Image processing system of welding seam of steel structure based on laser vision
-
摘要: 针对钢结构件品种多、批量小，焊缝形状位置一致性差，机器人重复定位过程复杂等缺点，设计了一种基于激光视觉的钢结构焊缝图像处理系统. 运用CCD工业相机和激光器，采集带有激光条带的焊缝图像，分别利用中值滤波柔化噪音，Otsu算法自适应阈值分割，开操作和形态学处理相结合去除图像中除目标像素外的小连通区域，提取激光条带的中心线，最终利用Hough变换对中心线直线拟合，得到特征点位置，并通过骨支架试验验证该技术的可行性. 结果表明，该方法可快速准确地检测到焊缝特征点，满足实际要求.Abstract: Aiming at the shortcomings of many types of steel structure parts, small batches, poor consistency of weld shape and position, and complicated repetitive positioning process of robots, a laser vision-based steel structure weld image processing system is designed. The technology uses CCD industrial cameras and lasers, Collect welding seam images with laser stripes, use median filtering to soften noise, otsu algorithm adaptive threshold segmentation, open operation and morphological processing to remove small connected areas in the image except target pixels, extract laser stripes Finally, the Hough transform is used to fit the center line of the center line to obtain the position of the feature point, and the feasibility of the technology is verified by the bone scaffold test. The test shows that this method can detect the weld feature points quickly and accurately actual requirements, and meet the actual requirements.
-
Keywords:
- laser vision /
- steel structure welds /
- image processing /
- weld tracking /
- weld feature points
-
0. 序言
随着核电、压力容器和石油管道等重型行业的飞速发展，厚板焊接开始广泛的应用在上述行业中[1-2]. 然而，现在厚板焊接不成熟导致生产效率低，焊接成本高；较大填充量产生焊后变形；热输入量大对焊接接头造成破坏等问题[3-4].
窄间隙焊接技术相比其他焊接方法，坡口形式大多数为U形或I形，比角度坡口的填充量减小了数倍，提升了焊接效率，降低了焊接成本，在厚板焊接方面具有广阔的应用前景[5-6]. 窄间隙TIG因无焊接飞溅、焊接过程稳定，易于实现焊接热输入精确控制和无氧气氛，有利于获得高质量焊接接头以及全位置焊接，而被广泛应用[7-9]. 然而，窄间隙TIG过程中容易产生侧壁未熔合的缺陷，侧壁未熔合是影响窄间隙TIG质量的首要因素[10-11].
对于解决窄间隙TIG焊接中侧壁未熔合的问题，已有许多学者提出了多种焊接方法. 例如双电弧技术、旋转电弧技术、摆动电弧技术和磁控电弧技术[12-15]等，这些技术提高了对侧壁的热输入，对于促进侧壁熔合都起到了一定效果. 然而，要进一步提高侧壁熔合质量，需要进一步减小旋转电弧技术、摆动电弧技术和磁控电弧技术电弧中心与侧壁的距离，电弧中心与侧壁距离过小容易导致侧壁起弧和焊枪损坏等问题；双电弧技术直接增大了能量输入，在大幅度提高焊接成本的同时，会使焊缝产生热裂纹等焊接缺陷. 因此不能一味靠增大能量输入、减小电弧中心与侧壁的距离来解决侧壁未熔合问题.
基于近些年来对于空心钨极的研究[16-17]，文中通过空心钨极中心通气的方式来扩展电弧，提高电弧外围能量分布，增加电弧的有效加热区域，进一步改善侧壁熔合质量. 为解决窄间隙TIG过程中侧壁未熔合的难题提供了新思路.
1. 试验方法
选择牌号为Q235的低碳钢为母材进行试验，选择常用于碳钢焊接的ER50-6为焊材，焊材直径为1.2 mm. 母材化学成分，如表1所示. 焊材化学成分，如表2所示. 钨极选用实心钨极和1 mm的空心钨极，钨极结构如图1所示. 坡口尺寸如图2所示. 设计了空心钨极中心通气窄间隙焊枪，从空心钨极内孔送入气流至电弧中心，强化电弧等离子体径向扩展行为，增加电弧有效加热区域，从而达到侧壁熔合良好的目的.
表 1 Q235化学成分(质量分数, %)Table 1. Chemical compositions of Q235C Mn Si S P Fe ≤0.22 ≤1.4 ≤0.35 ≤0.050 ≤0.045 余量 表 2 ER50-6化学成分(质量分数, %)Table 2. Chemical compositions of ER50-6C Mn Si S P Ni Cr Mo Fe 0.06~0.15 1.40~1.85 0.80~1.15 ≤0.025 ≤0.025 ≤0.15 ≤0.15 ≤0.15 余量 ![]()
图 1 钨极结构示意图(mm)Figure 1. Schematic structure of tungsten electrode. (a) solid tungsten electrode；(b) hollow tungsten electrode![]()
图 2 焊接试样坡口尺寸示意图(mm)Figure 2. Schematic diagram of welded specimen bevelling dimensions空心钨极中心通气窄间隙焊接系统示意图，如图3所示. 焊接系统主要由TIG电源、焊接平台、空心钨极窄间隙焊枪、通气控制装置、焊接工件、送丝机构和高速摄像系统构成. 其中通气控制装置由中心通气氩气瓶、减压阀、精密流量计、气动接头和空心钨极组成，通过调节精密流量计来实现对钨极中心气流量的精确控制；高速摄像机、微距镜头、滤光片和计算机构成高速摄像系统，使用该高速摄像系统可实现对焊接过程的高质量拍摄，能清晰观测到中心通气窄间隙TIG电弧. 焊接时使用填丝机构来稳定送丝，焊丝与基板形成15°，焊丝抵到熔池前端. 保护气及空心钨极中心气体使用纯氩气，外部保护气气体流量为30 L/min，送丝速度为150 mm/min，焊接速度为190 mm/min，焊接电流为380 A，电弧高度为4 mm. 采用的焊接工艺参数，如表3所示. 焊接试验完成后，采用线切割在焊接试件上截取金相试样，经镶嵌、研磨和抛光后，选用4% HNO3酒精进行腐蚀，使用体式显微镜观察试件焊缝的宏观形貌.
![]()
图 3 空心钨极中心通气窄间隙焊接系统示意图Figure 3. Schematic diagram of hollow tungsten electrode centre vent narrow gap welding system表 3 焊接工艺参数Table 3. Paraments of welding proccess钨极结构 焊接电流
I/A电弧高度
H0/mm中心气流量
Q/ (L·min−1)实心钨极 380 4 — 空心钨极 380 4 — 空心钨极中心通气 380 4 0.2 空心钨极中心通气 380 4 0.4 空心钨极中心通气 380 4 0.8 2. 试验结果与分析
2.1 不同钨极结构下的焊缝成形
实心钨极、空心钨极及空心钨极中心通气获得的焊缝成形及焊缝截面形貌，如图4所示. 其中图4(c)的中心通气量为0.4 L/min. 从图4中看出实心钨极和空心钨极获得的焊缝易于偏向一侧，出现侧壁未熔合缺陷；空心钨极中心通气获得的焊缝均匀，两侧熔深明显. 通过对3种结构下的熔宽、熔深进行测量，得出不同钨极结构下的焊缝熔宽、熔深.
![]()
图 4 不同钨极结构下的焊缝表面成形及焊缝截面形貌Figure 4. Morphology of welds surface forming and welds cross-section with different tungsten electrode structures. (a) solid tungsten electrode; (b) hollow tungsten electrode; (c) hollow tungsten electrode central ventilation不同钨极结构下的焊缝熔宽和熔深，如图5所示. 图5中实心钨极焊缝熔宽为9.32 mm，焊缝熔深为2.75 mm；空心钨极不通气时获得的熔宽和熔深分别为9.91 mm和2.36 mm，中心通气后其熔宽增加到11.02 mm，而熔深则减小至2.34 mm. 可以得出，空心钨极中心通气结构的焊缝熔宽较大，两侧熔深明显，焊缝成形最好，但是其焊缝熔深相对较小.
![]()
图 5 不同钨极结构下的焊缝熔宽和熔深Figure 5. Melt width and melt depth of welds with different tungsten electrode structures. (a) weld width (b) weld depth2.2 中心气流量对焊缝成形的影响
不同中心气流量下的焊缝截面形貌，如图6所示. 不同气流量下的焊缝熔宽、焊缝熔深和侧壁熔深，如图7所示. 当中心气流量为0.2 L/min时，焊缝侧壁熔合但出现略微不均匀的情况，焊缝熔宽为10.73 mm，焊缝熔深为2.52 mm；当气流量为0.4 L/min时，电弧扩展最大并且较为稳定，焊缝形貌美观、侧壁熔合良好，焊缝熔宽为11.25 mm，焊缝熔深为2.38 mm；当气流量为0.8 L/min时，电弧趋于不稳定状态偏转严重，焊缝分布不均匀且出现了侧壁未熔合缺陷，焊缝熔宽为9.99 mm，焊缝熔深为3.56 mm. 可以得出，当中心气流量为0.4 L/min时，焊缝熔宽较大.
![]()
图 6 不同中心气流量下的焊缝截面形貌Figure 6. Morphology of welds cross-sectional with different central gas flow rates. (a) 0.2 L/min; (b) 0.4 L/min; (c) 0.8 L/min![]()
图 7 不同气流量下的焊缝熔宽和焊缝熔深Figure 7. Weld width and weld depth at different gas flow rates. (a) weld width; (b) weld depth2.3 结果分析
基于上文建立的空心钨极中心通气窄间隙焊接系统，进行了空心钨极中心通气窄间隙焊接试验，在窄间隙送丝焊时利用高速摄像机拍摄了不同中心气流量下空心钨极电弧的宏观形态，并与实心钨极、空心钨极电弧形态进行了比较. 不同钨极结构下电弧的宏观形态，如图8所示. 从图8可以看出，传统实心钨极电弧的作用范围较小，在窄间隙坡口加工精度存在误差的情况下，电弧会寻找最小路径，明显往一侧发生偏转，稳定性较差；与实心钨极电弧相比，空心钨极电弧作用范围略大，有向外扩展的趋势，稳定性略微提升，但是还是会出现一侧电弧略大一侧电弧略小的情况；空心钨极中心通气电弧作用范围较大，扩展较为明显，稳定性强.
![]()
图 8 不同钨极结构下电弧的宏观形态Figure 8. Macroscopic morphology of arcs with different tungsten electrode structures. (a) solid tungsten electrode; (b) hollow tungsten electrode; (c) hollow tungsten electrode central ventilation这主要是因为当空心钨极中心通气时，中心处的中性气体粒子密度增大，更多的中性粒子会往四周扩散，将热量带向四周. 并且送入的中心气体温度低于电弧温度，导致电弧及钨极中心温度下降，无法使中性粒子电离，中间的电阻增大，电弧的电子通道由内向外转移，电弧向外扩展. 所以中心通气后空心钨极电弧外部向侧壁的作用增大，电弧内部向坡口底部的作用变小，焊缝的熔宽增大，熔深减小. 因此空心钨极中心通气电弧较其他两种电弧作用面积更大，在焊接过程中产生的焊缝熔宽大于实心钨极、空心钨极电弧产生的焊缝熔宽，产生的焊缝熔深小于实心钨极、空心钨极电弧产生的焊缝熔深.不同气流量下空心钨极电弧的宏观形态，如图9所示. 从图9可以看出，当中心气流量为0.2 L/min时，空心钨极电弧有一侧略微偏转未能完全展开，电弧较为稳定；中心气流量由0.2 L/min增大到0.4 L/min时，空心钨极电弧完全展开并且形态良好，电弧稳定性强；当中心气流量增大到0.8 L/min时，空心钨极电弧发生严重偏转，电弧稳定性差. 随着气流量的增大，中心处中性气体的密度越来越大，使得电弧中心的温度逐渐降低，电弧外部的温度逐渐升高，使得电弧扩展明显，对侧壁的作用提升明显，对坡口底部作用减小. 当中心气流量过大时，气流与钨极形成一定的偏转角，气流进入电弧时的区域不固定，易发生电离的区域不固定在某处，各个位置都有可能得到较大的电流密度，使得电弧中的热量分布不均，导致电弧不断发生偏转且侧壁熔合不良的效果明显. 因此空心钨极中心通气电弧随着气流量的增大，电弧作用范围逐渐增大，稳定性增强，焊接过程中能够产生较大的焊缝熔宽；当气流量增大超过临界值时，电弧稳定性差，作用到坡口侧壁的能量较小，焊接过程中产生的焊缝熔宽较小.
![]()
图 9 不同气流量下空心钨极电弧的宏观形态Figure 9. Macroscopic morphology of hollow tungsten electrode arcs under different gas flow rates. (a) 0.2 L/min；(b) 0.4 L/min；(c) 0.8 L/min3. 结论
(1) 为了改善窄间隙TIG焊接中侧壁熔合不良的问题，文中提出向空心钨极中心通气来扩展电弧的方法，并阐述了其电弧作用原理. 搭建了空心钨极中心通气窄间隙焊接系统，并对系统的构成进行了说明.
(2) 在空心钨极中心通气窄间隙焊接系统下进行了不同参数的对比试验，对焊接接头的焊缝形貌进行了分析，与实心钨极、空心钨极相比，在焊缝形貌上，空心钨极中心通气结构下所对应焊接接头的焊缝熔宽大、焊缝熔深略小，焊缝成形美观，侧壁熔合良好.
(3)利用高速摄像机拍摄的电弧形态解释了不同钨极结构、中心气流量对焊缝成形的影响. 与实心钨极、空心钨极电弧相比，空心钨极中心通气电弧有着更大的作用范围，对侧壁的作用增大，促进了侧壁的熔合；随着中心气流量的增大，电弧的稳定性增强，作用范围逐渐增大，对侧壁的作用明显，促进了侧壁的熔合，当气流量增大超过临界值时，电弧稳定性变差，无法促进侧壁的熔合，降低了焊接质量.
-
![]()
图 4 中值滤波处理图像
Figure 4. Median filter processing image. (a) original weld image; (b) median filtered image
![]()
图 5 二值化图像开操作处理
Figure 5. Binary image opening operation processing. (a) binary image; (b) open operations manipulate images
![]()
图 6 开操作处理后骨架提取图像
Figure 6. Skeleton extraction image after opening operation processing. (a) morphological removal of image inliers; (b) skeleton extraction; (c) skeleton thinning
![]()
图 7 图像空间与参数空间的映射关系
Figure 7. The mapping relationship between image space and parameter space. (a) image space; (b) parameter space
![]()
图 9 焊接机器人和焊接结果
Figure 9. Welding robot and welding result. (a) welding robot; (b) welding result
表 1 焊接装置硬件明细表
Table 1 Hardware list of welding device
机器人 相机 图像采集卡 激光器 杭州松欧自动化
设备有限公司上海方诚光电
科技有限公司NI
公司长春镭仕光电
科技有限公司FD-V6 IK200M-12 PCIe-1427 MW-RL-635 
下载: 导出CSV
-
[1] 吴兴华. 焊缝跟踪技术的发展与应用现状[J]. 金属加工(热加工), 2020(6): 7 − 9. Wu Xinghua. Development and application status of welding seam tracking technology[J]. Metal Processing (Hot Processing), 2020(6): 7 − 9.
[2] Xu Y, Wang Z. Visual sensing technologies in robotic welding: Recent research developments and future interests[J]. Sensors and Actuators A:Physical, 2021, 320(1): 112551.
[3] Banafian N, Fesharakifard R, Menhaj M B. Precise seam tracking in robotic welding by an improved image processing approach[J]. The International Journal of Advanced Manufacturing Technology, 2021, 114(1): 251 − 270.
[4] Zeng Qingfei, Liu Xuemei, Qiu Chengrong. Inverse kinematics and error analysis of cooperative welding robot with multiple manipulators[J]. China Welding, 2020, 29(2): 9 − 16.
[5] Li Y, Hu M, Wang T. Weld image recognition algorithm based on deep learning[J]. International Journal of Pattern Recognition and Artificial Intelligence, 2020, 34(8): 2052004. doi: 10.1142/S0218001420520047
[6] Silva R H G, Galeazzi D, Schwedersky M B, et al. An adaptive orbital system based on laser vision sensor for pipeline GMAW welding[J]. Journal of the Brazilian Society of Mechanical Sciences and Engineering, 2021, 43(7): 1 − 17.
[7] Parameshwaran R, Maheswari C, Nithyavathy N, et al. Labview based simulation on welding seam tracking using edge detection technique[C]//IOP Conference Series: Materials Science and Engineering. IOP Publishing, 2021: 012026.
[8] 李篪. 焊缝位置识别及图像处理算法的研究[J]. 电子技术与软件工程, 2021(5): 88 − 89. Li Chi. Research on weld seam position recognition and image processing algorithm[J]. Electronic Technology and Software Engineering, 2021(5): 88 − 89.
[9] 马波, 林少铎, 张南峰, 等. 斜率表征与卡尔曼滤波的焊缝跟踪方法研究[J]. 机电工程, 2020, 37(2): 206 − 210. doi: 10.3969/j.issn.1001-4551.2020.02.019 Ma Bo, Lin Shaoduo, Zhang Nanfeng, et al. Research on welding seam tracking method based on slope characterization and Kalman filter[J]. Mechanical and Electrical Engineering, 2020, 37(2): 206 − 210. doi: 10.3969/j.issn.1001-4551.2020.02.019
[10] 尤帅, 张华, 周依霖, 等. 基于Hilditch算法的焊缝结构光中心线断点修补[J]. 热加工工艺, 2020, 49(15): 134 − 138. You Shuai, Zhang Hua, Zhou Yilin, et al. Breakpoint repair of weld structured light centerline based on hilditch algorithm[J]. Thermal Processing Technology, 2020, 49(15): 134 − 138.
[11] 杨国威, 王以忠, 王中任, 等. 自主移动焊接机器人嵌入式视觉跟踪控制系统[J]. 计算机集成制造系统, 2020, 26(11): 3049 − 3056. Yang Guowei, Wang Yizhong, Wang Zhongren, et al. Embedded vision tracking control system for autonomous mobile welding robot[J]. Computer Integrated Manufacturing Systems, 2020, 26(11): 3049 − 3056.
[12] Lei T, Huang Y, Wang H, et al. Automatic weld seam tracking of tube-to-tubesheet TIG welding robot with multiple sensors[J]. Journal of Manufacturing Processes, 2021, 63: 60 − 69. doi: 10.1016/j.jmapro.2020.03.047
[13] 马增强, 钱荣威, 许丹丹, 等. 线结构光焊接图像去噪方法[J]. 焊接学报, 2021, 42(2): 8 − 15. doi: 10.12073/j.hjxb.20200519002 Ma Zengqiang, Qian Rongwei, Xu Dandan, et al. Denoising method of line structured light welding image[J]. Transactions of the China Welding Institution, 2021, 42(2): 8 − 15. doi: 10.12073/j.hjxb.20200519002
[14] Tian Y Z, Liu H F, Li L, et al. Robust identification of weld seam based on region of interest operation[J]. Advances in Manufacturing, 2020, 8(4): 473 − 485. doi: 10.1007/s40436-020-00325-y
-
期刊类型引用(3)
1. 姜自昊，曾才有，杨清福，张权，齐铂金，从保强. 2219中厚铝合金VPTIG深熔焊接熔池行为与组织性能. 航天制造技术. 2024(03): 34-40+78 . 
百度学术
2. 王彦龙，曹旭武，丁正祥，闫德俊，彭卫华. 船用新型TA3钛合金深熔TIG焊接头组织与力学性能研究. 电焊机. 2024(12): 56-61 . 百度学术
3. 唐君才，陈和，魏占静. 304不锈钢K-TIG焊接工艺. 机械制造文摘(焊接分册). 2022(03): 37-40 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 420
- HTML全文浏览量: 63
- PDF下载量: 77
- 被引次数: 3
