基于被動(dòng)視覺(jué)的管子-管板GTAW熔池檢測(cè)及處理

陳云霞，李榮斌，鄔雁忠，孫 勤

（1.上海電機(jī)學(xué)院，上海 201306；2.上海電氣自動(dòng)化設(shè)計(jì)研究所有限公司，上海 210240）

基于被動(dòng)視覺(jué)的管子-管板GTAW熔池檢測(cè)及處理

陳云霞1，李榮斌1，鄔雁忠2，孫 勤2

（1.上海電機(jī)學(xué)院，上海 201306；2.上海電氣自動(dòng)化設(shè)計(jì)研究所有限公司，上海 210240）

針對(duì)換熱器管子-管板自動(dòng)焊的特點(diǎn)，設(shè)計(jì)了一套適應(yīng)于管子管板鎢極氬弧焊（GTAW）的CCD視覺(jué)傳感器和減光/濾光系統(tǒng)，實(shí)時(shí)獲取管子管板焊接液態(tài)熔池圖像。開(kāi)發(fā)了一套基于部件樹(shù)的圖像特征點(diǎn)提取算法，能夠有效獲取管子管板GTAW熔池邊緣圖像，通過(guò)曲線擬合方法，可獲取完整的熔池輪廓曲線和熔池特征尺寸信息，進(jìn)一步實(shí)現(xiàn)管子-管板自動(dòng)焊遠(yuǎn)程監(jiān)控。

換熱器；視覺(jué)監(jiān)控；焊接熔池；圖像處理

0 前言

隨著我國(guó)勞動(dòng)力成本的逐漸提升，以廉價(jià)勞動(dòng)力為支撐的“中國(guó)制造”模式難以為繼，加工制造業(yè)更多地關(guān)注焊接過(guò)程自動(dòng)化、智能化的發(fā)展水平。換熱器作為一種熱量傳遞的節(jié)能設(shè)備，廣泛應(yīng)用于煉油、化工、醫(yī)藥和核電等領(lǐng)域，其中管殼式換熱器的使用最為普遍。在管殼式換熱器的設(shè)計(jì)、制造過(guò)程中，管子、管板的焊接質(zhì)量關(guān)系到整個(gè)設(shè)備機(jī)組的安全運(yùn)行。然而，在石油化工裝置中因焊接工藝不當(dāng)或工藝規(guī)程執(zhí)行不嚴(yán)導(dǎo)致的換熱器管束失效超過(guò)20%，而換熱器管頭泄漏90%以上是焊接質(zhì)量缺陷或缺欠引起的[1-3]。

每臺(tái)管殼式換熱器管板焊接接頭少則幾百個(gè)，多則成千上萬(wàn)個(gè)接口。采用焊條電弧焊工藝，焊工勞動(dòng)強(qiáng)度大、勞動(dòng)條件差，很難保證高效、優(yōu)質(zhì)、穩(wěn)定的產(chǎn)品質(zhì)量，因此亟需引入管子-管板焊接自動(dòng)化設(shè)備及焊接智能化技術(shù)提升質(zhì)量和效率。視覺(jué)智能傳感具有直觀、信息量大、處理容易等特點(diǎn)，在焊接裝配檢測(cè)、過(guò)程監(jiān)控及質(zhì)量評(píng)價(jià)等方面發(fā)揮著重要作用，最終可實(shí)現(xiàn)焊接產(chǎn)品質(zhì)量的可追溯性及遠(yuǎn)程管理[4-5]。本研究針對(duì)管殼式換熱器管子-管板自動(dòng)焊，研制了一套視覺(jué)傳感器用于獲取焊接過(guò)程中液態(tài)熔池視覺(jué)信息，采用基于部件樹(shù)的圖像處理算法，提取液態(tài)熔池特征點(diǎn)并進(jìn)一步擬合熔池輪廓，最終實(shí)現(xiàn)管子－管板自動(dòng)焊遠(yuǎn)程監(jiān)控。

1 試驗(yàn)和方法

基于全位置管板脈沖鎢極氬弧焊的焊接熔池圖像采集來(lái)開(kāi)展基本工藝試驗(yàn)。焊接系統(tǒng)主要包括控制器、焊接電源（Kemppi）、機(jī)頭、平衡器及焊接電纜、控制電纜和氣管等。采用兩層焊工藝，第一層自熔，第二層填絲焊。換熱管材料為304不銹鋼，內(nèi)徑25 mm，管壁厚1 mm，管子焊前預(yù)脹，焊前清理不銹鋼管子及管板焊接部位的油污、灰塵等雜質(zhì)。設(shè)定峰值電流100 A、脈沖頻率4 Hz，在此條件下進(jìn)行采像試驗(yàn)。視覺(jué)系統(tǒng)選用Xiris XVC-1000相機(jī)，輔助減光、濾光系統(tǒng)，可清晰獲取焊接熔池、鎢極及焊絲圖像。整個(gè)試驗(yàn)系統(tǒng)平臺(tái)如圖1所示。

圖1 管板脈沖鎢極氬弧焊視覺(jué)監(jiān)控系統(tǒng)

系統(tǒng)軟件采用qt5.5.0+MSVC2010進(jìn)行開(kāi)發(fā)，可以實(shí)現(xiàn)焊接圖像的采集和處理等。管板熔池圖像如圖2所示，由圖2a可知，原始采集的管板焊接熔池圖像因采像角度可達(dá)性、工件本身的干擾，管板焊接熔池邊緣不完整、不清晰。選取的窄帶濾光片參數(shù)如表1所示，中心波長(zhǎng)λ0=660 nm，半寬Δλ=35 nm，峰值透過(guò)率T=90%，截止范圍為可見(jiàn)光譜段，截止帶透過(guò)率為0.01%，中性減光片參數(shù)由試驗(yàn)確定。

采集的管子-管板焊接熔池圖像主要包括鎢極、熔池和凝固焊道等。換熱器管子－管板自動(dòng)焊的鎢極伸出長(zhǎng)度、鎢極和送絲嘴角度等參數(shù)均會(huì)影響焊接質(zhì)量，通過(guò)監(jiān)控焊接過(guò)程中的熔池，可有效獲取影響焊縫成形質(zhì)量的圖像參數(shù)。特別是在不適合焊工現(xiàn)場(chǎng)直接參與的遠(yuǎn)程焊接作業(yè)，該視覺(jué)傳感系統(tǒng)為經(jīng)驗(yàn)焊工提供了“眼睛”，為焊接工藝參數(shù)調(diào)整提供了豐富的信息。采用增強(qiáng)對(duì)比度的方法對(duì)管板焊接熔池圖像進(jìn)行預(yù)處理，處理結(jié)果如圖2b所示，經(jīng)過(guò)預(yù)處理后的熔池邊緣更清晰，對(duì)比度明顯增強(qiáng)。

圖2 管板熔池圖像

表1 窄帶濾光片光學(xué)參數(shù)

2 管板熔池圖像處理及特征提取

針對(duì)熔池邊緣受到強(qiáng)弧光、液態(tài)熔池表面反射干擾問(wèn)題，本研究提出了基于Part-based Model圖像處理算法[5]，可以很好地提取熔池邊緣特征點(diǎn)，在強(qiáng)烈干擾的情況下識(shí)別精度較高，魯棒性很好。

圖像處理步驟為：（1）進(jìn)行人工訓(xùn)練，取6個(gè)特征點(diǎn)，每個(gè)特征點(diǎn)包含區(qū)域范圍65×65 pixels；（2）中值濾波；（3）相關(guān)位置定位；（4）提出管板圖像特征點(diǎn)。

圖像處理算法核心思想：計(jì)算管板熔池圖像選取的每個(gè)小特征表象的相似度，依賴(lài)于一組連接與相關(guān)系數(shù)，最終結(jié)果使得后驗(yàn)概率獲得最大值。管板熔池圖像完整處理過(guò)程如圖3所示。

試驗(yàn)選取90幅圖像，其中訓(xùn)練6幅，測(cè)試84幅，每幅圖像訓(xùn)練時(shí)間0.93 s，測(cè)試結(jié)果見(jiàn)圖4，誤差較小，穩(wěn)定性高，表明Part-based Model的識(shí)別精度較高，特別適合用于提取易受干擾的熔池邊緣。

基于獲取的管板熔池圖像特征點(diǎn)信息，定義熔池熔寬W近似等于A1和A6兩個(gè)特征點(diǎn)的歐式距離，半熔長(zhǎng)L近似等于A0與A3的距離（A0為A1、A6的構(gòu)成直線的中心點(diǎn)）。定義完管板焊接熔池特征后，可求得90幅熔池圖像的熔寬W和半熔長(zhǎng)L的變化趨勢(shì)。結(jié)果表明，管板焊接熔池的熔寬和半熔長(zhǎng)變化區(qū)間為20～30 pixels，見(jiàn)圖5，熔池特征尺寸（表征熔池特征的熔寬和熔長(zhǎng)）變化均勻，成形美觀。

3 結(jié)論

基于管殼式換熱器管子-管板的脈沖鎢極氬弧焊全位置自動(dòng)焊系統(tǒng)，研制了適用于管板自動(dòng)焊接監(jiān)控的視覺(jué)傳感系統(tǒng)。開(kāi)發(fā)了一套基于部件樹(shù)的管板熔池識(shí)別算法，定義了管板焊接熔池特征信息——熔長(zhǎng)和熔寬，開(kāi)發(fā)的圖像處理算法能夠有效識(shí)別管板脈沖鎢極氬弧焊的熔池寬度和長(zhǎng)度幾何尺寸，進(jìn)一步為后續(xù)管板自動(dòng)焊的自動(dòng)監(jiān)控和質(zhì)量控制提供視覺(jué)信息支撐。

圖3 基于part-tree算法的熔池圖像識(shí)別

圖4 圖像處理驗(yàn)證結(jié)果

圖5 管板脈沖鎢極氬弧焊圖像處理結(jié)果

[1]王振民，張棟，李晉，等.換熱器管板的全位置自動(dòng)化焊接工藝[J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，38（5）：100-104.

[2]欒輝寶，陶文銓?zhuān)靽?guó)慶，等.全焊接板式換熱器發(fā)展綜述[J].中國(guó)科學(xué)：技術(shù)科學(xué)，2013（9）：1020-1033.

[3]李超勝，朱瑞鋒.換熱器管板自動(dòng)焊技術(shù)總結(jié)[J].石化技術(shù)，2016（5）：66-69.

[4]陳華斌，孔萌，呂娜，等.視覺(jué)傳感技術(shù)在機(jī)器人智能化焊接中的研究現(xiàn)狀[J].電焊機(jī)，2017，47（3）：1-16.

[5]Fergus R.Object class recognition by unsupervised scaleinvariant learning.IEEE Computer Society Conference on Computer Vision and Pattern Recognition，2003（2）：264.

Inspection of GTAW pool and processing method for tube-to-tubesheet based on passive vision

CHEN Yunxia1，LI Rongbin2，WU Yanzhong2，SUN Qin2
（1.Shanghai Dianji University，Shanghai 201306，China；2.Shanghai Electrical Automation D&R Institute Co.，Ltd.，Shanghai 200203，China）

According to the characteristic of the automotive welding for tube-to-tubesheet in heat exchangers，developed a visual sensor system with suitable filters.It can obtain the liquid welding pool image of tube-to-tubesheet online.We can develop welding pool image processing algorithm based on part-tree method，and obtain the liquid pool edge for GTAW.It can get the entire weld pool profile and geometry through curve fitting method.The results further realize the remote monitoring for tube-to-tubesheet automate welding.

tube-to-tubesheet；vision monitoring；weld pool；image processing

TG409

A

1001－2303（2017）11－0064-03

10.7512/j.issn.1001-2303.2017.11.13

本文參考文獻(xiàn)引用格式：陳云霞，李榮斌，鄔雁忠，等.基于被動(dòng)視覺(jué)的管子-管板GTAW熔池檢測(cè)及處理[J].電焊機(jī)，2017，47（11）：64-66.

2017-05-22；

2017-07-16

上海市經(jīng)濟(jì)和信息化委員會(huì)專(zhuān)項(xiàng)資金（JJ-YJCX-01-15-5718）

陳云霞（1978—），女，副教授，博士，主要從事高能電子束焊工藝及視覺(jué)檢測(cè)的研究。E-mail：cyx1978@yeah.net。