和装置，利用对焊接过程的金属蒸汽、激光反射、匙孔面积焊接现象的检测与机器学习技术，实现神经网络驱动的多传感激光焊接在线缺陷识别，以辅助焊接参数的在线调整，抑制缺陷的出现。与现有技术相比，本发明以机器学习与多传感融合检测进行在线焊接缺陷检测，提高了焊接缺陷的检测效率，有效避免了传统缺陷识别的人为误差对检测效果的影响与单一传感检测性能上的不足，并具有较好的抗干扰能力。

主权项

1.一种基于机器学习的激光焊接在线缺陷识别方法，按照下列步骤进行：步骤1：用于激光焊接缺陷识别的机器学习平台上，预设可焊穿当前工件的工艺参数进行机器学习所需的激光焊接实验；步骤2：在步骤1的实验中，利用光辐射检测装置采集可见光辐射信号与激光反射信号；在工件上方放置工业摄像机拍摄工件上方观测的焊接过程；在垂直于激光轴与焊接方向放置工业摄像机拍摄旁轴观测的焊接过程；步骤3：利用工控机接收步骤2获得的可见光辐射信号与激光反射信号、两个工业摄像机的拍摄图像，并利用图像处理技术在线提取来自工业摄像机拍摄图像的特征；步骤4：利用步骤3获得的数据，将这些数据放进一个向量作为神经网络的输入：x＝[x1，x2，x3...xi]；对于各组实验进行神经网络输出标注，且标注出焊接缺陷与焊接稳定的区域，出现缺陷标标注数据为1，焊接稳定为0；将实验组的所有焊缝对应的所有数据作为神经网络训练数据，并对数据进行了归一化处理，令其对网络的贡献度最大化；构建网络结构，包括前向传播网络结构与后向传播网络结构；步骤5：利用步骤4构建的神经网络，针对步骤1中的试验进行神经网络训练和测试获得权重矩阵；步骤6：进行激光焊接加工，利用步骤5中神经网络训练获得的权重矩阵和工控机在线检测的多维信号驱动焊接系统实现焊接在线缺陷识别。