基于结构光的焊点智能识别算法设计
Intelligent recognition algorithm of welding point based on structured light
-
摘要: 在自动焊接系统中,焊点的识别需要利用辅助激光,但是由于弧光的存在,而且一些金属材料具有反光性,这都会对辅助光的提取造成困难,因而影响到焊点的准确定位.基于此问题,利用反卷积结合特征金字塔网络,提出了基于热力图的焊点识别网络,该网络通过残差卷积神经网络进行提取特征,并利用金字塔策略将不同尺度的特征映射成特征点热力图,根据热力图得到焊点的最终准确位置.最后进行与模版匹配及原始的特征金字塔网络的对比试验.结果表明,该网络在对焊点的识别中比前两者的表现突出,而且鲁棒性较强,对于各种噪声和复杂的干扰具有很强的抵抗力.Abstract: In the process of automatic welding, welding point needs to be recognized with the help of laser. However, it suffers from the arc light and reflect light on the surface of some materials and the resulting accuracy of recognition cannot be guaranteed. In terms of this issue, the recognition network based on heatmap is proposed with combination of deconvolution and feature pyramid network. It extracts pyramid feature using residual convolutional neural network and generates key-point heatmap for each scale, which can tell the exact position of welding point. Compared with template matching and original feature pyramid network, such network performs better in the recognition of welding point with strong robustness and can work well in the context of various noise and complex interference.
-
0. 序言
作为一种先进的耐高温、抗氧化、耐辐射陶瓷基复合材料,SiCf/SiC复合材料已在航空航天及其它工业领域展现出广阔的应用前景,如超高声速飞行器热防护结构、航空涡轮发动机部件、航天热结构部件及核聚变反应堆炉第一壁结构等. 在大多数应用中,SiCf/SiC复合材料需要与高温合金等金属材料配合使用,其可靠连接成为构件成功应用的关键之一[1-4].
针对陶瓷基复合材料与金属材料的连接技术研究,国内外主要有机械连接、胶接和钎焊3种途径[5-6]. 针对陶瓷基复合材料与异种材料的耐高温轻量化连接技术主要以钎焊为研究和应用热点. 现阶段的文献主要报道了C/C及C/SiC等复合材料的钎焊技术研究成果,如Liu 等人[7]基于C/SiC 复合材料与Nb 的高温可靠连接需求,采用一种Ti37Ni37Nb 钎料,实现了最高室温抗剪强度达149 MPa的(C/SiC)/Nb钎焊接头,其600 ℃及800 ℃的高温抗剪强度分别为120,73 MPa. 张丽霞等人[8]采用Zr-Ni钎料对C/C复合材料和Nb进行了真空钎焊,经过1 100 ℃的钎焊,接头室温抗剪强度可达到19 MPa. 冯贞伟等人[9]利用钎焊过程中Cr原子在C/C复合材料侧的偏聚及界面反应,采用BNi2钎料对C/C复合材料和GH3128高温合金进行了真空钎焊,接头室温抗剪强度可达到24MPa. 关于SiCf/SiC复合材料与高温合金耐高温钎焊研究鲜有报道.
文中以SiCf/SiC复合材料和Ni3Al基高温合金MX246A为研究对象,选用自行研制的含Ti,Hf活性钎料,进行了两种材料的钎焊工艺试验,分析了钎焊接头的界面组织及力学性能,从而为该复合材料在飞行器设计制造领域的实际应用提供理论依据.
1. 试验方法
图1为试验用SiCf/SiC复合材料的外观形貌及微观特征,由中国航空工业集团公司复合材料技术中心采用聚合物浸渍裂解(PIP)技术制备而成,其孔隙率为11%~13%. 复合材料中的SiC纤维呈二维编织结构. MX246A高温合金由钢铁研究总院研制,其化学成分如表1所示. MX246A高温合金的初熔温度为1 290 ℃.
MX246A高温合金的热膨胀系数为16 × 10−6 ℃−1(25~1 100 ℃),与SiCf/SiC复合材料存在较大的热膨胀差异(后者的热膨胀系数为4.5 × 10−6 ℃−1). 为缓和(SiCf/SiC)/MX246A接头在钎焊过程中的热应力,在钎焊过程中采用缓慢冷却的工艺方法. SiCf/SiC复合材料试样的尺寸为10 mm × 10 mm × 3 mm,MX246A高温合金试样的尺寸为20 mm × 10 mm × 5 mm. 试验所用钎料为含Ti,Hf活性元素的镍基钎料NiCrCoWMoTiHf,其熔化温度为1 235 ℃.
SiCf/SiC复合材料和MX246A高温合金试样在焊接前分别采用1200号和500号砂纸进行表面研磨. 试样在丙酮中进行超声波清洗,空气干燥. 钎焊过程中,首先采用25 ℃/min的加热速度升温至1 000 ℃,然后在5 ℃/min的升温速度条件下缓慢升至钎焊温度. 经过15 min的钎焊保温过程,以10 ℃/min的冷却速度降温至400 ℃,随后炉冷. 由于MX246A高温合金的初熔温度为1 290 ℃,液相温度为1 320 ℃,因此试验中选用1 250 ℃和1 270 ℃作为钎焊温度.
沿垂直于焊缝方向进行接头金相取样. 将制备的金相试样在S-570型扫描电子显微镜(SEM)进行微观形貌观察,采用JDX-3530M型X射线衍射仪(XRD)和JXA-8600型能谱分析(EDS)进行接头界面物相的鉴定分析. 接头的抗剪强度采用Instron 1186型力学性能试验机在1 mm/min的加载速度下进行测试,取4个相同工艺试样的性能数据数学平均值作为分析结果.
表 1 MX246A高温合金的化学成分(质量分数,%)Table 1. Chemical compositions of MX246A high temperature alloyC Cr Al Ti W Mo Hf 0.06~0.20 7.40~8.20 7.60~8.50 0.60~1.20 1.50~2.50 3.50~5.50 0.30~0.90 Fe Si Mn P Y B Ni ≤ 2.00 ≤ 0.50 ≤ 0.50 ≤ 0.02 0.01 ≤ 0.05 余量 2. 结果及讨论
2.1 (SiCf/SiC)/MX246A钎焊接头的界面组织
图2为分别在1 250,1 270 ℃保温15 min条件下钎焊(SiCf/SiC)/MX246A 接头的界面形貌. 复合材料通过钎料反应界面层与高温合金实现致密连接,界面层中有褐色斑点、灰色板条、浅灰色块状相等物相组成. 对复合材料侧的反应界面层进行能谱分析(表2),推断钎焊界面层主要由Si,TiC和HfC组成的反应层以及Ti-Al-Ni金属间化合物、W-Mo-Cr-Ni固溶体形成的扩散反应层组成[10-11]. 钎焊温度升高,可以促进接头界面各原子的扩散及反应,其中Ti,Hf与复合材料表面的SiC反应的吉布斯自由能如图3所示,较高钎焊温度能有效提高Ti,Hf与SiC的反应驱动力. 从图2b和图2d可以看出,较高钎焊温度条件下,复合材料侧的反应层呈现连续均匀分布,且合金化扩散层中的浅灰色相呈小块状弥散分布,这些有利于均匀界面结构,缓解界面应力,提高接头强度.
图 2 SiCf/SiC复合材料钎焊接头界面形貌Figure 2. Interfacial microstructure of the brazing joint of SiCf/SiC composite. (a) interfacial microstructure of the brazing joint brazed at 1 250 ℃ for 15 min;(b) high magnification SEM image of the area inside the solid line frame in Fig.2a;(c) high magnification SEM image of the area inside solid line frame in Fig.2b;(d) interfacial microstructure of the brazing joint brazed at 1 270 ℃ for 15 min表 2 (SiCf/SiC)/MX246A钎焊接头的化学组成(原子分数,%)Table 2. Chemical compositions of the component phases at the joint interface位置 C O Al Si Ti Cr Ni Hf W Mo 反应相 1 10.6 — — 5.02 7.67 5.37 68.76 2.58 — — TiC, HfC, Si, (Ni,Cr) 2 11.22 9.01 24.51 1.47 20.18 3.84 23.69 — 6.08 — TiC, TiAlx, NiAlx 3 9.12 — 8.34 2.53 39.84 5.48 29.02 — 21.76 19.86 TiC, TiNix, (W,Mo) 4 7.43 — — 5.44 1.23 13.02 29.98 — 28.41 14.49 (Ni,Cr), (W,Mo) 5 10.59 — 31.48 2.61 6.92 14.79 19.93 — 13.67 — TiC, NiAlx, (Cr,W) 为进一步确定接头的界面物相组成,对钎焊接头的界面进行了XRD分析. 为避免高温合金对XRD检测的干扰,对SiCf/SiC复合材料试样进行表面钎涂(采用同种钎料),然后再对钎涂润湿界面层进行XRD分析,其谱图如图4所示.
从图4接头界面与钎涂界面的XRD谱图可以得出,钎焊接头的界面处有Ni2Si,NiTi,TiC,Ni31Si12反应产物生成. 根据二元合金相图及文献[10-11]可以得出,Ni-Cr,Cr-Mo及Mo-W均可钎焊加热过程中实现无限互溶,形成(Ni,Cr)、(Cr,W)和(W,Mo)固溶体. 因此,接头界面结构可以表示为:(SiCf/SiC)/TiC + NiTi + Ni2Si + Ni31Si12 + (Ni,Cr) + (Cr,W) + (W,Mo)/MX246A.
2.2 (SiCf/SiC)/MX246A钎焊接头的力学性能
对1250,1270 ℃不同温度钎焊接头分别在室温及1 000 ℃条件下进行剪切性能测试,其中在1 000 ℃进行性能测试时需要在保温15 min后再进行加载,以避免构件存在温度不均匀的问题. 测试结果如表3所示. 观察接头的断裂形貌看以看出,接头断于复合材料侧的基体上. 复合材料是接头的主要薄弱区域. 此外,两种钎焊温度条件下所得接头在1 000 ℃的抗剪强度均大于室温的数值. 这是由于SiCf/SiC复合材料与MX246A高温合金高温钎焊降到室温时,钎焊界面处存在一定的残余应力,残余应力会降低接头抗剪强度;在高温力学性能测试时,其热膨胀系数差引起的残余应力得到释放和缓解,因而接头抗剪强度较高. 该现象与陈杰[12]的研究结果相近,但所用钎料不同,钎焊接头强度升高的温度区间有差异. 钎焊温度越高,所得钎焊接头强度越大,这是由较高温度条件下界面的反应和扩散行为更为充分,复合材料侧的反应层呈现均匀连续的分布,钎料中的(W,Mo)相得到较充分扩散,向复合材料侧及高温合金侧均弥散分布,如图2b和图2d所示. 观察接头断裂形貌,均断于复合材料侧(图5),要保障接头抗剪强度,需进一步优化接头的界面结构,实现界面应力的均匀分布,进而实现对复合材料连接界面的有效防护.
表 3 (SiCf/SiC)/MX246A钎焊接头的室温及高温抗剪强度Table 3. Shear strength of (SiCf/SiC)/MX246A brazing joints under room-temperature and high temperature测试温度T/℃ 平均抗剪强度Rτ/MPa 1 250 ℃ 1 270 ℃ 室温 79 81 1 000 85 90 3. 结论
(1)钎焊接头界面中有Ni2Si,NiTi,TiC,Ni31Si12化合物及(Ni,Cr),(Cr,W),(W,Mo)固溶体生成,接头界面结构可表示为(SiCf/SiC)/TiC + NiTi + Ni2Si + Ni31Si12 + (Ni,Cr) + (Cr,W) + (W,Mo)/MX246A.
(2)在室温及1 000 ℃下,钎焊接头抗剪强度均达到70 MPa以上,接头断裂于复合材料侧基体. 复合材料侧热应力是影响接头性能的重要因素之一.
-
[1] Karen Simonyan, Andrew Zisserman. Very deep convolutional networks for large-scale image recognition[C]//International Conference on Learning Representations, 2015:1− 14. [2] Christian Szegedy, Wei Liu, Yangqing Jia, et al. Going deeper with convolutions[C]//The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2015:1− 9. [3] Kaiming He, Xiangyu Zhang, Shaoqing Ren, et al. Deep residual learning for image recognition[C]//The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016:770− 778. [4] Shaoqing Ren, Kaiming He, Ross Girshick, et al. Faster R-CNN:towards real-time object detection with region proposal networks[C]//Advances in Neural Information Processing Systems 28, 2015:1− 9. [5] Kaiming He, Georgia Gkioxari, Piotr Dollar, et al. Mask R-CNN[J]. IEEE Transactions on Pattern Analysis&Machine Intelligence, 2017(99):1-1. [6] Joseph Redmon, Santosh Divvala, Ross Girshick, et al. You only look once:unified, real-time object detection[C]//The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016:779− 788. [7] Tsung-Yi Lin, Piotr Dollar, Ross Girshick, et al. Feature nyramid networks for object detection[C]//The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017:2117− 2125. -
期刊类型引用(4)
1. 金东升,曹文田,张英杰. 双目极线约束下的储罐环焊缝定位算法. 机械科学与技术. 2025(01): 1-8 . 百度学术
2. 郭忠峰,刘俊池,杨钧麟. 基于关键点检测方法的焊缝识别. 焊接学报. 2024(01): 88-93+134 . 本站查看
3. 成慧翔,马艳娥,李新卫. 基于改进神经网络的激光焊接偏差智能识别研究. 激光杂志. 2021(12): 165-169 . 百度学术
4. 寿明耀,余焕伟,诸源,余翔. 压力容器焊接智能化关键影响因子探讨. 焊接. 2020(11): 50-55+64 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 311
- HTML全文浏览量: 3
- PDF下载量: 209
- 被引次数: 6