焊接可視化技術(shù)的發(fā)展與研究現(xiàn)狀

(清華大學(xué)機(jī)械工程系 先進(jìn)成形制造教育部重點(diǎn)實(shí)驗(yàn)室，北京 100084)

0 序 言

近年來，基于光、聲、電等信號(hào)的各類傳感器的可靠性、準(zhǔn)確性不斷提高，計(jì)算機(jī)軟硬件能力與圖像處理技術(shù)持續(xù)發(fā)展，為通過視覺傳感技術(shù)獲取焊接過程信息、進(jìn)而實(shí)現(xiàn)智能化控制奠定了堅(jiān)實(shí)基礎(chǔ)。同時(shí)，自動(dòng)化與智能化工業(yè)生產(chǎn)的發(fā)展趨勢(shì)促使可視化技術(shù)在實(shí)際焊接生產(chǎn)中獲得廣泛應(yīng)用，為焊接過程自適應(yīng)控制、焊接軌跡自動(dòng)生成、焊縫自動(dòng)跟蹤、焊縫成形質(zhì)量在線控制等提供了有力保障。

所謂焊接可視化，是指通過各種傳感技術(shù)手段形象直觀地表達(dá)焊接過程。不僅有助于全面深入地認(rèn)識(shí)焊接內(nèi)在機(jī)理和機(jī)制，而且可為焊接材料、焊接工藝和焊接結(jié)構(gòu)的優(yōu)化設(shè)計(jì)，焊接過程的實(shí)時(shí)控制，焊接結(jié)構(gòu)的健康評(píng)價(jià)等提供依據(jù)。

在焊接過程中，許多裸眼無法觀察的試驗(yàn)現(xiàn)象或試驗(yàn)對(duì)象可借助焊接可視化技術(shù)轉(zhuǎn)換成適宜觀察的圖像等可視化模式；與焊接質(zhì)量控制相關(guān)的定性觀察對(duì)象也可以通過計(jì)算機(jī)處理獲取量化指標(biāo)，達(dá)到量化處理與精確控制的目的。研究人員針對(duì)熔池、焊縫、電弧、熔滴過渡、保護(hù)氣體等不同觀察對(duì)象，根據(jù)能夠反映其特征的信號(hào)類型，搭建相應(yīng)的傳感系統(tǒng)，輔以圖像處理技術(shù)提取反映關(guān)注對(duì)象特征的參數(shù)信息，進(jìn)而建立反饋控制系統(tǒng)，實(shí)現(xiàn)焊接過程的閉環(huán)控制和穩(wěn)定性控制。焊接可視化技術(shù)在焊接領(lǐng)域的實(shí)際應(yīng)用主要包括焊縫缺陷成像和定位檢測(cè)、焊縫自動(dòng)跟蹤、熔池液態(tài)金屬的流動(dòng)形態(tài)識(shí)別及流動(dòng)機(jī)理探究等方面。此外，焊接可視化技術(shù)還被應(yīng)用于采用特殊傳感方法減小或消除強(qiáng)烈弧光干擾、高溫熔池發(fā)光對(duì)觀察對(duì)象影響的研究，控制金屬蒸汽、飛濺等不利于焊接穩(wěn)定性因素的研究等[1]。

可視化技術(shù)采用的傳感技術(shù)與其它檢測(cè)手段相比，無需與控制對(duì)象接觸，因而不會(huì)對(duì)焊接過程和焊接質(zhì)量造成影響，并且能夠獲取更為豐富的焊接過程信息，例如焊接熔池圖像、熔滴過渡形態(tài)圖像等，這些信息為后續(xù)焊接物理變化以及焊接過程控制技術(shù)的研究提供了有效的原始信息。此外，可視化技術(shù)的控制精度高、靈敏度強(qiáng)，可有效抵抗電磁干擾，是目前最有發(fā)展前途的焊接關(guān)聯(lián)技術(shù)之一[2]。

1 可視化過程的視覺檢測(cè)

焊接過程的信息檢測(cè)主要通過光、聲、電等信號(hào)來實(shí)現(xiàn)，其中光信號(hào)指的是電弧的光輻射以及熔池高溫紅外輻射信號(hào)；聲信號(hào)是指可聽發(fā)聲信號(hào)和在工件內(nèi)部或外光路產(chǎn)生的超聲波信號(hào)；而電信號(hào)則是等離子體或熔池液態(tài)金屬振蕩所引起的區(qū)域電場(chǎng)的變化。上述信號(hào)在不同程度上含有與焊接相關(guān)的位置、質(zhì)量等信息，根據(jù)信息檢測(cè)的信號(hào)不同衍生出相應(yīng)的檢測(cè)技術(shù)。

1.1 圖像檢測(cè)法

目前，獲取焊接熔池與焊縫圖像的方法主要有主動(dòng)視覺和被動(dòng)視覺兩大類方法[3]。主要區(qū)別在于，主動(dòng)視覺法在獲取熔池或焊縫圖像時(shí)往往需要借助外部具有特定功能的輔助光源，而被動(dòng)視覺法一般在反射弧光或自然光下即可進(jìn)行操作。

1.1.1主動(dòng)視覺法

主動(dòng)視覺法依據(jù)光學(xué)三角原理來獲取焊縫的位置信息，由于激光具有能量高、單色性好、抗弧光干擾能力強(qiáng)等特點(diǎn)，因而經(jīng)常被用作輔助光源[4]。根據(jù)所采用的激光光源類型的不同，主動(dòng)視覺法又可分為結(jié)構(gòu)光法和掃描法?；诩す饨Y(jié)構(gòu)光的主動(dòng)視覺法是目前研究相對(duì)成熟且發(fā)展較快的技術(shù)。

圖1為基于激光結(jié)構(gòu)光的視覺檢測(cè)原理，由二極管發(fā)出的激光作為視覺檢測(cè)的外加輔助光源，經(jīng)過透鏡在工件表面形成與坡口幾何形狀相關(guān)的具有特定結(jié)構(gòu)特征的激光條紋，通過工件表面反射后在傳感器中形成電子圖像[5]。經(jīng)過圖像處理可獲取激光條紋結(jié)構(gòu)特征所對(duì)應(yīng)的坡口輪廓信息。實(shí)際應(yīng)用中，往往需要圖形預(yù)處理程序先排除工件表面雜質(zhì)和反光等對(duì)成像造成的干擾，再提取焊縫形狀輪廓。

圖1 基于激光結(jié)構(gòu)光的視覺檢測(cè)原理

在以上基礎(chǔ)上，可進(jìn)一步設(shè)計(jì)基于雙CCD攝像機(jī)的視覺傳感器，實(shí)現(xiàn)焊接的多功能控制[6]。在焊槍前方設(shè)置傳感器采集焊縫圖像，實(shí)現(xiàn)焊縫自動(dòng)跟蹤控制；在焊槍后方設(shè)置傳感器采集焊接熔池圖像，實(shí)現(xiàn)焊縫成形質(zhì)量控制。有學(xué)者通過對(duì)結(jié)構(gòu)光法進(jìn)行改進(jìn)，獲得了焊縫空間位置的三維信息[7]。將所獲得的3D目標(biāo)位置坐標(biāo)與2D圖像坐標(biāo)進(jìn)行校準(zhǔn)，可以獲得更為精確的焊縫位置信息，此方法也稱為三維視覺傳感法。

基于激光掃描的視覺檢測(cè)原理如圖2所示[8]。激光光束經(jīng)反射鏡反射，在工件表面形成激光點(diǎn)，馬達(dá)的轉(zhuǎn)動(dòng)帶動(dòng)反射鏡角度的變化和激光點(diǎn)在工件表面位置的變化。在馬達(dá)正反轉(zhuǎn)的驅(qū)動(dòng)下，激光點(diǎn)在掃描范圍內(nèi)移動(dòng)，完成橫向掃描。激光光束經(jīng)過工件、觀測(cè)鏡的反射后在CCD上形成電子圖像。根據(jù)光學(xué)三角原理所確定的反射光束與發(fā)射光束的幾何關(guān)系，實(shí)現(xiàn)焊縫坡口信息的精準(zhǔn)檢測(cè)。與激光結(jié)構(gòu)光法相比，掃描激光在檢測(cè)過程中的光強(qiáng)未發(fā)生改變，因而在CCD中可以獲得信噪比較高的清晰成像，測(cè)量精度更高。

圖2 基于激光掃描的視覺檢測(cè)原理

1.1.2被動(dòng)視覺法

被動(dòng)視覺法在反射弧光或自然光下采集熔池或焊縫區(qū)域圖像，在不外加輔助光源的情況下，實(shí)現(xiàn)對(duì)焊接過程和質(zhì)量的穩(wěn)定性控制。由于焊接過程中的弧光干擾十分強(qiáng)烈，被動(dòng)視覺法需要匹配合適的濾光片和濾光系統(tǒng)濾除熔池和工件反射的弧光，最后利用透過濾光片的光線獲取清晰焊縫圖像[9]。

如何有效濾除強(qiáng)烈弧光對(duì)被動(dòng)視覺傳感器的成像干擾是應(yīng)用被動(dòng)視覺法需要解決的核心問題。為此，有學(xué)者專門研究了焊接電弧和熔池反射弧光的光譜分布，為濾光系統(tǒng)的設(shè)計(jì)以及濾光片參數(shù)的選擇提供了重要依據(jù)。窄帶窗口即是基于電弧光譜的弧光濾除方法[10]。此外，根據(jù)二次濾波原理所設(shè)計(jì)的濾光系統(tǒng)在熔池圖像的弧光濾除中也表現(xiàn)出很好的濾除效果。所謂二次濾波是指用電弧的連續(xù)光譜作為輔助觀測(cè)光源，同時(shí)選取一定參數(shù)的吸熱片濾除電弧低強(qiáng)度的離散譜線[11]。另外一種抑制強(qiáng)光干擾的方法是激光閃頻攝像[12]。CCD快門根據(jù)脈沖信號(hào)的周期同步開啟，從而使得閃頻激光在快門開啟期間照亮焊接區(qū)域，借助閃頻激光的輻射強(qiáng)度抑制弧光干擾，從而獲得清晰的焊接圖像。主動(dòng)視覺法與被動(dòng)視覺法的對(duì)比如表1所示。

總體來講，焊接可視化過程實(shí)質(zhì)是利用傳感手段對(duì)焊接過程的形象表達(dá)，因此檢測(cè)到的信息既可以用于自動(dòng)化控制，也可以用于操作者的觀察。 例如有學(xué)者便根據(jù)可視化方法提取電弧質(zhì)心位置的方差來觀察焊接過程中電弧的穩(wěn)定性；根據(jù)拍攝的焊接電弧形態(tài)圖像來觀察并識(shí)別不同的熔滴過渡形式；以及根據(jù)焊接飛濺在圖像中的痕跡研究焊接飛濺對(duì)電弧穩(wěn)定性的影響；還有學(xué)者采用可視化手段提取了焊縫紋理和其色彩信息等[13-15]。

表1 主被動(dòng)視覺傳感器對(duì)比

1.2 紅外熱像法

紅外熱像法利用熔池紅外譜段的熱輻射與其周圍試件表面熱輻射的不同，形成具有差異的溫度場(chǎng)分布圖像，從而獲取熔池信息。采用遠(yuǎn)紅外圖像傳感器能夠采集的光譜范圍為8～12 μm，而電弧光譜波長(zhǎng)的上限為4 μm，所以在采用紅外熱像法進(jìn)行熔池溫度場(chǎng)信息的采集過程中無須考慮電弧光的干擾，能夠直接獲取反映熔池物理行為的不同熔透狀態(tài)下的溫度場(chǎng)分布。

將紅外傳感器與光導(dǎo)纖維傳輸技術(shù)相結(jié)合，還能夠?qū)崿F(xiàn)對(duì)工件表面某一點(diǎn)溫度和焊縫背面熔寬的測(cè)量，實(shí)現(xiàn)對(duì)焊縫熔透狀態(tài)的檢測(cè)[16-17]。潘際鑾等人[18]在無須標(biāo)定的條件下實(shí)現(xiàn)了對(duì)焊縫背面橫向溫度場(chǎng)分布的實(shí)時(shí)測(cè)量。通過溫度場(chǎng)分布與熔透間的關(guān)系模型可計(jì)算獲得焊縫的熔透程度，進(jìn)一步結(jié)合繼電器型的非線性環(huán)節(jié)，就能夠?qū)崿F(xiàn)高質(zhì)量的焊縫熔透控制。

1.3 焊縫缺陷成像和無損檢測(cè)可視化

焊接可視化的內(nèi)容還涉及焊縫的缺陷成像與無損檢測(cè)，例如超聲波檢測(cè)、X射線檢測(cè)、衍射時(shí)差法等[19-20]。通過分析反饋的焊縫缺陷的射線、超聲信號(hào)，可以實(shí)現(xiàn)對(duì)焊縫缺陷的定量描述和危害評(píng)估。文獻(xiàn)[21]介紹了可實(shí)施焊縫全體積檢測(cè)的方法——超聲相控陣扇形掃查法，該方法可實(shí)時(shí)顯示并自動(dòng)儲(chǔ)存檢測(cè)數(shù)據(jù)，數(shù)據(jù)的三維顯示和多視角觀測(cè)使得缺陷的定性、定位、定量、定級(jí)都更為方便和精確。

超聲波檢測(cè)法能夠相對(duì)容易地檢測(cè)出缺陷距離工件表面的埋藏深度以及缺陷在工件板厚方向的長(zhǎng)度，但對(duì)某些特殊材料和極端幾何條件下的檢測(cè)效果較差。與超聲波探傷相比，射線檢測(cè)對(duì)薄件裂紋、氣孔、夾渣等焊接缺陷的檢測(cè)靈敏度高，其獲得的直觀的缺陷圖像易于分析和重復(fù)觀測(cè)，因而被廣泛采用[22]。射線檢測(cè)對(duì)缺陷的定位方法主要有體視法、黑度計(jì)測(cè)定法、CT法、視差法以及基于漏磁成像技術(shù)的磁化系統(tǒng)等其它新型無損檢測(cè)方法[23]。

借助無損檢測(cè)可以構(gòu)建出焊接缺陷的直觀三維輪廓圖像，其中含有與焊接缺陷相關(guān)的位置、取向、尺寸等豐富信息，為質(zhì)量檢測(cè)人員進(jìn)行細(xì)微缺陷定位、尺寸測(cè)量等提供了直觀有效的解決途徑。

1.4 基于熔池振蕩的可視化測(cè)量

基于熔池振蕩的可視化測(cè)量包括弧光傳感法和激光視覺法。因?yàn)槿鄢伢w積和熔池振蕩頻率間有著直接的物理對(duì)應(yīng)關(guān)系，所以該方法可用于對(duì)熔透狀態(tài)的實(shí)時(shí)表征，通過檢測(cè)熔池振蕩頻率來控制熔池體積，從而實(shí)現(xiàn)焊縫熔透控制[24]。

弧光傳感法利用光強(qiáng)傳感器檢測(cè)弧光強(qiáng)度，根據(jù)對(duì)應(yīng)的比例關(guān)系求取不同弧光強(qiáng)度下所對(duì)應(yīng)的弧長(zhǎng)變化，反映熔池的振蕩情況。而基于熔池振蕩的激光視覺法的原理如圖3所示[25]。投射到熔池表面的入射激光經(jīng)過反射投向成像屏。熔池表面發(fā)生周期振蕩時(shí)，投射在成像屏的激光條紋也會(huì)發(fā)生周期性變化，進(jìn)而引起觀測(cè)窗口亮度積分值的改變。所以，圖像亮度積分值的周期性變化可以表征熔池的振蕩情況。

圖3 基于熔池振蕩的激光視覺法原理

2 可視化過程的信息處理

信息處理環(huán)節(jié)是焊接可視化的軟核心。采用信息處理軟件對(duì)采集到的關(guān)注對(duì)象的不同信號(hào)的檢測(cè)信息進(jìn)行綜合處理，可提取關(guān)注對(duì)象的特征信息；特征信息作為控制系統(tǒng)的輸入信號(hào)，可實(shí)現(xiàn)焊接過程的自動(dòng)化和智能化控制。

2.1 信息處理軟件

任何一種視覺檢測(cè)方法，都需要有與之相配套的視覺檢測(cè)軟件。視覺檢測(cè)軟件的系統(tǒng)開發(fā)方法主要有三種：一是借助如 NI-VISION 等專業(yè)化的機(jī)器視覺軟件開發(fā)平臺(tái)；二是借助可視化的編程工具完全自主研發(fā)，如VC6.0，VB 等，特別是多種信號(hào)同時(shí)進(jìn)行檢測(cè)時(shí)，往往需要借助這種方法搭建相應(yīng)的平臺(tái)顯示窗口；三是在 SDK(軟件開發(fā)工具包) ，Pro/E等軟件開發(fā)包的基礎(chǔ)上進(jìn)行二次開發(fā)，是難度相對(duì)較大的一種系統(tǒng)開發(fā)方法。文獻(xiàn)[26]詳細(xì)介紹了基于Pro/E 和VC 二次開發(fā)向?qū)У目梢暬到y(tǒng)的開發(fā)步驟。

2.2 圖像處理方法

目前，圖像采集設(shè)備的數(shù)據(jù)多以數(shù)字圖像的形式儲(chǔ)存，因而圖像處理過程實(shí)際上是對(duì)數(shù)學(xué)矩陣的運(yùn)算。圖像處理可應(yīng)用于焊接熔池邊緣的提取，通過圖像增強(qiáng)、平滑與銳化濾波、邊緣檢測(cè)等一系列操作，可以獲得與熔池輪廓匹配度較高的連續(xù)邊緣。有學(xué)者針對(duì)不同邊緣檢測(cè)算子的檢測(cè)效果進(jìn)行了對(duì)比研究[27]。而在焊縫自動(dòng)跟蹤的應(yīng)用中，都東提出了基于焊接坡口宏觀幾何特征、焊縫紋理和焊縫色彩特征信息的焊縫識(shí)別方法。由于焊接工況一般比較復(fù)雜，焊接過程會(huì)伴隨諸多干擾和不確定性，為了提高圖像實(shí)時(shí)處理的可靠性，要求圖像處理算法具有自適應(yīng)環(huán)境變化的能力。為此，模糊數(shù)學(xué)和神經(jīng)網(wǎng)絡(luò)等算法被引入到焊縫圖像處理中。例如采用模糊算子對(duì)圖像局部信息進(jìn)行處理，可增強(qiáng)算法的抗躁性；邊緣檢測(cè)問題可以歸結(jié)為一般的模糊推理問題，采用模糊數(shù)學(xué)設(shè)計(jì)方法可以設(shè)計(jì)出基于模糊數(shù)學(xué)的邊緣檢測(cè)算子[28]。而人工神經(jīng)網(wǎng)絡(luò)可以解決灰度分布不確定的情況下，分割閾值的自適應(yīng)選擇問題[29]。另有學(xué)者自行設(shè)計(jì)了自適應(yīng)共振人工神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了對(duì)4種不同焊縫類型的自動(dòng)識(shí)別[30]。

3 可視化過程的智能控制

實(shí)現(xiàn)焊接過程的自動(dòng)化、智能化控制是焊接可視化過程的最終目標(biāo)。例如，經(jīng)圖像處理獲得特定觀察對(duì)象位置信息的偏差信號(hào)后，經(jīng)過智能控制程序可實(shí)現(xiàn)焊接過程的糾偏矯正。目前，應(yīng)用于焊接可視化過程的智能控制算法主要有自適應(yīng)控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制以及專家系統(tǒng)等。

趙冬斌等人[31]在研究填絲脈沖 GTAW 的熔池形狀變化特征時(shí)，借助焊接可視化方法開發(fā)了一套可實(shí)現(xiàn)熔池類型識(shí)別、熔池邊緣點(diǎn)提取及擬合的熔池形狀參數(shù)提取的自適應(yīng)算法。自適應(yīng)模糊控制器近年也被廣泛應(yīng)用于焊縫跟蹤、焊槍位姿參數(shù)控制及熔池的熔深、熔寬控制等[32-33]。BP神經(jīng)網(wǎng)絡(luò)便被應(yīng)用于對(duì)熔池的反面余高、反面熔寬、熔深、熔化面積等參數(shù)進(jìn)行預(yù)測(cè)，準(zhǔn)確率在80%以上[34]。BP神經(jīng)網(wǎng)絡(luò)對(duì)焊道形狀預(yù)測(cè)的網(wǎng)絡(luò)輸出與實(shí)測(cè)值之間的均方根誤差已經(jīng)能夠控制在0.001 mm以內(nèi)[35]。國(guó)內(nèi)學(xué)者主要將其應(yīng)用于對(duì)焊道寬度、熔深及堆高的預(yù)測(cè)和弧焊機(jī)器人的軌跡規(guī)劃等[36]。陳善本等人[37]在模糊推理與神經(jīng)網(wǎng)絡(luò)結(jié)合的單入單出焊接電流控制器 FNNC(模糊神經(jīng)網(wǎng)絡(luò)控制器)的基礎(chǔ)上，設(shè)計(jì)了用于調(diào)節(jié)脈沖 GTAW 焊接速度的雙入雙出專家系統(tǒng)控制器，實(shí)現(xiàn)了對(duì)焊道成形與正反面熔寬的同時(shí)智能控制，是對(duì)熔池動(dòng)態(tài)過程和焊接質(zhì)量智能控制途徑的成功探索。

4 結(jié) 論

隨著以云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)和人工智能為依托的新的信息技術(shù)革命的到來，焊接可視化及其所涉及的視覺檢測(cè)方法、圖像處理技術(shù)和智能控制技術(shù)等都有望在新的技術(shù)浪潮中得到突破性的發(fā)展，并不斷為焊接機(jī)理的研究、焊接工藝設(shè)計(jì)的優(yōu)化、焊接質(zhì)量與穩(wěn)定性的檢測(cè)以及焊接的自動(dòng)化與智能化控制等提供新的研究手段與技術(shù)支撐。

從信息檢測(cè)的角度來看，基于多種檢測(cè)信號(hào)的信息融合傳感技術(shù)具有可觀的應(yīng)用場(chǎng)景；在圖像處理方面，彩色圖像相比目前所獲取的黑白圖像而言具有更豐富的色彩信息，探索基于彩色圖像的可視化焊接控制有望成為未來發(fā)展新趨勢(shì)；而在智能控制方面，基于專家系統(tǒng)的焊接過程自適應(yīng)控制、焊接軌跡自動(dòng)生成、焊縫成形質(zhì)量在線控制等依舊會(huì)是該領(lǐng)域的熱點(diǎn)問題。

[1] 張 剛. 基于激光視覺的GTAW熔池三維自由表面動(dòng)態(tài)行為的可視化[D]. 蘭州: 蘭州理工大學(xué)碩士學(xué)位論文，2013.

[2] 謝志孟，高向東. 基于視覺傳感的焊縫跟蹤技術(shù)研究和展望[J]. 焊接，2005(4): 5-9.

[3] 沈彥聞. 基于VTK的激光焊接數(shù)值模擬可視化系統(tǒng)的研究與開發(fā)[D]. 武漢: 華中科技大學(xué)碩士學(xué)位論文，2009.

[4] Song H S，Zhang Y M. Measurement and analysis of three-dimensional specular gas tungsten arc weld pool surface[J]. Welding Journal，2008，87(4): 85-95.

[5] Kim J S，Son Y T，Cho H S，et al. A robust method for vision-based seam tracking in robotic arc welding[C]. Proceeding of the International Symposium on Intelligent Control，Monterey，CA，USA, 1995:363-368.

[6] Zhou L，Lin T，Chen S B. Autonomous acquisition of seam coordinates for arc welding robot based on visual sensoring[J]. Journal of Intelligent and Robotic System，2006，47(3): 239-255.

[7] 魯建波，徐培全，姚 舜，等. 圓形掃描結(jié)構(gòu)光傳感器的標(biāo)定和焊縫檢測(cè)[J]. 焊接學(xué)報(bào)，2006，27(4): 53-56.

[8] Wellington S J，Crowder R M. A non-tactile sensor for seam tracking and vision application[C]. IEEE Control’94 Conference Publication，Coventry，UK, 1994: 822-826.

[9] Ohshima K，Yamamoto M，Tanii T，et al. Digital control of torch position and weld Pool in MIG welding using image processing device[J]. IEEE Transactions on Industry Applications，1992，28(3): 607-612.

[10] 王建軍，林 濤，陳善本，等. 鋁合金交流鎢極氬弧焊熔池圖像傳感方法[J]. 上海交通大學(xué)學(xué)報(bào)，2002，6(5): 21-26.

[11] 李鵬九. 焊接過程弧光傳感的應(yīng)用基礎(chǔ)研究[D]，哈爾濱: 哈爾濱工業(yè)大學(xué)博士學(xué)位論文，1997.

[12] Lee S K. A study on automatic seam tracking in pulsed laser edge welding by using a vision sensor without an auxiliary light source [J]. Journal of Manufacturing Systems，2002，21(4): 302-315.

[13] Shigeta，M，Takahiro I，Manabu，T，et al. Qualitative and quantitative analyses of arc characteristics in SMAW[J]. Welding in the World，2016，60(2): 355-361.

[14] 郭 波. 基于寬動(dòng)態(tài)視覺傳感的GMAW機(jī)器人焊接偏差實(shí)時(shí)識(shí)別及電弧監(jiān)測(cè)研究[D]. 廣州: 華南理工大學(xué)博士學(xué)位論文，2016.

[15] 都 東，鄒怡蓉，常保華. 焊接視覺傳感及自動(dòng)跟蹤技術(shù)的現(xiàn)狀與發(fā)展[J]. 航空制造技術(shù)，2010(9): 40-42.

[16] Sadek C. Alfaro A，F(xiàn)ernand Diaz Franco. Exploring infrared sensing for real-time welding defects monitoring in GTAW[J]. Journal of Sensors，2010，10(6): 5962-5974.

[17] Kosovo Y. Relation between surface temperature and reverse side bead with in TIG welding of thin mild steel plate[J]. Journal of Japan Welding Society，1982，51(3): 52-55.

[18] 潘際鑾，陳 強(qiáng)，吳志強(qiáng). MIG焊的熔透控制[J]. 焊接學(xué)報(bào)，1991，12(1): 53-58.

[19] 路 浩，邢立偉，趙新玉. 焊接缺陷高頻顯微超聲可視化掃查檢測(cè) [J]. 焊接，2014(9): 19-23.

[20] 羅志偉，張 馳，劉 斌. 焊縫橫向裂紋聲波衍射信號(hào)特征與采集方法[J]. 焊接，2016(6): 26-29.

[21] 李 衍. 超聲相控陣檢測(cè)焊縫三維可視化[J]. 中國(guó)特種設(shè)備安全，2013，37(12): 1-6.

[22] 崔 巍，戴 光，龍飛飛，等. 鋼板對(duì)接焊縫漏磁檢測(cè)可視化方法[J]. 無損檢測(cè)，2013，35(5): 8-11.

[23] 崔 巍，戴 光，李 偉，等. 基于漏磁成像的焊縫缺陷檢測(cè)可視化方法研究[J]. 現(xiàn)代制造工程，2014(2): 109-114.

[24] Renrrick R J. Real-time control of GTA weld size by controlling pool oscillation frequency[J]. CWR Technical Report，1983(6): 110-115.

[25] 顧玉芬，杜雷明，李春凱，等. 弧光法與激光視覺法檢測(cè)熔池振蕩特征的對(duì)比分析[J]. 焊接學(xué)報(bào)，2016，37(9): 18-22.

[26] 石端虎，剛 鐵，李新彥，等. 基于Pro/E二次開發(fā)的焊縫缺陷空間位置可視化[J]. 熱加工工藝，2009(23): 155-157.

[27] 季 虎，孫即祥，邵曉芳，等. 圖像邊緣提取方法及展望[J]. 計(jì)算機(jī)工程與應(yīng)用，2004，40(14): 70-73.

[28] Law T，Itoh H，Seki H. Image filtering，edge detection，and edge tracing using fuzzy reasoning[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，1996，18(5): 481-491.

[29] Peng J，Chen Q，Lu J，et al. Real time optimization of robotic arc welding based on machine vision and neural networks[C]. 24th Annual Conference of the IEEE Industrial-Electronics-Society，Aachen，Germany,1998.

[30] 岳 宏，孫立新，李 慨，等. 基于自適應(yīng)共振人工神經(jīng)網(wǎng)絡(luò)的焊縫類型自動(dòng)識(shí)別方法[J]. 中國(guó)機(jī)械工程，1999，10(8): 1-7.

[31] 趙冬斌，陳善本，吳 林. 填絲脈沖 GTAW 熔池形狀定義和圖像處理[J]. 焊接學(xué)報(bào)，2001，22(2): 5-8.

[32] Jezersek M, Polajnar I, Diaci J. Feasibility study of in-process weld quality control by means of scanning laser profilometry[J].Proc Spie, 2007, 6616(6):445-449.

[33] 林樹清，袁小川. 模糊邏輯控制在焊接中的應(yīng)用進(jìn)展[J]. 山東冶金，2004，26(6): 54-56.

[34] Tarng Y S，Tsai H L，Yeh S S. Modeling，optimization and classification of weld quality in tungsten inert gas welding[J]. International Journal of Machine Tools and Manufacture，1999，39(9): 1427-1438.

[35] Shi Y，F(xiàn)an D，Huang A，et al. Visual sensing and intelligent control of weld pool dynamics in aluminum alloy pulsed MIG welding process[C]. ICMIT，Chongqing，China,2005.

[36] 高向東，黃石生，余英林. 機(jī)器人焊縫跟蹤神經(jīng)網(wǎng)絡(luò)控制研究[J]. 機(jī)械工程學(xué)報(bào)，2000，36(5): 7-10.

[37] 陳善本，趙冬斌，婁亞軍. 脈沖GTAW焊縫成形智能控制方法[J]. 自動(dòng)化學(xué)報(bào). 2003，1(29): 130-134.